Trong bài học trước, chúng ta đã thiết lập nền tảng cho việc phân tích mô hình sai số một chiều không cân bằng. Chúng ta đã thấy rằng phương pháp GLS khả thi (FGLS) là công cụ hiệu quả để có được các ước lượng vững chắc, và chìa khóa để thực hiện FGLS nằm ở việc ước lượng hai thành phần phương sai: $\sigma_\mu^2$ (phương sai của hiệu ứng cá thể) và $\sigma_\nu^2$ (phương sai của sai số ngẫu nhiên). Bài học trước đã tạm gác lại câu hỏi “làm thế nào” để ước lượng chúng. Giờ là lúc chúng ta mở “chiếc hộp đen” đó ra. Bài học này sẽ tập trung hoàn toàn vào các phương pháp ước lượng thành phần phương sai trong bối cảnh dữ liệu không cân bằng. Chúng ta sẽ bắt đầu với các phương pháp dựa trên Phân tích Phương sai (ANOVA) vì tính trực quan của chúng, sau đó tiến tới các phương pháp phức tạp nhưng mạnh mẽ hơn dựa trên nguyên lý Hợp lý Tối đa (Maximum Likelihood). …