Chào mừng các bạn đến với bài học lý thuyết cuối cùng trong chuỗi bài của chúng ta! Chúng ta đã đi một chặng đường dài, từ việc hiểu bản chất của dữ liệu bị kiểm duyệt và sai lệch chọn mẫu, cho đến việc học các mô hình kinh điển như Tobit và Heckman để giải quyết chúng. Tuy nhiên, như chúng ta đã đề cập, các mô hình này đều dựa trên giả định về phân phối chuẩn của sai số. Giả định này giúp cho việc ước lượng trở nên đơn giản hơn, nhưng cũng là “gót chân Achilles” của chúng, vì nếu nó bị vi phạm, kết quả của chúng ta có thể không còn đáng tin cậy. Trong bài học hôm nay, chúng ta sẽ khám phá hai chủ đề nâng cao. Đầu tiên, chúng ta sẽ tìm hiểu về các phương pháp phi tham số để xử lý sai lệch chọn mẫu. “Phi tham số” nghe có vẻ phức tạp, nhưng ý tưởng đằng sau nó rất đơn giản: thay vì áp đặt một …