Có nhiều phương pháp ước lượng cho dữ liệu bảng như mô hình hồi quy gộp (pooled model), mô hình những tác động ngẫu nhiên (random effects model - REM), mô hình những tác động cố định (fixed effects model - FEM).
Tuy nhiên mô hình hồi quy gộp chỉ đơn giản là phương pháp ước lượng bình phương nhỏ nhất (OLS), phương pháp này chỉ thích hợp nếu không có sự tồn tại các yếu tố riêng biệt (từng DN) và yếu tố thời gian. Theo Gujarati (2004), việc sử dụng phương pháp OLS bỏ qua bình diện không gian và thời gian của dữ liệu kết hợp, kết quả ước lượng sẽ bị thiên lệch. Vì vậy đề tài bỏ qua phương pháp này.
Mô hình REM xem đặc điểm riêng giữa các thực thể (DN) được giả sử là ngẩu nhiên và không tương quan đến các biến giải thích, và REM xem các phần dư của mỗi thực thể (không tương quan với biến giải thích) là một biến giải thích mới. Mô
hình REM cũng không hoàn toàn phù hợp với nghiên cứu của đề tài do phần dư của mỗi thực thể có thể ảnh hưởng đến các biến giải thích và dữ liệu được chọn là không ngẫu nhiên.
Số lượng đơn vị chéo trong dữ liệu nhiều (80 đơn vị) và số lượng đơn vị thời gian tương đối ít (4 năm), các dữ liệu được chọn là không ngẫu nhiên và các thực thể đều có những đặc điểm riêng biệt đồng nên Mô hình FEM có thể là phù hợp để nghiên cứu đối với đề tài này.
Việc ước lượng mô hình FEM còn phụ thuộc vào những giả định liên quan đến tung độ gốc (hệ số chặn) và hệ số độ dốc (các tham số ước lượng) và cả phần dư vì có các khả năng:
TH1: Hệ số độ dốc không thay đổi nhưng hệ số tung độ gốc biến đổi theo các các đơn vị chéo khác nhau: Có nghĩa là mặc dù các hệ số chặn có thể khác nhau đối với các đơn vị chéo nhưng mỗi hệ số chặn này lại không thay đổi theo thời gian.
TH2: Hệ số độ dốc không thay đổi nhưng hệ số chặn thay đổi theo cả thời gian và các đơn vị chéo. Có nghĩa là các hệ số chặn có thể khác nhau đối với các đơn vị chéo và khác nhau với mỗi đơn vị thời gian khác nhau.
TH3: Hệ số độ dốc và hệ số chặn đều thay đổi theo các đơn vị chéo. Đây là trường hợp phức tạp trong xử lý dữ liệu nên nghiên cứu này không áp dụng.
Kiểm định Hausman: Để có cơ sở lựa chọn FEM hay REM người ta cũng có thể dùng 1 kiểm định thống kê, đó là kiểm định Hausman. Giá trị của kiểm định này được phát triển bởi Hausman có phân phối tiệm cận và dùng để kiểm định giả thuyết H0 rằng kết quả hồi quy của FEM và REM là không có sự khác nhau rõ rệt, (hay còn có nghĩa là giả định H0 là không có sự tương quan giữa biến độc lập và yếu tố ngẫu nhiên ui vì tương quan là nguyên nhân tạo nên sự khác biệt giữa FEM và REM :
H0: Không có sự khác biệt đáng kể giữa 2 phương pháp FEM và REM H1: Có sự khác biệt giữa 2 phương pháp FEM và REM
Nếu p-value ≤ α cho phép kết luận giả thuyết H0 bị bác bỏ. Nếu giả thuyết này bị bác bỏ thì kết luận là kết quả từ 2 mô hình sẽ khác biệt đáng kể. Trong trường hợp này FEM sẽ là lựa chọn tốt hơn. Ngược lại, REM là phù hơn cho mô hình nếu không bác bỏ giả thuyết H0.