Giới thiệu
Tổng quan hệ thống
EconLab là nền tảng nghiên cứu kinh tế lượng được hỗ trợ bởi trí tuệ nhân tạo, tự động hóa toàn bộ quy trình nghiên cứu — từ phát triển ý tưởng đến báo cáo cuối cùng. Hệ thống tận dụng nhiều Mô hình Ngôn ngữ Lớn (LLM) và các tác tử AI chuyên biệt để hỗ trợ nhà nghiên cứu ở mọi giai đoạn.
Nền tảng tích hợp 105+ mô hình kinh tế lượng, tổng hợp dữ liệu đa nguồn, tổng quan tài liệu tự động và tạo báo cáo chuyên nghiệp trong một môi trường nghiên cứu thống nhất.
| Thành phần | Công nghệ | Mục đích |
|---|---|---|
| Frontend | Next.js 14, React 18, TypeScript | Giao diện người dùng, kết xuất phía máy chủ, định tuyến API |
| Backend | FastAPI, Python 3.11 | REST API, WebSocket, điều phối tác tử AI |
| LLM | DeepSeek, OpenAI, Gemini, Perplexity, OpenRouter | Đa nhà cung cấp AI với chuyển đổi dự phòng tự động và cơ chế ngắt mạch |
| Database | PostgreSQL 14, Redis 7, Neo4j 5 | Lưu trữ dữ liệu, bộ nhớ đệm, đồ thị tri thức |
Đối tượng sử dụng
EconLab được thiết kế dành cho các chuyên gia học thuật cần thực hiện nghiên cứu kinh tế lượng một cách hiệu quả:
Học viên cao học
Học viên thạc sĩ và nghiên cứu sinh thực hiện luận văn hoặc luận án trong lĩnh vực kinh tế và các ngành liên quan
Giảng viên đại học
Giảng viên hướng dẫn nghiên cứu sinh viên, chuẩn bị tài liệu giảng dạy và thực hiện nghiên cứu cá nhân
Nhà nghiên cứu
Nhà nghiên cứu độc lập hoặc tổ chức thực hiện phân tích kinh tế, đánh giá chính sách và nghiên cứu thực nghiệm
Quy trình nghiên cứu
EconLab tuân theo quy trình nghiên cứu 5 bước có cấu trúc. Mỗi module truyền ngữ cảnh sang bước tiếp theo, đảm bảo tính nhất quán xuyên suốt nghiên cứu:
Dữ liệu và ngữ cảnh tự động luân chuyển giữa các module. Ví dụ: ý tưởng nghiên cứu được chọn trong Tạo ý tưởng sẽ định hướng tìm kiếm trong Tổng quan tài liệu, từ đó hình thành mô hình đề xuất cho Mô hình hóa.
Tính năng
Bảng điều khiển & Quản lý dự án
Bảng điều khiển là trung tâm quản lý nghiên cứu. Nơi đây cung cấp tổng quan về tất cả dự án, theo dõi tiến trình qua các module và quản lý vòng đời dự án.
| Tính năng | Mô tả |
|---|---|
| Quản lý dự án | Tạo, đổi tên, lưu trữ, nhân bản và xóa vĩnh viễn dự án nghiên cứu. Mỗi dự án có mã định danh 5 ký tự duy nhất. |
| Theo dõi tiến trình | Thanh tiến trình trực quan hiển thị phần trăm hoàn thành cho từng module trong 5 bước nghiên cứu. |
| Lịch sử phiên bản | Lưu ảnh chụp trạng thái nghiên cứu tại bất kỳ thời điểm nào và khôi phục phiên bản trước đó khi cần. |
| Sử dụng token | Theo dõi lượng token AI tiêu thụ (đầu vào/đầu ra), chi phí ước tính và số lượt gọi API theo từng dự án. |
| Ngôn ngữ nội dung | Đặt ngôn ngữ đầu ra AI (Tiếng Anh hoặc Tiếng Việt) cho từng dự án. Cài đặt này bị khóa sau khi tạo dự án. |
Tạo ý tưởng nghiên cứu
Module Tạo ý tưởng giúp phát triển và đánh giá các ý tưởng nghiên cứu bằng AI. Hỗ trợ hai chế độ hoạt động:
| Chế độ | Mô tả |
|---|---|
| Chế độ Tạo mới | Chọn lĩnh vực nghiên cứu (ví dụ: Tài chính, Kinh tế vĩ mô, Lao động) và nhập từ khóa. AI tạo ra 5-10 ý tưởng nghiên cứu kèm điểm đánh giá. |
| Chế độ Nhân bản | Nhập thông tin bài báo hiện có (tiêu đề, tác giả, tóm tắt). AI phân tích bài báo và đề xuất 2-4 ý tưởng nhân bản hoặc mở rộng. |
Mỗi ý tưởng được chấm điểm theo ba chiều: Tính mới (0-1), Tính khả thi (0-1) và Tác động (0-1). Chọn ý tưởng triển vọng nhất để tiến sang Tổng quan tài liệu.
Tổng quan tài liệu
Module Tổng quan tài liệu tự động hóa việc tìm kiếm và tổng hợp bài báo học thuật. Hệ thống tìm kiếm trên nhiều cơ sở dữ liệu, phân tích bài báo và tạo tổng quan tài liệu có cấu trúc phù hợp với ý tưởng nghiên cứu của bạn.
| Tab | Mô tả |
|---|---|
| Bài báo | Bài báo học thuật được tìm thấy từ Semantic Scholar, ArXiv và các nguồn khác kèm số lượt trích dẫn và trạng thái xác minh. |
| Bảng tóm tắt | Tóm tắt có cấu trúc: Tác giả/Năm, Vấn đề nghiên cứu, Phương pháp, Phát hiện chính, Biến số, Chiến lược nhận dạng. |
| Lỗ hổng nghiên cứu | Các lỗ hổng trong tài liệu hiện có được AI xác định mà nghiên cứu của bạn có thể giải quyết. |
| Mục tiêu | Mục tiêu nghiên cứu, câu hỏi nghiên cứu cụ thể và giả thuyết kiểm định được trích xuất từ tài liệu. |
| Mô hình đề xuất | Bảng biến số có thể chỉnh sửa (tên, vai trò, đo lường, dấu kỳ vọng) và gợi ý phương pháp ước lượng. |
| Bản đồ tri thức | Sơ đồ mạng lưới trực quan thể hiện mối quan hệ giữa các bài báo, khái niệm và phương pháp. |
Thu thập dữ liệu
Module Thu thập dữ liệu cung cấp nhiều nguồn dữ liệu cho nghiên cứu, từ tải lên thủ công đến tìm kiếm tự động đa nguồn.
| Nguồn | Mô tả |
|---|---|
| Tải lên thủ công | Kéo thả file CSV hoặc Excel. Hệ thống tự động nhận diện cột, kiểu dữ liệu (dữ liệu bảng/chuỗi thời gian/chéo) và cung cấp báo cáo chất lượng. |
| ECODATA | Tìm kiếm chỉ số kinh tế từ Ngân hàng Thế giới, FRED, IMF và các cơ sở dữ liệu tổ chức khác với bộ lọc quốc gia và năm. |
| Khám phá dữ liệu công | Tìm kiếm đa nguồn qua World Bank, FRED, IMF DataMapper, ADB và thị trường chứng khoán Việt Nam (VnStock) với báo cáo tài chính và so sánh mã chứng khoán. |
| Dữ liệu mô phỏng | Tạo bộ dữ liệu giả lập với phân phối tùy chỉnh (Chuẩn, Đều, Poisson), tương quan, mẫu thời gian và cấu trúc dữ liệu bảng. |
Mẹo
Bạn có thể kết hợp dữ liệu từ nhiều nguồn. Hệ thống gợi ý khóa ghép nối khi các bộ dữ liệu chia sẻ định danh chung như mã quốc gia hoặc kỳ thời gian.
Mô hình hóa kinh tế lượng
Module Mô hình hóa được hỗ trợ bởi EcoData Econometrics Engine toàn diện, cho phép chạy thử và ước lượng sơ bộ với 12 họ mô hình, 40 mô hình con và 105 bộ ước lượng có thể cấu hình - trên Python, R và Stata.
12 Họ mô hình lớn (Model Families)
| Họ mô hình | Các mô hình |
|---|---|
| Hồi quy Tuyến tính Cổ điển (Classical Linear Regression) | OLS, WLS, GLS, TLS |
| Hồi quy Chính quy hóa (Regularized Regression) | Ridge, Lasso, Elastic Net, Adaptive Lasso |
| Dữ liệu bảng tuyến tính (Linear Panel Data) | Pooled OLS, Fixed Effects (Entity/Time FE), Random Effects, Between Effects |
| Dữ liệu bảng động (Dynamic Panel Data) | Arellano-Bond (Difference GMM), Blundell-Bond (System GMM) |
| Biến phụ thuộc giới hạn (Limited Dependent Variable) | Binary Logit, Binary Probit, Tobit (Censored), Truncated Regression, Heckman Selection (Heckit) |
| Mô hình biến đếm (Count Data) | Poisson, Negative Binomial, Zero-Inflated Poisson (ZIP), Zero-Inflated Negative Binomial (ZINB) |
| Hồi quy Phân vị (Quantile Regression) | Linear Quantile Regression, Panel Quantile Regression (FE-QR) |
| Chuỗi thời gian đơn biến (Univariate Time Series) | AR, MA, ARMA, ARIMA, SARIMA, ARCH, GARCH, EGARCH |
| Chuỗi thời gian đa biến (Multivariate Time Series) | VAR, VECM, SVAR |
| Hệ phương trình đồng thời & Biến công cụ (IV & Simultaneous Equations) | IV/2SLS, 3SLS, SUR |
| Hồi quy Phi tuyến & Bán tham số (Non-linear & Semi-parametric) | Non-linear Least Squares (NLS), Generalized Additive Models (GAM) |
| Suy luận nhân quả & Đánh giá tác động (Causal Inference & Impact Evaluation) | Difference-in-Differences (DiD), Propensity Score Matching (PSM), Regression Discontinuity Design (RDD) |
Phân rã 40 Mô hình con và 105 Bộ ước lượng (Estimators)
Hệ thống cung cấp 40 mô hình con tương ứng với các đặc tả toán học khác nhau. Để phục vụ nghiên cứu học thuật đòi hỏi tính vững của hệ số, hệ thống hỗ trợ 105 bộ ước lượng được cấu hình dựa trên sự kết hợp của phương pháp tối ưu hóa và cấu trúc sai số chuẩn.
| Khía cạnh | Mô tả |
|---|---|
| Phương pháp tối ưu hóa | OLS, FGLS, Maximum Likelihood (MLE), Quasi-MLE, GMM (1-step/2-step với hiệu chỉnh Windmeijer). |
| Cấu trúc phương sai sai số chuẩn | Homoskedastic, White Robust (HC0, HC1, HC2, HC3), Clustered Standard Errors (theo Entity, Time, hoặc Multi-way Clustering) giúp kiểm soát tự tương quan và phương sai sai số thay đổi. |
Ba công cụ ước lượng khả dụng: Python (statsmodels/linearmodels), R (qua RMCP) và Stata (qua CLI). Hệ thống tự động chọn công cụ phù hợp nhất theo loại mô hình.
| Tab | Mô tả |
|---|---|
| Ước lượng | Bảng hệ số (biến, hệ số, sai số chuẩn, t-stat, p-value, ký hiệu ý nghĩa), thống kê tóm tắt mô hình (R², Adj-R², F-stat). |
| Chẩn đoán | Kiểm định thống kê: Breusch-Pagan, White (phương sai thay đổi), Durbin-Watson, Ljung-Box (tự tương quan), Jarque-Bera (phân phối chuẩn). |
| Tính vững | Kiểm tra tính vững: phân tích mẫu con, đặc tả thay thế, phân tích độ nhạy. |
| Mã nhân bản | Mã tự động tạo bằng Python, R hoặc Stata. Sao chép vào clipboard hoặc tải xuống để xác minh độc lập. |
Phân tích kinh tế lượng tích hợp EcoData
Xuyên suốt hai module Thu thập dữ liệu và Mô hình hóa, EcoData cung cấp một quy trình phân tích kinh tế lượng hoàn chỉnh, tích hợp sẵn. Bạn có thể chạy trọn vẹn một nghiên cứu trên dữ liệu thật - ngay trong nền tảng - để đánh giá sớm tính thực tế và khả thi của đề tài.
| Giai đoạn | Các bước trong quy trình |
|---|---|
| 1. Chuẩn bị dữ liệu | Lọc phạm vi dữ liệu -> chọn Indicators -> tính toán biến -> làm sạch dữ liệu -> thống kê mô tả |
| 2. Mô hình phân tích | Xây dựng mô hình đề xuất & thay thế -> ước lượng và kiểm định -> robustness & đánh giá lựa chọn mô hình |
| 3. Xuất bộ mã hoàn chỉnh | Sinh bộ mã liền mạch từ bước chọn Indicators đến báo cáo hoàn chỉnh, chạy trên Stata, R hoặc Python |
| 4. Trình bày & báo cáo | Trình bày kết quả theo chuẩn lựa chọn: APA 7th, Chicago 8th, Harvard 2008, IEEE 2008, MLA 7th |
Mẹo
Hãy chạy thử toàn bộ quy trình trước để xác nhận đề tài có dữ liệu, có ý nghĩa thống kê và có thể tái lập - trước khi đầu tư viết luận văn hay bài báo hoàn chỉnh.
Tạo báo cáo nghiên cứu
Module Báo cáo tạo ra báo cáo nghiên cứu học thuật từ kết quả phân tích. Hai chế độ tạo báo cáo khả dụng:
| Chế độ | Mô tả |
|---|---|
| Báo cáo chuẩn | Báo cáo tự động tạo theo cấu trúc: Giới thiệu, Tổng quan tài liệu, Phương pháp, Kết quả và Kết luận. Có thể chọn kiểu trích dẫn (APA7, Chicago, Harvard, IEEE, MLA). |
| Báo cáo STORM | Pipeline 6 bước nâng cao: Thu thập góc nhìn → Đối thoại chuyên gia → Tạo dàn ý → Viết từng phần → Xác minh trích dẫn → Hoàn thiện cuối cùng. |
Báo cáo có thể xuất ở ba định dạng: PDF (kết xuất phía client với hỗ trợ công thức toán), DOCX (tạo phía server) và Markdown (văn bản thuần với phương trình LaTeX).
Lưu ý
Báo cáo STORM tích hợp ngữ cảnh từ tất cả các module trước đó — ý tưởng nghiên cứu, tổng hợp tài liệu và kết quả mô hình — để tạo đầu ra toàn diện và mạch lạc.
Trợ lý AI nghiên cứu
Trợ lý AI Chat luôn sẵn sàng xuyên suốt quy trình nghiên cứu. Nó hiểu ngữ cảnh module hiện tại, ý tưởng nghiên cứu đã chọn, số lượng bài báo, kết quả mô hình và các thông tin liên quan khác để cung cấp hỗ trợ có mục tiêu.
Trợ lý có thể đề xuất các hành động như chuyển module, cập nhật thông số nghiên cứu hoặc tư vấn phương pháp luận dựa trên tiến trình hiện tại của bạn.
Ví token & thanh toán VNĐ
Nạp ví bằng VNĐ để dùng các mô hình AI mạnh dùng chung của ứng dụng mà không cần API key riêng. Khi sử dụng, credit khả dụng được trừ dần theo lượng token tiêu thụ; số dư cập nhật theo thời gian thực.
| Tính năng | Mô tả |
|---|---|
| Nạp tiền (VNĐ) | Thanh toán VNĐ qua cổng nội địa VNPay/SePay; nạp bao nhiêu thì nhận đúng bấy nhiêu credit khả dụng. |
| Mô hình mạnh | Dùng các mô hình mạnh nhất theo nhu cầu mà không cần cấu hình API key riêng. |
| Tính phí theo token | Tính theo lượng token input/output thực tế; bóc tách chi phí theo dự án, module và model. |
| Cảnh báo số dư thấp | Được cảnh báo khi còn 5% so với lần nạp gần nhất và nạp thêm tức thì. |
| Chống vượt chi | Khi số dư về 0, việc dùng model dùng chung bị chặn để bạn không bao giờ bị vượt chi. |
Lưu ý
Nếu bạn dùng API key riêng cho một nhà cung cấp thì sẽ không bị trừ ví và không bị chặn - bạn thanh toán trực tiếp với nhà cung cấp đó. Ví chỉ áp dụng cho các model dùng chung của ứng dụng.
Cài đặt & Cấu hình
Module Cài đặt cho phép quản lý hồ sơ cá nhân, khóa API, tùy chọn mô hình và cấu hình dự án.
| Tab | Mô tả |
|---|---|
| Hồ sơ | Cập nhật họ tên, đổi mật khẩu và xem thông tin tài khoản. |
| Khóa API | Thêm, kiểm tra và quản lý khóa API cho các nhà cung cấp LLM (DeepSeek, OpenAI, Gemini, Perplexity, OpenRouter). Khóa được lưu trữ mã hóa trong cơ sở dữ liệu. |
| Lựa chọn mô hình | Chọn mô hình AI ưa thích cho từng module nghiên cứu (Tạo ý tưởng, Tài liệu, Dữ liệu, Mô hình hóa, Báo cáo). |
| Sử dụng token | Xem thống kê chi tiết tiêu thụ token: token đầu vào/đầu ra, chi phí ước tính, số lượt gọi API, phân tích theo module. |
| Dự án | Quản lý chi tiết dự án, xem mô tả với cắt ngắn, lưu trữ/khôi phục và xóa vĩnh viễn dự án. |
Hướng dẫn sử dụng
Đăng ký & Đăng nhập
Truy cập EconLab bằng cách tạo tài khoản hoặc đăng nhập với thông tin đã đăng ký.
Mở trình duyệt và truy cập địa chỉ ứng dụng EconLab.
Nhấn nút "Bắt đầu nghiên cứu" trên trang giới thiệu.
Để đăng ký: nhập họ tên, địa chỉ email và mật khẩu (tối thiểu 8 ký tự). Đồng ý điều khoản và nhấn Đăng ký.
Để đăng nhập: nhập email đã đăng ký và mật khẩu, sau đó nhấn Đăng nhập.
Sau khi xác thực thành công, hệ thống tự động chuyển hướng đến Bảng điều khiển.
| Bảo mật | Mô tả |
|---|---|
| Rate limit | Đăng nhập sai 5 lần trong 10 phút sẽ tạm khóa tài khoản. |
| Token TTL | Token JWT có hiệu lực 8 giờ kể từ khi đăng nhập thành công. |
| Cookie | Token lưu trong cookie với thuộc tính SameSite=Lax và Secure (trên HTTPS). |
Mẹo
Sử dụng tính năng tự động điền (autofill) của trình duyệt để đăng nhập nhanh hơn. Không chia sẻ mật khẩu với người khác.
Tạo dự án nghiên cứu
Mọi công việc nghiên cứu trong EconLab được tổ chức trong các dự án. Bạn phải tạo và chọn một dự án trước khi sử dụng các module nghiên cứu.
Điều hướng đến module Bảng điều khiển.
Nhấn nút "Tạo dự án".
Nhập tên dự án và mô tả (tùy chọn).
Chọn ngôn ngữ nội dung cho đầu ra AI (Tiếng Anh hoặc Tiếng Việt). Không thể thay đổi sau khi tạo.
Nhấn "Tạo" để khởi tạo dự án và đặt làm dự án đang hoạt động.
Lưu ý
Ngôn ngữ nội dung quyết định ngôn ngữ của tất cả đầu ra do AI tạo (ý tưởng, tổng hợp tài liệu, báo cáo). Hãy chọn cẩn thận vì cài đặt này là vĩnh viễn cho mỗi dự án.
Phát triển ý tưởng nghiên cứu
Sử dụng module Tạo ý tưởng để phát triển hoặc nhân bản ý tưởng nghiên cứu cho đề tài của bạn.
Tạo ý tưởng mới:
Điều hướng đến module Tạo ý tưởng từ thanh bên.
Chọn lĩnh vực nghiên cứu từ danh sách thả xuống (ví dụ: Tài chính, Kinh tế vĩ mô).
Nhập từ khóa liên quan cách nhau bằng dấu phẩy (ví dụ: "vốn lưu động, ràng buộc tài chính, COVID-19").
Nhấn nút "Tạo ý tưởng". Các tác tử AI sẽ phân tích đầu vào và tạo ra 5-10 ý tưởng nghiên cứu.
Xem xét tiêu đề, mô tả, phương pháp và điểm số (Tính mới, Khả thi, Tác động) của mỗi ý tưởng. Nhấn "Chọn" cho ý tưởng tốt nhất.
Nhân bản từ bài báo hiện có:
Chuyển sang tab "Nhân bản".
Nhập tiêu đề, tác giả, năm và tóm tắt của bài báo nguồn.
Nhấn "Tạo ý tưởng" để tạo các ý tưởng nhân bản và mở rộng dựa trên bài báo.
Chọn ý tưởng phù hợp nhất để tiếp tục.
Mẹo
Hãy cụ thể với từ khóa — thuật ngữ chuyên ngành sẽ cho kết quả phù hợp hơn. Ý tưởng được chọn tự động định hướng tất cả các module tiếp theo.
Thực hiện tổng quan tài liệu
Module Tổng quan tài liệu tìm kiếm bài báo liên quan và tổng hợp thành bài đánh giá có cấu trúc.
Điều hướng đến module Tổng quan tài liệu.
Nhập câu hỏi hoặc chủ đề nghiên cứu vào ô tìm kiếm. Hệ thống sử dụng ý tưởng đã chọn làm ngữ cảnh.
Nhấn "Chạy tổng quan" để bắt đầu tìm kiếm bài báo tự động trên Semantic Scholar, ArXiv và các cơ sở dữ liệu khác.
Xem các bài báo được tìm thấy trong tab Bài báo. Mỗi bài hiển thị tiêu đề, tác giả, tạp chí, năm và số trích dẫn.
Hệ thống tự động tổng hợp bài báo thành Bảng tóm tắt, Lỗ hổng nghiên cứu, Mục tiêu và Mô hình đề xuất.
Trong tab Mô hình đề xuất, chỉnh sửa bảng biến số: điều chỉnh tên biến, vai trò (Phụ thuộc/Độc lập/Kiểm soát), đo lường và dấu kỳ vọng.
Nhấn "Tiếp tục đến Thu thập dữ liệu" khi hài lòng với tổng quan tài liệu.
Mẹo
Phần tổng hợp được căn chỉnh với ý tưởng nghiên cứu đã chọn. Nếu lỗ hổng hoặc mục tiêu không đúng chủ đề, hãy kiểm tra lại lựa chọn ý tưởng trong module Tạo ý tưởng.
Thu thập dữ liệu nghiên cứu
Chọn nguồn dữ liệu theo nhu cầu nghiên cứu. Bạn có thể kết hợp nhiều nguồn để có bộ dữ liệu toàn diện.
Tải lên file thủ công:
Chuyển sang tab Tải lên thủ công.
Kéo thả file CSV hoặc Excel, hoặc nhấn để duyệt. Hệ thống nhận diện cột, kiểu dữ liệu và cấu trúc.
Xem bản xem trước (5 dòng đầu) và báo cáo chất lượng dữ liệu trước khi tiếp tục.
Tìm kiếm dữ liệu công khai:
Chuyển sang tab Dữ liệu công hoặc ECODATA.
Nhập truy vấn tìm kiếm (ví dụ: "Tốc độ tăng trưởng GDP Việt Nam") và lọc theo nguồn nếu cần.
Chọn chỉ số và cấu hình tham số: quốc gia, phạm vi năm.
Nhấn "Tải dữ liệu" để lấy chuỗi thời gian. Tải xuống dạng CSV nếu cần.
Mẹo
Với dữ liệu chứng khoán Việt Nam, sử dụng tab Cổ phiếu trong Khám phá dữ liệu công. Bạn có thể so sánh tối đa 5 mã chứng khoán đồng thời với biểu đồ tương tác.
Ước lượng mô hình kinh tế lượng
Cấu hình và chạy ước lượng mô hình kinh tế lượng trên dữ liệu đã thu thập.
Điều hướng đến module Mô hình hóa.
Nhấn "Thêm mô hình" để mở bảng cấu hình mô hình.
Chọn nhóm mô hình (ví dụ: Dữ liệu bảng) và loại cụ thể (ví dụ: Hiệu ứng cố định).
Chọn biến phụ thuộc và các biến độc lập từ danh sách cột dữ liệu đã nhận diện.
Với mô hình dữ liệu bảng/biến công cụ, chỉ định biến thực thể/thời gian hoặc công cụ theo yêu cầu.
Nhấn "Chạy mô hình" để thực hiện ước lượng. Kết quả hiển thị trong tab Ước lượng với bảng hệ số và thống kê tóm tắt.
Kiểm tra tab Chẩn đoán cho các kiểm định thống kê, tab Tính vững cho phân tích độ nhạy và tab Mã nhân bản cho mã tái lập.
Lưu ý
Bạn có thể thêm nhiều đặc tả mô hình và chạy đồng thời để so sánh. Hệ thống hỗ trợ công cụ ước lượng Python, R và Stata.
Tạo báo cáo nghiên cứu
Tạo báo cáo nghiên cứu học thuật chuyên nghiệp từ kết quả phân tích.
Điều hướng đến module Báo cáo.
Chọn chế độ báo cáo: Chuẩn (tạo nhanh) hoặc STORM (pipeline 6 bước toàn diện).
Chọn kiểu trích dẫn (APA7, Chicago, Harvard, IEEE hoặc MLA).
Nhấn "Tạo báo cáo". Với chế độ STORM, theo dõi chỉ báo tiến trình 6 bước.
Xem lại báo cáo đã tạo. Chuyển sang chế độ Chỉnh sửa để điều chỉnh nội dung thủ công.
Xuất theo định dạng ưa thích: PDF, DOCX hoặc Markdown.
Mẹo
Báo cáo STORM tạo đầu ra toàn diện nhất bằng cách tích hợp toàn bộ ngữ cảnh nghiên cứu. Báo cáo Chuẩn nhanh hơn nhưng ít chi tiết hơn.
Xuất kết quả
EconLab hỗ trợ nhiều định dạng xuất cho kết quả nghiên cứu:
| Định dạng | Mô tả | Trường hợp sử dụng |
|---|---|---|
| PDF kết xuất phía client với đầy đủ định dạng, bảng và công thức toán (LaTeX/KaTeX). | Nộp bài, in ấn, chia sẻ với người hướng dẫn | |
| DOCX | Tài liệu Word tạo phía server với các phần và bảng được định dạng. | Chỉnh sửa thêm trong Microsoft Word, đánh giá hợp tác |
| Markdown | File Markdown thuần giữ nguyên phương trình LaTeX và cú pháp định dạng. | Quản lý phiên bản (Git), chuyển đổi sang định dạng khác, lưu trữ |
Quản lý khóa API
Cấu hình khóa API của nhà cung cấp LLM để kích hoạt các tính năng AI. Cần ít nhất một khóa hợp lệ để các module nghiên cứu hoạt động.
Điều hướng đến Cài đặt → tab Khóa API.
Chọn nhà cung cấp LLM từ danh sách (DeepSeek, OpenAI, Gemini, Perplexity hoặc OpenRouter).
Nhấn liên kết "Lấy khóa" để mở trang API key của nhà cung cấp. Tạo tài khoản và tạo khóa.
Dán khóa API vào ô nhập và nhấn "Thêm".
Nhấn "Kiểm tra" để xác minh khóa hợp lệ. Dấu kiểm xanh xác nhận xác thực thành công.
| Nhà cung cấp | Mục đích |
|---|---|
| DeepSeek | Mô hình suy luận chính. Phản hồi chất lượng cao cho các nhiệm vụ nghiên cứu phức tạp. |
| OpenAI | Các mô hình dòng GPT-4. Dự phòng đáng tin cậy cho nhiều loại nhiệm vụ. |
| Gemini (Google) | Mô hình Flash của Google. Phản hồi nhanh cho các tác vụ cần thời gian. |
| Perplexity | Mô hình có tích hợp tìm kiếm web. Xuất sắc trong tìm kiếm bài báo học thuật. |
| OpenRouter | Bộ tổng hợp đa mô hình (400+ mô hình). Linh hoạt chọn mô hình cho từng module. |
Lưu ý
Khóa API được lưu trữ mã hóa trong cơ sở dữ liệu. Bạn có thể thêm nhiều khóa cho mỗi nhà cung cấp để tự động xoay vòng khi hết hạn mức.
Quản lý dự án
Các thao tác quản lý dự án có sẵn từ Bảng điều khiển và Cài đặt:
| Thao tác | Mô tả |
|---|---|
| Lưu phiên bản | Tạo ảnh chụp trạng thái nghiên cứu hiện tại với nhãn mô tả. Hữu ích trước khi thực hiện thay đổi lớn. |
| Khôi phục phiên bản | Quay về ảnh chụp đã lưu trước đó. Tất cả dữ liệu module sẽ được khôi phục về thời điểm đó. |
| Nhân bản dự án | Tạo bản sao chính xác của dự án với toàn bộ ngữ cảnh nghiên cứu, hữu ích để khám phá hướng tiếp cận thay thế. |
| Lưu trữ | Ẩn dự án khỏi danh sách hoạt động. Dự án đã lưu trữ có thể được khôi phục từ tab Cài đặt → Dự án. |
| Xóa vĩnh viễn | Xóa hoàn toàn dự án và tất cả dữ liệu liên quan. Thao tác này không thể hoàn tác. |
Thuật ngữ
Bảng thuật ngữ
Các thuật ngữ kỹ thuật chính được sử dụng trong EconLab và định nghĩa của chúng:
| Thuật ngữ | Định nghĩa |
|---|---|
| OLS (Ordinary Least Squares) | Bình phương nhỏ nhất thông thường — phương pháp hồi quy tuyến tính phổ biến nhất, tối thiểu hóa tổng bình phương phần dư. |
| FE / RE (Fixed Effects / Random Effects) | Hiệu ứng cố định và Hiệu ứng ngẫu nhiên — phương pháp ước lượng dữ liệu bảng tính đến tính không đồng nhất riêng của từng cá thể. |
| GMM (Generalized Method of Moments) | Phương pháp Moment tổng quát — kỹ thuật ước lượng xử lý nội sinh bằng điều kiện moment (Arellano-Bond, Blundell-Bond). |
| IV / 2SLS (Instrumental Variables) | Biến công cụ / Bình phương nhỏ nhất hai giai đoạn — phương pháp giải quyết nội sinh bằng cách sử dụng công cụ tương quan với biến nội sinh nhưng không tương quan với sai số. |
| ARIMA | Tự hồi quy tích hợp trung bình trượt — phương pháp dự báo chuỗi thời gian kết hợp thành phần tự hồi quy, sai phân và trung bình trượt. |
| GARCH | Phương sai có điều kiện tự hồi quy tổng quát — mô hình cho biến động thay đổi theo thời gian trong chuỗi thời gian tài chính. |
| VAR (Vector AutoRegression) | Hồi quy vector tự hồi quy — mô hình chuỗi thời gian đa biến trong đó mỗi biến được hồi quy theo độ trễ của chính nó và độ trễ của tất cả các biến khác. |
| STORM | Tổng hợp dàn ý chủ đề qua truy xuất và đặt câu hỏi đa góc nhìn — pipeline tạo báo cáo tác tử mô phỏng đối thoại chuyên gia. |
| RAG (Retrieval-Augmented Generation) | Tạo nội dung tăng cường bằng truy xuất — kỹ thuật AI kết hợp truy xuất tài liệu với tạo ngôn ngữ để cho phản hồi chính xác hơn. |
| LLM (Large Language Model) | Mô hình Ngôn ngữ Lớn — mô hình AI được huấn luyện trên kho văn bản khổng lồ, có khả năng hiểu và tạo ngôn ngữ tự nhiên (ví dụ: GPT-4, Gemini, DeepSeek). |
| KaTeX | Thư viện sắp chữ toán học nhanh, kết xuất biểu thức toán LaTeX trên trình duyệt web. |
| Pipeline | Quy trình xử lý tuần tự trong đó đầu ra của giai đoạn này trở thành đầu vào của giai đoạn tiếp theo. |
| Token | Đơn vị văn bản được mô hình AI xử lý. Cả đầu vào (prompt) và đầu ra (phản hồi) đều được đo bằng token, quyết định chi phí sử dụng. |
| DOI (Digital Object Identifier) | Mã định danh đối tượng số — chuỗi ký tự duy nhất được gán cho các ấn phẩm học thuật để nhận dạng và trích dẫn lâu dài. |
| MCP (Model Context Protocol) | Giao thức Ngữ cảnh Mô hình — giao thức mở kết nối mô hình AI với công cụ bên ngoài, nguồn dữ liệu và máy tính ước lượng. |
| SSE (Server-Sent Events) | Sự kiện gửi từ máy chủ — công nghệ web cho phép máy chủ đẩy cập nhật thời gian thực đến trình duyệt qua một kết nối HTTP duy nhất. |
| Panel Data | Dữ liệu bảng (hay Dữ liệu theo chiều dọc) — bộ dữ liệu theo dõi nhiều thực thể (cá nhân, doanh nghiệp, quốc gia) qua nhiều kỳ thời gian. |
| Endogeneity | Tình trạng khi biến giải thích tương quan với sai số, dẫn đến ước lượng OLS bị chệch. Nguyên nhân phổ biến: bỏ sót biến, đồng thời, sai số đo lường. |
| Heteroskedasticity | Phương sai thay đổi — tình trạng phương sai của sai số hồi quy thay đổi giữa các quan sát, vi phạm giả định OLS cổ điển về phương sai không đổi. |
| Autocorrelation | Tự tương quan (Tương quan chuỗi) — tình trạng sai số hồi quy tương quan giữa các quan sát, phổ biến trong dữ liệu chuỗi thời gian. |