messenger_logo
Liên hệ qua Messenger
SciEco
Bài viết.
Bài viết từ trang scienceforeconomics.com
Giới thiệu: Phân cụm đồ thị (K-means Clustering) là quá trình phân chia hoặc tách biệt dữ liệu theo các nhóm dựa trên các đặc điểm chung sau đó được biểu thị qua một đồ thị. Phù hợp với những công việc cần phân khúc các tệp khách hàng trong thương mại, phân tích thị trường. Điều này giúp các công ty hiểu rõ hơn về sở thích và nhu cầu của từng nhóm, qua đó đưa ra chiến lược marketing phù hợp. Trong thuật toán phân cụm, K-means là một thuật toán phân cụm đơn giản và phổ biến trong học máy (machine learning) để phân cụm các điểm dữ liệu thành các nhóm riêng biệt dựa trên các đặc điểm của chúng. Thuật toán này dùng để chia dữ liệu thành các nhóm dựa trên khoảng cách giữa các điểm dữ liệu với nhau. Ta cài đặt những thư viện sau:
Trong thời đại của số hóa và khoa học dữ liệu lên ngôi, khả năng phân tích, giải mã và trích xuất thông tin hữu ích từ khối lượng dữ liệu khổng lồ là một kỹ năng không thể thiếu để giúp bạn thích nghi với yêu cầu của công việc! Đặc biệt, với việc làm chủ STATA, phần mềm phân tích dữ liệu có giao diện thân thiện và khả năng xử lý dữ liệu mạnh mẽ sẽ là công cụ đắc lực cho bạn. Để có thể giúp bạn chinh phục STATA, SciEco ở đây để mang đến cho bạn khóa học STATA đầy hấp dẫn: Nội dung khóa học chi tiết: Bài 1: Giới thiệu về STATA và VES
📊 Trong bối cảnh kinh tế toàn cầu ngày càng phức tạp và các thị trường tài chính trở nên liên kết chặt chẽ, việc hiểu rõ các yếu tố ảnh hưởng đến tỷ giá hối đoái ngày càng trở nên quan trọng đối với các quốc gia, đặc biệt là những nước có nền kinh tế mở và phụ thuộc nhiều vào dòng vốn quốc tế. Đối với nhóm các quốc gia thu nhập trung bình thuộc ASEAN-5, mối quan hệ giữa chênh lệch lãi suất và lợi nhuận tỷ giá hối đoái không chỉ là vấn đề lý thuyết mà còn có ý nghĩa thực tiễn sâu sắc. 📊 Cũng chính từ cơ sở đó, Khoa Kinh tế học của Đại học Kinh tế Quốc dân trân trọng kính mời các nhà nghiên cứu, các thầy cô, sinh viên và những ai quan tâm và hoạt động thực tiễn trong lĩnh vực kinh tế học tới tham dự Hội thảo Khoa học: “Uncovered Interest Rate Parity in ASEAN-5 Middle-Income Countries: New Evidence from ARDL Bounds Testing Approach” để cùng tham gia trao đổi, thảo luận về kết quả nghiên cứu, đồng thời đối thoại cùng diễn giả là PGS.TS. Phạm Thế Anh - Trưởng Khoa Kinh tế học, trường Kinh tế và Quản lý công, Đại học Kinh tế Quốc dân. ✨ Đây cũng là buổi hội thảo đầu tiên của chuỗi hội thảo do Khoa Kinh tế học tổ chức hàng tháng. Để biết thêm thông tin về chủ đề của các buổi hội thảo sắp tới, xin vui lòng truy cập link: docs.google.com
Khoá học "Lập báo cáo và phân tích dữ liệu với ngôn ngữ R" là một khóa học thực tế và chuyên sâu nhằm giúp bạn nắm vững kỹ năng sử dụng ngôn ngữ lập trình R để thực hiện phân tích dữ liệu và tạo báo cáo chất lượng cao. Trong khoá học này, bạn sẽ được hướng dẫn từ cơ bản đến nâng cao về cách sử dụng R để xử lý và biểu diễn dữ liệu một cách hiệu quả. Bằng cách áp dụng các kỹ thuật thống kê và phân tích dữ liệu trong R, bạn sẽ có khả năng hiểu rõ hơn về các biến thể trong dữ liệu và đưa ra những phân tích chính xác. Không chỉ giúp bạn nắm vững kỹ năng kỹ thuật, khoá học cũng tập trung vào việc tạo ra báo cáo chuyên nghiệp và ấn tượng bằng cách sử dụng RMarkdown và Quarto. Bạn sẽ học cách tùy chỉnh và tối ưu hóa báo cáo để trình bày kết quả phân tích một cách rõ ràng và dễ hiểu. Dù bạn là một sinh viên, nhà nghiên cứu hay chuyên gia trong lĩnh vực dữ liệu, khoá học này sẽ giúp bạn trở thành một người chuyên nghiệp có khả năng sử dụng R để thực hiện phân tích dữ liệu và làm việc với dữ liệu một cách mạnh mẽ và hiệu quả
SciEco tích hợp thành công Advanced Chart của TradingView: Trải Nghiệm Giao Dịch Hiện Đại và Hiệu Quả
Tháng 08/2024
Điều Gì Làm Nên Sự Độc Đáo của Advanced Chart của TradingView? Advanced Chart của TradingView đã nhanh chóng trở thành một trong những công cụ phân tích thị trường phổ biến nhất trên toàn cầu, và lợi ích của công cụ này ngày càng được công nhận. Với việc tích hợp thành công trên nền tảng giao dịch của TVS, nhà đầu tư sẽ được trải nghiệm những ưu điểm nổi bật sau: Giao Diện Người Dùng Thân Thiện: Advanced Chart của TradingView có một giao diện người dùng dễ sử dụng, linh hoạt và tương tác. Các công cụ và chức năng được sắp xếp một cách rõ ràng, giúp người dùng dễ dàng tìm thấy và sử dụng các tính năng một cách hiệu quả trên nền tảng giao dịch của TVS. Biểu Đồ Tương Tác Mạnh Mẽ: Những biểu đồ linh hoạt cho phép nhà đầu tư thay đổi khung thời gian, vẽ đường hỗ trợ và kháng cự, tạo ra các phạm vi Fibonacci và thực hiện nhiều thao tác phân tích kỹ thuật khác. Tính năng này giúp nhà đầu tư dễ dàng xác định xu hướng và các điểm mua/bán tiềm năng trên biểu đồ.
[BLOG 009] Tại sao không nên lạm dụng biểu đồ hộp (boxplot)
Tháng 06/2024
1. Biểu đồ hộp là gì? Biểu đồ hộp là một công cụ rất phổ biến trong trực quan hóa dữ liệu. Biểu đồ hộp được sử dụng rộng rãi để tổng hợp và hiển thị các đặc điểm quan trọng của dữ liệu Để hiểu rõ về biểu đồ hộp, bạn hãy xem qua ví dụ sau. Giả sử bạn đang phân tích dữ liệu về thu nhập của nhóm đối tượng bạn đang khảo sát.
[Dữ liệu chuỗi thời gian] MÔ HÌNH AR, MA VÀ ARIMA (Phần 2)
Tháng 05/2024
2. THỰC HÀNH TRÊN STATA Trong phần này, chúng ta sẽ sử dụng chỉ số giá tiêu dùng (CPI) của Mỹ từ 1/1/2008 đến 1/2/2021 (tần suất: theo tháng) để tiến hành dự báo với các mô hình được nêu trong bài viết. 2.1. Kiểm định tính dừng của chuỗi số Trước hết, chúng ta cần kiểm định tính dừng của chuỗi CPI bằng kiểm định ADF như sau:
[Dữ liệu chuỗi thời gian] MÔ HÌNH AR, MA VÀ ARIMA (Phần 1)
Tháng 05/2024
Bạn có bao giờ tự hỏi làm thế nào để dự đoán giá cổ phiếu trong tương lai, xu hướng tiêu dùng trong tháng tới, hay lượng mưa trong mùa sắp tới? Chuỗi thời gian - tập dữ liệu ghi lại các giá trị theo thời gian - đóng vai trò then chốt trong việc giải quyết những bài toán dự đoán này. Trong bài viết này, SciEco sẽ giới thiệu ba mô hình thống kê phổ biến cho chuỗi thời gian: AR(p) (Autoregressive), MA(q) (Moving Average) và ARIMA(p,d,q) (Autoregressive Integrated Moving Average). Chúng ta sẽ cùng khám phá cách thức hoạt động, ưu điểm và nhược điểm của từng mô hình trong phần 1 này, cũng như ứng dụng thực tế của chúng trong nhiều lĩnh vực khác nhau tại bài viết tiếp theo. 1. MỘT SỐ LÝ THUYẾT CƠ BẢN 1.1. Mô hình tự hồi quy tổng quát (Autoregressive) – AR(p)
[BLOG 008] Thực hiện Mô hình cấu trúc SEM (Structural Equation Modeling) bằng ngôn ngữ R
Tháng 04/2024
1. Giới thiệu Trong bài viết này, tôi sẽ hướng dẫn độc giả sử dụng R để thực hiện SEM. Bài viết dành cho anh chị đã làm quen với ngôn ngữ R từ trước. Nếu có thắc mắc gì, anh chị vui lòng đặt câu hỏi tại bài viết hoặc facebook page SciEco. Trong thống kê học, Mô hình cấu trúc (SEM) là một công cụ mạnh mẽ được sử dụng để phân tích các mối quan hệ phức tạp giữa các biến. Phương pháp này giúp ta có thể khám phá đồng thời cả tác động nhiều biến số tiềm ẩn. Hãy xem xét ví dụ đơn giản sau đây: sự gắn bó trong công việc của nhân viên tại một công ty do rất nhiều yếu tố, ví dụ môi trường làm việc, đồng nghiệp, cấp trên, áp lực công việc và rất nhiều yếu tố khác. Mục đích của nghiên cứu này là nhằm nghiên cứu các nhân tố ảnh hưởng đến sự gắn bó của nhân viên trong công ty. Tôi đưa ra giả thuyết rằng 5 yếu tố là công việc, văn hoá công ty, lương thưởng và cấp trên sẽ ảnh hưởng đến sự gắn bó của nhân viên trong công ty, theo sơ đồ bên dưới. 2. Cài đặt thư viện
Kiểm định sự phụ thuộc chéo (Cross-sectional Dependence Test) trên STATA
Tháng 04/2024
Sự phụ thuộc chéo Sự phụ thuộc chéo (Cross-Sectional Dependence) đề cập đến mối tương quan giữa các đối tượng tại cùng một thời điểm. Ví dụ về thương mại quốc tế được đại diện bởi tổng kim ngạch xuất nhập khẩu, quan sát tại hai quốc gia A và B, lượng nhập khẩu quốc gia A tăng cũng có nghĩa làm tăng lượng xuất khẩu của quốc gia B, và cùng làm tăng tổng kim ngạch xuất nhập khẩu của cả hai quốc gia. Trên thực tế, hầu hết các quốc gia có hoạt động thương mại qua lại lẫn nhau, dẫn đến sự tương quan về tổng kim ngạch XNK giữa các quốc gia, hay dữ liệu bảng quan sát hoạt động thương mại này có thể tồn tại sự phụ thuộc chéo. Ở khía cạnh kinh tế lượng, sự phụ thuộc chéo thường được xác định dựa trên kiểm định được đề xuất bởi Pesaran (2004). Xét mô hình dữ liệu bảng:
[Dữ liệu chuỗi thời gian] ĐỒNG TÍCH HỢP VÀ MÔ HÌNH HIỆU CHỈNH SAI SỐ
Tháng 03/2024
Trong bài viết này, SciEco cung cấp nội dung về các vấn đề liên quan đến việc ước tính mối quan hệ giữa hai hoặc nhiều chuỗi thời gian không dừng với nghiệm đơn vị và đề cập đến các kỹ thuật kinh tế lượng thích hợp được sử dụng trong phân tích hồi quy với các biến không dừng. I. HỒI QUY GIẢ VÀ ĐỒNG TÍCH HỢP 1. Hồi quy giả: Nếu hồi quy giữa các chuỗi thời gian không có tính dừng với nhau cho các kết quả có ý nghĩa thống kê, tuy nhiên lại không có ý nghĩa về bản chất của mối quan hệ kinh tế. Hiện tượng này được gọi là hồi quy giả (spurious regression) hay hồi quy vô nghĩa (non-sense regression).
[BLOG 007] Viết báo cáo phân tích bằng R và Quarto
Tháng 12/2023
Quarto được xem là thế hệ tiếp theo sau R Markdown, hỗ trợ tạo báo cáo từ đa ngôn ngữ (R và Python) với nhiều tính năng mới. Trong hướng dẫn này, SciEco sẽ chỉ cho bạn cách sử dụng RStudio với Quarto để tạo báo cáo phân tích chuyên nghiệp.
Kiểm định phương sai sai số thay đổi
Tháng 12/2023
Trong bài viết này, SciEco cung cấp nội dung về kiểm định phương sai sai số thay đổi - một trong những kiểm định quan trọng trong khuyết tật mô hình hồi quy OLS. Phương sai sai số thay đổi là hiện tượng mà phương sai của các sai số ước lượng không bằng nhau (heteroscedasticity). Hiện tượng này có thể xảy ra đối với cả 3 dạng dữ liệu: Chéo (Cross-sectional), Chuỗi thời gian (Time-series), Bảng (Panel). Đối với dữ liệu chéo được ước lượng bằng phương pháp OLS, các phương pháp kiểm định phương sai sai số thay đổi như sau: 1. Hiện tượng phương sai sai số thay đổi Xét mô hình ban đầu:
[BLOG 006] Phân tích chuỗi thời gian với ngôn ngữ R (Phần 1)
Tháng 10/2023
Time series Analysis (phân tích dữ liệu chuỗi thời gian) là một trong những chủ đề rộng lớn và phức tạp, ở bài viết này chúng ta sẽ thực hiện một số xử lý về dữ liệu và phân tích time series trong R. Đây là chuỗi bài viết từ cơ bản đến nâng cao về xử lý dữ liệu time series với ngôn ngữ R. 1. Đọc dữ liệu chuỗi thời gian (time series) Dữ liệu thực hành được sử dụng tại bài viết này là AirPassengers, đây là bộ dữ liệu có sẵn trong R về thông tin số lượng khách du lịch hàng không theo tháng.
[BLOG 005] Giới thiệu thư viện ggplot2 - Ứng dụng trực quan hoá dữ liệu và vẽ biểu đồ trong R
Tháng 09/2023
1. Giới thiệu ggplot2 ggplot2 là một trong những thư viện trực quan hoá dữ liệu phổ biến nhất trong ngôn ngữ R. Nó được phát triển bởi Hadley Wickham và dựa trên ý tưởng của "Grammar of Graphics". ggplot2 cho phép bạn tạo ra các biểu đồ chất lượng cao và tùy chỉnh chúng để hiển thị dữ liệu theo cách bạn mong muốn.
[BLOG 004] Làm sạch dữ liệu với thư viện tidyr
Tháng 09/2023
1. Giới thiệu gói tidyr tidyr là một thư viện quan trọng trong Tidyverse, được tạo ra để làm cho dữ liệu dễ dàng để làm sạch và biến đổi. Nó cung cấp các công cụ mạnh mẽ để tổ chức và biến đổi dữ liệu thành dạng phù hợp với phân tích dữ liệu
Dữ liệu bảng và thiết lập dữ liệu bảng cân bằng trên STATA
Tháng 08/2023
Trong bài viết này, SciEco cung cấp nội dung về dữ liệu bảng và thiết lập dữ liệu bảng cân bằng trên STATA Dữ liệu bảng Nhìn chung, dữ liệu khi phân tích thực nghiệm bao gồm ba loại: Dữ liệu chéo (Cross-sectional data): Phân tích nhiều đối tượng tại một thời điểm cụ thể.
[Blog 003] - Vẽ Bản đồ Việt Nam (trực quan mật độ dân số, hay chỉ số các tỉnh)
Tháng 08/2023
1. Giới thiệu Trong bài viết này, chúng ta sẽ cùng nhau khám phá cách sử dụng ngôn ngữ lập trình R để trực quan dữ liệu bản đồ Việt Nam một cách rõ ràng và dễ hiểu. Bạn sẽ được tìm hiểu cách thể hiện các thông tin thông qua bản đồ (Ví dụ, biểu đồ chỉ số cấp tỉnh, mật độ dân số, …). Đặc biệt, bài viết này cũng sẽ cung cấp hình ảnh đầy đủ về Hoàng Sa và Trường Sa - những quần đảo quan trọng của Việt Nam. Kết quả sau khi thực hiện trong R
[Dữ liệu chuỗi thời gian] ĐỊNH DẠNG VÀ KHAI BÁO CHUỖI THỜI GIAN
Tháng 08/2023
Khi thực hành với dữ liệu chuỗi thời gian sẽ có một số định dạng thời gian không thích hợp cho Stata. Vì vậy, chúng ta phải định dạng biến thời gian thích hợp. Trong bài viết này, SciEco cung cấp nội dung về định dạng và khai báo chuỗi thời gian trên Stata. 1. Tạo chuỗi thời gian bất kì Trong Stata, khi muốn thực hiện các phép tính hoặc phân tích liên quan đến ngày và thời gian thì cần chuyển đổi dữ liệu thành các giá trị số nguyên dưới dạng %t (định dạng ngày và thời gian của Stata). Một số dạng chuỗi thời gian trên Stata:
Các thành phần của một chuỗi thời gian - Phân rã chuỗi thời gian (P1)
Tháng 08/2023
1. Các thành phần của chuỗi thời gian Một chuỗi thời gian bất kỳ có thể chứa các thành phần sau: Thành phần xu hướng - trend: Một xu hướng tồn tại khi dữ liệu tăng hoặc giảm trong dài hạn. Điều này có thể phát hiện thông qua độ dốc của dữ liệu trên biểu đồ. Ví dụ: Tỷ giá hối đoái thực đa phương của Việt Nam có xu hướng giảm.
Data Wrangling (Sắp xếp dữ liệu) bằng dplyr
Tháng 07/2023
Hôm nay đội ngũ SciEco xin gửi tới các bạn Blog002 về Data Wrangling (Sắp xếp dữ liệu) bằng dplyr Lưu ý: Để sử dụng dplyr, trước mỗi phiên làm việc cần phải đọc gói bằng lệnh library() để sử dụng Lấy cột cụ thể trong dataset bằng hàm select()
Giải thích tác động của hệ số trong dạng hàm log
Tháng 07/2023
Hôm nay, đội ngũ SciEco gửi tới các bạn bài viết về cách diễn giải hệ số hồi quy với dạng hàm log. Trong hàm log-log, cả biến đầu vào và biến phụ thuộc đều được lấy logarit tự nhiên. Do đó, tác động của hệ số góc trong hàm log-log sẽ thay đổi như sau: Nếu > 1: Khi giá trị của biến đầu vào X tăng lên, giá trị của biến phụ thuộc Y tăng với tốc độ nhanh hơn theo hàm mũ. Nếu 0 < < 1: Khi giá trị của biến đầu vào X tăng lên, giá trị của biến phụ thuộc Y tăng với tốc độ chậm hơn theo hàm mũ. Nếu < 0 : Khi giá trị của biến đầu vào X tăng lên, giá trị của biến phụ thuộc Y giảm theo hàm mũ
Chương trình đào tạo Stata nâng cao
Tháng 07/2023
Nhằm đáp ứng chương trình dạy và học, cập nhật các kiến thức về mô hình kinh tế lượng phù hợp với các nghiên cứu mới ở trong và ngoài nước. Đội ngũ SciEco cập nhật chương trình đào tạo khoá STATA nâng cao bắt đầu áp dụng từ các khoá học hè 2023. Chi tiết chương trình như sau: Đối tượng: Dành cho học viên đã có kiến thức nền tảng về STATA và kinh tế lượng, có nhu cầu làm nghiên cứu khoa học, định hướng nghiên cứu chuyên nghiệp. Mục tiêu khóa học:
Chương trình đào tạo Stata cơ bản
Tháng 07/2023
Nhằm giúp học viên cập nhật các kiến thức nền tảng về Stata, cũng như hỗ trợ các bạn sinh viên, nghiên cứu sinh về nghiên cứu định lượng, ứng dụng các mô hình phổ biến trong trong kinh tế, đội ngũ SciEco cập nhật chương trình học Stata cơ bản cho các khoá giảng dạy từ hè năm 2023. Chương trình mới bổ sung , tối ưu hoá nội dung và thời lượng khoá học. Chi tiết chương trình như sau: Mục tiêu khóa học: Trang bị cho học viên các kiến thức nền tảng về nghiên cứu định lượng và sử dụng phần mềm Stata cho phân tích định lượng. Lợi ích khi tham gia khóa học:
Ước lượng OLS và các kiểm định
Tháng 07/2023
Phương pháp OLS (Ordinary Least Square) do nhà toán học Đức Carl Friedrich Gauss đưa ra. Mục đích của phương pháp này là tìm giá trị của các hệ số hồi quy sao cho khoảng cách giữa giá trị thực của quan sát với giá trị được dự đoán của nó là gần nhất. 1. Đơn vị đo trong ước lượng OLS Khi biến độc lập và (hoặc) biến phụ thuộc thay đổi đơn vị đo sẽ ảnh hưởng tới giá trị ước lượng OLS. Ví dụ: Hồi quy bằng phương pháp OLS chiều cao của con theo chiều cao của cha bằng mô hình sau:
Thiết kế bảng hỏi và thang đo
Tháng 07/2023
1. Thiết kế bảng hỏi Thiết kế bảng câu hỏi là một quá trình nhiều giai đoạn đòi hỏi phải chú ý đến nhiều chi tiết cùng một lúc. Việc thiết kế bảng câu hỏi rất phức tạp vì các cuộc khảo sát có thể hỏi về các chủ đề ở các mức độ chi tiết khác nhau, các câu hỏi có thể được hỏi theo nhiều cách khác nhau và các câu hỏi được hỏi trước đó trong cuộc khảo sát có thể ảnh hưởng đến cách mọi người trả lời các câu hỏi sau này. Các nhà nghiên cứu cũng thường quan tâm đến việc đo lường sự thay đổi theo thời gian và do đó phải chú ý đến cách thức các ý kiến ​​hoặc hành vi được đo lường trong các cuộc điều tra trước đó. Người khảo sát có thể tiến hành các thử nghiệm thí điểm (pilot survey) hoặc các nhóm tập trung (focus group) trong giai đoạn đầu của quá trình phát triển bảng câu hỏi để hiểu rõ hơn cách mọi người nghĩ về một vấn đề hoặc hiểu một câu hỏi. Thử nghiệm trước một cuộc khảo sát là một bước thiết yếu trong quy trình thiết kế bảng câu hỏi để đánh giá cách mọi người phản ứng với bảng câu hỏi tổng thể và các câu hỏi cụ thể, đặc biệt là khi các câu hỏi được đưa ra lần đầu tiên. 1.1. Tiêu chí của bảng hỏi
Giới thiệu về dữ liệu chuỗi thời gian (Time-series data)
Tháng 06/2023
Trong chuỗi bài này, SciEco cung cấp nội dung về các kiến thức cơ bản, khái niệm cũng như các phương pháp để phân tích và dự báo dữ liệu chuỗi thời gian (time series). Trước hết chúng ta sẽ tìm hiểu các khái niệm cơ bản liên quan đến chuỗi thời gian. 1. Chuỗi thời gian là gì? Chuỗi thời gian là chuỗi các quan sát được thu thập trên cùng một đối tượng tại các mốc thời gian cách đều nhau. Số liệu chuỗi thời gian cung cấp thông tin về cùng một đối tượng tại các thời điểm khác nhau. Số liệu chuỗi thời gian được phân biệt theo tần suất xuất hiện: số liệu theo năm, số liệu theo quý, số liệu theo tháng, ...
Tạo biến mới trên STATA
Tháng 06/2023
Trong bài viết này, SciEco cung cấp nội dung về tạo biến và hiệu chỉnh biến trên STATA. 1. Các toán tử trong Stata Các toán tử trong STATA được trình bày trong bảng dưới đây:
[Blog 001] - Ước lượng Hồi quy OLS với R
Tháng 06/2023
Ordinary least squares (OLS) hay Bình phương nhỏ nhất là phương pháp hồi quy nhằm tìm được đường thẳng tốt nhất để mô tả mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc. OLS giúp ước lượng phương trình hồi quy sau: ŷ = b0 + b1x Trong đó:
SciEco
Science for Economics
Định hướng đào tạo phân tích dữ liệu, xây dựng chính sách, tối ưu hoá danh mục tài chính cá nhân và dự báo thị trường.
Liên hệ
Địa chỉ: Số 60, ngõ 41, Phố Thái Hà, Trung Liệt, Đống Đa, Hà Nội (Google Map)
Email: science.for.economics@gmail.com
Hotline: 03.57.94.7680 (Mrs. Hà)
Mạng xã hội