Chào mừng các bạn đến với bài học thứ bảy! Ở bài trước, chúng ta đã học cách sử dụng PCA và Mô hình nhân tố để “chắt lọc” thông tin từ một tập hợp lớn các biến thành một vài “nhân tố” hoặc “thành phần chính” cốt lõi. Chúng ta đã thấy cách các kỹ thuật này giúp giảm chiều dữ liệu và tìm ra các cấu trúc tiềm ẩn. Một câu hỏi rất tự nhiên nảy sinh là: “Vậy chúng ta có thể làm gì với các nhân tố đã được ước lượng này?”. Câu trả lời nằm ở một kỹ thuật rất mạnh mẽ và ngày càng phổ biến trong kinh tế lượng ứng dụng: Hồi quy tăng cường nhân tố (Factor-Augmented Regression – FAR). Ý tưởng của phương pháp này rất đơn giản nhưng hiệu quả: thay vì đưa hàng chục hoặc hàng trăm biến có tương quan cao vào mô hình hồi quy, chúng ta chỉ cần đưa một vài nhân tố đã được trích xuất vào làm biến kiểm soát. Các nhân tố này, …