Chào mừng các bạn đến với bài học thứ hai trong chuỗi bài về lý thuyết tiệm cận. Ở bài trước, chúng ta đã cùng nhau chứng minh rằng ước lượng OLS có tính nhất quán, nghĩa là khi cỡ mẫu đủ lớn, nó sẽ hội tụ về giá trị “thực” của tham số. Đó là một tin tốt, nhưng nó mới chỉ là một nửa câu chuyện. Tính nhất quán cho chúng ta biết ước lượng sẽ đi về đâu, nhưng nó không cho chúng ta biết sự phân phối của các giá trị ước lượng xung quanh giá trị thực đó như thế nào. Liệu chúng có phân phối đối xứng hay bị lệch? Mức độ phân tán của chúng ra sao? Để trả lời những câu hỏi này, chúng ta cần một công cụ để mô tả phân phối xác suất của ước lượng \( \hat{\beta} \). Đây chính là lúc khái niệm tính chuẩn tắc tiệm cận (asymptotic normality) phát huy vai trò. Bài học này sẽ giải thích một trong những kết quả kỳ diệu …