بنابراين وقتي که از داده­هاي ترکيبي استفاده مي_­­شود، بايد آزمون­هاي مختلفي براي تشخيص روش تخمين مناسب انجام داد. رايج­ترين آنها آزمون “هاسمن^[36]” براي انتخاب يکي از مدل­هاي اثر ثابت يا مدل اثر تصادفي و آزمون بروش-پاگان ال­ام^[37] براي انتخاب يکي از مدل­هاي اثر تصادفي يا مدل داده­هاي تلفيقي^[38] است. اين مراحل بدين صورت است که اگر داده ­ها به صورت تصادفي از بين داده­هاي زيادي انتخاب نشده باشد، از مدل اثر ثابت استفاده مي­شود. اما اگر داده ­ها به صورت تصادفي انتخاب شده باشند، هر دو مدل اثر ثابت و اثر تصادفي تخمين زده مي­شود. سپس آزمون “هاسمن” انجام مي­گيرد. چنانچه آماره اين آزمون نشان­دهنده برآورد با بهره گرفتن از مدل اثر ثابت باشد، اين مدل برآورد مي­شود. اما چنانچه اين آماره نشانگر برآورد مدل با بهره گرفتن از مدل اثر تصادفي باشد، بايد آزمون بروش-پاگان ال­ام براي انتخاب يکي ازمدل­هاي اثر تصادفي يا ادغام داده ­ها، انجام گيرد(بالتاگي، 2005).
برای استفاده از داده ­های پانلی با رویکرد اثرات ثابت، بایستی ابتدا آزمون­های زیر ­انجام شود Ibid, P.19):

آزمون هاسمن
هاسمن (1987)، آزمونی را برای انتخاب بین مدل اثر ثابت و مدل اثر تصادفی معرفی نموده است. در این آزمون، فرضیه صفر با در نظر گرفتن عدم وجود همبستگی بین اثرات واحدها (­) که بخشی از جمله اختلال است و غیر قابل مشاهده می­باشد شکل می­گیرد. اما ممکن است این دو با هم، هم­بسته باشند در این صورت تخمین زن GLS یعنی تخمین زنی تورش­دار و ناسازگار از خواهد بود در ­حالی­که تبدیل درونی^[39] این ها را از بین می­برد و تخمین زن اثرات ثابت یا همان را تخمین زنی بدون تورش و سازگار از می­سازد. فرضيات اين آزمون به صورت زير است:

که در اين فرضيات،  نشان­دهنده واريانس اثر مقطعي مدل برآورد شده از طريق اثر تصادفي است. چنانچه واريانس اثرات مقطعي در مدل اثر تصادفي ناچيز باشد، مي­توان از روش ترکيب کل داده ­ها (ادغام) و استفاده از تخمين حداقل مربعات معمولي براي برآورد روابط بين متغيرها استفاده کرد. براي محاسبه آماره از خطاي برآورد داده­هاي ادغام شده به صورت زير استفاده مي­شود:

که در رابطه فوق  خطاي برآورد مدل داده­هاي ادغام شده و  متوسط خطا در زمان اول است. با درستي فرضيه اول اين آماره داراي توزيع  χ با يک درجه آزادي است.
به اين ترتيب، با آزمون­هاي مختلف مي­توان مدل مناسب تخمين را برگزيد. پس از انتخاب مدل مناسب بايد نسبت به پايا بودن سري­هاي زماني و غيرکاذب بودن رگرسيون اطمينان حاصل کرد (بالتاگي، 2005).
ناهمسانی
یکی از مشکلاتی که می ­تواند وجود داشته باشد، ناهمسانی واریانس­ها می­باشد. براساس دیدگاه بالتجای (2005) این مساله می ­تواند، یک فرض محدود کننده برای داده ­های پانلی باشد، زمانی­که واحدهای مقطعی دارای اندازه­ های متفاوت باشند و مانند نمایش یک نتیجه تغییرات متفاوت. برای آزمون ناهمسا­نی و بیان­گر آن­است که برای تمامi برابر نیست (همان منبع، ص.10).

همبستگی پیاپی
همبستگی پیاپی به وضعیتی اشاره دارد، که باقیمانده­ها درطول زمان همبستگی دارند. نادیده گرفتن همبستگی پیاپی، در­جایی­که­ وجود دارد، باعث ثبات می­گردد. اما باعث ناکارایی برآوردها و­ سوگیری خطاهای
استاندارد می­ شود. برای آزمون کردن همبستگی پیاپی، اثرات ثابت داده ­ها، به­وسیله :
0ρ =­: و 0< │ρ│ : انجام می­ شود. ρ یک تقریب خطی از رابطه بین باقیمانده­های دوره جاری و دوره قبل است (همان منبع، ص.10).

ورد استفاده قرار می گیرد که در قسمت زیر به طور کامل تشریح می گردد..
رگرسيون چند متغيره
در برخي از مسائل پژوهشي، به ويژه آنهايي كه هدف پيش‌بيني دارند، تعيين همبستگي بين متغير ملاك (كه قصد پيش‌بيني آن را داريم) و تركيب متغيرهاي پيش‌بيني كننده، كه هر كدام از آنها تا حدودي با اين متغير همبستگي دارند، داراي اهميت زيادي است. روشي كه از طريق آن متغيرهاي پيش‌بيني كننده تركيب مي‌شوند، “رگرسيون چند متغيري” است. در اين روش، يك معادله رگرسيون چند متغيري محاسبه مي‌شود كه ارزش‌هاي اندازه‌گيري شده پيش‌بيني را در يك فرمول خلاصه مي‌كند. ضرايب معادله براي هر متغير، بر اساس اهميت آن در پيش‌بيني متغير ملاك محاسبه و معين مي‌شود. درجه همبستگي بين متغيرهاي پيش‌بيني كننده در معادله رگرسيون چند متغيري و متغير ملاك، به‌وسيله ضريب نشان داده مي‌شود (دلاور، 1384).
رگرسيون چند متغيري داراي روش‌هاي مختلفي است. تفاوت روش‌هاي آن در نحوه انتخاب متغيرهاي پيش‌بيني كننده است.
براي تعيين رگرسيون از رابطة زير در اين پژوهش استفاده مي‌گردد؛
: عملکرد شرکت
: عرض از مبدأ
،  ، … ،  : كليه متغيرهاي مورد استفاده در اين پژوهش
،  ، … ،  : ضريب رگرسيون‌هاي بدست آمده كليه متغيرهاي در اين پژوهش
: جملات خطا.
در چنين مدلي مفروضات اساسي زير در نظر گرفته مي‌شود:

1. 1. X ها متغيرهاي تصادفي هستند، علاوه بر آن رابطه خطي كامل ميان دو يا چند متغير مستقل وجود ندارد.

1. 1. براي تمامي مشاهدات، اميد رياضي جمله خطا معادل صفر و واريانس مقدار آن ثابت است.

1. 1. جملات خطاي مربوط به مشاهدات مختلف با يكديگر همبستگي ندارد.

1. 1. جمله خطا به صورت نرمال توزيع شده است.

ضريب تعيين و ضريب تعيين تعدیل شده
ضريب تعيين معياري است كه قوت رابطه ميان متغير مستقل و متغير وابسته را تشريح مي‌كند. مقدار اين ضرايب در واقع مشخص كننده آن است كه چند درصد از تغييرات متغير وابسته توسط متغير مستقل توضيح داده مي‌شود. مقدار  از رابطه زير تعيين مي‌شود (پينديك و روبينفيلد، 1370):

كه در آن:
SSE: تغييرات جمله خطا كه توسط رگرسيون توضيح داده نمي‌شود.
SST: كل تغييرات در مقدار متغير وابسته.
با اين حال اغلب ترجيح داده مي‌شود كه از مقياس ديگري به نام ضريب تعيين تصحيح شده^[40] براي بررسي نيكويي برازش^[41] مدل رگرسيون چند متغيره استفاده كنند. اين ضريب همان ضريب تعيين است كه در آن مقادير SST و SSE با درجات آزاديشان تعديل گرديده‌اند. اين ضريب در رگرسيون چند متغيره به صورت زير محاسبه مي‌شود (پينديك و روبينفيلد، 1370):