Trong bài học trước, chúng ta đã làm quen với các công cụ cơ bản như kiểm định Breusch-Pagan và Honda để phát hiện sự tồn tại của các hiệu ứng ngẫu nhiên. Các kiểm định này đã xác nhận rằng mô hình OLS gộp thường không đủ mạnh để nắm bắt sự phức tạp của dữ liệu bảng. Tuy nhiên, trong nghiên cứu thực tế, các tình huống thường phức tạp hơn. Ví dụ, một kiểm định đơn giản cho hiệu ứng cá thể ($\sigma_\mu^2=0$) thường ngầm giả định rằng không có hiệu ứng thời gian ($\sigma_\lambda^2=0$). Nếu giả định này sai, kết luận của chúng ta có thể bị sai lệch. Bài học này sẽ đưa chúng ta đi sâu hơn vào hai lĩnh vực nâng cao. Đầu tiên, chúng ta sẽ khám phá các kiểm định điều kiện (conditional tests), cho phép chúng ta kiểm tra sự tồn tại của một loại hiệu ứng trong khi thừa nhận sự hiện diện của loại hiệu ứng kia. Tiếp theo, chúng ta sẽ trả lời một câu hỏi cực …