Trong môn học này học viên sẽ ôn lại các khái niệm liên quan đến mô hình hồi quy tuyến tính cổ điển CLRM và tìm hiểu các vấn đề xảy ra khi mô hình vi phạm các giả định CLRM.
Việc áp đặt các điều kiện khắt khe trong mô hình hồi quy cổ điển dẫn đến khả năng áp dụng trong các nghiên cứu thực tế bị hạn chế. Sau đó, môn học sẽ lần lượt giới thiệu các kỹ thuật phức tạp được phát triển từ lý thuyết căn bản của hồi quy tuyến tính cổ điển nhằm giải quyết các vấn đề trên. Do đó, nội dung của môn học chủ yếu xoay quanh các mô hình và kỹ thuật xử lý để cho phép ước lượng các bài toán dựa trên số liệu thực khi các điều kiện tiêu chuẩn không được đảm bảo.
Học viên sẽ nhận diện được tính ưu việt của việc sử dụng các cấu trúc dữ liệu lặp và các thiết kế nghiên cứu phức tạp nhằm cải thiện độ vững của kết quả so với phương pháp bình phương tối thiểu thông thường.
Phương pháp hồi quy hai giai đoạn và mô hình hệ phương trình đồng thời cho phép ước lượng các bài toán khi một trong các biến giải thích không còn là ngẫu nhiên.
Phương pháp hồi quy với biến phụ thuộc bị giới hạn hoặc dữ liệu bị kiểm duyệt dẫn đến ước lượng bị chệch, và hình thức xử lý. Đặc biệt, môn học sẽ giới thiệu khung đánh giá phản thực áp dụng trong các bài toán đánh giá tác động chính sách, với mục tiêu là thiết lấp mối quan hệ nhân quả giữa can thiệp và tác động.
Yêu cầu thiết lập được quan hệ nhân quả là một yêu cầu rất khắt khe và khó thực hiện. Học viên sẽ làm quen với nguyên lý của các thiết kế nghiên cứu trong đánh giá tác động chính sách bằng ngẫu nhiên hóa (RCT), hồi quy dữ liệu bảng, ghép cặp (matching) và hồi quy gián đoạn (regression discontinuity design).
