Ở bài học trước, chúng ta đã cùng nhau “xây dựng” thành công công thức toán học cho bộ ước lượng OLS. Chúng ta đã biết cách tính ra các hệ số $\hat{\beta}_0$ và $\hat{\beta}_1$ từ bất kỳ bộ dữ liệu nào. Tuy nhiên, có một công thức không có nghĩa là công thức đó tốt. Làm thế nào chúng ta biết được những con số mà OLS tính ra là đáng tin cậy? Bài học hôm nay sẽ trả lời câu hỏi đó bằng cách đi sâu vào các tính chất thống kê của bộ ước lượng OLS. Chúng ta sẽ tìm hiểu xem dưới những điều kiện nào thì OLS được coi là một ước lượng “tốt”. Chúng ta sẽ khám phá hai tính chất quan trọng nhất: tính không chệch (unbiasedness) và tính hiệu quả (efficiency). Cuối cùng, chúng ta sẽ đối mặt với một vấn đề rất phổ biến trong thực tế: hiện tượng phương sai thay đổi, và học cách xử lý nó trong Stata. Sau khi đã nắm vững các khái niệm lý thuyết, …