Phân phối tiệm cận của ước lượng OLS Asymptotic distribution of the OLS estimator Giới thiệu Chào mừng các bạn quay trở lại với bài học thứ hai. Trong bài học trước, chúng ta đã tìm hiểu về các công cụ lý thuyết mạnh mẽ là Luật số lớn (LLN) và Định lý giới hạn trung tâm (CLT). Chúng ta đã thấy cách chúng mô tả hành vi của trung bình mẫu khi kích thước mẫu tăng lên. Giờ là lúc chúng ta áp dụng những công cụ này vào một đối tượng quan trọng và phức tạp hơn: ước lượng OLS, đặc biệt là hệ số góc $\hat{\beta}_1$. Mục tiêu của chúng ta trong bài này là trả lời hai câu hỏi cốt lõi: Thứ nhất, liệu $\hat{\beta}_1$ có tiến gần đến giá trị thực $\beta_1$ khi chúng ta có thêm dữ liệu không? (Đây là câu hỏi về tính vững). Thứ hai, phân phối xác suất của $\hat{\beta}_1$ trông như thế nào trong một mẫu lớn, và làm thế nào chúng ta có thể sử dụng nó để …