Phân tích định lượng với R, từ cơ bản đến chuyên sâu

Chuỗi khóa học do GS.TS. Nguyễn Văn Tuấn trực tiếp giảng dạy.

Thời gian tổ chức: Từ ngày 08/01/2027 đến ngày 17/01/2027 (8 ngày), chi tiết bên dưới
Số lượng lớp/khóa học: 3 khóa học
Hình thức tổ chức: Học trực tiếp (offline) tại Viện Phương Nam hoặc trực tuyến (online) qua nền tảng Zoom
Địa điểm tổ chức: Viện Phương Nam – 45 Đinh Tiên Hoàng, Phường Sài Gòn, TP. Hồ Chí Minh
Phần mềm sử dụng: R, RStudio và các công cụ AI hỗ trợ phân tích dữ liệu
Hạn chót: Đăng ký và hoàn tất học phí trước ngày 28/12/2026

Đăng ký Giới thiệu chung

Dữ liệu minh họa

Hình 1.4. Hồi quy tuyến tính.

Giới thiệu chung

Dữ liệu minh họa

Phân tích dữ liệu với R cơ bản

Đối tượng: nhà nghiên cứu, nghiên cứu sinh và học viên sau đại học, giảng viên cao đẳng và đại học, người mới bắt đầu sử dụng R. Không cần kinh nghiệm lập trình.

Mục tiêu khóa học

Sử dụng R và RStudio cho những phân tích dữ liệu thông dụng
Nhập, quản lí, mô tả và hiển thị dữ liệu
Thực hiện các phân tích so sánh và phân tích mối liên quan

Thời gian diễn ra: Từ 08/01 đến 10/01/2027
Thời lượng: 03 ngày

Xem lịch học

Lịch học

**Bảng 1.** Cấu trúc chuỗi khóa học
STT	Tên khóa học	Thời lượng	Thời gian diễn ra
1	Phân tích dữ liệu với R cơ bản	03 ngày	Từ 08/01 đến 10/01/2027
2	Phân tích chi phí - hiệu quả trong y tế	02 ngày	Ngày 12/01 và 13/01/2027
3	Phân tích dữ liệu chuỗi thời gian với R	03 ngày	Từ 15/01 đến 17/01/2027

Học phí và ưu đãi học phí

Học phí sẽ được xác định theo gói đăng ký của học viên. Quý anh/chị vui lòng lựa chọn và đăng ký tham gia 1 trong 6 gói dưới đây.

08 ngày · học phí/học viên
- Phân tích dữ liệu với R cơ bản
- Phân tích chi phí - hiệu quả trong y tế
- Phân tích dữ liệu chuỗi thời gian với R
Ưu đãi học phí
- Giảm 10%Hoàn tất học phí trước 08/12/2026
- Giảm 5%Hoàn tất học phí theo nhóm từ 3 người
- Ưu đãi học viên cũGiảm 10%, thêm 5% nếu hoàn tất học phí trước 08/12/2026
Đăng ký Gói 1
05 ngày · học phí/học viên
- Phân tích dữ liệu với R cơ bản
- Phân tích chi phí - hiệu quả trong y tế
Ưu đãi học phí
- Giảm 10%Hoàn tất học phí trước 08/12/2026
- Giảm 5%Hoàn tất học phí theo nhóm từ 3 người
- Ưu đãi học viên cũGiảm 10%, thêm 5% nếu hoàn tất học phí trước 08/12/2026
Đăng ký Gói 2
06 ngày · học phí/học viên
- Phân tích dữ liệu với R cơ bản
- Phân tích dữ liệu chuỗi thời gian với R
Ưu đãi học phí
- Giảm 10%Hoàn tất học phí trước 08/12/2026
- Giảm 5%Hoàn tất học phí theo nhóm từ 3 người
- Ưu đãi học viên cũGiảm 10%, thêm 5% nếu hoàn tất học phí trước 08/12/2026
Đăng ký Gói 3
05 ngày · học phí/học viên
- Phân tích chi phí - hiệu quả trong y tế
- Phân tích dữ liệu chuỗi thời gian với R
Ưu đãi học phí
- Giảm 10%Hoàn tất học phí trước 08/12/2026
- Giảm 5%Hoàn tất học phí theo nhóm từ 3 người
- Ưu đãi học viên cũGiảm 10%, thêm 5% nếu hoàn tất học phí trước 08/12/2026
Đăng ký Gói 4
02 ngày · học phí/học viên
- Phân tích chi phí - hiệu quả trong y tế
Ưu đãi học phí
- Giảm 10%Hoàn tất học phí trước 08/12/2026
Đăng ký Gói 5
03 ngày · học phí/học viên
- Phân tích dữ liệu chuỗi thời gian với R
Ưu đãi học phí
- Giảm 10%Hoàn tất học phí trước 08/12/2026
Đăng ký Gói 6

Mức học phí nêu trên đã bao gồm các khoản thuế, phí và lệ phí theo quy định.
Ưu đãi theo nhóm chỉ áp dụng khi hoàn tất học phí theo nhóm và tham gia cùng 1 gói đăng ký.
Học viên cũ là những anh/chị đã tham gia các khóa học do GS. Nguyễn Văn Tuấn phụ trách, được Viện Phương Nam tổ chức trước đây.
Học viên cũ không áp dụng đồng thời các ưu đãi khác.

Mốc thời gian ưu đãi

08/12/2026Mốc ưu đãi

28/12/2026Hạn chót đăng ký và hoàn tất học phí

Chương trình chi tiết 3 khóa học

Phân tích dữ liệu với R cơ bản

08–10/01/2027 · 3 ngày (6 buổi)

Yêu cầu khi tham gia

Học viên không cần có kinh nghiệm lập trình trước khi tham dự khóa học.
Khi tham gia khóa học, học viên cần mang theo máy tính cá nhân.
Hướng dẫn cài đặt R, RStudio và các gói câu lệnh cần thiết sẽ được gửi đến học viên trước ngày khai giảng.

Phương pháp học

Khóa học được thiết kế theo phương châm học qua thực hành. Mỗi chủ đề bắt đầu bằng một câu hỏi nghiên cứu, sau đó xác định cấu trúc dữ liệu, lựa chọn phương pháp, thực hiện phân tích bằng R và diễn giải kết quả.

Học viên sẽ sử dụng R, RStudio và AI trong suốt khóa học. Các bộ dữ liệu thực tế sẽ được sử dụng để minh họa, và R code sẽ được cung cấp để học viên có thể tái lập các phân tích sau khóa học.

7 bài giảng

- Làm quen với môi trường R và RStudio; object, vector, data frame;
- Nhập và quản lý dữ liệu;
- Cấu trúc một chương trình phân tích;
- Nguyên tắc phân tích có khả năng tái lập.
- Cách sử dụng AI để viết code, giải thích code, phát hiện và sửa lỗi;
- Cách đặt câu hỏi cho AI;
- Kiểm tra code do AI tạo ra;
- Những sai sót thường gặp khi phụ thuộc vào AI trong phân tích dữ liệu.
- Nguyên lý trình bày dữ liệu bằng biểu đồ; histogram, boxplot, scatter plot và các dạng biểu đồ thông dụng;
- Giới thiệu ggplot2;
- Lựa chọn biểu đồ phù hợp với câu hỏi nghiên cứu.
- Ý tưởng về biến thiên ngẫu nhiên và phân bố lấy mẫu;
- Giả thuyết thống kê; trị số P; khoảng tin cậy; độ ảnh hưởng;
- Những sai lầm thường gặp trong diễn giải kết quả thống kê.
- Mô tả biến liên tục và biến phân loại; trung bình, trung vị, độ lệch chuẩn, phân vị, tỷ lệ;
- Khảo sát phân bố dữ liệu;
- Phát hiện các giá trị bất thường và dữ liệu thiếu.
- So sánh trung bình bằng t-test;
- So sánh tỷ lệ bằng binomial test và chi-squared test;
- Ước tính độ khác biệt và khoảng tin cậy;
- Phân biệt ý nghĩa thống kê và ý nghĩa thực tế.
- Giới thiệu tư duy mô hình hóa; hồi quy tuyến tính cho biến kết cục liên tục; hồi quy logistic cho biến kết cục nhị phân; hệ số hồi quy, odds ratio, khoảng tin cậy và cách diễn giải kết quả.

Phân tích chi phí - hiệu quả trong y tế

12–13/01/2027 · 2 ngày (4 buổi)

Yêu cầu khi tham gia

Học viên nên có kiến thức căn bản về nghiên cứu và phân tích dữ liệu.
Học viên đã hoàn thành khóa “Phân tích dữ liệu với R cơ bản” sẽ là nền tảng phù hợp để tham gia.
Khi tham gia khóa học, học viên cần mang theo máy tính cá nhân. Hướng dẫn cài đặt R, RStudio và các gói câu lệnh cần thiết sẽ được gửi đến học viên trước ngày khai giảng.

Phương pháp học

Các khái niệm kinh tế và thống kê sẽ được giải thích ở mức cần thiết để học viên hiểu logic của phương pháp. Sau đó, học viên sẽ triển khai trực tiếp bằng R và RStudio.

R code, dữ liệu mẫu và tài liệu thực hành sẽ được cung cấp để học viên có thể tái lập toàn bộ phân tích sau khóa học.

Quy trình của Bài 7

Câu hỏi
Mô hình
Tham số
Chi phí
QALY
ICER
Uncertainty
Decision

8 bài giảng

- Học viên sẽ làm quen với các khái niệm về đánh giá kinh tế (economic evaluation), lựa chọn giải pháp so sánh (comparator), quan điểm phân tích (perspective), khung thời gian phân tích (time horizon), điều chỉnh giá trị (discounting) và phân tích giá trị tăng thêm (incremental analysis);
- Phần này cũng phân biệt phân tích chi phí – hiệu quả (cost-effectiveness analysis) với phân tích chi phí – giá trị thỏa dụng (cost-utility analysis), phân tích chi phí – lợi ích (cost-benefit analysis) và tối thiểu hóa chi phí (cost-minimization analysis); đồng thời giải thích tại sao một phân tích kinh tế luôn phải đặt trong bối cảnh của một quyết định cụ thể.
- Tìm hiểu cách xác định, đo lường và định giá các nguồn lực được sử dụng; chi phí y tế trực tiếp (direct medical costs), chi phí phi y tế trực tiếp (non-medical costs) và chi phí gián tiếp (productivity costs);
- Tìm hiểu khái niệm utility và cách kết hợp thời gian sống với chất lượng cuộc sống;
- Một khái niệm trung tâm được giới thiệu trong phần này là quality-adjusted life year (QALY), thước đo thường được sử dụng để so sánh hiệu quả giữa những can thiệp rất khác nhau.
- Học cách tính và diễn giải chỉ số chi phí gia tăng và hiệu quả (incremental cost-effectiveness ratio – ICER), incremental costs và incremental QALYs;
- Giới thiệu decision tree, một phương pháp trực quan để mô hình hóa những quyết định có diễn tiến tương đối ngắn và các kết cục có thể xác định rõ;
- Xây dựng một decision tree bằng R và tính expected costs, expected QALYs và ICER cho các chiến lược khác nhau.
- Học viên sẽ học các khái niệm health states, transition probabilities, cycles, transition matrix, absorbing state và time horizon; sau đó xây dựng một Markov model đơn giản bằng R.
- Từ mô hình này, học viên sẽ tính tổng chi phí, số năm sống, QALYs và ICER của các chiến lược điều trị.
- Học viên sẽ tìm hiểu cách xác định và xây dựng các tham số cho mô hình, lựa chọn nguồn dữ liệu và biểu diễn uncertainty bằng các phân bố xác suất phù hợp.
- Phần này giới thiệu one-way sensitivity analysis, scenario analysis và probabilistic sensitivity analysis (PSA).
- Học viên sẽ sử dụng R để thay đổi các tham số, thực hiện Monte Carlo simulation và khảo sát mức độ ổn định của kết luận.
- Tìm hiểu cost-effectiveness plane, net monetary benefit và cost-effectiveness acceptability curve (CEAC), qua đó chuyển từ một con số ICER đơn lẻ sang cách diễn giải xác suất và bất định phù hợp hơn cho người ra quyết định.
- Phần này cũng thảo luận một câu hỏi thực tế: khi nào có thể nói một can thiệp có khả năng cost-effective, và bằng chứng còn bất định đến mức nào?
- Từ một câu hỏi cụ thể về thuốc, chương trình sàng lọc hoặc can thiệp y tế, học viên sẽ xác định comparator và perspective, xây dựng mô hình, tìm các tham số, ước tính chi phí và QALY, tính ICER, thực hiện sensitivity analysis và diễn giải kết quả.
- Quy trình sẽ đi từ: Câu hỏi → Mô hình → Tham số → Chi phí → QALY → ICER → Uncertainty → Decision.
- Mục tiêu của phần này là giúp học viên thấy CEA như một quá trình phân tích hoàn chỉnh, thay vì một tập hợp các công thức rời rạc.
- AI có thể hỗ trợ tìm kiếm và tổng hợp thông tin, viết R code, xây dựng cấu trúc ban đầu của decision tree và mô hình Markov, chuyển đổi tham số, thực hiện mô phỏng, và tạo các biểu đồ phục vụ cho phân tích nhạy.
- Nhưng CEA cũng là lãnh vực mà một sai sót nhỏ trong giả định có thể dẫn đến một kết luận rất khác. Một xác suất chuyển tiếp (transition probability) sai, một utility được lấy từ quần thể không phù hợp, hoặc lựa chọn sai khung thời gian đều có thể làm thay đổi ICER

Phân tích dữ liệu chuỗi thời gian với R

15–17/01/2027 · 3 ngày (6 buổi)

Yêu cầu khi tham gia

Học viên nên có kiến thức căn bản về nghiên cứu và phân tích dữ liệu.
Học viên đã hoàn thành khóa “Phân tích dữ liệu với R cơ bản” sẽ là nền tảng phù hợp để tham gia.
Khi tham gia khóa học, học viên cần mang theo máy tính cá nhân. Hướng dẫn cài đặt R, RStudio và các gói câu lệnh cần thiết sẽ được gửi đến học viên trước ngày khai giảng.

Phương pháp học

Khóa học theo phương châm học qua thực hành. Các khái niệm toán học sẽ được giải thích ở mức cần thiết để hiểu phương pháp, sau đó được minh họa trực tiếp bằng dữ liệu và R.

Toàn bộ khóa học được thực hiện bằng R và RStudio. Học viên sẽ được cung cấp dữ liệu và R code cho các ví dụ để có thể tái lập toàn bộ phân tích.

AI sẽ được sử dụng để hỗ trợ viết code, giải thích các câu lệnh, debugging và đề xuất các cách triển khai mô hình. Tuy nhiên, khóa học đặc biệt chú trọng đến việc kiểm tra những đề xuất do AI tạo ra.

Trong time series analysis, một đoạn code có thể chạy hoàn toàn bình thường nhưng vẫn tạo ra một mô hình sai nếu người phân tích không hiểu stationarity, autocorrelation, temporal ordering hoặc data leakage. Vì vậy, AI được sử dụng như trợ lý phân tích, còn việc lựa chọn mô hình và đánh giá kết quả vẫn thuộc về người nghiên cứu.

Quy trình của Bài 8

Dữ liệu
Hiển thị
Khám phá cấu trúc
Stationarity
Xây dựng mô hình
Kiểm tra mô hình
Dự báo
Đánh giá sai số
So sánh mô hình
Diễn giải kết quả

8 bài giảng

- Học viên sẽ làm quen với những khái niệm đầu tiên như time index, lag, frequency, autocorrelation và forecasting, đồng thời học cách nhận diện các cấu trúc quan trọng từ biểu đồ dữ liệu.
- Một khái niệm trung tâm của phân tích chuỗi thời gian là tính dừng (stationarity). Học viên sẽ tìm hiểu tại sao tính dừng quan trọng đối với nhiều mô hình time series và cách nhận diện một chuỗi chưa dừng.
- Phần này giới thiệu Autocorrelation Function (ACF) để khảo sát sự phụ thuộc giữa các quan sát theo thời gian và Augmented Dickey-Fuller test (ADF) để đánh giá tính dừng. Các phương pháp biến đổi dữ liệu và differencing cũng sẽ được minh họa bằng R.
- Học viên sẽ học cách nhận diện và phân rã các thành phần này, sau đó tiếp cận các phương pháp smoothing từ simple exponential smoothing đến các mô hình có trend và seasonality. Mục tiêu là hiểu mối liên hệ giữa cấu trúc quan sát được trong dữ liệu và mô hình được lựa chọn để dự báo
- Phần này giới thiệu ba thước đo thường dùng.
  - Mean Absolute Error (MAE)
  - Root Mean Squared Error (RMSE)
  - Mean Absolute Percentage Error (MAPE)
- Học viên sẽ tìm hiểu ý nghĩa, ưu điểm và hạn chế của từng chỉ số, cách chia dữ liệu thành training và testing sets, và cách đánh giá forecast accuracy bằng R.
- Học viên sẽ lần lượt tiếp cận Autoregressive model (AR), Moving Average model (MA) và Autoregressive Integrated Moving Average model (ARIMA).
- Thay vì xem ARIMA như một công thức, khóa học sẽ đi từ câu hỏi trực quan: giá trị hiện tại phụ thuộc như thế nào vào các giá trị trước đó và các sai số trước đó.
- Học viên sẽ thực hành xác định các tham số của mô hình, fitting model, kiểm tra residuals và thực hiện dự báo bằng R.
- Phần này tập trung vào nguyên lý so sánh mô hình dựa trên goodness-of-fit, AIC, BIC và quan trọng hơn là khả năng dự báo trên dữ liệu ngoài mẫu.
- Học viên sẽ so sánh exponential smoothing và ARIMA trên cùng một bộ dữ liệu để thấy rằng mô hình phức tạp hơn chưa chắc dự báo tốt hơn.
- Học viên sẽ được giới thiệu Prophet, một phương pháp dự báo có khả năng xử lí trend và seasonality linh hoạt, và các mô hình neural network dành cho dữ liệu chuỗi thời gian.
- Mục tiêu của phần này không phải biến học viên thành chuyên gia machine learning sau một bài giảng, mà giúp học viên hiểu cách các phương pháp này tiếp cận bài toán dự báo, cách triển khai bằng R, và cách so sánh chúng một cách công bằng với những mô hình truyền thống.
- Phần cuối dành cho một bài thực hành tổng hợp
- Từ một bộ dữ liệu thực tế, học viên sẽ thực hiện toàn bộ quy trình: Dữ liệu → Hiển thị → Khám phá cấu trúc → Stationarity → Xây dựng mô hình → Kiểm tra mô hình → Dự báo → Đánh giá sai số → So sánh mô hình → Diễn giải kết quả.
- Học viên sẽ sử dụng nhiều phương pháp đã học để trả lời cùng một bài toán và lựa chọn mô hình dựa trên bằng chứng từ dữ liệu.

Giảng viên

Chuỗi khóa học “Phân tích định lượng với R – Từ cơ bản đến chuyên sâu” do GS.TS. Nguyễn Văn Tuấn trực tiếp giảng dạy.

GS.TS. Nguyễn Văn Tuấn

Đại học Công nghệ Sydney (UTS) · Đại học New South Wales (UNSW Sydney)

Homepage của GS.TS. Nguyễn Văn Tuấn tại ScholarGPS: tại đây (trang ScholarGPS, mở tab mới)

GS.TS. Nguyễn Văn Tuấn hiện công tác tại Đại học Công nghệ Sydney (UTS) và Đại học New South Wales (UNSW Sydney). Thầy có hơn 35 năm kinh nghiệm trong nghiên cứu y khoa, từng đảm nhiệm nhiều vị trí quản lý tại các trường đại học, viện nghiên cứu y khoa, cũng như tham gia biên tập các tập san y học quốc tế. Thầy là người Việt đầu tiên được trao chức danh Giáo sư xuất sắc (Distinguished Professor) của UTS và được bầu làm Viện sĩ Viện Hàn lâm Y học Úc. Giáo sư Nguyễn Văn Tuấn là tác giả và đồng tác giả của hơn 350 bài báo khoa học công bố trên các tập san quốc tế. Các công trình nghiên cứu của thầy có ảnh hưởng sâu rộng trong lĩnh vực loãng xương, và được ScholarGPS xếp vào nhóm 0,05% các nhà khoa học có ảnh hưởng nhất thế giới liên tiếp 2 năm, 2025 và 2026. Tại Việt Nam, thầy đã có hơn 25 năm đóng góp cho nghiên cứu y khoa và giáo dục đại học, bao gồm cả hoạt động đào tạo và hướng dẫn nghiên cứu sinh.

TS. Trần Sơn Thạch

Viện Nghiên cứu Y khoa Garvan · Đại học New South Wales

Homepage của TS. Trần Sơn Thạch tại ScholarGPS: tại đây (trang ScholarGPS, mở tab mới)

TS. Trần Sơn Thạch hiện công tác tại Viện Nghiên cứu Y khoa Garvan và Đại học New South Wales. Thầy là nhà nghiên cứu y khoa cao cấp với hơn 25 năm kinh nghiệm, là tác giả và đồng tác giả của hơn 50 bài báo khoa học đăng trên các tập san quốc tế uy tín. Bên cạnh hoạt động nghiên cứu, thầy còn tham gia ban biên tập của nhiều tập san y khoa quốc tế. Với nền tảng là bác sĩ y khoa và chuyên gia thống kê, Tiến sĩ Thạch cũng đóng vai trò tư vấn phương pháp và phân tích thống kê cho nhiều thử nghiệm lâm sàng quan trọng.

Hình thức nộp học phí

Học viên hoàn tất học phí bằng tiền mặt hoặc chuyển khoản theo thông tin sau.

Tên tài khoản: VIEN PHAT TRIEN NGUON LUC XA HOI PHUONG NAM
Số tài khoản: 2242 6789
Tại ngân hàng: Ngân hàng Phương Đông (OCB), chi nhánh Tân Thuận
Nội dung: Họ tên học viên – Số điện thoại – [Gói đăng ký]
Thanh toán theo nhóm: Nhóm [Số lượng] người - [Số ĐT người đại diện] - [Gói đăng ký]
Hạn chót: Đăng ký và hoàn tất học phí trước ngày 28/12/2026

Đăng ký tham gia chuỗi khóa học

Quý anh/chị vui lòng chọn “Đăng ký” và hoàn tất phiếu thông tin. Bộ phận tư vấn của Viện sẽ liên hệ để trao đổi chi tiết về nội dung chương trình và gói đăng ký phù hợp.

Quý anh/chị cũng có thể liên hệ trực tiếp Viện Phương Nam qua điện thoại hoặc Zalo để được tư vấn.

Đăng ký Gọi (028) 2242 6789

Viện phát triển nguồn lực xã hội Phương Nam
45 Đinh Tiên Hoàng, Phường Sài Gòn, TP. Hồ Chí Minh

Điện thoại(028) 2242 6789 Ms. Vy (SĐT/Zalo)0949 761 636 Ms. Thảo (SĐT/Zalo)0912 114 511

Phân tích định lượng với R, từ cơ bản đến chuyên sâu

Đăng ký khóa học

Giới thiệu chung

Phân tích dữ liệu với R cơ bản

Lịch học

Học phí và ưu đãi học phí

Ưu đãi học phí

Ưu đãi học phí

Ưu đãi học phí

Ưu đãi học phí

Ưu đãi học phí

Ưu đãi học phí

Mốc thời gian ưu đãi

Chương trình chi tiết 3 khóa học

Giảng viên

GS.TS. Nguyễn Văn Tuấn

TS. Trần Sơn Thạch

Hình thức nộp học phí

Đăng ký tham gia chuỗi khóa học

Hỏi đáp về chuỗi khóa học

Câu hỏi thường gặp