Chào mừng các bạn đến với bài học cuối cùng trong chuỗi bài của chúng ta! Đây là lúc chúng ta biến lý thuyết thành hành động. Trong suốt năm bài học vừa qua, chúng ta đã khám phá một loạt các phương pháp ước lượng, từ OLS quen thuộc, MLE hiệu quả, đến LAD bền vững và hồi quy phân vị linh hoạt. Chúng ta đã thảo luận về các thuộc tính lý thuyết của chúng, nhưng câu hỏi quan trọng nhất vẫn là: “Trong thực tế, chúng khác nhau như thế nào và khi nào chúng ta nên sử dụng chúng?” Trong bài học thực hành này, chúng ta sẽ cùng nhau “bắt tay vào việc” với Stata. Chúng ta sẽ sử dụng bộ dữ liệu mô phỏng student_performance.dta đã tạo ở bài giới thiệu để so sánh trực tiếp kết quả từ ba phương pháp ước lượng quan trọng: Bình phương nhỏ nhất (OLS), Độ lệch Tuyệt đối Nhỏ nhất (LAD), và Hồi quy Phân vị (Quantile Regression). Mục tiêu của chúng ta không chỉ là chạy …