Tóm tắt các chương

Chương 1. Giới thiệu phân tích định lượng
Chương này giới thiệu tổng quan về phân tích định lượng, sự khác biệt giữa phân tích định
lượng và định tính, các bước phân tích định lượng trả lời câu hỏi nghiên cứu, ứng dụng của
phân tích định lượng. Cuối cùng, giới thiệu môi trường cài đặt python và R cũng như hướng
dẫn một số câu lệnh cơ bản python và R.
Chương 2. Thống kê mô tả
Thống kê mô tả là các hệ số mô tả ngắn gọn một tập dữ liệu, có thể là đại diện cho toàn bộ
hoặc một mẫu của một tổng thể. Chương này giới thiệu về khái niệm mẫu và các phương pháp
chọn mẫu, các đại lượng thống kê mô tả, phân phối mẫu, ước lượng và kiểm định. Cuối cùng
thực hành các bài tập trên R và Python.
Chương 3. Biểu diễn dữ liệu
Chương này giới thiệu về các phương pháp biểu diễn dữ liệu (biểu đồ histogram, biểu đồ cột,
…), xử lý mất mát dữ liệu. Biểu diễn dữ liệu tốt cung cấp sự hiểu biết toàn diện và sâu sắc cho
dữ liệu cần nghiên cứu. Cuối cùng là thực hành các bài tập trên R và Python.
Chương 4. Hồi quy tuyến tính đơn
Hồi quy tuyến tính (linear regression) là việc diễn giải sự thay đổi trong giá trị của một biến phụ
thuộc thông qua sự thay đổi giá trị của một biến độc lập. Nó là một công cụ được sử dụng trong
nghiên cứu kinh tế và phân tích tài chính, khi chúng ta muốn kiểm tra mối liên hệ thống kê giữa
hai biến số nhất định. Chẳng hạn muốn đánh giá mối quan hệ giữa lãi suất tiền vay, tỷ suất lợi
nhuận vốn đầu tư. Chương này giới thiệu mô hình hồi quy đơn biến, ước lượng và diễn giải mô
hình, đánh giá mô hình và kiểm định giả thuyết. Cuối cùng là thực hành các bài tập trên R và
Python.
Chương 5. Hồi quy đa biến
Hồi quy đa biến là mô hình mở rộng của hồi quy đơn biến. Mô hình xem xét sự thay đổi trong
giá trị của biến phụ thuộc thông qua sự thay đổi giá trị của nhiều biến độc lập. Chẳng hạn
chúng ta muốn đánh giá mối quan hệ giữa việc tăng doanh thu của doanh nghiệp thông qua
các hình thức quảng bá khác nhau (Tivi, mạng xã hội, báo truyền thống, …). Chương này
chúng ta giới thiệu mô hình hồi quy đa biến, ước lượng diễn giải, vấn đề cộng tuyến, tối ưu hóa
mô hình. Cuối cùng là thực hành các bài tập trên R và Python.
Chương 6. Hồi quy phi tuyến
Hồi quy phi tuyến là mô hình khi mối quan hệ giữa biến phụ thuộc và một hay nhiều biến độc
lập là phi tuyến. Chẳng hạn chúng ta muốn đưa ra kết luận và dự đoán xu hướng trong tương
lai trên cơ sở các hoạt động của người dùng trên internet. Chương này giới thiệu mô hình hồi
quy phi tuyến, một số dạng hàm hồi quy phi tuyến, xây dựng mô hình và diễn giải. Cuối cùng là
thực hành các bài tập trên R và Python.

Chương 7 Hồi quy dạng bảng
Trong dữ liệu bảng, có đơn vị chéo theo không gian (ví dụ như hộ gia đình, doanh nghiệp, hay
tiểu bang) được khảo sát theo thời gian. Nói vắn tắt, dữ liệu bảng có cả bình diện không gian
cũng như thời gian. Chương này giới thiệu dữ liệu dạng bảng, hồi quy gộp, hồi quy tác động cố
định, hồi quy tác động ngẫu nhiên. Cuối cùng là thực hành các bài tập trên R và Python.
Chương 8. Hồi quy logistic
Mô hình hồi quy logistic là mô hình hồi quy mà biến phụ thuộc chỉ trả về kết quả 0/1. Chẳng
hạn, chúng ta muốn dự đoán khả năng mua hàng (1) hay không mua hàng (0) của người dùng
dựa trên hành vi của họ. Hay là dự đoán khả năng vỡ vợ của khách hàng vay tiền dựa trên
mức tin cậy tín dụng của họ. Chương này giới thiệu mô hình hồi quy logistic, xây dựng mô hình
và diễn giải. Cuối cùng là thực hành các bài tập trên R và Python.
Chương 9 Mô hình hồi quy robust regression
Mô hình hồi quy lasso là mở rộng của mô hình hồi quy tuyến tính khi dữ liệu của chúng ta có
các ngoại lệ ảnh hưởng lớn đến mô hình. Chương này chúng ta giới thiệu mô hình hồi quy
lasso, ước lượng diễn giải, tối ưu hóa mô hình. Cuối cùng là thực hành các bài tập trên R và
Python.
● Giới thiệu mô hình.
● Xây dựng mô hình.
● Diễn giải và đánh giá mô hình.
● Thực hành trên R và Python.
Chương 10 Mô hình hồi quy lasso
Mô hình hồi quy lasso là mở rộng của mô hình hồi quy tuyến tính khi dữ liệu hiện tượng đa
cộng tuyến, tức các biến số đầu vào có tương quan với nhau. Chương này chúng ta giới thiệu
mô hình hồi quy lasso, ước lượng diễn giải, vấn đề cộng tuyến. Cuối cùng là thực hành các bài
tập trên R và Python.
● Giới thiệu mô hình.
● Xây dựng mô hình.
● Diễn giải và đánh giá mô hình.
● Thực hành trên R và Python.
Chương 11 Lựa chọn mô hình tối ưu
Chương này giới thiệu các metric và phương pháp đánh giá độ tốt của các mô hình hồi quy, từ
đó lựa chọn mô hình tối ưu để ứng dụng.
● Giới thiệu các độ đo (metrics).
● Các phương pháp đánh giá mô hình.
● Tối ưu hoá mô hình.
● Thực hành trên R và Python.