Bài giảng Bài 1: Tổng quan về phân tích dữ liệu thống kê

Chia sẻ: Lavie Lavie | Ngày: | Loại File: PPT | Số trang:19

Thêm vào BST

Báo xấu

85
lượt xem 8
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Bài 1: Tổng quan về phân tích dữ liệu thống kê nêu lên khái niệm thống kê, các loại biến, các loại thang đo, phân tích đơn biến, phân tích nhị biến, phân tích đa biến, vai trò của việc phân tích dữ liệu. Mời các bạn tham khảo bài giảng để hiểu rõ hơn về những nội dung này.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Bài 1: Tổng quan về phân tích dữ liệu thống kê

BÀI 1: TỔNG QUAN VỀ PHÂN TÍCH DỮ LIỆU THỐNG KÊ 1
Phần mềm phân tích dữ liệu & dự báo?  SPSS  Eviews  STATA  Excel  ForecastX  SAS  Metastock  … 2
Thống kê là gì? Thống kê: là ngành khoa học nghiên cứu hệ thống các phương pháp thu thập, xử lý và phân tích các mặt lượng của hiện tượng số lớn để tìm hiểu bản chất và tính qui luật vốn có của chúng trong điều kiện thời gian và địa điểm cụ thể. 3 3
Các loại dữ liệu  Dữ liệu –Chéo (crosssectional data): thu thập trong cùng hay gần cùng một thời điểm – Chuỗi thời gian (timeseries data): thu thập trong các thời điểm liên tiếp nhau – Bảng (Panel Data): các quan sát của dữ liệu bao gồm quan sát chéo và các quan sát chéo này lại được quan sát theo thời gian  Dữ liệu – sơ cấp: trực tiếp thu thập – thứ cấp: đã qua xữ lý  Dữ liệu định tính/ định lượng 4
Chi tiêu và thu nhập của hộ gia đình: X 80 100 120 140 160 180 200 Y 55 65 79 80 102 105 120 60 70 84 93 107 110 136 65 74 90 95 110 110 140 70 80 94 103 116 115 144 75 85 98 108 118 120 145 88 113 125 130 115 325 462 445 707 678 690 685 E(Y/Xi) 65 77 89 101 113 115 137 5
Năm Mức tiêu dùng (Yi) Thu nhập (Xi) Năm Mức tiêu dùng (Yi) Thu nhập (Xi) 1971 48.34 52.02 1981 57.17 63.36 1972 48.54 52.41 1982 60.84 67.42 1973 47.44 51.55 1983 60.73 67.86 1974 54.58 58.88 1984 76.04 83.39 1975 55 59.66 1985 76.42 84.26 1976 63.49 68.42 1986 69.34 77.41 1977 59.22 64.27 1987 61.75 70.08 1978 57.77 63.01 1988 68.78 77.44 1979 60.22 65.61 1989 67.07 75.79 6 1980 55.4 61.05 1990 72.94 81.89
Quy trình chuẩn bị, phân tích dữ liệu 7
Các loại biến  Biến định tính (nhãn hiệu, giới tính, nghề nghiệp …)  Biến định lượng Rời rạc : số người trong hộ, số bàn ghi được trong một trận bóng đá Liên tục: chiều cao của thanh niên, trọng lượng của sản phẩm, giá sản phẩm … 8
Các loại thang đo  Thang đo định danh (Nominal)  Thang đo thứ bậc (Ordinal)  Thang đo khoảng (Interval) – Likert, dạng Likert, – thang đo đối nghĩa (thang đo tính từ cực, Osgood) – …  Thang đo tỷ lệ (Ratio) 9
Các loại thang đo Thang đo định danh Ví dụ: Giới tính Mã số hóa Nước ngọt Mã số hóa Nam 1 Pepsi 1 Nữ 2 Coke 2 Tribeco 3 Sprite 4 Khác 5 10 10
Các loại thang đo Thang đo thứ bậc Cũng được sử dụng cho biến định tính, khi mà các biểu hiện của dữ liệu có sự hơn kém, khác biệt về thứ bậc. Ví dụ: Trình độ văn hóa Mã số hóa Bậc thợ Mã số hóa Trung cấp 1 3 1 Đại học 2 4 2 Thạc sĩ 3 5 3 Tiến sĩ 4 6 4 7 5 11 11
Các loại thang đo Thang đo khoảng Ví dụ: Sở thích Mã số hóa Thang điểm Mã số hóa Rất không thích 1 9 -> 10 1 Không thích 2 8 ->9 2 Bình thường 3 7 -> 8 3 Thích 4 5 -> 7 4 Rất thích 5
13
Phân tích đơn biến  Thống kê mô tả  Bảng tần số  Onesample Ttest … 14
Phân tích nhị biến  Phân tích quan hệ giữa 2 biến định tính: Chi square  Phân tích quan hệ giữa 2 biến định lượng: Correlation, Simple Regression  Phân tích ảnh hưởng của một biến định tính đến một biến định lượng: Independent samples ttest ANOVA 15
Phân tích đa biến  Phân tích ảnh hưởng của các biến độc lập (biến giải thích) đến 1 biến phụ thuộc Y=f(X1,X2,X3,…Xm) Khi Y là biến định lượng: Multiple regression Model Khi Y là biến định tính có 2 thuộc tính: Logit Model/ Probit Model/ Discriminant Analysis  Nhóm các quan sát theo từng cụm: Cluster Analysis  Rút gọn các biến: Factor Analysis  Kiểm định độ tin cậy của thang đo: Cronbach’s Alpha  Các công cụ phân tích đa biến khác: MDS, CFA, SEM… 16
Chú ý  Các kỹ thuật trên sử dụng cho cả 3 loại dữ liệu  Tuy nhiên, người ta đã phát triển nhiều mô hình kinh tế lượng chuyên sâu hơn dành cho dữ liệu bảng (Pooled, FEM, ECM…)  Nhiều mô hình hinh tế lượng chuyên sâu dành cho dữ liệu chuỗi thời gian: ARIMA, SARIMA, ARCHGARCH, VAR, mô hình động, hệ phương trình … 17
Phân tích dữ liệu để làm gì?  Để hỗ trợ quá trình ra quyết định  Kiểm định lý thuyết  Gợi ý chính sách  Dự báo … 18
Các kỹ thuật dự báo định lượng trong kinh doanh  Mô hình chuỗi thời gian - Đơn giản - Hàm xu thế - San mũ - Phân tích các thành phần của chuỗi thời gian - ARIMA - ARCH/GARCH  Mô hình nhân quả Nguồn: Wilson (2007) 19