Các mô hình hồi quy chuỗi thời gian phức tạp Complex time series regression models Giới thiệu: Khi quá khứ trở thành biến giải thích Chào mừng các bạn đến với bài học thứ ba! Ở bài trước, chúng ta đã học cách chẩn đoán và xử lý tự tương quan trong “Mô hình 1” – một kịch bản khá lý tưởng nơi các biến độc lập hoàn toàn “vô can” với sai số. Giờ đây, chúng ta sẽ bước vào một vùng đất phức tạp hơn nhưng cũng thực tế hơn trong kinh tế lượng: các mô hình có chứa biến phụ thuộc trễ (lagged dependent variable). Đây là những mô hình mà giá trị của biến phụ thuộc ngày hôm nay ($y_t$) được giải thích một phần bởi chính giá trị của nó ngày hôm qua ($y_{t-1}$). Việc đưa biến phụ thuộc trễ vào mô hình làm thay đổi cuộc chơi một cách đáng kể. Nó không còn là một yếu tố bên ngoài tác động vào $y_t$ nữa, mà là một phần của quá trình tự thân …