4. MethodologyIn achieving this stu

4. Methodology
In achieving this study objective, panel data is more relevant because it contains the necessary mechanism to
deal with both inter-temporal dynamic behaviour and the individualistic of the firms. For example, it allows controlling for heterogeneity bias due to the confounding effect of time-invariant variables omitted or hidden
factors from the regression model. Besides, this longitudinal approach provides additional information and richer
source of variation through utilisation of a large number of data points, in which increasing the degrees of
freedom and reducing the collinearity among explanatory variables, thus improving the efficiency of
econometric estimators (Hsiao, 1986). All of these benefits provide stronger conclusion than findings derived
from the use of static cross-sectional data or time series setting alone. This panel data estimation is more robust
compared to solely time series estimation. This is because we could obtain larger sample size once we have
pooled together all data across firms and time period.
4.1 Pooled OLS Estimation
This study hypothesize that the explanatory variables have a linear relationship with the firm performance. Since
panel data is utilize, it does not only enables the researchers to consider both time series and cross sectional
characteristic of the samples, but it also helps to identify the sources of possible mixed effects and the
importance of each explanatory variables in influencing firm performance. At this initial stage, the regression
model is assumed to have a constant intercept and slope coefficients. The relationship is expresses as follows:

Kết quả (Việt) 1:

4. phương phápTrong việc đạt được mục tiêu nghiên cứu này, bảng dữ liệu là phù hợp hơn vì nó có chứa cơ chế cần thiết đểđối phó với các hành vi động giữa hai thời gian lẫn cá nhân của các công ty. Ví dụ, nó cho phép kiểm soát cho heterogeneity thiên vị do hiệu ứng confounding bất biến thời gian biến bỏ qua hoặc ẩnCác yếu tố từ các mô hình hồi qui. Bên cạnh đó, cách tiếp cận theo chiều dọc này cung cấp các thông tin bổ sung và phong phú hơnnguồn gốc của các biến thể thông qua sử dụng của một số lượng lớn các dữ liệu điểm, trong đó tăng độ củatự do và giảm collinearity giữa các biến giải thích, do đó nâng cao hiệu quả củakinh tế lượng estimators (Hsiao, 1986). Tất cả những lợi ích này cung cấp các kết luận mạnh mẽ hơn so với kết quả thu đượctừ việc sử dụng dữ liệu mặt cắt tĩnh hoặc chuỗi thời gian thiết lập một mình. Này bảng dữ liệu dự toán là mạnh mẽ hơnso sánh với chỉ duy nhất dự toán dòng thời gian. Điều này là bởi vì chúng tôi có thể có được lớn hơn kích thước mẫu khi chúng tôi cógộp lại với nhau tất cả dữ liệu trên toàn công ty và khoảng thời gian.4,1 ước tính tòi OLSNghiên cứu này đưa ra giả thuyết rằng các biến giải thích có một mối quan hệ tuyến tính với hiệu suất vững chắc. Kể từ khibảng dữ liệu sử dụng, nó không chỉ không cho phép các nhà nghiên cứu xem xét chuỗi thời gian và đường cắtđặc trưng của các mẫu, nhưng nó cũng giúp xác định các nguồn có thể tác dụng và nhữngtầm quan trọng của mỗi biến giải thích ảnh hưởng đến hiệu suất công ty. Ở giai đoạn đầu tiên này, các hồi quyMô hình được cho là có một hệ số chặn và dốc liên tục. Mối quan hệ là thể hiện như sau:

Kết quả (Việt) 2:

4. Phương pháp
Trong việc đạt được mục tiêu nghiên cứu này, dữ liệu bảng là phù hợp hơn vì nó có chứa các cơ chế cần thiết để
đối phó với cả hai hành vi động qua thời gian và các cá nhân trong công ty. Ví dụ, nó cho phép kiểm soát cho sự thiên vị không đồng nhất do tác động nhiễu của biến đổi theo thời gian bị bỏ qua hoặc ẩn
các yếu tố từ các mô hình hồi quy. Bên cạnh đó, cách tiếp cận theo chiều dọc này cung cấp thêm thông tin và phong phú hơn
nguồn gốc của sự thay đổi thông qua việc sử dụng một số lượng lớn các điểm dữ liệu, trong đó tăng mức độ
tự do và giảm các cộng tuyến giữa các biến giải thích, do đó nâng cao hiệu quả của
dự toán kinh tế lượng (Hsiao, 1986) .
Tất cả những lợi ích này cung cấp kết luận mạnh hơn phát hiện bắt nguồn từ việc sử dụng các dữ liệu tĩnh cắt ngang hoặc cài đặt thời gian một mình loạt. Ước lượng dữ liệu bảng này là mạnh mẽ hơn
so với chỉ ước lượng chuỗi thời gian. Điều này là bởi vì chúng ta có thể có được kích thước mẫu lớn hơn một khi chúng tôi đã
gộp lại với nhau tất cả các dữ liệu giữa các doanh nghiệp và khoảng thời gian.
4.1 Pooled OLS Ước
Nghiên cứu này đưa ra giả thuyết rằng các biến giải thích có một mối quan hệ tuyến tính với hiệu suất vững chắc. Kể từ khi
dữ liệu bảng là sử dụng, nó không chỉ cho phép các nhà nghiên cứu xem xét cả chuỗi thời gian và qua mặt cắt
đặc trưng của các mẫu,
nhưng nó cũng sẽ giúp xác định nguồn gốc của tác hỗn hợp có thể, và tầm quan trọng của mỗi biến giải thích trong việc ảnh hưởng hiệu suất vững chắc. Ở giai đoạn đầu tiên này, các hồi quy
mô hình được giả định có một đánh chặn và độ dốc không đổi hệ số. Các mối quan hệ là thể hiện như sau:

Kết quả (Việt) 3:

4.Phương pháp luậnĐể thực hiện mục tiêu này trong một nghiên cứu, các bảng dữ liệu liên quan đến hơn, vì nó chứa cơ chế cần thiết.Xử lý các hành vi kinh doanh năng động và chủ nghĩa cá nhân.Ví dụ, nó cho phép kiểm soát tình dục lệch hỗn hợp đồng nhất do hiệu ứng của thời gian biến liên tục bỏ qua hoặc ẩnRegression mẫu các nhân tố ảnh hưởng tới.Bên cạnh đó, phương pháp dọc này cung cấp nhiều thông tin hơn và giàu có.Qua rất nhiều dữ liệu hơn sử dụng, trong đó có tăng mức độ thay đổi của nguồnGiải thích tự do và giảm thiểu biến cộng tuyến giữa, do đó tăng hiệu quả.Kinh tế lượng ước tính (Hsiao, 1986).Tất cả những gì đã cung cấp hơn mạnh mẽ hơn. Kết luận kết luậnMặt cắt ngang của sử dụng dữ liệu từ tĩnh hay chuỗi thời gian riêng.Bảng này mạnh mẽ hơn số liệu ước tínhChuỗi thời gian so với ước tính.Đó là bởi vì khi chúng ta có mẫu lớn hơn số lượng.Tập hợp tất cả dữ liệu của công ty và thời gian.4.1 trộn OLS ước tínhNghiên cứu này giả định với công ty giải thích biến Performance trình tuyến tính.Kể từ khiBảng điều khiển dữ liệu đã sử dụng, nó không chỉ khiến các nhà nghiên cứu đồng thời xem xét chuỗi thời gian và cắt ngangĐặc trưng của mẫu vật, nhưng nó cũng có thể giúp xác định nguồn gốc có thể trộn với hiệu ứngẢnh hưởng đến Enterprise Performance các giải thích tầm quan trọng của biến.Trong giai đoạn ban đầu này, quay trở lại.Mô hình được cho là vì có liên tiếp đánh chặn và hệ số độ dốc.Mối quan hệ như sau: