Ở bài học trước, chúng ta đã trang bị một công cụ mạnh mẽ là ước lượng GMM sai phân của Arellano-Bond và các kiểm định đặc tả đi kèm. Tuy nhiên, như đã gợi ý ở phần cuối, phương pháp này bộc lộ một điểm yếu nghiêm trọng khi đối mặt với các chuỗi dữ liệu có tính “dai dẳng” (persistent) cao, tức là khi hệ số của biến phụ thuộc trễ gần bằng 1. Trong những trường hợp này, các biến công cụ (là các giá trị trễ ở dạng mức) trở nên yếu, dẫn đến ước lượng bị chệch trong mẫu hữu hạn và có phương sai lớn. Bài học này sẽ đưa chúng ta đến với giải pháp cho vấn đề “biến công cụ yếu” (weak instruments). Chúng ta sẽ khám phá công trình nền tảng của Arellano và Bover (1995) và sau đó là sự phát triển mang tính ứng dụng cao của Blundell và Bond (1998), hai nghiên cứu đã hình thành nên một phương pháp ước lượng ưu việt hơn: GMM Hệ thống …