Trong phần đầu, 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 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. Do đó, nội dung của môn học chủ yếu xoay quanh các mô hình và kỹ thuật xử lý để cho phép phân tích và ứng dụng vào các bài toán xuất phát từ thực tế. 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, đặc biệt trong việc thiết lập quan hệ nhân quả với ứng dụng vào đánh giá tác động của một chính sách can thiệp lên kết quả xảy ra. Phương pháp hồi quy hai giai đoạn và mô hình hệ phương trình cho phép xử lý vấn đề nội sinh hay hiện tượng đồng thời thường gặp đối với các sự kiện hay hành vi kinh tế, với ứng dụng trong nghiên cứu hệ phương trình hàm cầu để đánh giá tác động của chính sách thuế lên các nhóm đối tượng bị ảnh hưởng.
Trong phần hai, học viên sẽ được giới thiệu về phân tích kinh tế lượng cơ bản với dữ liệu chuỗi thời gian. Dù học viên đã học về phương pháp bình phương nhỏ nhất thông thường (OLS) ở môn học Các phương pháp định lượng 1, dữ liệu chuỗi thời gian có một số đặc điểm nhất định mà dữ liệu chéo không có, và những đặc điểm này cần một cách tiếp cận riêng biệt. Trong phạm vi môn học, chúng ta sẽ thảo luận về các thành tố cơ bản cấu tạo chuỗi dữ liệu thời gian, tính dừng và cách kiểm định đặc tính này. Sau đó, học viên sẽ tiếp tục thảo luận những điểm cần lưu ý đặc trưng của dữ liệu chuỗi thời gian trong phân tích OLS. Cụ thể, chúng ta sẽ xem xét tập hợp các giả thiết Gauss-Markov và mô hình tuyến tính cổ điển cho các ứng dụng chuỗi thời gian. Các vấn đề về dạng hàm, biến giả, xu hướng và tính thời vụ cũng sẽ được thảo luận. Với vốn kiến thức tích lũy phù hợp, học viên sẽ được giới thiệu các mô hình dự báo chuỗi thời gian, cụ thể là mô hình ARIMA. Khả năng sử dụng mô hình dự báo sẽ giúp học viên cải thiện việc thiết kế các công cụ chính sách.
