Kinh tế lượng để làm gì?

Đã bao nhiêu lần bạn tự đặt ra câu hỏi ấy ! Kinh tế lượng để làm gì? trong đầu khi nghệt mặt ra trong những tiết học Kinh tế lượng kinh khủng, nhạt nhẽo? Không chỉ một đứa bạn than với tôi rằng: “Những tháng ngày học kinh tế lượng nản vãi , hết đến lớp ngồi nghe giảng trong vô thức, lại về nhà chạy số liệu, mô hình trên Stata mà cóc biết mình đang làm gì, không biết mấy cái biến, nhiễu, số liệu ấy từ đâu chui ra!” Tôi hiểu, rất hiểu tâm sự ấy vì cũng có những cảm nghĩ gần như thế.

statistical thinking

ác suất thống kê mới chỉ là bước khởi đầu cho cả chặng đường dài mang tên Data Analytics (xử lý dữ liệu) phía trước.

Trước khi học môn gì mới cũng vậy, tôi luôn tự đặt ra câu hỏi: Học cái này để làm gì? Nó có tính ứng dụng gì trong thực tế? Đối với kinh tế lượng cũng vậy và khi không thể tự mình trả lời câu hỏi ấy, tôi tìm tới sự giúp đỡ của những người xung quanh. Người đầu tiên là giảng viên bộ môn. Nhưng rõ ràng, một đứa sinh viên năm 2 hết sức bình thường như tôi không thể hiểu được những điều to tát và lớn lao mà cô đưa ra. Trong quá trình học thì ngược lại, chán òm hết nhập lệnh này lệnh kia, rồi đến đưa biến này biến kia vào phần mềm cho nó chạy hồi quy OLS, tưởng chừng như tôi 1 coder gà mờ vậy. Dù rất muốn lấy le với các bạn nữ , tuy nhiên vừa làm mà vừa tưởng tượng ra tương lai đi cài win, chạy phần mềm dạo thì thôi, tụt cả hứng!

“Những tháng ngày học kinh tế lượng nản vãi , hết đến lớp ngồi nghe giảng trong vô thức, lại về nhà chạy số liệu, mô hình trên Stata mà cóc biết mình đang làm gì, không biết mấy cái biến, nhiễu, số liệu ấy từ đâu chui ra!

Dường như nó vẫn quan trọng

Rất nhiều ông bà khóa trên luôn nói với tôi những câu không có gì mới mẻ “ Mai sau làm luận án tốt nghiệp mày không biết thì vỡ mồm đấy chú em” và “Apply cao học nên có cái này em ạ”.

Đôi lúc Toán chỉ đơn giản là khó hiểu và không thực tế ?

‘Xác suất thống kê’ hay ‘Probability and Statistics’, cùng môn Kinh tế lượng, “econometrics”, thực ra cần thiết hơn các bạn tưởng:

  1. Hầu hết mọi ngành học đều có xác suất – thống kê trong chương trình. Bạn học Kinh tế? Học xác suất thống kê để tính rủi ro, nghiên cứu hành vi người tiêu dùng, vân vân và mây mây. Bạn học Công nghệ Thông tin, lập trình? Xác suất thống kê mới chỉ là bước khởi đầu cho cả chặng đường dài mang tên Data Analytics (xử lý dữ liệu) phía trước. Và bạn học Xã hội học, thậm chí là Sư phạm? Chúc may mắn khi làm nghiên cứu xã hội học mà không có các công cụ xác suất – thống kê để tổng hợp dữ liệu khảo sát nhé (chém gió ra kết quả thì không nói làm gì).
  2. Trong quá trình phát triển công nghệ, nhất là thời đại công nghệ thông tin, việc xử lý dữ liệu đòi hỏi khả năng, kiến thức về thống kê để biết được cách đọc, hiểu thông tin sao cho chính xác. Một quá trình xử lý dữ liệu không chuẩn sẽ đem lại những kết quả không đáng tin cậy, hoặc sai lệch do thiếu kiến thức và tư duy thống kê, và từ đó có thể dẫn đến các quyết định sai lầm, gây tổn hại đến cá nhân, doanh nghiệp và xã hội. Kiến thức về quá trình nghiên cứu, ra kết quả cũng là cần thiết cho bất kì ai trong thời đại mới này. Nhất là các bạn sinh viên chúng mình luôn nhiệt tình nên cần phải cố gắng không dẫn đến phá hoại.

Và để trả lời cho những câu hỏi trên, và để tìm hiểu xem ‘môn học của sự nghi ngờ’ – “Xác suất thống kê + Kinh tế lượng” sẽ đem lại cho bạn những cơ hội ngành nghề gì nếu bạn quyết định đi tiếp hành trình này tới ‘Data Analytics’ – phân tích và xử lý dữ liệu, hãy tham gia free event của Career Me về Data Analytics nhé – với xác suất lên tới 99.9% là bạn sẽ không hối hận đâu!


Hãy cùng tham dự Hội thảo Data Analytics miễn phí do Career Me tổ chức.

Với hai vị khách mời đầy kinh nghiệm và nhiệt huyết, chắc chắn tất cả câu hỏi của các bạn về DA sẽ được giải đáp rõ ràng.

Buổi hội thảo sẽ diễn ra lúc 2:00 – 5:00 chiều Chủ nhật (17/07) tại The Coffee Inn – 32 Chùa Láng, Hà Nội.

Phí tham dự: Miễn phí
Link sự kiện: http://bit.ly/link-event-DA
Link đăng ký: http://bit.ly/dang-ky-DA

THÔNG TIN LIÊN HỆ:
Email: careermeteam@gmail.com
Điện thoại: 0168 814 8327 (anh Quang), 096 168 1513 (anh Long)

comments