Chào mừng các bạn đã quay trở lại! Trong bài học trước, chúng ta đã học cách ước lượng mô hình Probit và Logit bằng Stata và cách đọc các kết quả đầu ra cơ bản. Chúng ta đã nhấn mạnh một điểm cực kỳ quan trọng: các hệ số \(\beta\) trong các mô hình này không cho chúng ta biết sự thay đổi trong xác suất khi một biến độc lập thay đổi. Chúng chỉ cho chúng ta biết về dấu (hướng tác động) và ý nghĩa thống kê. Vậy làm thế nào để trả lời những câu hỏi thực tế như: “Nếu một sinh viên có GPA tăng thêm 0.1 điểm, xác suất họ nộp đơn học cao học sẽ tăng thêm bao nhiêu phần trăm?” Câu trả lời nằm ở khái niệm tác động biên (marginal effects). Đây chính là chìa khóa để “mở khóa” ý nghĩa thực tiễn của các mô hình lựa chọn nhị phân. Bài học hôm nay sẽ tập trung hoàn toàn vào việc hiểu, tính toán và diễn giải các tác động …