Phân tích hồi quy: từ căn bản đến nâng cao và ứng dụng

Tại sao nên học khóa học này?

• Nắm vững hai mô hình phổ biến và hữu dụng nhất trong phân tích dữ liệu: hồi quy tuyến tính và hồi quy logistic
• Học cách xây dựng, ước lượng và kiểm định mô hình từ số liệu thực tế
• Diễn giải rõ ràng ý nghĩa các công thức thay vì chỉ tập trung vào mặt toán học
• Hệ thống bài tập tự luyện phong phú giúp củng cố kiến thức và chuẩn bị cho các kỳ thi
• Nền tảng vững chắc cho các môn học tiếp theo như dự báo chuỗi thời gian, khoa học dữ liệu và học máy
• Ứng dụng rộng rãi trong kinh tế, tài chính, kinh doanh và nghiên cứu khoa học
• Giảng viên có kinh nghiệm với kênh YouTube thu hút hơn 1 triệu lượt xem

Khóa học này dành cho ai?

• Sinh viên đang học hoặc muốn tiếp cận môn kinh tế lượng và các ứng dụng trong kinh tế học, tài chính, kinh doanh
• Người làm việc với dữ liệu muốn xây dựng mô hình nghiên cứu và dự báo
• Nhà phân tích dữ liệu muốn nâng cao kỹ năng về phân tích thống kê và mô hình hóa
• Nghiên cứu viên cần công cụ phân tích định lượng cho các đề tài khoa học
• Người chuyển ngành sang lĩnh vực Data Analytics hoặc Data Science
• Bất kỳ ai quan tâm đến việc đưa ra dự báo và quyết định dựa trên dữ liệu

Kỹ năng và kết quả sau khóa học

• Xây dựng và diễn giải mô hình hồi quy tuyến tính đơn biến và đa biến
• Thực hiện ước lượng các hệ số mô hình và suy diễn thống kê
• Kiểm định các giả định của mô hình và điều chỉnh khi cần thiết
• Xử lý các vấn đề thường gặp như đa cộng tuyến, phương sai thay đổi, tương quan chuỗi
• Xây dựng mô hình hồi quy logistic cho bài toán phân loại
• Áp dụng mô hình vào dự báo và ra quyết định từ dữ liệu thực tế
• Sử dụng công cụ phân tích để xử lý và kiểm định số liệu
• Hiểu được ý nghĩa kinh tế và thống kê của các tham số trong mô hình
• Chuẩn bị vững chắc cho các học phần nâng cao về dữ liệu và học máy

Nội dung chương học

Chương 1: Giới thiệu

• Tổng quan về kinh tế lượng và phân tích hồi quy
• Khái niệm biến phụ thuộc và biến độc lập
• Vai trò của phân tích hồi quy trong phân tích dữ liệu
• Ôn tập kiến thức xác suất thống kê cần thiết

Chương 2: Phân tích hồi quy tuyến tính

• Mô hình hồi quy tuyến tính đơn biến và đa biến
• Phương pháp ước lượng bình phương nhỏ nhất (OLS)
• Kiểm định giả thuyết và khoảng tin cậy
• Đánh giá độ phù hợp của mô hình (R², R² điều chỉnh)
• Xử lý đa cộng tuyến trong mô hình đa biến
• Phương sai sai số thay đổi và cách khắc phục
• Tương quan chuỗi và phương pháp điều chỉnh
• Sử dụng biến giả trong mô hình hồi quy
• Ứng dụng thực tế: Dự đoán giá nhà, phân tích doanh thu, dự báo nhu cầu

Chương 3: Phân tích hồi quy logistic

• Giới thiệu mô hình hồi quy logistic
• Ước lượng tham số bằng phương pháp Maximum Likelihood
• Diễn giải hệ số trong mô hình logistic
• Kiểm định và đánh giá mô hình phân loại
• So sánh với hồi quy tuyến tính
• Ứng dụng: Dự đoán xác suất khách hàng mua hàng, phân loại rủi ro tín dụng

Chương 4: Kết thúc và tài liệu bổ sung

• Tổng kết kiến thức đã học
• Hướng dẫn học tập tiếp theo
• Tài liệu tham khảo và bài tập nâng cao
• Định hướng phát triển kỹ năng phân tích dữ liệu