Ở bài học trước, chúng ta đã được giới thiệu về ý tưởng trực quan của phương pháp Jackknife: bằng cách lần lượt loại bỏ từng quan sát và tính toán lại ước lượng, chúng ta có thể đánh giá được độ bất ổn định, hay phương sai, của ước lượng ban đầu. Chúng ta cũng đã thấy qua ví dụ rằng kết quả của Jackknife rất gần với kết quả từ lý thuyết tiệm cận, ngay cả đối với một hàm phi tuyến phức tạp. Trong bài học hôm nay, chúng ta sẽ đi sâu hơn để trả lời câu hỏi: Tại sao Jackknife lại hoạt động? Chúng ta sẽ khám phá nền tảng toán học đằng sau công thức Jackknife và thấy rằng nó có mối liên hệ mật thiết đến các công thức phương sai quen thuộc, bao gồm cả ước lượng phương sai vững (robust) trong mô hình OLS. Sau khi đã nắm vững lý thuyết, chúng ta sẽ học cách điều chỉnh và áp dụng phương pháp này cho một dạng dữ liệu phổ biến …