W badaniu nad czynnikami wpływającymi na spready między kredytami a depozytami wykorzystano zarówno dane roczne jak i miesięczne. Czynniki występujące w statystykach rocznych wykorzystane w badaniu to: tempo wzrostu PKB, współczynnik adekwatności kapitałowej, udział kredytów nieregularnych, relacja aktywów 5 największych banków do aktywów banków ogółem, udział funduszy własnych w pasywach przedsiębiorstw, relacja kredytów przedsiębiorstw do aktywów przedsiębiorstw oraz koszty banków i obciążenia fiskalne banków, natomiast w przypadku czynników występujących w statystykach miesięcznych można wymienić takie jak: inflacja, bezrobocie, sprzedaż detaliczna, długoterminowe stopy procentowe oraz agregaty pieniężne M3. Ma to na celu określenie, które z wymienionych czynników oddziałują i w jakim stopniu na spready stóp procentowych kredytów i depozytów. Badania empiryczne poprzedziła analiza literatury przedmiotu w zakresie zagadnienia dotyczącego spreadu między kredytem a depozytem oraz wykorzystania metod statystycznych do estymacji oddziaływania poszczególnych czynników przyjętych w rozprawie doktorskiej na spready stóp procentowych między kredytami a depozytami. Oprócz artykułów naukowych i literatury branżowej, wykorzystano opracowania międzynarodowych instytucji finansowych, w tym raportów banków centralnych: FEDU, Narodowego Banku Polskiego, Banku Anglii, Banku Światowego. Ponadto instytucji takich jak: FDIC, IMF, KNF, OCC, BFG i innych. Większość wykorzystanych źródeł literatury przedmiotu to źródła zagraniczne opublikowane w języku angielskim. Wynika to z faktu, że poruszony temat badawczy, został szerzej omówiony przez zagranicznych autorów. W celu przeanalizowania relacji pomiędzy spreadem między kredytem a depozytem, a wybranymi wskaźnikami na poziomie rocznym wykonano jednozmiennowe analizy regresji liniowej metodą najmniejszych kwadratów za pomocą funkcji lm(). W celu przeanalizowania relacji pomiędzy spreadem między kredytem a depozytem, a wybranymi wskaźnikami na poziomie miesięcznym wykonano jednozmiennowe hierarchiczne analizy regresji, ograniczoną metodą największej wiarygodności za pomocą funkcji lmer() z biblioteki lme4 [2].
