Trong bài học trước, chúng ta đã tìm hiểu về những thách thức cơ bản của mô hình dữ liệu bảng động, đặc biệt là sự thiên chệch Nickell. Chúng ta cũng đã dừng lại ở hạn chế của phương pháp Anderson-Hsiao: mặc dù cung cấp một ước lượng nhất quán, nó lại chưa tận dụng hết toàn bộ thông tin có trong cấu trúc dữ liệu, dẫn đến ước lượng không hiệu quả. Chính từ điểm yếu này, một cuộc cách mạng trong phân tích dữ liệu bảng động đã ra đời, dẫn dắt bởi Arellano và Bond (1991) với phương pháp Mô-men Tổng quát (GMM). Bài học này sẽ đi sâu vào trung tâm của phương pháp Arellano-Bond, thường được gọi là GMM sai phân (Difference GMM). Chúng ta sẽ khám phá ý tưởng đột phá đằng sau việc sử dụng một tập hợp biến công cụ ngày càng mở rộng để tăng hiệu quả ước lượng. Quan trọng hơn, chúng ta sẽ học cách “kiểm tra sức khỏe” của mô hình thông qua các kiểm định đặc …