Chào mừng các bạn đã quay trở lại! Trong các bài học trước, chúng ta đã tập trung vào việc ước lượng và suy luận trên các hệ số của một hệ thống phương trình. Tuy nhiên, trong kinh tế lượng hiện đại, một thách thức lớn mà chúng ta thường gặp phải là có “quá nhiều biến”. Hãy tưởng tượng bạn muốn dự báo lạm phát và có trong tay hàng trăm chuỗi dữ liệu kinh tế khác nhau. Việc đưa tất cả các biến này vào một mô hình hồi quy là không khả thi và thường dẫn đến kết quả kém. Vậy làm thế nào để chúng ta chắt lọc được những thông tin quan trọng nhất từ một “biển” dữ liệu? Bài học hôm nay sẽ giới thiệu hai kỹ thuật cực kỳ mạnh mẽ để giải quyết vấn đề này: Phân tích thành phần chính (PCA) và Mô hình nhân tố (Factor Models). Cả hai đều là các phương pháp “giảm chiều dữ liệu” (dimension reduction), với mục tiêu biến một tập hợp lớn …