Trong bài học trước, chúng ta đã kết luận rằng việc gộp dữ liệu một cách giản đơn thông qua mô hình OLS gộp thường không phù hợp do sự không đồng nhất giữa các cá thể. Điều này dẫn đến một câu hỏi quan trọng: Nguồn gốc của sự không đồng nhất này là gì? Trong khuôn khổ mô hình dữ liệu bảng, câu trả lời thường nằm ở sự tồn tại của các hiệu ứng riêng không quan sát được (unobserved individual effects), ký hiệu là $\mu_i$. Đây là những đặc điểm cố hữu của mỗi cá thể (như văn hóa quản trị của một công ty, hoặc năng lực bẩm sinh của một cá nhân) không thay đổi theo thời gian và ảnh hưởng đến biến kết quả. Bài học này sẽ trang bị cho bạn các công cụ thống kê để kiểm định một cách chính thức sự tồn tại của các hiệu ứng này. Chúng ta sẽ tập trung vào nhóm các kiểm định dựa trên nguyên lý Nhân tử Lagrange (LM), vốn có ưu …