Đối với dữ liệu dạng bảng được sử dụng trong bài viết này, chúng ta có thể sử dụng mô hình hồi quy gộp (pooled OLS), mô hình ảnh hưởng cố định (fixed effect estimation) và mô hình ảnh hưởng ngẫu nhiên (random effect estimation) để ước lượng.
Khi sử dụng mô hình hồi quy gộp, tất cả các quan sát được gộp chung lại và chạy hồi quy bình phương nhỏ nhất OLS. Mô hình này không phân biệt sự
khác nhau về không gian và thời gian của mỗi quan sát, do đó chỉ phù hợp với trường hợp không có những ảnh hưởng riêng biệt từ những quốc gia khác nhau.
Tuy nhiên trong hầu hết trường hợp, dữ liệu bảng tồn tại những ảnh hưởng riêng biệt. Khi đó mô hình hồi quy gộp không phù hợp và ta phải lựa chọn một trong hai mô hình ảnh hưởng cố định và mô hình ảnh hưởng ngẫu nhiên. Mô hình ảnh hưởng cố định coi ảnh hưởng riêng biệt từ các quốc gia khác nhau là không đổi theo thời gian và tách những ảnh hưởng riêng biệt đó thông qua kỹ thuật biến giả. Nhược điểm của mô hình này là không đánh giá được ảnh hưởng của các biến không đổi theo thời gian như khoảng cách. Vì vậy phương pháp ảnh hưởng cố định có vẻ không phù hợp để ước lượng mô hình trong bài viêt này.
Trái với mô hình ảnh hưởng cố định, mô hình ảnh hưởng ngẫu nhiên coi ảnh hưởng riêng biệt từ các quốc gia thay đổi ngẫu nhiên. Những ảnh hưởng riêng biệt đó được gộp lại và thể hiện chung bằng một thành phần sai số theo không gian εi. Tuy nhiên mô hình này có thể không phù hợp khi số hạng sai số εi
tương quan với các biến giải thích X.
Trong bài viết này, chúng tôi sẽ tiến hành hồi quy mô hình (2.2) theo phương pháp hồi quy gộp và ảnh hưởng ngẫu nhiên, sau đó sẽ dựa vào kết quả của kiểm định Breusch-Pagan để lựa chọn ra phương pháp phù hợp hơn.