Trong hai bài học trước, chúng ta đã tập trung giải quyết vấn đề nội sinh “truyền thống”, tức là sự tương quan giữa các biến giải thích và thành phần sai số ngẫu nhiên (\(\nu_{it}\)). Các phương pháp như EC2SLS và EC3SLS đã cung cấp những công cụ hiệu quả cho bài toán này. Tuy nhiên, trong dữ liệu bảng, có một dạng nội sinh thứ hai, tinh vi hơn nhưng cũng không kém phần quan trọng: sự tương quan giữa các biến giải thích và hiệu ứng riêng không quan sát được (\(\mu_i\)). Ví dụ, trong một phương trình tiền lương, “năng lực bẩm sinh” (\(\mu_i\)) có thể tương quan với “số năm đi học” (một biến giải thích), vì những người có năng lực cao hơn thường có xu hướng học lâu hơn. Mô hình tác động cố định (FE) giải quyết vấn đề này bằng cách loại bỏ hoàn toàn \(\mu_i\), nhưng phải trả một cái giá đắt: nó không thể ước lượng được hệ số của các biến không thay đổi theo thời gian (như …