Phân phối tiệm cận của ước lượng OLS Asymptotic distribution of the OLS estimator Giới thiệu Trong bài học trước, chúng ta đã thành công trong việc suy ra công thức tổng quát cho ước lượng OLS bằng đại số ma trận: $\hat{\boldsymbol{\beta}} = (\mathbf{X}’\mathbf{X})^{-1}\mathbf{X}’\mathbf{Y}$. Công thức này cho chúng ta một cách để tính toán các hệ số hồi quy từ bất kỳ bộ dữ liệu nào. Tuy nhiên, với vai trò là nhà kinh tế lượng, việc chỉ tính toán ra một con số là chưa đủ. Chúng ta cần phải trả lời một câu hỏi sâu hơn: “Ước lượng mà chúng ta có được đáng tin cậy đến mức nào?” Nếu chúng ta thu thập một mẫu dữ liệu khác, chắc chắn chúng ta sẽ nhận được một giá trị $\hat{\boldsymbol{\beta}}$ hơi khác. Sự biến động này của ước lượng qua các mẫu khác nhau được mô tả bởi một khái niệm gọi là phân phối lấy mẫu (sampling distribution). Việc biết được phân phối chính xác của $\hat{\boldsymbol{\beta}}$ trong các mẫu nhỏ thường rất khó khăn, …