Giới thiệu Ở bài học trước, chúng ta đã làm quen với Mô hình Xác suất Tuyến tính (LPM) và nhận ra những hạn chế nghiêm trọng của nó, đặc biệt là khả năng dự báo xác suất ngoài khoảng [0, 1] và vấn đề phương sai thay đổi. Những vấn đề này cho thấy chúng ta cần một cách tiếp cận tinh vi và đúng đắn hơn về mặt lý thuyết. Bài học hôm nay sẽ giới thiệu hai “người hùng” giải quyết những vấn đề đó: Mô hình Probit và Mô hình Logit. Để xây dựng được hai mô hình này, chúng ta sẽ học một trong những ý tưởng thanh lịch và mạnh mẽ nhất trong kinh tế lượng: khái niệm về biến tiềm ẩn (latent variable). Thay vì mô hình hóa trực tiếp kết quả 0/1 mà chúng ta quan sát được, chúng ta sẽ giả định có một biến liên tục “ẩn” đằng sau sự lựa chọn đó. Ý tưởng này không chỉ giúp giải quyết các vấn đề của LPM mà còn cung cấp …