Mô hình hồi quy và khám phá khoa học

Mô hình hồi quy và khám phá khoa học

Chúng ta đang sống trong kỷ nguyên của dữ liệu. Dữ liệu có mặt mọi nơi, mọi lúc, và càng ngày càng nhiều. Dữ liệu cần phải được chuyển hóa thành thông tin thì mới có ý nghĩa và có ích. Dữ liệu, tự chúng, không có ý nghĩa và có thể nói là vô dụng. Dữ liệu cần phải được chuyển hóa sao cho dễ hiểu, có ích, và quan trọng hơn là có thể chuyển tải đến người sử dụng. Khi dữ liệu thành thông tin, và thông tin được đặt trong bối cảnh, thì có thể trở thành tri thức. Do đó, từ dữ liệu thành tri thức phải qua một giai đoạn hoán chuyển trung gian là phân tích. Khoa học thống kê giúp cho chúng ta hoán chuyển dữ liệu thành thông tin. Những phương pháp cổ điển như kiểm định Ki bình phương và kiểm định t có thể xem là những cách thức đơn giản để chiết xuất tín hiệu từ dữ liệu phức tạp. Nhưng một nhóm phương pháp tương đối ‘mới’ thuộc gia đình mô hình tuyến tính (linear models) còn giúp cho chúng ta mô tả và khám phá các mối liên quan bị ẩn trong rừng dữ liệu. Đây chính là những phương pháp đã giúp giới khoa học khám phá hạt Higgs (còn gọi là ‘hạt của Chúa’), khám phá gen, đánh giá hiệu quả của thuốc, xây dựng mô hình tiên lượng trong bệnh viện, và nhiều phát hiện quan trọng khác.

Cuốn sách là một tập hợp những ghi chú các phương pháp như hồi quy tuyến tính, hồi quy logistic, hồi quy Cox, hồi quy Poisson, v.v. vốn đã được ứng dụng rất phổ biến trong các nghiên cứu khoa học thực nghiệm. Tôi hy vọng rằng những ghi chú này sẽ giúp cho quý vị và các bạn làm quen với các phương pháp trong mô hình tuyến tính. Làm quen về ý tưởng đằng sau mỗi mô hình, giả định, cách ứng dụng, và nhất là cách diễn giải ý nghĩa của kết quả phân tích.