1. Giới thiệu Chào mừng các bạn đến với bài học thứ tư! Trong các bài trước, chúng ta đã tập trung vào việc ước lượng và diễn giải mô hình. Chúng ta đã biết cách đọc dấu của hệ số và cách tính toán hiệu ứng cận biên để lượng hóa tác động của các biến. Tuy nhiên, một mô hình có các hệ số ý nghĩa thống kê chưa chắc đã là một mô hình tốt. Chúng ta cần biết mô hình đó có khả năng giải thích hay dự đoán kết quả trong thực tế tốt đến đâu. Đối với mô hình OLS, chúng ta có một thước đo rất quen thuộc là \(R^2\) (R-squared). Tuy nhiên, \(R^2\) không thể áp dụng trực tiếp cho các mô hình được ước lượng bằng phương pháp Hợp lý Tối đa (Maximum Likelihood) như Probit và Logit. Do đó, chúng ta cần những công cụ mới. Trong bài học này, chúng ta sẽ cùng nhau tìm hiểu hai thước đo độ phù hợp phổ biến nhất cho các mô hình …