Quản lý dữ liệu và đồ họa

Chào các bạn sinh viên, chào mừng đến với chuỗi bài học nền tảng nhưng vô cùng quan trọng trong hành trình chinh phục kinh tế lượng. Trước khi chúng ta có thể xây dựng những mô hình phức tạp hay đưa ra những kết luận đột phá, có một công việc thầm lặng nhưng mang tính quyết định: đó là quản lý dữ liệu. Đây là quá trình biến những con số thô, lộn xộn từ các cuộc khảo sát hoặc nguồn dữ liệu thứ cấp thành một bộ dữ liệu sạch, có cấu trúc và sẵn sàng cho việc phân tích. Trong nghiên cứu thực tế, các nhà kinh tế lượng thường dành tới 80% thời gian cho công việc này. Một bộ dữ liệu được chuẩn bị tốt là tiền đề cho kết quả phân tích đáng tin cậy; ngược lại, một sai sót nhỏ trong khâu xử lý có thể dẫn đến những kết luận sai lệch hoàn toàn.

Trong chuỗi bài học này, chúng ta sẽ cùng nhau khám phá toàn bộ quy trình làm việc với dữ liệu trong phần mềm Stata, từ những bước đầu tiên như nhập liệu đến các kỹ thuật phức tạp như biến đổi và tái cấu trúc dữ liệu, và cuối cùng là cách “kể chuyện” bằng dữ liệu thông qua các công cụ đồ thị mạnh mẽ. Hãy xem đây là bộ công cụ không thể thiếu cho bất kỳ nhà nghiên cứu nào.

Ba từ khóa chính bạn cần nắm vững:

Mục tiêu của chuỗi bài viết này không chỉ là cung cấp cho bạn các câu lệnh, mà còn giúp bạn xây dựng một tư duy làm việc với dữ liệu một cách có hệ thống, cẩn thận và hiệu quả. Nắm vững những kỹ năng này, bạn sẽ tự tin hơn rất nhiều khi bắt tay vào bất kỳ dự án nghiên cứu nào trong tương lai.

CẤU TRÚC CHUỖI BÀI HỌC

PHỤ LỤC: DỮ LIỆU MÔ PHỎNG CHO CHUỖI BÀI HỌC

Để giúp các bạn thực hành một cách nhất quán qua các bài học, chúng ta sẽ sử dụng một bộ dữ liệu mô phỏng đơn giản về thu nhập và học vấn. Dưới đây là code Stata để tạo ra bộ dữ liệu này.

* ==================================================
* MỤC ĐÍCH: Tạo dữ liệu mô phỏng cho chuỗi bài học
* TÁC GIẢ: Giáo sư Kinh tế lượng
* ==================================================

* Bước 1: Xóa dữ liệu cũ và thiết lập số quan sát
clear
set obs 100
set seed 12345 // Đảm bảo kết quả có thể tái lập

* Bước 2: Tạo các biến cơ bản
* id: Mã định danh duy nhất cho mỗi cá nhân
generate id = _n

* age: Tuổi, phân phối đều từ 22 đến 55
generate age = 22 + floor(runiform() * (55-22+1))

* education: Số năm đi học, phân phối chuẩn quanh 12 năm
generate education = 12 + rnormal()*2
replace education = round(education) // Làm tròn số năm đi học
replace education = 8 if education < 8 // Đặt giá trị sàn
replace education = 20 if education > 20 // Đặt giá trị trần

* female: Biến giả, 1 nếu là nữ, 0 nếu là nam
generate female = rbinomial(1, 0.5)

* Bước 3: Tạo biến thu nhập (earnings)
* Thu nhập phụ thuộc vào học vấn, tuổi và có yếu tố ngẫu nhiên
generate earnings = 15000 + 2500*education + 500*age - 3000*female + rnormal(0, 8000)
replace earnings = round(earnings, 100) // Làm tròn đến trăm
replace earnings = 10000 if earnings < 10000

* Bước 4: Gán nhãn cho các biến để dễ hiểu hơn
label variable id "Mã định danh cá nhân"
label variable age "Tuổi của người được khảo sát"
label variable education "Số năm đi học đã hoàn thành"
label variable female "Giới tính (1=Nữ, 0=Nam)"
label variable earnings "Thu nhập hàng năm (USD)"

* Bước 5: Lưu dữ liệu dưới dạng .dta và xuất ra .csv
* Lưu dưới dạng Stata
save "student_data.dta", replace
* Xuất ra file CSV để sử dụng với các phần mềm khác
export delimited using "student_data.csv", replace

* Bước 6: Xem qua dữ liệu
describe
summarize
list in 1/10

* ==================================================
* MỤC ĐÍCH: Tạo dữ liệu mô phỏng cho chuỗi bài học
* TÁC GIẢ: Giáo sư Kinh tế lượng
* ==================================================

* Bước 1: Xóa dữ liệu cũ và thiết lập số quan sát
clear
set obs 100
set seed 12345 // Đảm bảo kết quả có thể tái lập

* Bước 2: Tạo các biến cơ bản
* id: Mã định danh duy nhất cho mỗi cá nhân
generate id = _n

* age: Tuổi, phân phối đều từ 22 đến 55
generate age = 22 + floor(runiform() * (55-22+1))

* education: Số năm đi học, phân phối chuẩn quanh 12 năm
generate education = 12 + rnormal()*2
replace education = round(education) // Làm tròn số năm đi học
replace education = 8 if education < 8 // Đặt giá trị sàn
replace education = 20 if education > 20 // Đặt giá trị trần

* female: Biến giả, 1 nếu là nữ, 0 nếu là nam
generate female = rbinomial(1, 0.5)

* Bước 3: Tạo biến thu nhập (earnings)
* Thu nhập phụ thuộc vào học vấn, tuổi và có yếu tố ngẫu nhiên
generate earnings = 15000 + 2500*education + 500*age - 3000*female + rnormal(0, 8000)
replace earnings = round(earnings, 100) // Làm tròn đến trăm
replace earnings = 10000 if earnings < 10000

* Bước 4: Gán nhãn cho các biến để dễ hiểu hơn
label variable id "Mã định danh cá nhân"
label variable age "Tuổi của người được khảo sát"
label variable education "Số năm đi học đã hoàn thành"
label variable female "Giới tính (1=Nữ, 0=Nam)"
label variable earnings "Thu nhập hàng năm (USD)"

* Bước 5: Lưu dữ liệu dưới dạng .dta và xuất ra .csv
* Lưu dưới dạng Stata
save "student_data.dta", replace
* Xuất ra file CSV để sử dụng với các phần mềm khác
export delimited using "student_data.csv", replace

* Bước 6: Xem qua dữ liệu
describe
summarize
list in 1/10

Mô tả dữ liệu:

• id: Mã định danh duy nhất cho mỗi cá nhân (1-100).
• age: Tuổi của người trả lời, từ 22 đến 55.
• education: Tổng số năm đi học đã hoàn thành.
• female: Biến nhị phân, nhận giá trị 1 nếu là nữ và 0 nếu là nam.
• earnings: Thu nhập hàng năm, tính bằng USD.

Các bạn hãy chạy tệp lệnh trên để tạo ra file student_data.dta và student_data.csv. Chúng ta sẽ sử dụng bộ dữ liệu này trong suốt chuỗi bài học.