Chào mừng các bạn quay trở lại! Trong bài học trước, chúng ta đã khám phá ra một sự thật thú vị: dưới giả định chuẩn, ước lượng OLS và ước lượng MLE cho hệ số \(\beta\) là một. Điều này cho thấy \(\hat{\beta}_{ols}\) không chỉ tốt về mặt hình học (tối thiểu hóa khoảng cách) mà còn tốt về mặt thống kê (tối đa hóa sự hợp lý). Tuy nhiên, việc có được một giá trị ước lượng điểm là chưa đủ. Để có thể suy luận một cách đáng tin cậy về các mối quan hệ kinh tế trong tổng thể, chúng ta cần phải hiểu rõ “tính cách” của chính các ước lượng đó. Chúng biến động ra sao từ mẫu này sang mẫu khác? Chúng tuân theo quy luật xác suất nào? Bài học này sẽ tập trung vào việc mô tả chính xác phân phối mẫu của các thành phần quan trọng trong mô hình hồi quy: véc-tơ hệ số \(\hat{\beta}\), véc-tơ phần dư \(\hat{e}\), và ước lượng phương sai \(s^2\). Để có thể đưa …