Kiến thức R & Python: Giới thiệu phân tích định lượng (P1)

Data

Huy Bui

5,007

23-04-2022

Các bước thực hiện phân tích định lượng với R

Bước 1: Dữ liệu thô (Raw data)

Bước 2: Phương pháp định lượng (Quantitative Method)

Bước 3: Thông tin hữu ích (Meaningful Information)

Bước 4: Quyết định (Making decision)

Ví dụ:

NBC tăng doanh thu $200 millions vào những năm 1900s bằng việc sử dụng phân tích định lượng cho các kế hoạch bán lẻ.
Continental Airline tiết kiệm $40 millions vào năm 2001 phân tích định lượng nhắm giúp tối ưu các chuyến bay trễ do thời tiết.
Phân tích định lượng được sử dụng rộng rãi trong dự báo tài chính, chứng khoán, etc.

Các kiến thức về phân tích định lượng với R

Biểu diễn dữ liệu
Thống kê mô tả
Hồi quy đơn biến
Hồi quy đa biến
Hồi quy phi tuyến
Hồi quy dữ liệu bảng

Phân tích định tính & Phân tích định lượng

Phân tích định tính

Thu thập dữ liệu dưới dạng ‘phi số’.

Các dữ liệu này thường được thu thập thông qua:

Phỏng vấn.
Thảo luận nhóm.
Mẫu nghiên cứu nhỏ, có tính tập trung

Phân tích định lượng với ngôn ngữ R

Thu thập dữ liệu dưới dạng số học có tính chất thống kê.

Các dữ liệu thường được thu thập thông qua:

Khảo sát sử dụng bảng hỏi trên diện rộng.
Mẫu nghiên cứu lớn.

Mối tương quan: Phân tích định lượng đo lường hành vi của người dùng trên website. Phân tích định tính trả lời được tại sao họ lại có hành vi như vậy => Có thể kết hợp hai phương pháp phân tích.

Ứng dụng của phân tích định lượng:

Đánh giá sự khác nhau giữa các nhóm
Đánh giá mối quan hệ giữa các đối tượng
Kiểm định giả thuyết khoa học

Các bước phân tích định lượng với R

Các bước diễn giải câu hỏi	Nội dung	Ví dụ
Research question	Đưa ra câu hỏi nghiên cứu và cần có câu trả lời	Sự phát triển kinh tế có thúc đẩy quá trình dân chủ hóa?
Theorize	Một diễn giải được đưa ra	Các nước có nền kinh tế phát triển thường có nền dân chủ tốt bởi họ có tầng lớp trung lưu lớn đông đảo có hiểu biết về chính trị (Lipset 1959; Moore 1966)
Hypothesize	Chúng ta đưa ra giả thuyết cần kiểm định	Chúng ta đưa ra giả thuyết cần kiểm định
Data Collection	Chúng ta thu thập dữ liệu để thực hiện kiểm định giả thuyết	Dữ liệu được thu thập từ nhiều nước, nhiều gia tầng xã hội, dữ liệu về mức độ dân chủ, …
Data Analysis	Sử dụng dữ liệu thu thập được để chấp nhận hoặc bác bỏ giả thuyết

Ba loại câu hỏi nghiên cứu

Mô tả: Mô tả sự khác nhau giữa các thuộc tính.
Dự báo: Dự báo các sự kiện, kết quả có thể xảy ra.
Nhân quả (causation) Đánh giá sự ảnh hưởng của mộ sự kiện đến một sự kiện khác.

Thống kê mô tả và thống kê suy diễn

Thống kê mô tả (Descriptive): Mô tả tập thuộc tính của một nhóm hoặc đối tượng từ mẫu (tổng thể với tập mẫu).
Thống kê suy diễn (Prediction): Đưa ra các dự báo cho tổng thể dựa trên một tập mẫu.

Các đại lượng của thống kê mô tả

Tổng và sigma

Gọi ? là số mẫu hay kích thước mẫu.
Nếu ?=10, chúng ta có 10 mẫu có giá trị lần lượt là (?1, ?2, ?3, … , ??).
Tổng của một biến sẽ được tính:

?1 + ?2 + ?3 + ⋯ + ??

Khi giá trị ? là lớn thì chúng ta dùng khái niệm sigma:

Ví dụ khảo sát một nhóm có 50 nhân viên trong doanh nghiệp có 1000 người để làm đại diện. Vậy ta có N=50

Giá trị trung tâm (Measures of central tendency):

Chúng ta quan tâm đến sự phân bố tập trung ở một giá trị nào đó.

Mean: Trung bình

Giả sử tuổi của các học viên là 10,15,13,17,18,65,20,19,22,16,21,14

Trung bình = (10+13+14+15+16+17+18+19+20+21+22+65) / 12 = 20.83

VD: Mức lương trung bình, mức lương bình quân,…

Median: Trung vị – Giá trị ở giữa của một biến

Gọi M là trung vị. Ta có:

Giả sử tuổi của các học viên là 10,15,13,17,18,65,20,19,22,16,21,14

=> Trung vị = (17+18) / 2 = 17.5

Ta thấy khi giá trị 65 là ngoại lai (outlier), nên mean và median khác nhau rất nhiều (20.83 vs 17.5

Vậy kết luận khi tập dữ liệu có dữ liệu ngoại lai (outlier, ta nên dùng Median). Khi kích thước dữ liệu của mẫu lớn và không có giá trị ngoại lai thì nên dùng Mean.

Mode: Giá trị xuất hiện nhiều nhất

Chẳng hạn, số liệu về tuổi các học viên: 10, 15, 13, 17, 18, 65, 20, 18, 22, 18, 21, 14. Khi đó, mode biến tuổi các học viên sẽ là 18 (giá trị xuất hiện 3 lần).

Phân phối

Thống kê suy diễn

Vì tổng thể quá lớn nên chúng ta chỉ có thể suy diễn tổng thể từ một tập mẫu nhất định.

Dựa trên tập mẫu để ước lượng các giá trị của tổng thể.

Ước lượng: Dựa trên các tham số của tập mẫu (chẳng hạn mean), chúng ta ước lượng tham số của tổng thể.
Kiểm định giả thuyết: Liệu chúng ta có thể sử dụng dữ liệu mẫu để trả lời các câu hỏi nghiên cứu.

Phương pháp Thu thập dữ liệu:

Thang đo thống kê

Độ đo: là việc gán những dữ kiện lượng hóa cho những hiện tượng quan sát.

VD: Khách hàng đánh giá app bằng icon biểu cảm tượng trưng…

Thang đo: là tạo ra một thang điểm để đánh giá đặc điểm của đối tượng nghiên cứu thể hiện qua sự đánh giá, nhận xét. Ví dụ đánh giá app bằng số điểm (con số)

Thang đo khoảng (Interval scale)

Là loại thang đo cho các dữ liệu số lượng, có thể dùng để xếp hạng các đối tượng nghiên cứu.
Với thang đo này ta có thể thực hiện các phép tính đại số (trừ phép chia không có ý nghĩa).

Biến số (variable)

Biểu diễn sự thay đổi theo đặc trưng units

Phân biệt các loại biến:

Biến phụ thuộc (Dependent variable – ?): Biến chịu ảnh hưởng từ một biến số khác. Cũng gọi là biến đầu ra.
Biến độc lập (independent variable – ?): Là biến số tác động tới biến số khác (biến phụ thuộc). VD: Chẳng hạn, giá hàng hoá là biến số độc lập ảnh hưởng tới lượng cầu về nó.

Phần thực hành trên R và Python

Ba cách thực hành trên R và Python

Cài đặt ngôn ngữ R: https://rstudioeducation.github.io/hopr/starting.html
Cài đặt R trên Anaconda: Cài đặt Anaconda: https://docs.anaconda.com/anaconda/install/index.html • Cài đặt R: https://docs.anaconda.com/anaconda/userguide/tasks/using-r-language/ • conda install r-essentials
Chạy trên https://colab.research.google.com/notebooks/intro.i pynb