Chúng tôi hân hạnh thông báo một khoá học 7 ngày tập trung vào phương pháp phân tích dữ liệu theo thời gian (panel data) và cách soạn báo cáo khoa học (scientific presentation).
Bối cảnh
Rất nhiều nghiên cứu thu thập dữ liệu theo thời gian (‘panel data’ bên kinh tế và khoa học xã hội, hay ‘longitudinal data’ bên y khoa và sinh học), nhưng đa số phân tích sai.
Chẳng hạn như các chỉ số về thu nhập, tuổi thọ, đầu tư, hạnh phúc, v.v. được thu thập hàng năm và cho mỗi tỉnh thành hay quốc gia. Trong các nghiên cứu y khoa, bệnh nhân được theo dõi theo thời gian (mỗi tháng, năm) và nhiều dữ liệu lâm sàng được thu thập.
Phương pháp phân tích những dữ liệu như thế đã được phát triển chừng 30 năm qua, và các phương pháp này rất khác với những phương pháp cổ điển (như mô hình hồi qui).
Hiện nay, đa số các nhà nghiên cứu vẫn chưa tiếp cận hoặc chưa biết những phương pháp mới, và do đó họ phân tích sai. Sai phương pháp dẫn đến kết luận sai, ảnh hưởng xấu đến chất lượng công trình nghiên cứu hay báo cáo. Có nhiều người không biết tại sao các phương pháp cổ điển sai!
Mục tiêu và kì vọng
Do đó, khoá học này có mục tiêu giới thiệu và hướng dẫn phân tích dữ liệu theo thời gian. Chúng tôi kì vọng rằng sau khi hoàn tất khoá học, học viên sẽ
Khai giảng
06/04/2023
Thời gian
Buổi sáng 8h00 – 11h30
Buổi chiều 13h30 – 16h30
Thời lượng
7 ngày
06/04/2023 – 13/04/2023
(Nghỉ 10/04/2023)
Hình thức
OFFLINE: Trường đại học Tôn Đức Thắng (19 Nguyễn Hữu Thọ, P.Tân Phong, Q.7, TP. Hồ Chí Minh)
ONLINE: nền tảng Zoom
Ưu đãi
Khóa học sẽ bao gồm 20 bài giảng, được chia làm 2 phần. Phần 1 (15 bài giảng) liên quan đến phân tích dữ liệu theo thời gian. Phần 2 (5 bài giảng) tập trung vào cách soạn báo cáo khoa học. Chương trình cho từng ngày như sau:
Chương trình sẽ bao gồm ngôn ngữ R, cách đọc dữ liệu vào R, biên tập dữ liệu, và vài phân tích cơ bản. Học viên sẽ làm quen với RStudio và chương trình tidyverse (hay dùng trong khoa học dữ liệu)
Bài giảng 1: Giới thiệu ngôn ngữ R và chương trình RStudio. Môi trường R. Cách đọc dữ liệu vào R và biên tập dữ liệu.
Bài giảng 2: Giới thiệu chương trình RMarkdown và tidyverse. Hai chương trình rất quan trọng cho khoa học dữ liệu và data wrangling.
Bài giảng 3: Kiểm định giả thuyết và các phương pháp phân tích mô tả như t-test, Ki bình phương, hệ số tương quan.
Trong phần này, học viên sẽ làm quen với triết lí và ngôn ngữ của ggplot2, cách hiển thị dữ liệu bằng biểu đồ, và đặc biệt là dữ liệu theo thời gian.
Bài giảng 4: Giới thiệu chương trình ggplot2. Triết lí biểu đồ. Văn phạm biểu đồ. Cách vẽ những biểu đồ phổ biến trong khoa học.
Bài giảng 5: Dữ liệu theo thời gian và vấn đề. Đặc điểm dữ liệu theo thời gian và khác biệt với dữ liệu cắt ngang. Vấn đề tương quan trong mỗi cá nhân.
Bài giảng 6: Cách hiển thị dữ liệu theo thời gian. Giới thiệu ‘biểu đồ bánh tằm’ và biểu đồ tương quan.
Bất cứ phương pháp phân tích dữ liệu nào cũng phải bắt đầu với mô hình và ý tưởng hồi qui tuyến tính. Trong phần này, học viên sẽ học về phân tích tương quan, cách phát biểu mô hình hồi qui tuyến tính, cách diễn giải các tham số của mô hình hồi qui tuyến tính. Học viên cũng sẽ học qua về phương pháp kiểm định giả thuyết và trị số P.
Bài giảng 7: Mô hình hồi qui tuyến tính đơn giản. Mô hình và tham số, cách ước tính tham số bằng R.
Bài giảng 8: Diễn giải mô hình hồi qui tuyến tính. Hiểu các chỉ số R2, RMSE, và cách đánh giá mô hình hồi qui tuyến tính.
Bài giảng 9: Mô hình hồi qui tuyến tính đa biến. Khái niệm confounder, covariates, và ứng dụng mô hình hồi qui đa biến.
Chương trình sẽ bắt đầu bằng dữ liệu theo thời gian và câu hỏi nghiên cứu. Sau đó, các mô hình mixed, random, fixed, pooling sẽ được giới thiệu. Trong phần này, học viên sẽ học chương trình ‘plm’, một ‘phần mềm’ quan trọng được xây dựng trên nền tảng R và dùng cho phân tích dữ liệu theo thời gian.
Bài giảng 10: Mô hình hồi qui tuyến tính cho dữ liệu theo thời gian và chương trình plm. Làm quen với chương trình plm và khái niệm panel data.
Bài giảng 11: Mô hình fixed effects, random effects. Thực hành với các mô hình fixed, random, so sánh với OLS.
Bài giảng 12: Đánh giá và so sánh các mô hình.
Trong phần này, học viên sẽ tiếp tục ‘khai thác’ dữ liệu theo thời gian nhưng dùng các mô hình tương đối mới hơn như mô hình đa tầng (multilevel models, hierarchical models). Học viên sẽ phân biệt rạch ròi khái niệm ‘fixed effects’ và ‘random effects’ trong cách phát biểu mô hình. Học viên sẽ học qua chương trình ‘lme4’ và ’nlme’, rất quan trọng trong phân tích dữ liệu theo thời gian.
Bài giảng 13: Khái niệm fixed và random effects qua mô hình ANOVA và chương trình lme4
Bài giảng 14: Mô hình linear growth. Mô hình dùng để ước tính sự tăng trưởng theo thời gian.
Bài giảng 15: Mô hình mixed effects. Hướng dẫn cách phát biểu mô hình mixed effects, và triển khai qua chương trình lme4.
Phần này, học viên sẽ được hướng dẫn cách soạn một báo cáo bằng Powerpoint. Cụ thể, học viên sẽ học các bước soạn một báo cáo như thế nào, ‘Money slide’ là gì, và các qui tắc trong việc soạn một báo cáo bằng Powerpoint.
Bài giảng 16: Chuẩn bị bài báo cáo như thế nào. Bài giảng sẽ nói về 7 bước chuẩn bị một báo cáo khoa học, và nhấn mạnh đến khái niệm ‘money slide’ và ‘throughline’.
Bài giảng 17: Quy ước soạn slide. Bài này sẽ nói về những qui tắc và qui ước trong cách soạn slide, như cách viết, màu sắc, font chữ, kích thước.
Phần này sẽ tập trung vào cách thực hành (delivery) một báo cáo khoa học bằng Powerpoint. Học viên sẽ học các qui tắc về cách bố cục, cách nói, điệu bộ trong báo cáo. Có nhiều qui tắc rất quan trọng mà các diễn giả có kinh nghiệm đặt ra sẽ được chia sẻ trong phần này.
Bài giảng 19: Phong cách báo cáo. Bài sẽ bàn về cách báo cáo và ‘ngôn ngữ cơ thể’ trong hội nghị.
Giảng viên phụ trách lớp học bao gồm các nhà khoa học thực nghiệm có kinh nghiệm lâu năm về nghiên cứu khoa học và công bố quốc tế:
Giám đốc trung tâm công nghệ y tế và trưởng labo nghiên cứu loãng xương; Giáo sư xuất sắc (Distinguished Professor) của Đại học Công nghệ Sydney (UTS); Giáo sư kiêm nhiệm của Đại học New South Wales và Đại học Notre Dame Australia; và Giáo sư xuất sắc của Đại học Tôn Đức Thắng. GS Tuấn từng là hay đang là biên tập học thuật (Academic Editor) cho nhiều tập san y khoa như J Bone Miner Res, Osteoporosis Int, Bone, Scientific Reports, PLoS ONE, Current Osteoporosis Reports, Therapeutic Advances in Musculoskeletal Disease, và là chuyên gia bình duyệt cho rất nhiều tập san y khoa trên thế giới, kể cả New England Journal of Medicine, Lancet, JAMA, BMJ, Ann Int Med, Nature, Science, v.v.
Giảng viên dịch tễ học của Đại học Công nghệ Sydney và Đại học New South Wales, và nhà nghiên cứu y khoa thuộc Viện nghiên cứu y khoa Garvan. TS Thạch là tác giả của nhiều bài báo khoa học được công bố trên những tập san lừng danh trên thế giới (như JAMA, New England Journal of Medicine, PLoS Medicine, eLife, v.v.) và là người bình duyệt cho nhiều tập san khoa học trên thế giới.
Chuyên môn Thống kê Kinh tế, Phân tích định lượng; hiện là Viện trưởng Viện Chính sách Kinh tế và Kinh Doanh thuộc Trường Đại học Tôn Đức Thắng.
Áp dụng đối với viên chức, giảng viên TDTU; nghiên cứu viên đang hợp tác với TDTU
Áp dụng đối với sinh viên; học viên cao học – Thạc sĩ; nghiên cứu sinh
(có thẻ học viên)
Viện Chính sách Kinh tế và Kinh doanh (Institute for Business and Economics Policy – IBEP) là một tổ chức khoa học và công nghệ, trực thuộc trường Đại học Tôn Đức Thắng.
