Sử dụng packages (plot3D) để vẽ biểu đồ _ tiếp theo

> scatter3D(x,y,z, xlab="D1.3, cm", ylab="Hvn, m", zlab="M, m3", phi=0, bty="g", type="b", ticktype="detailed", lwd=2, clab="M, m3")

# result Fig.1

Hoặc

> scatter3D(x,y,z, xlab="D1.3, cm", ylab="Hvn, m", zlab="M, m3", pch=18, cex=0.5,theta=20, phi=20, ticktype="detailed", suft=list(x,y,z, facets=NA, fit=fitpoints), clab="M, m3")

# result Fig.2

# Hoặc

# result Fig3...

Read More

Sử dụng packages (plot3D) để vẽ biểu đồ

Hôm nay mình mới thử vẽ biểu đồ với package (plot3D) cho hình đẹp, sinh động với các góc nhìn đa chiều. Bạn hãy thử với plot3D để cảm thấy sự khác biết khi vẽ biểu đồ thông thường. Mình lấy ví dụ sau làm minh chứng.

# install.packages(plot3D)

# library(plot3D)

> scatter3D(x,y,z, phi=0, bty="g",cex=0.7,xlab="D1.3, cm",ylab="Hvn,m",zlab="M,m3",main="Fig.1",clab=c("M, m3"))

# result Fig. 1

Hoặc

> scatter3D(x,y,z, phi=0, bty="g",type="h",cex=0.7,xlab="D1.3, cm",ylab="Hvn,m",zlab="M,m3",main="Fig.2",clab=c("M, m3"))

# result Fig. 2

# Tiếp theo

> fit=lm(z~x+y)

> grid.lines=16

> grid.lines=26

> x.pred=seq(min(x),max(x),length.out=grid.lines)

> y.pred=seq(min(y),max(y),length.out=grid.lines)

> xy=expand.grid(x=x.pred,y=y.pred)

> z.pred=matrix(predict(fit,newdata=xy),nrow=grid.lines, ncol=grid.lines)

> fitpoints=predict(fit)

> scatter3D(x,y,z, phi=20,cex=0.7,xlab="D1.3, cm",ylab="Hvn,m",zlab="M,m3",main="Fig.2",clab=c("M, m3"),ticktype="detailed",theta=20,surf=list(x=x.pred, y=y.pred,z=z.pred, facets=NA, fit=fitpoints))

> scatter3D(x,y,z, phi=20,cex=0.7,xlab="D1.3, cm",ylab="Hvn,m",zlab="M,m3",main="Fig.3",clab=c("M, m3"),ticktype="detailed",theta=20,surf=list(x=x.pred, y=y.pred,z=z.pred, facets=NA, fit=fitpoints))

# result Fig. 3

# Tiếp theo

> scatter3D(x,y,z,pch=16,ticktype="detailed", theta=15,d=2,xlab="D1.3, cm", ylab="Hvn, m", zlab="M, m3", main="Fig. 4", clab="M, m3")

# result Fig. 4

Read More

Vẽ biểu đồ với ggplot2

Bài này mình giới thiệu cách xác định vùng phân bố tập trung của đối tượng điều tra bằng package ggplot2. Thay vì, xác định phân bố type histogram thông thường, hay phân bố point kết hợp với type histogram hoặc kết hợp với type density trong package ggExtra. Trong phạm vi bài này sẽ kết hợp thêm layer (density2d) để xác định vùng phân bố tập trung của đối tượng điều tra.

#>rungtrong

#>attach(rungtrong)

#>head(rungtrong)

#>library(ggplot2)

> r=ggplot(data=rungtrong, aes(x=d,y=h))+geom_point()+geom_density2d()+ggtitle("Fig 1")

# result Fig. 1

# Hoặc

> r=ggplot(data=rungtrong, aes(x=d,y=h))+geom_point()+stat_density2d(aes(alpha=..level.., fill=..level..), size=2)

# result Fig.2

# Kết quả

 > r=ggplot(data=rungtrong, aes(x=d,y=h))+geom_point()+stat_density2d(aes(alpha=..level.., fill=..level..), size=2,geom="polygon")+ scale_fill_gradient(low="blue", high="red")+ ggtitle("Fig.3")+theme_bw()+theme_classic()+xlab("Diameter, cm")+ ylab("Top height tree, m") + geom_smooth()

# result Fig. 3

Read More

Sự không hài lòng

T

rong câu chuyện, trường hợp mà chúng ta, ít nhiều từng gặp phải (trường hợp sinh viên, học viên), đặc biệt cán sự lớp hoặc cá nhân có thời điểm học tập, nghiên cứu... qua đó xin tài liệu (coppy) của những người đi trước (thầy, cô, chuyên gia...), nhưng vô tình hay hữu ý mà đôi lúc ai đó đã làm “không hài lòng” thầy cô, chuyên gia. Khi xin tài liệu (coppy) ta có thói quen (không nên) coppy nhiều hơn những tài liệu mà ta xin ban đầu, nghĩ là coppy được càng nhiều càng tốt. Nghĩa là nhiều tài liệu mà chưa được sự đồng ý của người cho mà ta đã tự ý coppy. Đó là điều không trung thực, không tôn trọng người giúp mình. Dẫn đến sự “không hài lòng” của người giúp mình. 

  Thiết nghĩ, các thầy cô, chuyên gia không tiếc những tài liệu đó, mà cái quan trọng là tính trung thực của chúng ta. Bởi anh đã không trung thực khó lòng mà lần sau người khác giúp đỡ anh; hơn nữa, anh sẽ không có suy nghĩ và tôn trọng tính “bản quyền” ở đây. Điều đó rất nguy hiểm, đặc biệt trong vấn đề học tập, nghiên cứu hiện nay. Trường hợp cá nhân, ít nhiều mình cũng đã rơi vào trường hợp đó (biết là không nên, không tốt) nhưng vì sự ích kỷ của bản thân nên đã tự mình đánh mất lòng tin vào người khác.

Thông qua câu chuyện, bản thân có suy nghĩ rằng trước tiên hãy tôn trọng chính mình trước, rồi hãy mong người khác tôn trọng mình. Nghĩa là hãy trung thực trước mọi vấn đề, dù rằng là chuyện nhỏ nhất. Những cái nhỏ nhất mà mình không làm tốt, không trung thực thử hỏi ai sẽ tin mình vào những chuyện bớt nhỏ hơn? Tự mình đánh mất mình chỉ bởi những sự ích kỷ nhỏ nhoi. Qua câu chuyện, hy vọng ai đó đừng vì sự ích kỷ của bản thân mà đánh mất mình và không nhất thiết phải kinh qua rồi hãy rút kinh nghiệm.

Xin được kết thúc câu chuyện bằng câu châm ngôn:

Theo Khổng tử: “Có ba hạng bạn bè ích lợi, và có ba dạng làm nguy hại. Bạn ngay thẳng, bạn trung thực, bạn nghe nhiều học rộng là bạn lợi ích. Bạn làm nhiều bộ tịch, bạn ưa chiều chuộng, bạn gian xảo, nịnh bợ là bạn nguy hiểm”.

Theo Walter Scott: “Một cái đầu tỉnh táo, một trái tim trung thực và một linh hồn khiêm nhường, đó là ba người dẫn đường tốt nhất và cõi vĩnh hằng”.

Read More

Correlation matrix

Bài trước mình sử dụng các package (GGalyy, ggcorplot, corrplot) trong R để biểu thị các đặc tính tương quan giữa các biến liên tục của một đối tượng nghiên cứu (mỗi gói có một cái hay riêng). Hôm nay mình sử dụng package (corrgram) để biểu thị các đặc tính tương quan giữa các biến sinh trưởng của cây Keo tai tượng.

# install.packages(“corrgram”)

# library(corrgram)

# First correlation example

> p=corrgram(data, order=TRUE, lower.panel=panel.shade, upper.panel=panel.pie, text.panel=panel.txt, main="Tương quan giữa các biến sinh trưởng cây Keo tai tượng")

# result Fig.1

# Second correlation example

 > p=corrgram(data, order=TRUE, lower.panel=panel.ellipse, upper.panel=panel.pts, text.panel=panel.txt, diag.panel=panel.minmax,main="Tương quan giữa các biến sinh trưởng cây Keo tai tượng")

# result Fig.2

 # Three correlation example

> lr.cor=cor(lr[,vars2],use="pair")

> lr.eig=eigen(lr.cor)$vectors[,1:2]

> t1=lr.eig[,1]

> t2=lr.eig[,2]

> plot(t1,t2, col="white", xlim=range(t1,t2), ylim=range(t1,t2))

> text(t1,t2, rownames(lr.cor), cex=1)

> arrows(0,0,t1,t2, cex=0.5, col="red", length=0.1)

> plot(t1,t2, col="white", xlim=range(t1,t2), ylim=range(t1,t2),main="Fig.3")

> text(t1,t2, rownames(lr.cor), cex=1)

> arrows(0,0,t1,t2, cex=0.5, col="red", length=0.1)

# result Fig.3

Read More

Sử dụng package ggplot2, ggExtra và gridExtra để vẽ biểu đồ

Trong phạm vi bài này, mình có sử dụng kết hợp 3 packages gồm: ggplot2, ggExtra và gridExtra để vẽ biểu đồ dạng điểm, tương quan, kết hợp giữa biểu đồ tương quan với type histogram hoặc type density... để tạo nên những biểu đồ sinh động, đẹp, logic và khoa học hơn. Package ggplot2 là một gói rất hữu ích để vẽ biểu đồ trong nghiên cứu để thể hiện, biểu thị các kết quả nghiên cứu, những thông số khoa học... mà không đơn giản chúng ta chỉ dùng những lời văn để có thể diễn tả hết được. Để tạo nên một biểu đồ đẹp hơn, khoa học hơn nữa, việc kết hợp thêm các layer, các packages khác là rất cần thiết.

# library(ggplot2)

# Nếu sử dụng ggplot2 (result Fig.1)

> s=ggplot(data=st_nqb1, aes(x=D1.3,y=Hvn))

>  p=s+ geom_point(size=2, color="blue")+ geom_smooth(color="red")+xlab("diameter, cm") + ylab("tree height, m")+ theme_bw(base_size =13)+ggtitle("Fig.1")

# result Fig.1

# Nếu kết hợp ggplot2 + ggExtra 

# library(ggExtra)

> ggMarginal(p, type="histogram", xparams=list(binwidth=0.3,color="white",fill="green"), yparams=list(binwidth=0.2, color="white"))

# result Fig.2

# hoặc type =” density”

# result Fig.3

# Nếu kết hợp ggplot2 + gridExtra 

# library(gridExtra)

> pMain=ggplot(st_nqb1, aes(x=D1.3, y=Hvn))+geom_point(size=1.5, color="green")+geom_smooth(color="red")+ggtitle("Fig.4")

> pTop=ggplot(st_nqb1, aes(x=D1.3))+geom_histogram()

> pRight=ggplot(st_nqb1, aes(x=Hvn))+ geom_histogram()+ coord_flip()

> pEmpty=ggplot(st_nqb1, aes(x=D1.3, y=Hvn))+ geom_blank()+ theme(axis.text=element_blank(), axis.title=element_blank(),line=element_blank(), panel.background=element_blank())

> grid.arrange(pTop,pEmpty, pMain,pRight, ncol=2, nrow=2, widths=c(3,1), heights=c(1,3))

#result Fig.4

Read More

Ma trận tương quan

Đ

ể thể hiện các đặc tính tương quan giữa các biến (liên tục) ta có thể sử dụng các package khác nhau trong R để biểu thị như: package GGally, ggcorrplot, corrplot... mỗi package có cái hay riêng, thể hiện những đặc tính riêng. Cụ thể như sau:

Trước tiên cần tạo matrix tương quan (V)

V=cor(data)

1. package GGally

> library(GGally)

> v1=ggcorr(data=V,label=T)

# result Fig.1

2. package ggcorrplot

> library(ggcorrplot)

> v2=ggcorrplot(data=V,lab=T)

# result Fig.2

# Or
> v3=ggcorrplot(V,method="circle",lab=T)
# result Fig.3

3. Package corrplot

> library(corrplot)

> v4=corrplot(V,type="lower",method="pie", addCoef.col="black",tl.col="black", tl.srt=45)

# result Fig.4                   

Read More

Vẽ biểu đồ phân bố với tên (label)

Nếu bình thường vẽ biểu đồ phân bố chỉ thể hiện các điểm (chấm) or dấu tròn (dot) như hình 1 dưới đây (Figure 1), hoặc biểu đồ histogram mới thể hiện được các tên đối tượng (dưới đây là tên một số huyện ven biển vùng Bắc Trung Bộ). Tuy nhiên, với package “ggplot2” có thể giải quyết được vấn đề đó, tức là vừa thể hiện được điểm và tên đối tượng trên cùng biểu đồ.

# library(ggplot2)

> p=ggplot(data=rcg, aes(x=Sc, y=Sr))

> p+geom_point()+ggtitle("Figure 1")

# result (Figure 1)

Thêm layer: geom_text() thể hiện được tên (label) trên biểu đồ (kết quả hình 2).

> p=ggplot(data=rcg, aes(x=Sc, y=Sr))

> p+ geom_point()+geom_text(aes(label=Huyen))+theme_bw()+theme_classic()

+ggtitle("Figure 2")

# result (Figure 2)

Nếu them layer: geom_smooth() kết quả hình 3 và hình 4

> p=ggplot(data=rcg, aes(x=Sc, y=Sr))

>  g=ggplot(rcg,  aes(x=Sc, y=Sr))+ geom_smooth()+geom_point(color="red")+ geom_text(label=Huyen, cex=3.5)+ theme_bw()+theme_classic()+ coord_flip()+ggtitle("Figure 3")

# result (Figure 3)

Và,

>  g=ggplot(rcg,  aes(x=Sc, y=Sr))+ geom_smooth(method="lm")+geom_point(color="red")+ geom_text(label=Huyen, cex=3.5)+ theme_bw()+theme_classic()+ coord_flip()+ggtitle("Figure 4")

# result (Figure 4)

Read More

Ai cho anh liêm chính!

V

ới những ai đã và đang nghiên cứu khoa học theo đúng nghĩa, đặc biệt những người mới tiếp cận và theo đuổi con đường nghiên cứu, không thể không suy nghĩ về vấn đề “trung thực”, “liêm chính” trong nghiên cứu khoa học. Tuy nhiên, với thực tại về cơ chế và môi trường cho nghiên cứu thì khó mà “trung thực”, “liêm chính” được? Trong số hơn 11.000 GS, PGS được phong từ 1976 đến hết 2014, chỉ có khoảng 4.100 người (chiếm khoảng 37,3%) làm trong các đại học. Số còn lại hoặc là nghỉ hưu, đã mất hoặc là làm việc trong các cơ quan công quyền và quản lý (1). Tại sao năng suất khoa học của Việt Nam quá tồi trong khi có nhiều “sĩ ưu” như thế? (2)... Đã nói lên được thực tại cơ chế và môi trường nghiên cứu khoa học hiện nay ra sao? như thế nào?

Trong truyện ngắn Chí Phèo của Nam Cao có đoạn:

“ ... Tao muốn làm người lương thiện!

Bá Kiến cười ha hả: Ồ tưởng gì! Tôi chỉ cần anh lương thiện cho thiên hạ nhờ.

Hắn lắc đầu:

Không được! Ai cho tao lương thiện? Làm thế nào cho mất được những vết mảnh chai trên mặt này? Tao không thể là người lương thiện nữa. Biết không! Chỉ có một cách... biết không! ...”.

Trong câu chuyện, vì hoàn cảnh xã hội mà Chí Phèo không thể là người lương thiện được nữa. Và khi, ai đó đã không trung thực và liêm chính ngay từ đầu (một sự mất tín vạn sự mất tin), đặc biệt những người mới bước vào và theo đuổi con đường nghiên cứu thì rất khó có những “đột phá”, để không bị sao nhãng bởi những cám dỗ cuộc đời. Đến lúc anh muốn liêm chính, thì AI CHO ANH TRUNG THỰC và LIÊM CHÍNH (mượn câu của Chí Phèo), vì cơ chế và môi trường đã như vậy, mình anh không thể thay đổi được. Quay lại câu chuyện, thiết nghĩ vấn đề “trung thực và liêm chính” trong khoa học với mỗi người hãy trung thực và liêm chính với bản thân mình trước, rồi hãy hy vọng sống và làm việc có trách nhiệm cho xã hội. Bởi vì mưu toan cuộc sống, những NHU CẦU vượt quá KHẢ NĂNG vốn có nên khó có thể làm ĐÚNG, TRUNG THỰC và TRÁCH NHIỆM ngay từ đầu. Trừ phi, một số trường hợp họ đã không màng đến TIỀN BẠC nữa (kiếm đủ rồi), mà chú trọng trong đến những DANH VỌNG để lưu danh sử sách.

Khó còn ở chỗ, khi ai đó đã không màng (đặt nặng) TIỀN BẠC nữa, chuyện của nhà mình xong rồi, còn cháy nhà hàng xóm thì mặc kệ. Được mấy ai không màng tới những mưu toan cuộc sống? mấy ai đã dành bao nhiều “tiền tài vật lực” để gieo trồng mà đến ngày gặt hái không thu lại? mặc cho xã hội ta cứ “mất tiền mua mâm thì đâm cho thủng”. Cho nên, đã là cơ chế và thực tại môi trường nghiên cứu đã vậy, “CÓ NÊN vì đuổi một vài con chuột (cá nhân) mà đang tâm ném vỡ một cái bình quý không?” (3).

Xin được nhàm lời, cá nhân chưa là gì, chưa làm được gì, cũng chưa kinh qua, chỉ là cóp nhặt mấy ý đưa ra cảm nhận riêng, mong được bỏ quá cho.

Read More

Đẹp trong tâm hồn

T

rong mỗi chúng ta, ai cũng có cá tính riêng, có cái nhìn nhận và cách sống riêng. Do tổng hòa các yếu tố về môi trường, kinh tế và xã hội ở mỗi thời (thế hệ) ảnh hưởng không giống nhau đến nhận thức, cuộc sống mỗi chúng ta. Người tốt có, kẻ xấu có. Điều đó góp phần tạo nên sự đa dạng văn hóa, đạo đức trong xã hội. Bất kỳ ai, ở độ tuổi nào và làm bất kỳ công việc gì hãy luôn là chính bạn. Không nên so sánh với mọi người xung quanh, đôi khi đừng vì sĩ diện mà đánh mất mình. Nhu cầu, đặc biệt về của cải vật chất chưa bao giờ là đủ với bất kỳ ai, nhưng nếu biết “tiết độ” chúng ta sẽ tránh được sự “lạm dụng” những nhu cầu mà vượt quá khả năng mà ta có thể có. NHU CẦU phải cân bằng, tỷ lệ thuận với KHẢ NĂNG. Khi đó tâm hồn trong mỗi chúng ta sẽ nhẹ nhàng, thanh cao và sống có ý nghĩa với đời, cuộc sống này hơn. Rousseau nói “Sự lo xa không ngừng đem chúng ta vượt lên phía trước chúng ta, và thường đặt ta ở nơi mà ta sẽ chẳng hề đến được, đó là nguồn gốc thực sự mọi khốn khổ của chúng ta” (1).         

Mỗi chúng ta, biết được khả năng của mình ở hiện tại mà phấn đấu, cũng như những nhu cầu cho phù hợp với khả năng đó và đừng quên đi thực tại, cho dù bạn muốn trở thành một ngôi sao trong lĩnh vực nào đó hoặc tin tưởng vào phép màu. “Hãy thu hẹp sự tồn tại của anh vào bên trong anh, thế là anh sẽ không khốn khổ nữa”, “Tự do của anh, quyền lực của anh, chỉ trải ra xa rộng ngang tầm sức lực tự nhiên của anh, mà chẳng vượt quá; mọi thứ còn lại chỉ là tình trạng nô lệ, ảo tưởng, dụ hoặc” (1).  

Tôi, bạn và chúng ta, hãy luôn giữ cho tâm hồn đẹp, tươi trẻ, nhẹ nhàng, để sống khỏe, sống có ích cho một ngày mai tươi sáng hơn. “ ... một suối nguồn của đức hạnh cao quý dành cho một tâm hồn biết rèn luyện chính là phải học hỏi, một cách dần dần, trước hết là phải thay đổi trong những điều hữu hình và nhất thời, để sau đó có thể bỏ tất cả chúng lại đằng sau...”, “Kẻ có tâm hồn yếu ớt thì cố định tình yêu của mình vào một chấm nhỏ trên thế giới, người mạnh mẽ thì mở rộng tình yêu của mình tới mọi nơi; người đàn ông hoàn hảo đã dập tắt tình yêu của mình” (2). 

Read More

Vẽ biểu đồ hộp với package ggplot 2 - b1

Trong bài này mình xin được giới thiệu cách vẽ biểu đồ hộp trong r với package ggplot2 mà mình mới tìm hiểu và thực hành. Biểu đồ hộp cung cấp rất nhiều thông tin về phân bố của một biến số kèm theo những chỉ số thống kê cơ bản. Biểu đồ hộp dưới đây mô tả dữ liệu về một số chỉ tiêu sinh trưởng (tree height, stump diameter...) của cây keo lá liềm trồng trên vùng cát ven biển các tỉnh Bắc Trung Bộ mà mình và nhóm đang thực hiện. Biểu đồ hộp dưới đây cung cấp cho chúng ta một số thông tin như:

• Trung vị thể hiện bằng thanh ngang màu đậm, nằm giữa thanh bách phân vị thứ 75 trên cùng và thanh bách phân vị thứ 25 dưới cùng của biểu đồ hộp.
• Bách phân vị thứ 75, thanh ngang màu nhạt hơn nằm phía trên của thanh trung vị. Kết quả cho thấy bách phân vị thứ 75 là 1,51 m (hình 1, TN) và 3,66 cm (hình 1, DC). Nghĩa là có 75% đối tượng cây keo lá liềm điều tra có sinh trưởng chiều cao cây là 1,51 m ở công thức thí nghiệm (TN) và 75% đối tượng điều tra có sinh trưởng chiều cao cây là 1,04 m ở công thức đối chứng (DC).
• Bách phân vị thứ 25, thanh ngang màu nhạt hơn nằm phía dưới của thanh trung vị. Kết quả cho thấy, có 25% đối tượng điều tra có sinh trưởng chiều cao cây đạt 0,74 m (TN) và 0,70 m (DC).

# library(ggplot2)

> rph1

> attach(rph1)

> head(rph1)

> b=ggplot(data=rph1, aes(x=rph1$CTTN, y=Dt))

> b+geom_boxplot(aes(fill=CTTN))+theme_bw() + theme_classic() + ylab("Hvn")+xlab("CTTN")+theme(legend.position="top")

# result Fig.1

# Thay đổi xlab, ylab

> b=ggplot(data=rph1, aes(x=rph1$CTTN, y=Dt))

> b+geom_boxplot(aes(fill=CTTN))+theme_bw() + theme_classic() + ylab("Duong kinh tan")+xlab("CTTN")+theme(legend.position="top")

# result Fig.2

# Vẽ biểu đồ tương quan

> p =ggplot(data=rph1, aes(x=Dgoc, y=Hvn))

> p+geom_point(aes(col=CTTN, size=Sothan))+ geom_smooth(method="lm")+theme_bw()+ theme_classic()+ xlab("Dgoc") + ylab("Hvn")

# result Fig.3

Read More

Biết sai vẫn cứ làm

M

ới đây thông tin dự án Le Mont Ba Vì Resort & Spa xây dựng khi chưa được cấp phép, tại cốt 600m, nằm trọn vẹn trong VQG Ba Vì mà các cơ quan chủ quản (Bộ NN&PTNT) không hề hay biết gì? Sau khi có mặt báo giới phản ảnh, Bộ NN&PTNT mới có Thông báo hỏa tốc số 1499/TB-BNN-VP ngày 29/02/2016 về ý kiến chỉ đạo của Bộ trưởng Cao Đức Phát thanh tra, kiểm tra (1).

            

Khi đoàn thanh tra vào cuộc, GĐ VQG Ba Vì ông Nguyễn Phi Truyền Dự án “có nhiều vấn đề”, nhưng vẫn để chủ đầu tư (CFTD) xây dựng là do “nể nang” (2) và những lý do viện dẫn cho quyết định (sai) của mình. Cái sai của ông Truyền có thể đưa ra: (i) biết chưa được phép vẫn bật đèn xanh cho CFTD xây dựng (đã hoàn thiện và đưa vào khai thác), BIẾT SAI MÀ VẪN LÀM; (ii) làm việc theo cảm tính, “NỂ NANG” trong quá trình thực hiện nhiệm vụ ảnh hưởng đến môi trường sinh thái, kinh tế, xã hội, cũng như ngân sách quốc gia (không thể chấp nhận được một vị tư lệnh VQG), xét về lý ông chưa làm tròn tránh nhiệm của mình; (iii) làm trái pháp luật (chưa nắm rõ quy định pháp luật). Theo Điểm b Khoản 2 Điều 3 Nghị quyết 49/2010/QH12, dự án, công trình sử dụng đất, có yêu cầu chuyển mục đích sử dụng đất VQG... từ 50ha trở lên phải trình Quốc hội quyết định chủ trương đầu tư (3).

            

Thiết nghĩ, với cơ chế và cách làm việc theo cảm tính (quan hệ, tiền tệ, hậu duệ...) như hiện nay, thì đâu cũng vào đó hết. Chẳng ai sai, HÒA CẢ LÀNG vì thanh tra, kiểm tra chưa phát hiện tiêu cực, lợi ích nhóm, tham nhũng... trong quá trình tổ chức, chỉ có một số sai phạm nhỏ. Rồi chỉ đạo khắc phục những tồn tại, hạn chế, thiếu sót do chưa thống nhất từ trên xuống.

            

Xin được kết thúc bài viết bằng câu danh ngôn của Lão Tử:       

“Đạo trời không thiên vị ai, luôn ban ơn cho người có đức”.

Read More