Chào mừng các bạn đến với bài học thứ hai. Ở bài trước, chúng ta đã cùng nhau xác định được vấn đề: dữ liệu bị kiểm duyệt làm cho ước lượng OLS thông thường trở nên sai lệch. Chúng ta đã thấy rằng cả việc dùng toàn bộ mẫu hay chỉ dùng mẫu con có giá trị dương đều không mang lại kết quả đáng tin cậy. Điều này giống như việc biết mình đang có một “căn bệnh” trong dữ liệu, nhưng chưa biết cách “chữa trị”. Trong bài học hôm nay, chúng ta sẽ đi sâu vào hai khía cạnh quan trọng. Đầu tiên, chúng ta sẽ “định lượng” mức độ sai lệch của OLS. Thay vì chỉ nói chung chung là “bị chệch”, chúng ta sẽ tìm hiểu một công thức thú vị của Greene, giúp ước tính nhanh mức độ sai lệch này. Việc này giúp chúng ta đánh giá được mức độ nghiêm trọng của vấn đề. Tiếp theo, và cũng là phần quan trọng nhất, chúng ta sẽ học về “phương thuốc” đặc …