Chào mừng các bạn đến với một bài học nâng cao hơn nhưng vô cùng quan trọng! Cho đến nay, các phương pháp kiểm định giả thuyết của chúng ta đều dựa trên sáu giả định của mô hình CLM, đặc biệt là giả định về phân phối chuẩn của sai số. Nhưng trong thế giới thực, các giả định không phải lúc nào cũng hoàn hảo. Vậy điều gì sẽ xảy ra nếu sai số trong mô hình của chúng ta không tuân theo phân phối chuẩn? Liệu các kiểm định t và F có còn đáng tin cậy? Bài học này sẽ giải quyết những câu hỏi đó bằng cách giới thiệu các thuộc tính trong mẫu lớn (hay còn gọi là thuộc tính tiệm cận) của ước lượng OLS. Chúng ta sẽ khám phá hai khái niệm cốt lõi: tính nhất quán và tính chuẩn tiệm cận. Những kết quả này cung cấp một sự biện minh mạnh mẽ cho việc sử dụng các phương pháp OLS ngay cả khi một số giả định bị vi phạm, …