BÀI TẬP VỀ NHÀ
Huỳnh Trọng Phúc
2023-06-04
1 BÀI TẬP TUẦN 7
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.2 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ readr::guess_encoding() masks rvest::guess_encoding()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors1.1 Scrape dữ liệu
Thực hiện việc scrape dữ liệu
Dân số Việt Nam (năm 2023 ước tính và lịch sử)
Trong năm 2023, dân số của Việt Nam dự kiến sẽ tăng 745.096 người và đạt 100.059.299 người vào đầu năm 2024. Gia tăng dân số tự nhiên được dự báo là dương vì số lượng sinh sẽ nhiều hơn số người chết đến 737.733 người. Nếu tình trạng di cư vẫn ở mức độ như năm trước, dân số sẽ tăng 7.363 người. Điều đó có nghĩa là số người chuyển đến Việt Nam để định cư sẽ chiếm ưu thế so với số người rời khỏi đất nước này để định cư ở một nước khác. Theo ước tính của chúng tôi, tỷ lệ thay đổi dân số hàng ngày của Việt Nam vào năm 2023 sẽ như sau: 3.887 trẻ em được sinh ra trung bình mỗi ngày 1.866 người chết trung bình mỗi ngày 20 người di cư trung bình mỗi ngày Dân số Việt Nam sẽ tăng trung bình 2.041 người mỗi ngày trong năm 2023.
Nhân khẩu Việt Nam 2022 Tính đến ngày 31 tháng 12 năm 2022, dân số Việt Nam ước tính là 99.329.145 người, tăng 784.706 người so với dân số 98.564.407 người năm trước. Năm 2022, tỷ lệ gia tăng dân số tự nhiên là dương vì số người sinh nhiều hơn số người chết đến 879.634 người. Do tình trạng di cư dân số giảm -94.928 người. Tỷ lệ giới tính trong tổng dân số là 0,997 (997 nam trên 1.000 nữ) thấp hơn tỷ lệ giới tính toàn cầu. Tỷ lệ giới tính toàn cầu trên thế giới năm 2022 khoảng 1.017 nam trên 1.000 nữ. Dưới đây là những số liệu chính về dân số ở Việt Nam trong năm 2022: 1.523.859 trẻ được sinh ra 644.225 người chết Gia tăng dân số tự nhiên: 879.634 người Di cư: -94.928 người 49.589.964 nam giới tính đến ngày 31 tháng 12 năm 2022 49.739.181 nữ giới tính đến ngày 31 tháng 12 năm 2022.
url <- "https://danso.org/viet-nam/"
web <- read_html(url)
tables <- web %>% html_table(fill = TRUE)
data_table <- tables[[1]]
print(data_table)## # A tibble: 18 × 13
## Năm `Dân số` `% thay đổi` `Thay đổi` `Di cư` `Tuổi trung bình`
## <int> <int> <dbl> <int> <int> <dbl>
## 1 2020 97338579 0.91 876473 -80000 32.5
## 2 2019 96462106 0.96 916144 -80000 30.9
## 3 2018 95545962 1 945314 -80000 30.9
## 4 2017 94600648 1.03 960226 -80000 30.9
## 5 2016 93640422 1.04 963346 -80000 30.9
## 6 2015 92677076 1.05 941885 -80000 30.5
## 7 2010 87967651 0.97 826998 -159994 28.5
## 8 2005 83832661 0.96 784450 -130200 26.4
## 9 2000 79910412 1.3 999990 -43200 24.2
## 10 1995 74910461 1.96 1384320 -78847 22.3
## 11 1990 67988862 2.23 1418428 -66465 21.1
## 12 1985 60896721 2.33 1322975 -65513 20
## 13 1980 54281846 2.19 1112731 -171779 19.1
## 14 1975 48718189 2.34 1062679 0 18.3
## 15 1970 43404793 2.77 1109168 0 18.2
## 16 1965 37858951 2.99 1037782 0 19.2
## 17 1960 32670039 3.02 904519 0 21.9
## 18 1955 28147443 2.56 667508 0 23.6
## # ℹ 7 more variables: `Tỷ lệ \t\tsinh` <dbl>, `Mật độ` <int>,
## # `% dân thành thị` <dbl>, `Dân thành thị` <int>, `% thế giới` <dbl>,
## # `Thế giới` <dbl>, Hạng <int>Bảng thống kê trên bao gồm các Năm, Dân số, % thay đổi, Thay đổi, Di cư, Tuổi trung bình, Tỷ lệ sinh Mật độ, % dân thành thị, Dân thành thị, % thế giới, Thế giới, Hạng từ năm 1955 đến 2020
1.1.1 Một số thống kê cơ bản
##
## 28147443 32670039 37858951 43404793 48718189 54281846 60896721 67988862
## 1 1 1 1 1 1 1 1
## 74910461 79910412 83832661 87967651 92677076 93640422 94600648 95545962
## 1 1 1 1 1 1 1 1
## 96462106 97338579
## 1 1Nhìn vào dân sô cập nhật có thể nhận thấy dân số cao nhất là 97338579 và cập nhật có dân số thấp nhất là 28147443.
## [1] 1.00 1.03 1.04 1.05 1.30 1.96 2.23 2.33 2.19 2.34 2.77 2.99 3.02 2.56## [1] 1384320 1418428 1322975 1112731 1062679 1109168 1037782Nhận xét: qua 2 câu lệnh trên ta thấy được % thay đổi theo dân số lớn hơn 1 chiếm 14 quan số và thay đổi theo dân số lớn hơn 1 triệu chiếm 7 quan sát.
## Năm Dân số % thay đổi Thay đổi
## Min. :1955 Min. :28147443 Min. :0.910 Min. : 667508
## 1st Qu.:1976 1st Qu.:50109103 1st Qu.:1.008 1st Qu.: 907425
## Median :1998 Median :77410436 Median :1.630 Median : 961786
## Mean :1994 Mean :70602935 Mean :1.756 Mean :1013052
## 3rd Qu.:2016 3rd Qu.:93399586 3rd Qu.:2.337 3rd Qu.:1097546
## Max. :2020 Max. :97338579 Max. :3.020 Max. :1418428
## Di cư Tuổi trung bình Tỷ lệ \t\tsinh Mật độ
## Min. :-171779 Min. :18.20 Min. :1.920 Min. : 91.0
## 1st Qu.: -80000 1st Qu.:20.27 1st Qu.:1.980 1st Qu.:161.5
## Median : -79424 Median :23.90 Median :2.740 Median :250.0
## Mean : -66444 Mean :24.97 Mean :3.666 Mean :227.7
## 3rd Qu.: -10800 3rd Qu.:30.80 3rd Qu.:5.475 3rd Qu.:301.2
## Max. : 0 Max. :32.50 Max. :6.460 Max. :314.0
## % dân thành thị Dân thành thị % thế giới Thế giới
## Min. :13.10 Min. : 3685807 Min. :1.020 Min. :2.773e+09
## 1st Qu.:18.93 1st Qu.: 9480602 1st Qu.:1.198 1st Qu.:4.174e+09
## Median :23.40 Median :18118580 Median :1.250 Median :5.944e+09
## Mean :25.61 Mean :19953377 Mean :1.222 Mean :5.695e+09
## 3rd Qu.:34.70 3rd Qu.:32385682 3rd Qu.:1.260 3rd Qu.:7.443e+09
## Max. :37.70 Max. :36727248 Max. :1.300 Max. :7.795e+09
## Hạng
## Min. :13.00
## 1st Qu.:13.00
## Median :15.00
## Mean :14.94
## 3rd Qu.:16.50
## Max. :18.00Từ kết quả trên ta có:
Đối với dân số, từ năm 1980 đến 2020: Dân số nhiều nhất là 97338579 người, dân số ít nhất là 28147443 người, dân số đạt mức trung bình là 70602935 người.
Đối với Mật độ dân số từ năm 1980 đến năm 2020: Mật độ dân số cao nhất là 314, thấp nhất là 91, đạt mức trung bình là 227.7
Đối với tuổi trung bình từ năm 1980 đến 2020: tuổi trung bình cao nhất là 32.5, thấp nhất là 18.2, đạt mức trung bình là 24.97
1.1.2 Một số tính toán cơ bản
## [1] 70602935## [1] 227.6667## [1] 24.96667## Năm Dân số % thay đổi Thay đổi
## Min. :1955 Min. :28147443 Min. :0.910 Min. : 667508
## 1st Qu.:1976 1st Qu.:50109103 1st Qu.:1.008 1st Qu.: 907425
## Median :1998 Median :77410436 Median :1.630 Median : 961786
## Mean :1994 Mean :70602935 Mean :1.756 Mean :1013052
## 3rd Qu.:2016 3rd Qu.:93399586 3rd Qu.:2.337 3rd Qu.:1097546
## Max. :2020 Max. :97338579 Max. :3.020 Max. :1418428
## Di cư Tuổi trung bình Tỷ lệ \t\tsinh Mật độ
## Min. :-171779 Min. :18.20 Min. :1.920 Min. : 91.0
## 1st Qu.: -80000 1st Qu.:20.27 1st Qu.:1.980 1st Qu.:161.5
## Median : -79424 Median :23.90 Median :2.740 Median :250.0
## Mean : -66444 Mean :24.97 Mean :3.666 Mean :227.7
## 3rd Qu.: -10800 3rd Qu.:30.80 3rd Qu.:5.475 3rd Qu.:301.2
## Max. : 0 Max. :32.50 Max. :6.460 Max. :314.0
## % dân thành thị Dân thành thị % thế giới Thế giới
## Min. :13.10 Min. : 3685807 Min. :1.020 Min. :2.773e+09
## 1st Qu.:18.93 1st Qu.: 9480602 1st Qu.:1.198 1st Qu.:4.174e+09
## Median :23.40 Median :18118580 Median :1.250 Median :5.944e+09
## Mean :25.61 Mean :19953377 Mean :1.222 Mean :5.695e+09
## 3rd Qu.:34.70 3rd Qu.:32385682 3rd Qu.:1.260 3rd Qu.:7.443e+09
## Max. :37.70 Max. :36727248 Max. :1.300 Max. :7.795e+09
## Hạng
## Min. :13.00
## 1st Qu.:13.00
## Median :15.00
## Mean :14.94
## 3rd Qu.:16.50
## Max. :18.00## [1] 3.6661111.2 Viết Function
Viết hàm dùng để giải phương trình bậc 2:
solve_2 = function(a,b,c){
if(a==0){
if(b==0 & c==0 ){
print("Phương trình vô số nghiệm")
}
if(b==0 & c != 0 ){
print("Phương trình vô nghiệm")
}
else {
print("Phương trình có nghiệm:")
print(-c/b)
}
}
else{
delta = b^2-4*a*c
if(delta <0){
print("Phương trình vô nghiệm")
}
else if(delta == 0){
x = -b/(2*a)
print("Phương trình có nghiệm kép x = ")
print(x)
}
else if(delta > 0 ){
x1 = (-b + sqrt(delta))/(2*a)
x2 = (-b - sqrt(delta))/(2*a)
print("Phương trình có 2 nghiệm phân biệt:")
print(x1)
print(x2)
}
}
}
solve_2(100,-99,-199)## [1] "Phương trình có 2 nghiệm phân biệt:"
## [1] 1.99
## [1] -1## [1] "Phương trình có nghiệm kép x = "
## [1] 2.4Chúng ta đã tạo một function có tên là tinh_toan_phuong_trinh_bac_3 (tức là “tính toán phương trình bậc 3” trong tiếng Việt). Function này nhận đầu vào là các hệ số của phương trình bậc 3 (a, b, c, d) và thực hiện tính toán.
Đầu tiên, function kiểm tra xem a có khác 0 hay không. Nếu a bằng 0, function sẽ ngừng và thông báo lỗi.
Sau đó, function tính delta (delta0) và giá trị liên quan (delta1, C). Công thức tính delta được sử dụng dựa trên công thức của phương trình bậc 3.
Cuối cùng, function tính nghiệm x1 dựa trên các giá trị đã tính toán và trả về kết quả.
Bạn có thể sử dụng function này trong RStudio bằng cách gọi tinh_toan_phuong_trinh_bac_3(a, b, c, d), với a, b, c, d là các hệ số của phương trình bậc 3 bạn muốn tính toán.
tinh_toan_phuong_trinh_bac_3 <- function(a, b, c, d) {
# Kiểm tra a khác 0
if (a == 0) {
stop("Lỗi: a phải khác 0")
}
# Tính delta và các giá trị liên quan
delta0 <- b^2 - 3*a*c
delta1 <- 2*b^3 - 9*a*b*c + 27*a^2*d
C <- ((delta1 + sqrt(delta1^2 - 4*delta0^3))/2)^0.3333
# Tính nghiệm
x1 <- (-1/(3*a)) * (b + C + (delta0/C))
# Trả về kết quả
return(x1)
}
tinh_toan_phuong_trinh_bac_3(3,6,9,12)## [1] -1.650179## Warning in sqrt(delta1^2 - 4 * delta0^3): NaNs produced## [1] NaN1.3 Tìm hiểu 10 indicators
Dân số Việt Nam từ năm 1955 - 2020. Dưới đây bao gồm các dữ liệu đo lường sau:
Năm, Dân số, % thay đổi, Thay đổi, Di cư, Tuổi trung bình, Tỷ lệ sinh Mật độ, % dân thành thị, Dân thành thị, % thế giới, Thế giới, Hạng.
Package WDI trong R đề cập đến một gói phần mềm R được sử dụng để truy cập và sử dụng dữ liệu World Development indicators (WDI) từ Ngân hàng Thế giới.
Gói WDI trong R chứa các chức năng cho phép người dùng tải xuống và truy vấn các chỉ số WDI một cách dễ dàng từ dữ liệu WDI đã được thu thập và tổ chức sẵn. Điều này cho phép người dùng thực hiện phân tích và trực quan hóa dữ liệu WDI một cách thuận tiện trực tiếp trong môi trường R.
Để sử dụng gói WDI trong R, bạn cần cài đặt gói này bằng cách chạy lệnh install.packages(“WDI”). Sau đó, bạn có thể gọi gói WDI vào phiên làm việc R bằng cách sử dụng lệnh library(WDI).
Gói WDI trong R cung cấp các hàm như WDIsearch() để tìm kiếm thông tin về chỉ số WDI, WDIconc() để tải dữ liệu WDI và WDI() để truy vấn dữ liệu từ WDI. Bạn có thể tìm hiểu thêm về các hàm và cách sử dụng chúng trong tài liệu và ví dụ được cung cấp bởi gói WDI.
1.3.1 indicators dân số ở Việt Nam
Truy xuất dữ liệu dân số của Việt Nam từ 1980 đến 2020, indicator = “SP.POP.TOTL”, Chuyển đổi dữ liệu thành khung dữ liệu df , in kết quả ra và vẽ biểu đồ thể hiện dân số Việt Nam theo thời gian từ năm 1980 - 2020.
Sau đó in kết quả ra màn hình
Bạn có thể chuyển đổi nó thành khung dữ liệu
Sau đó vẽ biểu đồ
# Gọi các gói cần thiết
library(dplyr)
library(WDI)
# Lấy dữ liệu
population_data <- WDI(country = "VN", indicator = c("SP.POP.TOTL"), start = 1980, end = 2020)
print(population_data)## country iso2c iso3c year SP.POP.TOTL
## 1 Vietnam VN VNM 2020 96648685
## 2 Vietnam VN VNM 2019 95776716
## 3 Vietnam VN VNM 2018 94914330
## 4 Vietnam VN VNM 2017 94033048
## 5 Vietnam VN VNM 2016 93126529
## 6 Vietnam VN VNM 2015 92191398
## 7 Vietnam VN VNM 2014 91235504
## 8 Vietnam VN VNM 2013 90267739
## 9 Vietnam VN VNM 2012 89301326
## 10 Vietnam VN VNM 2011 88349117
## 11 Vietnam VN VNM 2010 87411012
## 12 Vietnam VN VNM 2009 86482923
## 13 Vietnam VN VNM 2008 85597241
## 14 Vietnam VN VNM 2007 84762269
## 15 Vietnam VN VNM 2006 83951800
## 16 Vietnam VN VNM 2005 83142095
## 17 Vietnam VN VNM 2004 82311227
## 18 Vietnam VN VNM 2003 81475825
## 19 Vietnam VN VNM 2002 80642308
## 20 Vietnam VN VNM 2001 79817777
## 21 Vietnam VN VNM 2000 79001142
## 22 Vietnam VN VNM 1999 78123713
## 23 Vietnam VN VNM 1998 77128424
## 24 Vietnam VN VNM 1997 76058603
## 25 Vietnam VN VNM 1996 74946448
## 26 Vietnam VN VNM 1995 73759110
## 27 Vietnam VN VNM 1994 72501087
## 28 Vietnam VN VNM 1993 71176405
## 29 Vietnam VN VNM 1992 69788747
## 30 Vietnam VN VNM 1991 68358820
## 31 Vietnam VN VNM 1990 66912613
## 32 Vietnam VN VNM 1989 65466361
## 33 Vietnam VN VNM 1988 64037514
## 34 Vietnam VN VNM 1987 62630787
## 35 Vietnam VN VNM 1986 61221107
## 36 Vietnam VN VNM 1985 59811313
## 37 Vietnam VN VNM 1984 58406863
## 38 Vietnam VN VNM 1983 57011444
## 39 Vietnam VN VNM 1982 55632153
## 40 Vietnam VN VNM 1981 54280394
## 41 Vietnam VN VNM 1980 52968270## country iso2c iso3c year SP.POP.TOTL
## 1 Vietnam VN VNM 2020 96648685
## 2 Vietnam VN VNM 2019 95776716
## 3 Vietnam VN VNM 2018 94914330
## 4 Vietnam VN VNM 2017 94033048
## 5 Vietnam VN VNM 2016 93126529
## 6 Vietnam VN VNM 2015 92191398
## 7 Vietnam VN VNM 2014 91235504
## 8 Vietnam VN VNM 2013 90267739
## 9 Vietnam VN VNM 2012 89301326
## 10 Vietnam VN VNM 2011 88349117
## 11 Vietnam VN VNM 2010 87411012
## 12 Vietnam VN VNM 2009 86482923
## 13 Vietnam VN VNM 2008 85597241
## 14 Vietnam VN VNM 2007 84762269
## 15 Vietnam VN VNM 2006 83951800
## 16 Vietnam VN VNM 2005 83142095
## 17 Vietnam VN VNM 2004 82311227
## 18 Vietnam VN VNM 2003 81475825
## 19 Vietnam VN VNM 2002 80642308
## 20 Vietnam VN VNM 2001 79817777
## 21 Vietnam VN VNM 2000 79001142
## 22 Vietnam VN VNM 1999 78123713
## 23 Vietnam VN VNM 1998 77128424
## 24 Vietnam VN VNM 1997 76058603
## 25 Vietnam VN VNM 1996 74946448
## 26 Vietnam VN VNM 1995 73759110
## 27 Vietnam VN VNM 1994 72501087
## 28 Vietnam VN VNM 1993 71176405
## 29 Vietnam VN VNM 1992 69788747
## 30 Vietnam VN VNM 1991 68358820
## 31 Vietnam VN VNM 1990 66912613
## 32 Vietnam VN VNM 1989 65466361
## 33 Vietnam VN VNM 1988 64037514
## 34 Vietnam VN VNM 1987 62630787
## 35 Vietnam VN VNM 1986 61221107
## 36 Vietnam VN VNM 1985 59811313
## 37 Vietnam VN VNM 1984 58406863
## 38 Vietnam VN VNM 1983 57011444
## 39 Vietnam VN VNM 1982 55632153
## 40 Vietnam VN VNM 1981 54280394
## 41 Vietnam VN VNM 1980 529682701.3.1.1 Đồ thị trực quan hóa
ggplot(df, aes(x = df$year, y = df$SP.POP.TOTL)) +
geom_line() +
labs(x = "Year", y = "Population", title = "Population of VN over Time") +
theme_bw()
Nhận xét: Dân số của Việt Nam tăng dần theo thời gian từ năm 1980 - 2020, dựa vào biểu đồ thì chúng ta có thể thấy dân số Việt Nam tăng liên tục từ năm 1980 đến 2020
1.3.2 Tuổi thọ trung bình của dân số Việt Nam
indicator của Tuổi thọ trung bình của dân số Việt Nam = “SP.DYN.LE00.IN”
Chỉ số “SP.DYN.LE00.IN” trong gói dữ liệu WDI đo lường tuổi thọ trung bình của con người tại một quốc gia cụ thể. Ý nghĩa của chỉ số này là đánh giá tuổi thọ trung bình (số năm dự kiến mà một người được sống) của dân số trong một quốc gia.
Tuổi thọ trung bình (Life Expectancy) là một chỉ số quan trọng trong đánh giá sức khỏe và phát triển đời sống con người trong một quốc gia. Nó phản ánh mức độ chăm sóc y tế, tiến bộ y tế, điều kiện sống, và các yếu tố khác có thể ảnh hưởng đến tuổi thọ của dân số.
Dữ liệu về tuổi thọ trung bình được sử dụng để so sánh mức độ phát triển và chất lượng cuộc sống giữa các quốc gia khác nhau. Nó cũng là một trong những chỉ số quan trọng được sử dụng khi đánh giá hiệu quả của các chính sách y tế và xã hội, và để theo dõi xu hướng và thay đổi về tuổi thọ trung bình trong thời gian.
age <- WDI(indicator = "SP.DYN.LE00.IN", country = "VN",extra = TRUE, start = 1980, end = 2020)
print(age)## country iso2c iso3c year SP.DYN.LE00.IN status lastupdated
## 1 Vietnam VN VNM 2020 75.378 2023-06-29
## 2 Vietnam VN VNM 2019 74.093 2023-06-29
## 3 Vietnam VN VNM 2018 73.976 2023-06-29
## 4 Vietnam VN VNM 2017 73.963 2023-06-29
## 5 Vietnam VN VNM 2016 73.938 2023-06-29
## 6 Vietnam VN VNM 2015 73.876 2023-06-29
## 7 Vietnam VN VNM 2014 73.855 2023-06-29
## 8 Vietnam VN VNM 2013 73.775 2023-06-29
## 9 Vietnam VN VNM 2012 73.704 2023-06-29
## 10 Vietnam VN VNM 2011 73.692 2023-06-29
## 11 Vietnam VN VNM 2010 73.513 2023-06-29
## 12 Vietnam VN VNM 2009 73.498 2023-06-29
## 13 Vietnam VN VNM 2008 73.411 2023-06-29
## 14 Vietnam VN VNM 2007 73.436 2023-06-29
## 15 Vietnam VN VNM 2006 73.319 2023-06-29
## 16 Vietnam VN VNM 2005 73.271 2023-06-29
## 17 Vietnam VN VNM 2004 73.135 2023-06-29
## 18 Vietnam VN VNM 2003 72.980 2023-06-29
## 19 Vietnam VN VNM 2002 72.801 2023-06-29
## 20 Vietnam VN VNM 2001 72.647 2023-06-29
## 21 Vietnam VN VNM 2000 72.462 2023-06-29
## 22 Vietnam VN VNM 1999 72.317 2023-06-29
## 23 Vietnam VN VNM 1998 72.107 2023-06-29
## 24 Vietnam VN VNM 1997 71.802 2023-06-29
## 25 Vietnam VN VNM 1996 71.510 2023-06-29
## 26 Vietnam VN VNM 1995 71.384 2023-06-29
## 27 Vietnam VN VNM 1994 70.759 2023-06-29
## 28 Vietnam VN VNM 1993 70.621 2023-06-29
## 29 Vietnam VN VNM 1992 69.958 2023-06-29
## 30 Vietnam VN VNM 1991 69.849 2023-06-29
## 31 Vietnam VN VNM 1990 69.213 2023-06-29
## 32 Vietnam VN VNM 1989 69.076 2023-06-29
## 33 Vietnam VN VNM 1988 68.469 2023-06-29
## 34 Vietnam VN VNM 1987 68.392 2023-06-29
## 35 Vietnam VN VNM 1986 68.013 2023-06-29
## 36 Vietnam VN VNM 1985 67.601 2023-06-29
## 37 Vietnam VN VNM 1984 67.305 2023-06-29
## 38 Vietnam VN VNM 1983 67.148 2023-06-29
## 39 Vietnam VN VNM 1982 67.106 2023-06-29
## 40 Vietnam VN VNM 1981 66.645 2023-06-29
## 41 Vietnam VN VNM 1980 66.195 2023-06-29
## region capital longitude latitude income lending
## 1 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 2 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 3 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 4 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 5 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 6 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 7 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 8 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 9 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 10 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 11 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 12 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 13 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 14 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 15 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 16 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 17 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 18 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 19 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 20 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 21 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 22 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 23 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 24 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 25 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 26 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 27 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 28 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 29 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 30 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 31 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 32 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 33 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 34 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 35 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 36 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 37 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 38 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 39 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 40 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 41 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD## country iso2c iso3c year SP.DYN.LE00.IN status lastupdated
## 1 Vietnam VN VNM 2020 75.378 2023-06-29
## 2 Vietnam VN VNM 2019 74.093 2023-06-29
## 3 Vietnam VN VNM 2018 73.976 2023-06-29
## 4 Vietnam VN VNM 2017 73.963 2023-06-29
## 5 Vietnam VN VNM 2016 73.938 2023-06-29
## 6 Vietnam VN VNM 2015 73.876 2023-06-29
## 7 Vietnam VN VNM 2014 73.855 2023-06-29
## 8 Vietnam VN VNM 2013 73.775 2023-06-29
## 9 Vietnam VN VNM 2012 73.704 2023-06-29
## 10 Vietnam VN VNM 2011 73.692 2023-06-29
## 11 Vietnam VN VNM 2010 73.513 2023-06-29
## 12 Vietnam VN VNM 2009 73.498 2023-06-29
## 13 Vietnam VN VNM 2008 73.411 2023-06-29
## 14 Vietnam VN VNM 2007 73.436 2023-06-29
## 15 Vietnam VN VNM 2006 73.319 2023-06-29
## 16 Vietnam VN VNM 2005 73.271 2023-06-29
## 17 Vietnam VN VNM 2004 73.135 2023-06-29
## 18 Vietnam VN VNM 2003 72.980 2023-06-29
## 19 Vietnam VN VNM 2002 72.801 2023-06-29
## 20 Vietnam VN VNM 2001 72.647 2023-06-29
## 21 Vietnam VN VNM 2000 72.462 2023-06-29
## 22 Vietnam VN VNM 1999 72.317 2023-06-29
## 23 Vietnam VN VNM 1998 72.107 2023-06-29
## 24 Vietnam VN VNM 1997 71.802 2023-06-29
## 25 Vietnam VN VNM 1996 71.510 2023-06-29
## 26 Vietnam VN VNM 1995 71.384 2023-06-29
## 27 Vietnam VN VNM 1994 70.759 2023-06-29
## 28 Vietnam VN VNM 1993 70.621 2023-06-29
## 29 Vietnam VN VNM 1992 69.958 2023-06-29
## 30 Vietnam VN VNM 1991 69.849 2023-06-29
## 31 Vietnam VN VNM 1990 69.213 2023-06-29
## 32 Vietnam VN VNM 1989 69.076 2023-06-29
## 33 Vietnam VN VNM 1988 68.469 2023-06-29
## 34 Vietnam VN VNM 1987 68.392 2023-06-29
## 35 Vietnam VN VNM 1986 68.013 2023-06-29
## 36 Vietnam VN VNM 1985 67.601 2023-06-29
## 37 Vietnam VN VNM 1984 67.305 2023-06-29
## 38 Vietnam VN VNM 1983 67.148 2023-06-29
## 39 Vietnam VN VNM 1982 67.106 2023-06-29
## 40 Vietnam VN VNM 1981 66.645 2023-06-29
## 41 Vietnam VN VNM 1980 66.195 2023-06-29
## region capital longitude latitude income lending
## 1 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 2 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 3 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 4 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 5 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 6 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 7 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 8 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 9 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 10 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 11 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 12 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 13 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 14 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 15 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 16 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 17 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 18 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 19 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 20 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 21 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 22 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 23 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 24 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 25 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 26 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 27 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 28 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 29 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 30 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 31 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 32 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 33 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 34 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 35 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 36 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 37 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 38 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 39 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 40 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 41 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD1.3.2.1 Đồ thị trực quan hóa
ggplot(df, aes(x = year, y = SP.DYN.LE00.IN)) +
geom_line(color="red") +
labs(x = "year", y = "Tuổi thọ trung bình", title = "Tuổi thọ trung bình của dân số Việt Nam từ năm 1980-2020") +
theme_bw()
Nhận xét: Tuổi thọ trung bình của Việt Nam từ năm 2012 đến 2019 là 74, nhưng đến năm 2020 thì độ tuổi đạt cột mốc cao nhất.
1.3.3 Di cư của nước Việt Nam
mig <- WDI(indicator = "SM.POP.NETM", country = 'VN', extra = TRUE, start = 1980, end = 2020)
print(mig)## country iso2c iso3c year SM.POP.NETM status lastupdated region
## 1 Vietnam VN VNM 2020 -2016 2023-06-29 East Asia & Pacific
## 2 Vietnam VN VNM 2019 -4028 2023-06-29 East Asia & Pacific
## 3 Vietnam VN VNM 2018 -3080 2023-06-29 East Asia & Pacific
## 4 Vietnam VN VNM 2017 -3847 2023-06-29 East Asia & Pacific
## 5 Vietnam VN VNM 2016 -4432 2023-06-29 East Asia & Pacific
## 6 Vietnam VN VNM 2015 -4761 2023-06-29 East Asia & Pacific
## 7 Vietnam VN VNM 2014 -4875 2023-06-29 East Asia & Pacific
## 8 Vietnam VN VNM 2013 -4786 2023-06-29 East Asia & Pacific
## 9 Vietnam VN VNM 2012 -4545 2023-06-29 East Asia & Pacific
## 10 Vietnam VN VNM 2011 -4378 2023-06-29 East Asia & Pacific
## 11 Vietnam VN VNM 2010 -4382 2023-06-29 East Asia & Pacific
## 12 Vietnam VN VNM 2009 -18546 2023-06-29 East Asia & Pacific
## 13 Vietnam VN VNM 2008 -101560 2023-06-29 East Asia & Pacific
## 14 Vietnam VN VNM 2007 -119471 2023-06-29 East Asia & Pacific
## 15 Vietnam VN VNM 2006 -131559 2023-06-29 East Asia & Pacific
## 16 Vietnam VN VNM 2005 -144080 2023-06-29 East Asia & Pacific
## 17 Vietnam VN VNM 2004 -150349 2023-06-29 East Asia & Pacific
## 18 Vietnam VN VNM 2003 -153880 2023-06-29 East Asia & Pacific
## 19 Vietnam VN VNM 2002 -159577 2023-06-29 East Asia & Pacific
## 20 Vietnam VN VNM 2001 -162571 2023-06-29 East Asia & Pacific
## 21 Vietnam VN VNM 2000 -150955 2023-06-29 East Asia & Pacific
## 22 Vietnam VN VNM 1999 -31169 2023-06-29 East Asia & Pacific
## 23 Vietnam VN VNM 1998 72370 2023-06-29 East Asia & Pacific
## 24 Vietnam VN VNM 1997 52526 2023-06-29 East Asia & Pacific
## 25 Vietnam VN VNM 1996 50794 2023-06-29 East Asia & Pacific
## 26 Vietnam VN VNM 1995 43672 2023-06-29 East Asia & Pacific
## 27 Vietnam VN VNM 1994 -2891 2023-06-29 East Asia & Pacific
## 28 Vietnam VN VNM 1993 -5426 2023-06-29 East Asia & Pacific
## 29 Vietnam VN VNM 1992 -5664 2023-06-29 East Asia & Pacific
## 30 Vietnam VN VNM 1991 -824 2023-06-29 East Asia & Pacific
## 31 Vietnam VN VNM 1990 -10252 2023-06-29 East Asia & Pacific
## 32 Vietnam VN VNM 1989 -6835 2023-06-29 East Asia & Pacific
## 33 Vietnam VN VNM 1988 -45612 2023-06-29 East Asia & Pacific
## 34 Vietnam VN VNM 1987 -56261 2023-06-29 East Asia & Pacific
## 35 Vietnam VN VNM 1986 -58879 2023-06-29 East Asia & Pacific
## 36 Vietnam VN VNM 1985 -56107 2023-06-29 East Asia & Pacific
## 37 Vietnam VN VNM 1984 -54728 2023-06-29 East Asia & Pacific
## 38 Vietnam VN VNM 1983 -57271 2023-06-29 East Asia & Pacific
## 39 Vietnam VN VNM 1982 -58798 2023-06-29 East Asia & Pacific
## 40 Vietnam VN VNM 1981 -57715 2023-06-29 East Asia & Pacific
## 41 Vietnam VN VNM 1980 -52498 2023-06-29 East Asia & Pacific
## capital longitude latitude income lending
## 1 Hanoi 105.825 21.0069 Lower middle income IBRD
## 2 Hanoi 105.825 21.0069 Lower middle income IBRD
## 3 Hanoi 105.825 21.0069 Lower middle income IBRD
## 4 Hanoi 105.825 21.0069 Lower middle income IBRD
## 5 Hanoi 105.825 21.0069 Lower middle income IBRD
## 6 Hanoi 105.825 21.0069 Lower middle income IBRD
## 7 Hanoi 105.825 21.0069 Lower middle income IBRD
## 8 Hanoi 105.825 21.0069 Lower middle income IBRD
## 9 Hanoi 105.825 21.0069 Lower middle income IBRD
## 10 Hanoi 105.825 21.0069 Lower middle income IBRD
## 11 Hanoi 105.825 21.0069 Lower middle income IBRD
## 12 Hanoi 105.825 21.0069 Lower middle income IBRD
## 13 Hanoi 105.825 21.0069 Lower middle income IBRD
## 14 Hanoi 105.825 21.0069 Lower middle income IBRD
## 15 Hanoi 105.825 21.0069 Lower middle income IBRD
## 16 Hanoi 105.825 21.0069 Lower middle income IBRD
## 17 Hanoi 105.825 21.0069 Lower middle income IBRD
## 18 Hanoi 105.825 21.0069 Lower middle income IBRD
## 19 Hanoi 105.825 21.0069 Lower middle income IBRD
## 20 Hanoi 105.825 21.0069 Lower middle income IBRD
## 21 Hanoi 105.825 21.0069 Lower middle income IBRD
## 22 Hanoi 105.825 21.0069 Lower middle income IBRD
## 23 Hanoi 105.825 21.0069 Lower middle income IBRD
## 24 Hanoi 105.825 21.0069 Lower middle income IBRD
## 25 Hanoi 105.825 21.0069 Lower middle income IBRD
## 26 Hanoi 105.825 21.0069 Lower middle income IBRD
## 27 Hanoi 105.825 21.0069 Lower middle income IBRD
## 28 Hanoi 105.825 21.0069 Lower middle income IBRD
## 29 Hanoi 105.825 21.0069 Lower middle income IBRD
## 30 Hanoi 105.825 21.0069 Lower middle income IBRD
## 31 Hanoi 105.825 21.0069 Lower middle income IBRD
## 32 Hanoi 105.825 21.0069 Lower middle income IBRD
## 33 Hanoi 105.825 21.0069 Lower middle income IBRD
## 34 Hanoi 105.825 21.0069 Lower middle income IBRD
## 35 Hanoi 105.825 21.0069 Lower middle income IBRD
## 36 Hanoi 105.825 21.0069 Lower middle income IBRD
## 37 Hanoi 105.825 21.0069 Lower middle income IBRD
## 38 Hanoi 105.825 21.0069 Lower middle income IBRD
## 39 Hanoi 105.825 21.0069 Lower middle income IBRD
## 40 Hanoi 105.825 21.0069 Lower middle income IBRD
## 41 Hanoi 105.825 21.0069 Lower middle income IBRD1.3.3.1 Đồ thị trực quan hóa
d <- data.frame(mig)
ggplot(d, aes(x = mig$year, y =mig$ SM.POP.NETM)) +
geom_line(color="blue") +
labs(x = "year", y = "Di cư", title = "Di cư của Việt Nam từ năm 1980-2020") +
theme_bw()## Warning: Use of `mig$year` is discouraged.
## ℹ Use `year` instead.## Warning: Use of `mig$SM.POP.NETM` is discouraged.
## ℹ Use `SM.POP.NETM` instead.
Nhận xét: di cư của Việt Nam có xu hướng từ năm 1985 đến năm 1997 và năm 2001 đến năm 2008, có xu hướng giảm từ 1987 đến năm 2001, ổn định từ năm 1980 đến 1985 và năm 2008 đến năm 2020.
1.3.4 Tỷ lệ dân số đô thị
Chỉ số “SP.URB.TOTL.IN.ZS” trong WDI đại diện cho tỷ lệ dân số đô thị trên tổng dân số trong một quốc gia hoặc khu vực cụ thể. Ý nghĩa của SP.URB.TOTL.IN.ZS là đo lường và hiểu mức độ đô thị hóa của một quốc gia và phân tích xu hướng và sự thay đổi về mặt đô thị hóa theo thời gian.
đothi <- WDI(indicator = "SP.URB.TOTL.IN.ZS", country = 'VN', extra = TRUE, start = 1980, end = 2020)
print(đothi)## country iso2c iso3c year SP.URB.TOTL.IN.ZS status lastupdated
## 1 Vietnam VN VNM 2020 37.340 2023-06-29
## 2 Vietnam VN VNM 2019 36.628 2023-06-29
## 3 Vietnam VN VNM 2018 35.919 2023-06-29
## 4 Vietnam VN VNM 2017 35.213 2023-06-29
## 5 Vietnam VN VNM 2016 34.510 2023-06-29
## 6 Vietnam VN VNM 2015 33.809 2023-06-29
## 7 Vietnam VN VNM 2014 33.115 2023-06-29
## 8 Vietnam VN VNM 2013 32.429 2023-06-29
## 9 Vietnam VN VNM 2012 31.752 2023-06-29
## 10 Vietnam VN VNM 2011 31.080 2023-06-29
## 11 Vietnam VN VNM 2010 30.417 2023-06-29
## 12 Vietnam VN VNM 2009 29.762 2023-06-29
## 13 Vietnam VN VNM 2008 29.128 2023-06-29
## 14 Vietnam VN VNM 2007 28.504 2023-06-29
## 15 Vietnam VN VNM 2006 27.888 2023-06-29
## 16 Vietnam VN VNM 2005 27.281 2023-06-29
## 17 Vietnam VN VNM 2004 26.683 2023-06-29
## 18 Vietnam VN VNM 2003 26.092 2023-06-29
## 19 Vietnam VN VNM 2002 25.511 2023-06-29
## 20 Vietnam VN VNM 2001 24.937 2023-06-29
## 21 Vietnam VN VNM 2000 24.374 2023-06-29
## 22 Vietnam VN VNM 1999 23.817 2023-06-29
## 23 Vietnam VN VNM 1998 23.371 2023-06-29
## 24 Vietnam VN VNM 1997 22.965 2023-06-29
## 25 Vietnam VN VNM 1996 22.563 2023-06-29
## 26 Vietnam VN VNM 1995 22.166 2023-06-29
## 27 Vietnam VN VNM 1994 21.774 2023-06-29
## 28 Vietnam VN VNM 1993 21.387 2023-06-29
## 29 Vietnam VN VNM 1992 21.006 2023-06-29
## 30 Vietnam VN VNM 1991 20.629 2023-06-29
## 31 Vietnam VN VNM 1990 20.257 2023-06-29
## 32 Vietnam VN VNM 1989 19.891 2023-06-29
## 33 Vietnam VN VNM 1988 19.752 2023-06-29
## 34 Vietnam VN VNM 1987 19.688 2023-06-29
## 35 Vietnam VN VNM 1986 19.625 2023-06-29
## 36 Vietnam VN VNM 1985 19.561 2023-06-29
## 37 Vietnam VN VNM 1984 19.498 2023-06-29
## 38 Vietnam VN VNM 1983 19.435 2023-06-29
## 39 Vietnam VN VNM 1982 19.372 2023-06-29
## 40 Vietnam VN VNM 1981 19.309 2023-06-29
## 41 Vietnam VN VNM 1980 19.247 2023-06-29
## region capital longitude latitude income lending
## 1 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 2 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 3 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 4 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 5 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 6 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 7 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 8 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 9 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 10 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 11 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 12 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 13 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 14 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 15 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 16 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 17 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 18 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 19 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 20 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 21 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 22 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 23 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 24 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 25 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 26 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 27 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 28 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 29 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 30 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 31 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 32 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 33 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 34 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 35 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 36 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 37 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 38 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 39 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 40 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 41 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD1.3.4.1 Đồ thị trực quan hóa
dt <- data.frame(đothi)
ggplot(dt, aes(x = đothi$year, y =đothi$SP.URB.TOTL.IN.ZS )) +
geom_line(color="yellow") +
labs(x = "year", y = "Tỷ lệ thành thị", title = "Tỷ lệ thành thị của Việt Nam từ năm 1980-2020") +
theme_bw()## Warning: Use of `đothi$year` is discouraged.
## ℹ Use `year` instead.## Warning: Use of `đothi$SP.URB.TOTL.IN.ZS` is discouraged.
## ℹ Use `SP.URB.TOTL.IN.ZS` instead.
Nhận xét: tỷ lệ thành thị của Việt Nam từ năm 1980-2020 có xu hướng tăng từ 18 lên trên 40
1.3.5 Tỷ lệ sinh của Việt Nam
wdi_data <- WDI(indicator = "SP.DYN.CBRT.IN", country = "VN", extra = TRUE, start = 1980, end = 2020)
print(wdi_data)## country iso2c iso3c year SP.DYN.CBRT.IN status lastupdated
## 1 Vietnam VN VNM 2020 15.400 2023-06-29
## 2 Vietnam VN VNM 2019 15.663 2023-06-29
## 3 Vietnam VN VNM 2018 15.873 2023-06-29
## 4 Vietnam VN VNM 2017 16.100 2023-06-29
## 5 Vietnam VN VNM 2016 16.438 2023-06-29
## 6 Vietnam VN VNM 2015 16.787 2023-06-29
## 7 Vietnam VN VNM 2014 16.981 2023-06-29
## 8 Vietnam VN VNM 2013 17.152 2023-06-29
## 9 Vietnam VN VNM 2012 17.078 2023-06-29
## 10 Vietnam VN VNM 2011 16.929 2023-06-29
## 11 Vietnam VN VNM 2010 16.906 2023-06-29
## 12 Vietnam VN VNM 2009 17.016 2023-06-29
## 13 Vietnam VN VNM 2008 17.143 2023-06-29
## 14 Vietnam VN VNM 2007 17.072 2023-06-29
## 15 Vietnam VN VNM 2006 16.995 2023-06-29
## 16 Vietnam VN VNM 2005 17.465 2023-06-29
## 17 Vietnam VN VNM 2004 17.862 2023-06-29
## 18 Vietnam VN VNM 2003 17.879 2023-06-29
## 19 Vietnam VN VNM 2002 18.142 2023-06-29
## 20 Vietnam VN VNM 2001 17.969 2023-06-29
## 21 Vietnam VN VNM 2000 18.046 2023-06-29
## 22 Vietnam VN VNM 1999 18.080 2023-06-29
## 23 Vietnam VN VNM 1998 18.525 2023-06-29
## 24 Vietnam VN VNM 1997 19.372 2023-06-29
## 25 Vietnam VN VNM 1996 20.457 2023-06-29
## 26 Vietnam VN VNM 1995 22.065 2023-06-29
## 27 Vietnam VN VNM 1994 23.913 2023-06-29
## 28 Vietnam VN VNM 1993 25.508 2023-06-29
## 29 Vietnam VN VNM 1992 26.773 2023-06-29
## 30 Vietnam VN VNM 1991 27.790 2023-06-29
## 31 Vietnam VN VNM 1990 28.508 2023-06-29
## 32 Vietnam VN VNM 1989 29.146 2023-06-29
## 33 Vietnam VN VNM 1988 29.811 2023-06-29
## 34 Vietnam VN VNM 1987 30.543 2023-06-29
## 35 Vietnam VN VNM 1986 31.378 2023-06-29
## 36 Vietnam VN VNM 1985 32.006 2023-06-29
## 37 Vietnam VN VNM 1984 32.607 2023-06-29
## 38 Vietnam VN VNM 1983 33.107 2023-06-29
## 39 Vietnam VN VNM 1982 33.417 2023-06-29
## 40 Vietnam VN VNM 1981 33.573 2023-06-29
## 41 Vietnam VN VNM 1980 33.454 2023-06-29
## region capital longitude latitude income lending
## 1 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 2 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 3 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 4 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 5 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 6 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 7 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 8 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 9 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 10 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 11 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 12 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 13 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 14 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 15 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 16 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 17 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 18 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 19 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 20 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 21 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 22 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 23 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 24 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 25 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 26 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 27 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 28 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 29 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 30 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 31 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 32 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 33 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 34 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 35 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 36 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 37 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 38 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 39 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 40 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD
## 41 East Asia & Pacific Hanoi 105.825 21.0069 Lower middle income IBRD1.3.5.1 Trực quan hóa dữ liệu
ds <- data.frame(wdi_data)
ggplot(ds, aes(x = wdi_data$year, y =wdi_data$SP.DYN.CBRT.IN )) +
geom_line(color="red") +
labs(x = "year", y = "Tỷ lệ sinh", title = "Tỷ lệ sinh của Việt Nam từ năm 1980-2020") +
theme_bw()## Warning: Use of `wdi_data$year` is discouraged.
## ℹ Use `year` instead.## Warning: Use of `wdi_data$SP.DYN.CBRT.IN` is discouraged.
## ℹ Use `SP.DYN.CBRT.IN` instead.
Nhận xét: Tỷ lệ sinh của Việt Nam từ năm 1980 - 2020, có xu hướng giảm qua các năm là giảm từ 38 xuống còn 16%.
1.3.6 Xuất khẩu hàng hóa của Việt Nam
## country iso2c iso3c year TX.VAL.MRCH.RS.ZS
## 1 Vietnam VN VNM 2020 7.901667e-03
## 2 Vietnam VN VNM 2019 -1.355230e-04
## 3 Vietnam VN VNM 2018 1.683195e-04
## 4 Vietnam VN VNM 2017 9.240217e-03
## 5 Vietnam VN VNM 2016 1.044589e-02
## 6 Vietnam VN VNM 2015 9.544519e-03
## 7 Vietnam VN VNM 2014 -1.957456e-04
## 8 Vietnam VN VNM 2013 -4.621844e-05
## 9 Vietnam VN VNM 2012 2.362096e-05
## 10 Vietnam VN VNM 2011 0.000000e+00
## 11 Vietnam VN VNM 2010 0.000000e+00
## 12 Vietnam VN VNM 2009 4.882853e+00
## 13 Vietnam VN VNM 2008 2.432358e+00
## 14 Vietnam VN VNM 2007 1.911204e+00
## 15 Vietnam VN VNM 2006 1.893079e+00
## 16 Vietnam VN VNM 2005 1.986346e+00
## 17 Vietnam VN VNM 2004 1.188331e+00
## 18 Vietnam VN VNM 2003 9.411559e-01
## 19 Vietnam VN VNM 2002 1.352475e+00
## 20 Vietnam VN VNM 2001 2.864737e+00
## 21 Vietnam VN VNM 2000 6.575096e-01
## 22 Vietnam VN VNM 1999 1.091344e+00
## 23 Vietnam VN VNM 1998 5.970785e-02
## 24 Vietnam VN VNM 1997 5.594242e+00
## 25 Vietnam VN VNM 1996 9.355089e+00
## 26 Vietnam VN VNM 1995 9.229092e+00
## 27 Vietnam VN VNM 1994 9.360042e+00
## 28 Vietnam VN VNM 1993 1.047147e+01
## 29 Vietnam VN VNM 1992 1.982466e+01
## 30 Vietnam VN VNM 1991 1.939771e+01
## 31 Vietnam VN VNM 1990 4.800096e+01
## 32 Vietnam VN VNM 1989 6.886835e+01
## 33 Vietnam VN VNM 1988 6.565376e+01
## 34 Vietnam VN VNM 1987 6.626711e+01
## 35 Vietnam VN VNM 1986 6.443197e+01
## 36 Vietnam VN VNM 1985 6.685434e+01
## 37 Vietnam VN VNM 1984 6.715689e+00
## 38 Vietnam VN VNM 1983 2.311030e+00
## 39 Vietnam VN VNM 1982 1.116972e-01
## 40 Vietnam VN VNM 1981 2.571337e-02
## 41 Vietnam VN VNM 1980 NA1.3.6.1 Trực quan hóa dữ liệu
xk <- as.data.frame(hh)
ggplot(xk, aes(x = year, y = TX.VAL.MRCH.RS.ZS)) +
geom_line() +
labs(x = "Year", y = "Xuất khẩu hàng hóa", title = "Xuất khẩu hàng hóa của nước Việt Nam 1980-2020") +
theme_bw()## Warning: Removed 1 row containing missing values (`geom_line()`).
Nhận xét: xuất khẩu hàng hóa có xu hướng tăng từ năm 1980 đến 1985 (tăng từ 0 lên 68), có xu hướng giảm mạnh từ năm 1990 đến 1998 (giảm từ 69 xuống còn 0), đạt trạng bình ổn ở năm 1985 - 1990 (64 - 69) và ở năm 1998 - 2020
1.3.7 Tỷ lệ chi tiêu cho giáo dục tiểu học ở Việt Nam
## country iso2c iso3c year SE.XPD.PRIM.ZS
## 1 Vietnam VN VNM 2020 NA
## 2 Vietnam VN VNM 2019 NA
## 3 Vietnam VN VNM 2018 NA
## 4 Vietnam VN VNM 2017 NA
## 5 Vietnam VN VNM 2016 NA
## 6 Vietnam VN VNM 2015 NA
## 7 Vietnam VN VNM 2014 NA
## 8 Vietnam VN VNM 2013 29.68927
## 9 Vietnam VN VNM 2012 29.80566
## 10 Vietnam VN VNM 2011 28.97733
## 11 Vietnam VN VNM 2010 30.01547
## 12 Vietnam VN VNM 2009 30.93658
## 13 Vietnam VN VNM 2008 29.38257
## 14 Vietnam VN VNM 2007 NA
## 15 Vietnam VN VNM 2006 NA
## 16 Vietnam VN VNM 2005 NA
## 17 Vietnam VN VNM 2004 NA
## 18 Vietnam VN VNM 2003 NA
## 19 Vietnam VN VNM 2002 NA
## 20 Vietnam VN VNM 2001 NA
## 21 Vietnam VN VNM 2000 NA
## 22 Vietnam VN VNM 1999 NA
## 23 Vietnam VN VNM 1998 NA
## 24 Vietnam VN VNM 1997 NA
## 25 Vietnam VN VNM 1996 NA
## 26 Vietnam VN VNM 1995 NA
## 27 Vietnam VN VNM 1994 NA
## 28 Vietnam VN VNM 1993 NA
## 29 Vietnam VN VNM 1992 NA
## 30 Vietnam VN VNM 1991 NA
## 31 Vietnam VN VNM 1990 NA
## 32 Vietnam VN VNM 1989 NA
## 33 Vietnam VN VNM 1988 NA
## 34 Vietnam VN VNM 1987 NA
## 35 Vietnam VN VNM 1986 NA
## 36 Vietnam VN VNM 1985 NA
## 37 Vietnam VN VNM 1984 NA
## 38 Vietnam VN VNM 1983 NA
## 39 Vietnam VN VNM 1982 NA
## 40 Vietnam VN VNM 1981 NA
## 41 Vietnam VN VNM 1980 NA1.3.7.1 Trực quan hóa dữ liệu
ct1 <- as.data.frame(gd1)
ggplot(ct1, aes(x = year, y = SE.XPD.PRIM.ZS)) +
geom_line() +
labs(x = "Year", y = "Tỷ lệ chi tiêu cho giáo dục tiểu học", title = "Tỷ lệ chi tiêu cho giáo dục tiểu học của nước Việt Nam 1980-2020") +
theme_bw()## Warning: Removed 35 rows containing missing values (`geom_line()`).
Nhận xét: Tỷ lệ chi tiêu cho giáo dục tiểu học tăng từ năm 2008 - 2009 (tăng từ 29.4 lên gần 31) và năm 2011 - 2012 (tăng từ 29 lên 29.8), có xu hướng giảm từ năm 2009 - 2011 (giảm từ 31 xuống còn 29) và năm 2012 - 2013 (giảm từ 29.8 trở xuống). Mấy năm khác không nằm trong khoảng xét này.
1.3.8 Khí thải CO2 gây ra bởi sự đốt cháy nhiên liệu hóa thạch và sản xuất xi măng ở Việt Nam
## country iso2c iso3c year EN.ATM.CO2E.KT
## 1 Vietnam VN VNM 2020 355323.1
## 2 Vietnam VN VNM 2019 341716.8
## 3 Vietnam VN VNM 2018 286139.3
## 4 Vietnam VN VNM 2017 229877.4
## 5 Vietnam VN VNM 2016 222028.5
## 6 Vietnam VN VNM 2015 201513.3
## 7 Vietnam VN VNM 2014 180698.8
## 8 Vietnam VN VNM 2013 164297.4
## 9 Vietnam VN VNM 2012 155522.8
## 10 Vietnam VN VNM 2011 155973.3
## 11 Vietnam VN VNM 2010 151413.5
## 12 Vietnam VN VNM 2009 132290.0
## 13 Vietnam VN VNM 2008 117585.1
## 14 Vietnam VN VNM 2007 105137.4
## 15 Vietnam VN VNM 2006 94869.7
## 16 Vietnam VN VNM 2005 92368.6
## 17 Vietnam VN VNM 2004 85051.8
## 18 Vietnam VN VNM 2003 70903.7
## 19 Vietnam VN VNM 2002 66495.8
## 20 Vietnam VN VNM 2001 56722.4
## 21 Vietnam VN VNM 2000 51207.7
## 22 Vietnam VN VNM 1999 46412.8
## 23 Vietnam VN VNM 1998 45473.9
## 24 Vietnam VN VNM 1997 40842.9
## 25 Vietnam VN VNM 1996 35033.5
## 26 Vietnam VN VNM 1995 31401.0
## 27 Vietnam VN VNM 1994 26682.3
## 28 Vietnam VN VNM 1993 24244.9
## 29 Vietnam VN VNM 1992 20812.9
## 30 Vietnam VN VNM 1991 19796.6
## 31 Vietnam VN VNM 1990 19327.9
## 32 Vietnam VN VNM 1989 NA
## 33 Vietnam VN VNM 1988 NA
## 34 Vietnam VN VNM 1987 NA
## 35 Vietnam VN VNM 1986 NA
## 36 Vietnam VN VNM 1985 NA
## 37 Vietnam VN VNM 1984 NA
## 38 Vietnam VN VNM 1983 NA
## 39 Vietnam VN VNM 1982 NA
## 40 Vietnam VN VNM 1981 NA
## 41 Vietnam VN VNM 1980 NA1.3.8.1 Trực quan hóa dữ liệu
tk <- as.data.frame(th1)
ggplot(tk, aes(x = year, y = EN.ATM.CO2E.KT)) +
geom_line() +
labs(x = "Year", y = "khí thải CO2", title = "khí thải CO2 của nước Việt Nam 1980-2020") +
theme_bw()## Warning: Removed 10 rows containing missing values (`geom_line()`).
Nhận xét: Khí thải CO2 gây ra bởi sự đốt cháy nhiên liệu hóa thạch và sản xuất xi măng ở Việt Nam có xu hướng tăng qua các năm từ năm 1990 đến năm 2020 và trở về sau.
1.3.9 Phần trăm của lực lượng lao động có trình độ học vấn cao ở Việt Nam
## country iso2c iso3c year SL.TLF.ADVN.ZS
## 1 Vietnam VN VNM 2020 88.12
## 2 Vietnam VN VNM 2019 87.72
## 3 Vietnam VN VNM 2018 87.65
## 4 Vietnam VN VNM 2017 87.64
## 5 Vietnam VN VNM 2016 87.53
## 6 Vietnam VN VNM 2015 87.74
## 7 Vietnam VN VNM 2014 87.78
## 8 Vietnam VN VNM 2013 87.27
## 9 Vietnam VN VNM 2012 87.12
## 10 Vietnam VN VNM 2011 86.75
## 11 Vietnam VN VNM 2010 86.67
## 12 Vietnam VN VNM 2009 NA
## 13 Vietnam VN VNM 2008 NA
## 14 Vietnam VN VNM 2007 NA
## 15 Vietnam VN VNM 2006 NA
## 16 Vietnam VN VNM 2005 NA
## 17 Vietnam VN VNM 2004 NA
## 18 Vietnam VN VNM 2003 NA
## 19 Vietnam VN VNM 2002 NA
## 20 Vietnam VN VNM 2001 NA
## 21 Vietnam VN VNM 2000 NA
## 22 Vietnam VN VNM 1999 NA
## 23 Vietnam VN VNM 1998 NA
## 24 Vietnam VN VNM 1997 NA
## 25 Vietnam VN VNM 1996 NA
## 26 Vietnam VN VNM 1995 NA
## 27 Vietnam VN VNM 1994 NA
## 28 Vietnam VN VNM 1993 NA
## 29 Vietnam VN VNM 1992 NA
## 30 Vietnam VN VNM 1991 NA
## 31 Vietnam VN VNM 1990 NA
## 32 Vietnam VN VNM 1989 NA
## 33 Vietnam VN VNM 1988 NA
## 34 Vietnam VN VNM 1987 NA
## 35 Vietnam VN VNM 1986 NA
## 36 Vietnam VN VNM 1985 NA
## 37 Vietnam VN VNM 1984 NA
## 38 Vietnam VN VNM 1983 NA
## 39 Vietnam VN VNM 1982 NA
## 40 Vietnam VN VNM 1981 NA
## 41 Vietnam VN VNM 1980 NA1.3.9.1 Trực quan hóa dữ liệu
tt2 <- as.data.frame(ll1)
ggplot(tt2, aes(x = year, y = SL.TLF.ADVN.ZS)) +
geom_line() +
labs(x = "Year", y = "Phần trăm của lực lượng lao động có trình độ học vấn cao", title = "Phần trăm của lực lượng lao động có trình độ học vấn cao của nước Việt Nam 1980-2020") +
theme_bw()## Warning: Removed 30 rows containing missing values (`geom_line()`).
Nhận xét: Phần trăm của lực lượng lao động có trình độ học vấn cao ở Việt Nam tăng từ năm 2010 đến 2013 (tăng từ 86.6 lên 87.8) và từ năm 2015 đến 2020 (tăng từ 87.5 đến 88.3), giảm từ năm 2013 đến 2015 (giảm từ 87.8 xuống còn 87.5)
1.3.10 GDP bình quân trên đầu người ở Việt Nam
## country iso2c iso3c year NY.GDP.PCAP.CD
## 1 Vietnam VN VNM 2020 3586.34730
## 2 Vietnam VN VNM 2019 3491.09128
## 3 Vietnam VN VNM 2018 3267.22501
## 4 Vietnam VN VNM 2017 2992.07175
## 5 Vietnam VN VNM 2016 2760.71710
## 6 Vietnam VN VNM 2015 2595.23498
## 7 Vietnam VN VNM 2014 2558.77892
## 8 Vietnam VN VNM 2013 2367.49954
## 9 Vietnam VN VNM 2012 2190.23228
## 10 Vietnam VN VNM 2011 1953.55698
## 11 Vietnam VN VNM 2010 1684.01167
## 12 Vietnam VN VNM 2009 1225.84501
## 13 Vietnam VN VNM 2008 1158.10163
## 14 Vietnam VN VNM 2007 913.31233
## 15 Vietnam VN VNM 2006 790.59252
## 16 Vietnam VN VNM 2005 693.18984
## 17 Vietnam VN VNM 2004 551.90351
## 18 Vietnam VN VNM 2003 485.45091
## 19 Vietnam VN VNM 2002 434.81029
## 20 Vietnam VN VNM 2001 409.49773
## 21 Vietnam VN VNM 2000 394.58314
## 22 Vietnam VN VNM 1999 367.15688
## 23 Vietnam VN VNM 1998 352.78307
## 24 Vietnam VN VNM 1997 352.93444
## 25 Vietnam VN VNM 1996 329.00119
## 26 Vietnam VN VNM 1995 281.13360
## 27 Vietnam VN VNM 1994 224.63709
## 28 Vietnam VN VNM 1993 185.18712
## 29 Vietnam VN VNM 1992 141.38369
## 30 Vietnam VN VNM 1991 140.63100
## 31 Vietnam VN VNM 1990 96.71930
## 32 Vietnam VN VNM 1989 96.13036
## 33 Vietnam VN VNM 1988 397.01436
## 34 Vietnam VN VNM 1987 585.30494
## 35 Vietnam VN VNM 1986 430.18850
## 36 Vietnam VN VNM 1985 235.65254
## 37 Vietnam VN VNM 1984 NA
## 38 Vietnam VN VNM 1983 NA
## 39 Vietnam VN VNM 1982 NA
## 40 Vietnam VN VNM 1981 NA
## 41 Vietnam VN VNM 1980 NA1.3.10.1 Trực quan hóa dữ liệu
bd <- as.data.frame(bq1)
ggplot(bd, aes(x = year, y = NY.GDP.PCAP.CD)) +
geom_line() +
labs(x = "Year", y = "GDP bình quân trên đầu người", title = "GDP bình quân trên đầu người của nước Việt Nam 1980-2020") +
theme_bw()## Warning: Removed 5 rows containing missing values (`geom_line()`).
Nhận xét: GDP bình quân trên đầu người ở Việt Nam có xu hướng tăng từ năm 1988 đến năm 2020 (tăng từ 100 đến 3600)
2 BÀI TẬP TUẦN 4
2.1 Thực hành trên lớp
## Loading required package: car## Loading required package: carData##
## Attaching package: 'car'## The following object is masked from 'package:dplyr':
##
## recode## The following object is masked from 'package:purrr':
##
## some## Loading required package: lmtest## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric## Loading required package: sandwich## Loading required package: survival## corrplot 0.92 loaded## education income women prestige census type
## gov.administrators 13.11 12351 11.16 68.8 1113 prof
## general.managers 12.26 25879 4.02 69.1 1130 prof
## accountants 12.77 9271 15.70 63.4 1171 prof
## purchasing.officers 11.42 8865 9.11 56.8 1175 prof
## chemists 14.62 8403 11.68 73.5 2111 prof
## physicists 15.64 11030 5.13 77.6 2113 prof2.1.1 Câu lệnh table
##
## bc prof wc
## 611 0 0 0
## 918 0 0 0
## 1656 1 0 0
## 1890 1 0 0
## 2370 1 0 0
## 2448 0 0 1
## 2594 0 0 1
## 2847 1 0 0
## 2901 0 0 1
## 3000 1 0 0
## 3016 0 0 1
## 3116 1 0 0
## 3148 0 0 1
## 3161 0 0 1
## 3472 1 0 0
## 3485 2 0 0
## 3582 1 0 0
## 3617 1 0 0
## 3643 0 0 0
## 3739 0 0 1
## 3910 1 0 0
## 3930 1 0 0
## 3942 1 0 0
## 4036 0 0 1
## 4075 0 0 1
## 4199 1 0 0
## 4224 1 0 0
## 4330 0 0 1
## 4348 0 0 1
## 4443 1 0 0
## 4549 1 0 0
## 4614 0 1 0
## 4686 0 1 0
## 4696 1 0 0
## 4741 0 0 1
## 4753 1 0 0
## 4761 0 0 1
## 5052 0 0 1
## 5092 0 1 0
## 5134 2 0 0
## 5180 0 0 1
## 5299 1 0 0
## 5449 1 0 0
## 5511 0 0 1
## 5562 1 0 0
## 5648 0 1 0
## 5795 1 0 0
## 5811 1 0 0
## 5902 0 1 0
## 5959 1 0 0
## 6112 0 1 0
## 6197 0 1 0
## 6259 0 0 1
## 6336 0 1 0
## 6462 1 0 0
## 6477 1 0 0
## 6565 1 0 0
## 6573 1 0 0
## 6686 1 0 0
## 6860 1 0 0
## 6928 1 0 0
## 6992 0 0 1
## 7059 0 1 0
## 7147 1 0 0
## 7405 0 1 0
## 7482 0 0 1
## 7562 0 0 1
## 7716 1 0 0
## 7869 1 0 0
## 7956 0 0 1
## 8034 0 1 0
## 8043 1 0 0
## 8049 0 1 0
## 8131 0 0 1
## 8206 0 0 0
## 8258 0 1 0
## 8316 1 0 0
## 8403 0 1 0
## 8425 0 1 0
## 8780 0 0 1
## 8845 1 0 0
## 8865 0 1 0
## 8880 1 0 0
## 8891 1 0 0
## 8895 1 0 0
## 9271 0 1 0
## 9593 0 1 0
## 10432 0 1 0
## 11023 0 1 0
## 11030 0 1 0
## 11377 0 1 0
## 12351 0 1 0
## 12480 0 1 0
## 14032 0 1 0
## 14163 0 1 0
## 14558 0 1 0
## 17498 0 1 0
## 19263 0 1 0
## 25308 0 1 0
## 25879 0 1 0Giải thích: trong bảng tần số trên, những người lao động chân tay nhóm bc có mức thu nhập trung bình thấp nhất là 1656 nghìn đô và cao nhất là 8895 nghìn đô; những người quản lý, kĩ thuật thuộc nhóm prof có mức thu nhập trung bình thấp nhất là 4614 nghìn đô và cao nhất là 25879 nghìn đô, những người thuộc nhóm cổ áo trắng (wc) có mức thu nhập trung bình thấp nhất là 2446 nghìn đô và cao nhất là 8780 nghìn đô. Như vậy, ta thấy được những người nhóm bc có mức thu nhập thấp nhât và những người nhóm prof có mức thu nhập cao nhất trong 3 nhóm
##
## bc prof wc
## 44 31 23##
## bc prof wc
## 0.4489796 0.3163265 0.2346939Giải thích: từ 2 bảng trên cho ta thấy trong nhóm người lao động chân tay (bc) có 44 người chiếm 44,90%; đây là nhóm chiếm nhiều nhất trong tổng số khảo sát của người Canada, nhóm người về quản lý và kĩ thuật (prof) có 31 người chiếm 31,63%, nhóm chiếm vị trí trung bình và ổn định; nhóm người lao động trí óc (wc) có 23 người chiếm 23,47%, là nhóm chiếm ít nhất trong số khảo sát.
2.1.2 Câu lệnh dim
Lấy ra dòng có mức thu nhập của biến income > 8000 và điểm uy tín của Pineo-Porter cho nghề nghiệp của biến prestige >33.3
## [1] 79 6Nhận xét: số người có mức thu nhập trung bình lớn hơn 8000 chiếm 79 người, số người có điểm uy tín của Pineo-Porter cho nghề nghiệp lớn hơn 33.3 chiếm 6 người
2.1.3 Tính toán các biến
## [1] 13.11 12.26 12.77 11.42 14.62 15.64 15.09 15.44 14.52 14.64 12.39 12.30
## [13] 13.83 14.44 14.36 14.21 15.77 14.15 15.22 14.50 15.97 13.62 15.08 15.96
## [25] 15.94 14.71 12.46 9.45 13.62 15.21 12.79 11.09 12.71 11.44 11.59 11.49
## [37] 11.32 10.64 11.36 9.17 12.09 11.04 9.22 10.07 10.51 11.20 11.13 11.43
## [49] 11.00 9.84 11.13 10.05 9.62 9.93 11.60 11.09 11.03 9.47 10.93 7.74
## [61] 8.50 10.57 9.46 7.33 7.11 7.58 6.84 8.60 8.88 7.54 7.64 7.64
## [73] 7.42 6.69 6.74 10.09 8.81 8.40 7.92 8.43 8.78 8.76 10.29 6.38
## [85] 8.10 10.10 6.67 9.05 9.93 8.24 6.92 6.60 7.81 8.33 7.52 12.27
## [97] 8.49 7.58 7.93 8.37 10.00 8.55## [1] 12351 25879 9271 8865 8403 11030 8258 14163 11377 11023 5902 7059
## [13] 8425 8049 7405 6336 19263 6112 9593 4686 12480 5648 8034 25308
## [25] 14558 17498 4614 3485 5092 10432 5180 6197 7562 8206 4036 3148
## [37] 4348 2448 4330 4761 3016 2901 5511 3739 3161 4741 5052 6259
## [49] 4075 7482 8780 2594 918 2370 8131 6992 7956 8895 8891 3116
## [61] 3930 7869 611 3000 3472 3582 3643 1656 6860 4199 5134 5134
## [73] 1890 4443 3485 8043 6686 6565 6477 5811 6573 3942 5449 2847
## [85] 5795 7716 4696 8316 7147 8880 5299 5959 4549 6928 3910 14032
## [97] 8845 5562 4224 4753 6462 3617## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 611 4106 5930 6798 8187 25879- Khi thực hiện dòng lệnh summary(pres$i) ta thu được giá trị nhỏ nhất của mức thu nhập là 611, giá trị lớn nhất của mức thu nhập là 25879, mức thu nhập trung bình là 6798, có 25% có mức thu nhập nhỏ hơn 4106, có 50% có mức thu nhập dưới 5930 và 75% có mức thu nhập nhỏ hơn 8187 (đơn vị: nghìn đô)
## [1] 28.97902## [1] 693386## [1] 7.444408- Mức trung bình cho người đương nhiệm là phụ nữ 28.97902
- Tổng mức lương trung bình là 693386
- 7.444408 là độ phân tán của trình độ
## Group.1 x
## 1 6.38 NA
## 2 6.60 NA
## 3 6.67 NA
## 4 6.69 NA
## 5 6.74 NA
## 6 6.84 NA
## 7 6.92 NA
## 8 7.11 NA
## 9 7.33 NA
## 10 7.42 NA
## 11 7.52 NA
## 12 7.54 NA
## 13 7.58 1400.0714
## 14 7.64 0.0000
## 15 7.74 NA
## 16 7.81 NA
## 17 7.92 NA
## 18 7.93 NA
## 19 8.10 NA
## 20 8.24 NA
## 21 8.33 NA
## 22 8.37 NA
## 23 8.40 NA
## 24 8.43 NA
## 25 8.49 NA
## 26 8.50 NA
## 27 8.55 NA
## 28 8.60 NA
## 29 8.76 NA
## 30 8.78 NA
## 31 8.81 NA
## 32 8.88 NA
## 33 9.05 NA
## 34 9.17 NA
## 35 9.22 NA
## 36 9.45 NA
## 37 9.46 NA
## 38 9.47 NA
## 39 9.62 NA
## 40 9.84 NA
## 41 9.93 3377.8491
## 42 10.00 NA
## 43 10.05 NA
## 44 10.07 NA
## 45 10.09 NA
## 46 10.10 NA
## 47 10.29 NA
## 48 10.51 NA
## 49 10.57 NA
## 50 10.64 NA
## 51 10.93 NA
## 52 11.00 NA
## 53 11.03 NA
## 54 11.04 NA
## 55 11.09 562.1499
## 56 11.13 2636.0941
## 57 11.20 NA
## 58 11.32 NA
## 59 11.36 NA
## 60 11.42 NA
## 61 11.43 NA
## 62 11.44 NA
## 63 11.49 NA
## 64 11.59 NA
## 65 11.60 NA
## 66 12.09 NA
## 67 12.26 NA
## 68 12.27 NA
## 69 12.30 NA
## 70 12.39 NA
## 71 12.46 NA
## 72 12.71 NA
## 73 12.77 NA
## 74 12.79 NA
## 75 13.11 NA
## 76 13.62 393.1514
## 77 13.83 NA
## 78 14.15 NA
## 79 14.21 NA
## 80 14.36 NA
## 81 14.44 NA
## 82 14.50 NA
## 83 14.52 NA
## 84 14.62 NA
## 85 14.64 NA
## 86 14.71 NA
## 87 15.08 NA
## 88 15.09 NA
## 89 15.21 NA
## 90 15.22 NA
## 91 15.44 NA
## 92 15.64 NA
## 93 15.77 NA
## 94 15.94 NA
## 95 15.96 NA
## 96 15.97 NAKiểm tra xem độ lệch chuẩn trung bình của thu nhập bình quân ứng với từng trình độ học vấn khác nhau.Thu nhập là 11.13 có độ lệch trung bình cao nhất. Thu nhập là 7.64 có độ lệch trung bình thấp nhất.
2.1.4 Đồ thị
pres %>% ggplot(map=aes(x=e,y=i))+ geom_point(aes(color=p))+ geom_smooth(aes(color=p), formula= y~x, method= 'lm')## Warning: The following aesthetics were dropped during statistical transformation: colour
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?
Ta vẽ đồ thị sự tương quan giữa thu nhập bình quan và trình độ học vấn theo từng mức điểm uy tín. Đọc kết quả đồ thị, ta thấy được với tất cả mức tổng thu nhập thì trình độ học vấn đều có mối tương quan thuận với điểm uy tín đó.
2.1.5 Câu lệnh group_by
## # A tibble: 100 × 2
## `pres$i` n
## <int> <dbl>
## 1 611 10.7
## 2 918 10.7
## 3 1656 10.7
## 4 1890 10.7
## 5 2370 10.7
## 6 2448 10.7
## 7 2594 10.7
## 8 2847 10.7
## 9 2901 10.7
## 10 3000 10.7
## # ℹ 90 more rows## Warning: There was 1 warning in `summarise()`.
## ℹ In argument: `n = mean(pres$women)`.
## Caused by warning in `mean.default()`:
## ! argument is not numeric or logical: returning NA## # A tibble: 1 × 1
## n
## <dbl>
## 1 NA## Warning: There was 1 warning in `summarise()`.
## ℹ In argument: `n = mean(pres$prestige)`.
## Caused by warning in `mean.default()`:
## ! argument is not numeric or logical: returning NA## # A tibble: 1 × 1
## n
## <dbl>
## 1 NA2.1.6 Vẽ biểu đồ phân tán
## Loading required package: xts##
## ######################### Warning from 'xts' package ##########################
## # #
## # The dplyr lag() function breaks how base R's lag() function is supposed to #
## # work, which breaks lag(my_xts). Calls to lag(my_xts) that you type or #
## # source() into this session won't work correctly. #
## # #
## # Use stats::lag() to make sure you're not using dplyr::lag(), or you can add #
## # conflictRules('dplyr', exclude = 'lag') to your .Rprofile to stop #
## # dplyr from breaking base R's lag() function. #
## # #
## # Code in packages is not affected. It's protected by R's namespace mechanism #
## # Set `options(xts.warn_dplyr_breaks_lag = FALSE)` to suppress this warning. #
## # #
## #################################################################################
## Attaching package: 'xts'## The following objects are masked from 'package:dplyr':
##
## first, last##
## Attaching package: 'PerformanceAnalytics'## The following object is masked from 'package:graphics':
##
## legend## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
Nhận xét: đồ thị trên cho chúng ta biết tất cả hệ số tương quan giữa tất
cả các biến số (biến liên tục). Cụ thể như, hệ số tương quan cao nhất
(1) giữa GNP với Year, giữa GNP.defiaton với Year và giữa GNP với
Population và giữa Population với Year (0.99);… là những mối tương quan
có hệ số cao nhất (có ý nghĩa thống kê). Tuy nhiên, giữa Unemployed với
Arm … có hệ số tương quan quá thấp và không có ý nghĩa thống kê. Ngoài
ra, đồ thị trên còn cung cấp cho ta biểu đồ tán xạ, biểu đồ histogram
cho từng cặp biến số và cho biết hệ số tương quan càng cao, kích thước
của font chữ (số) càng lớn. Trong cốt truyện trên:
Phân phối của từng biến được hiển thị trên đường chéo. Ở dưới cùng của đường chéo: các biểu đồ phân tán hai chiều với một đường phù hợp được hiển thị Trên cùng của đường chéo : giá trị của mối tương quan cộng với mức ý nghĩa như các ngôi sao Mỗi mức ý nghĩa được liên kết với một ký hiệu : giá trị p(0, 0,001, 0,01, 0,05, 0,1, 1) <=> ký hiệu(“”, ””, ””, “.”, ” “)
2.2 Mô tả dữ liệu
Tiếp tục ở tuần 3, em vẫn sử dụng lại bộ dữ liệu của dataset Prestige
Khung dữ liệu Uy tín có 102 hàng và 6 cột. Các quan sát là nghề nghiệp.
Giải thích các biến:
education: Trình độ học vấn trung bình của những người đương nhiệm trong nghề nghiệp, các năm, vào năm 1971.
income: Thu nhập trung bình của những người đương nhiệm, đô la, năm 1971.
women: Tỷ lệ người đương nhiệm là phụ nữ.
prestige: Điểm uy tín của Pineo-Porter cho nghề nghiệp, từ một cuộc khảo sát xã hội được thực hiện vào giữa những năm 1960.
census: Điều tra dân số Canada mã nghề nghiệp
type: Loại nghề nghiệp. Một yếu tố với các cấp độ (lưu ý: không theo thứ tự): bc, Blue Collar; prof, Professional, Managerial, and Technical; wc, Cổ trắng.
## education income women prestige census type
## gov.administrators 13.11 12351 11.16 68.8 1113 prof
## general.managers 12.26 25879 4.02 69.1 1130 prof
## accountants 12.77 9271 15.70 63.4 1171 prof
## purchasing.officers 11.42 8865 9.11 56.8 1175 prof
## chemists 14.62 8403 11.68 73.5 2111 prof
## physicists 15.64 11030 5.13 77.6 2113 profĐặt tên lại các biến
2.3 Ma trận tương quan trên Bộ dữ liệu uy tín
Hãy xác định các biến có tương quan cao với biến uy tín
Mối tương quan của Bộ dữ liệu uy tín trên các biến số
## e i w p c
## e 1.00000000 0.5775802 0.06185286 0.8501769 -0.8230882
## i 0.57758023 1.0000000 -0.44105927 0.7149057 -0.3610023
## w 0.06185286 -0.4410593 1.00000000 -0.1183342 -0.2270028
## p 0.85017689 0.7149057 -0.11833419 1.0000000 -0.6345103
## c -0.82308821 -0.3610023 -0.22700277 -0.6345103 1.0000000- Vẽ ma trận tương quan
Bạn có thể nhận thấy rằng các biến số về thu nhập và giáo dục có mối tương quan thuận chiều với uy tín. Ngoài ra, điều tra dân số có tương quan nghịch với uy tín trong khi phụ nữ không có mối tương quan.
2.4 Hồi quy
##
## Call:
## lm(formula = pres$e ~ pres$i)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5.5601 -1.9279 -0.0718 1.7333 4.5458
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 8.215e+00 4.199e-01 19.566 < 2e-16 ***
## pres$i 3.712e-04 5.246e-05 7.075 2.08e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2.238 on 100 degrees of freedom
## Multiple R-squared: 0.3336, Adjusted R-squared: 0.3269
## F-statistic: 50.06 on 1 and 100 DF, p-value: 2.079e-10Kiểm định sự phù hợp mô hình: ta có F= 50.06>C nên mô hình trên là phù hợp
Kiểm định biến giá gói thay đổi ảnh hưởng đến biến số gói: ta có t-value=7.075>C nên biến education thay đổi dẫn đến sự thay đổi của biến income
2.4.1 Vẽ đường hồi quy tuyến tính tương ứng với dataset Prestige
pres |> ggplot(map = aes(x = e, y = i)) + geom_point(color="red") + xlab("Area") + ylab("Peri") + labs(title = 'Đồ thị scatter thể hiện mối liên hệ giữa biến education và biến income') + geom_smooth(formula = y ~ x, method = 'lm', color = 'yellow')
Giữa biến education và biến income có sự tương quan dương với nhau, cụ thể khi giá trị của biến education tăng thì giá trị của biến income cũng tăng theo.
2.5 Đồ thị thể hiện sự tương quan giữa điểm uy tín của nghề nghiệp và mã nghề nghiệp
pres |> ggplot(map = aes(x = p, y = c )) + geom_point(color="red") + xlab("điểm uy tín") + ylab("mã nghề nghiệp") + geom_smooth(formula = y ~ x, method = 'lm', color = 'black') + labs(title = 'Đồ Thị thể hiện sự tương quan giữa điểm uy tín của nghề nghiệp và mã nghề nghiệp')
- Kết luận: giữa 2 biến điểm uy tín của nghề nghiệp và mã nghề nghiệp có quan hệ tuyến tính với nhau và cả hai biến cùng giảm
2.6 Đồ thị dạng scatter
Với dataset pres ta vẽ được đồ thị scatter như sau
Đồ thị scatter có thể cho ta thấy được mối liên hệ biến education và biến income như sau:
pres |> ggplot(map = aes(x = e, y = i)) + geom_point(color="blue") + xlab("e") + ylab("i") + labs(title = 'Đồ thị scatter thể hiện mối liên hệ giữa biến education và biến income')
Chúng ta cũng có thể nối các điểm trong đồ thị dạng scatter của 2 biến education (e) và income (i) lại với nhau bằng những đoạn thẳng như sau:
Nhận xét: Bốn đồ thị phân tán (scatter) trên đều thể hiện sự phân tán của trình độ học vấn và mức thu nhập. Từ đồ thị ta có thể thấy:
Nhóm người có trình độ học vấn trung bình tập trung nhiều nhất ở khoảng 12 đến 16. Trong những người có trình độ học vấn, nhóm người trong khoảng 9 cho đến 10 chiếm ít nhất. Thu nhập người có trình độ thấp nhỏ nhất thì gần bằng 2500 và lớn nhất là hơn 25000. Người có mức thu nhập là hơn 25000 ứng với trình độ là 12
pres %>% ggplot(aes(x = e, y=i)) + geom_point(aes(color = p), na.rm = TRUE) + geom_smooth(aes(color = p), method = lm, formula = y~x, na.rm = TRUE) + xlab('Trình độ')+ylab('Mức thu nhập trung bình')## Warning: The following aesthetics were dropped during statistical transformation: colour
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?
2.7 Biểu đồ
2.7.1 Sử dụng biểu đồ tròn phân tích biến type
Biểu đồ tròn này thể hiện lần lượt ba biểu hiện của biến loại nghề nghiệp type. Biểu đồ này thể hiện bc, Blue Collar chiếm phần nhiều nhât, tiếp đó là prof, Professional, Managerial, and Technical, và ít nhất là wc, Cổ trắng.
2.7.2 Sử dụng biểu đồ cột phân tích hai biến type và prestige
##
## bc prof wc
## 44 31 23pres |> ggplot(aes(x = t, y = after_stat(count))) + geom_bar(fill = 'blue') + geom_text(aes(label = scales::percent(after_stat(count/sum(count)))), stat = 'count', color = 'red', vjust = - .4) + theme_classic() + labs(title = 'Đồ Thị thể hiện loại nghề nghiệp', x = 'Loại nghề nghiệp', y = 'Điểm uy tín')
Việc lập bảng và thống kê trên biểu đồ cột thể hiện loại nghề nghiệp theo điểm uy tín của nghề nghiệp đó thì có 44 (chiếm 43,1%) loại bc ,có 31 (chiếm 30,4%), có 23 (chiếm 22,5%) và loại không xác định chiếm 3,9% số lượng tham gia vào cuộc khảo sát. Tại đây, số lượng các khảo suất chênh lệch nhau không nhiều lần lượt là 12,7 ; 7,9
2.7.3 Biểu đồ cột đôi theo biến điểm uy tín và loại nghề nghiệp
prety1 <- ggplot(pres, aes(x = p, fill = t)) +
geom_bar(position = "stack", stat = "count") +
labs(x = "ĐIỂM UY TÍN", y = "TỔNG", title = "BIỂU ĐỒ ĐIỂM UY TÍN THEO LOẠI NGHỀ NGHIỆP") +
theme_minimal()
print(prety1)
Biểu đồ cột thu nhập theo biến “điểm uy tín” và “loại nghề nghiệp” từ dữ liệu “Prestige”. Biểu đồ này thể hiện phân bố số lượng người theo điểm uy tín của loại nghề nghiệp đó của họ, được phân theo điểm uy tín và loại nghề nghiệp tương ứng.
Trục x của biểu đồ là biến “điểm uy tín” (prestige), biểu thị điểm uy tín của nghề nghiệp mà người đó tạo nên. Trục y là loại nghiệp nghiệp của từng người.
Mỗi cột trong biểu đồ đại diện cho một loại nghề nghiệp, được phân theo các loại gồm bc,prof,wc, loại khác. Các cột được xếp chồng lên nhau, cho thấy tỷ lệ phân bố của điểm uy tín theo từng loại nghề nghiệp.
2.7.4 Biểu đồ độ lệch chuẩn thu nhập theo loại nghề nghiệp
ict2 <- ggplot(pres, aes(x = p, y = i, fill = p)) +
geom_bar(stat = "summary", fun = sd, position = "dodge", color = "blue") +
labs(x = "LOẠI NGHỀ NGHIỆP", y = "ĐỘ LỆCH CHUẨN CỦA THU NHẬP", title = "ĐỘ LỆCH CHUẨN CỦA THU NHẬP THEO LOẠI NGHỀ NGHIỆP")# Hiển thị số liệu trên đỉnh của biểu đồ
ict<- ict2 + geom_text(stat = "summary", fun = sd, position = position_dodge(width = 0.9),
aes(label = round(..y.., 2)), vjust = -0.5)
ict## Warning: The dot-dot notation (`..y..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(y)` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.## Warning: `position_dodge()` requires non-overlapping x intervals## Warning: Removed 84 rows containing missing values (`geom_bar()`).## Warning: Removed 84 rows containing missing values (`geom_text()`).
Giải thích:
Trục x: Biểu diễn loại nghề nghiệp, với các mức nằm trong khoảng từ 20 đến 80. Trục y: Biểu diễn độ lệch chuẩn của thu nhập.Nhận xét:
Loại nghề nghiệp: Biểu đồ cho thấy sự khác biệt về độ lệch chuẩn của mức thu nhập giữa các loại nghề nghiệp. Độ lệch chuẩn: Độ lệch chuẩn được biểu diễn bằng độ dài của cột. Các cột dài hơn cho thấy sự biến động mạnh hơn trong mức thu nhập, trong khi các cột ngắn hơn cho thấy sự ổn định hơn. Số liệu trên đỉnh cột: Số liệu trên đỉnh mỗi cột biểu thị giá trị độ lệch chuẩn tương ứng của từng nhóm. Số liệu này giúp hiểu rõ hơn về mức độ biến động của mức lương trong từng nhóm giới tính.
ggplot(pres, aes(x = e, y = i, color = p)) +
geom_line() +
labs(x = "Trình độ học vấn", y = "Thu nhập", color = "Loại nghề nghiệp") +
theme_minimal()
Biểu đồ đường thu nhập theo biến trình độ học vấn cho thấy xu hướng tăng trưởng thu nhập theo trình độ học vấn và có sự khác biệt giữa các loại nghề nghiệp. Dựa vào biểu đồ, ta có thể rút ra một số nhận xét sau:
Thu nhập tăng theo trình độ: Đối với trình độ, có một xu hướng tăng thu nhập khi trình độ tăng lên. Điều này cho thấy tính công bằng trong việc tăng thu nhập dựa trên trình độ học vấn.
Độ biến động: Biểu đồ cho thấy độ biến động của thu nhập tăng dần theo trình độ. Điều này có thể là do các yếu tố khác nhau như thăng tiến trong sự nghiệp, đổi việc, hoặc sự tăng trưởng của ngành nghề.
Xu hướng chung: Dựa vào các đường đồng thời, ta có thể nhận thấy xu hướng chung của thu nhập theo trình độ. Tuy nhiên, có sự biến động đáng kể giữa các loại nghề nghiệp.
2.8 Hệ số tương quan
2.8.1 Hệ số tương quan Person
- Hệ số tương quan Pearson còn được gọi là hệ số Pearson (Pearson Correlation Coefficient) trong thống kê được định nghĩa là thước đo mối quan hệ thống kê giữa hai biến và sự liên kết của chúng với nhau
##
## Pearson's product-moment correlation
##
## data: ed and ic
## t = 7.0753, df = 100, p-value = 2.079e-10
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.4315828 0.6940914
## sample estimates:
## cor
## 0.5775802Kết luận: ta có p-value = 2.079e-10 < alpha=0.05 nên hai biến trình độ học vấn và thu nhập có quan hệ tương quan tuyến tính với nhau.
2.8.2 Hệ số tương quan Spearman
Ý nghĩa: Hệ số tương quan Pearson chỉ hợp lí nếu biến số x và y tuân theo luật phân phối chuẩn. Nếu x và y không tuân theo luật phân phối chuẩn, chúng ta phải sử dụng một hệ số tương quan khác tên là Spearman, một phương pháp phân tích phi tham số. Hệ số này được ước tính bằng cách biến đổi hai biến số x và y thành thứ bậc (rank), và xem độ tương quan giữa hai dãy số bậc. Do đó, hệ số còn có tên tiếng Anh là Spearman’s Rank correlation
-Giả sử trình độ học vấn và mức thu nhập không có phân phối chuẩn, ta có:
## Warning in cor.test.default(ed, ic, method = "spearman"): Cannot compute exact
## p-value with ties##
## Spearman's rank correlation rho
##
## data: ed and ic
## S = 75339, p-value = 2.847e-10
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## 0.573999Kết luận: ta có p-value = 2.847e-10 < alpha=0.05 nên hai biến trình độ học vấn và thu nhập có quan hệ tương quan tuyến tính với nhau.
2.8.3 Hệ số tương quan Kendall
Ý nghĩa: Hệ số tương quan Kendall (cũng là một phương pháp phân tích phi tham số) được ước tính bằng cách tìm các cặp số (x, y) “song hành” với nhau. Một cặp (x, y) song hành ở đây được định nghĩa là hiệu (độ khác biệt) trên trục hoành có cùng dấu hiệu (dương hay âm) với hiệu trên trục tung. Nếu hai biến số x và y không có liên hệ với nhau, thì số cặp song hành bằng hay tương đương với số cặp không song hành.
##
## Kendall's rank correlation tau
##
## data: ed and ic
## z = 6.0952, p-value = 1.093e-09
## alternative hypothesis: true tau is not equal to 0
## sample estimates:
## tau
## 0.409559Kết luận: ta có p-value = 1.093e-09 < alpha=0.05 nên hai biến trình độ học vấn và thu nhập có quan hệ tương quan tuyến tính với nhau.
2.9 Hồi quy tuyến tính đơn biến
2.9.1 Viết hàm hồi quy tuyến tính mẫu SRF
Hàm lm (viết tắt từ linear model) trong R có thể tính toán các giá trị của α và β trong mô hình hồi quy đơn: α + β.X
##
## Call:
## lm(formula = ic ~ ed)
##
## Coefficients:
## (Intercept) ed
## -2853.6 898.8Kết quả: như vậy mô hình hồi quy đơn có dạng là: (SRF): Y= -2853.6 + 898.8X
2.9.2 Kiểm định các giả thuyết
##
## Call:
## lm(formula = ic ~ ed)
##
## Residuals:
## Min 1Q Median 3Q Max
## -5493.2 -2433.8 -41.9 1491.5 17713.1
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2853.6 1407.0 -2.028 0.0452 *
## ed 898.8 127.0 7.075 2.08e-10 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3483 on 100 degrees of freedom
## Multiple R-squared: 0.3336, Adjusted R-squared: 0.3269
## F-statistic: 50.06 on 1 and 100 DF, p-value: 2.079e-10Kiểm định sự phù hợp mô hình: ta có F= 50.06>C nên mô hình trên là phù hợp
Kiểm định biến giá gói thay đổi ảnh hưởng đến biến số gói: ta có t-value=7.075>C nên biến education thay đổi dẫn đến sự thay đổi của biến income
3 BÀI TẬP TUẦN 3
Package: AER - Dataset: Prestige (Uy tín của Nghề nghiệp Canada)
Mô tả dữ liệu: Khung dữ liệu Uy tín có 102 hàng và 6 cột. Các quan sát là nghề nghiệp.
Giải thích các biến:
education: Trình độ học vấn trung bình của những người đương nhiệm trong nghề nghiệp, các năm, vào năm 1971.
income: Thu nhập trung bình của những người đương nhiệm, đô la, năm 1971.
women: Tỷ lệ người đương nhiệm là phụ nữ.
prestige: Điểm uy tín của Pineo-Porter cho nghề nghiệp, từ một cuộc khảo sát xã hội được thực hiện vào giữa những năm 1960.
census: Điều tra dân số Canada mã nghề nghiệp
type: Loại nghề nghiệp. Một yếu tố với các cấp độ (lưu ý: không theo thứ tự): bc, Blue Collar; prof, Professional, Managerial, and Technical; wc, Cổ trắng.
3.1 Tổng quan dữ liệu
Gọi bộ dữ liệu Prestige trong package AER bằng lệnh library và gán nó cho biến Pre để tạo thành một bộ dữ liệu mới. Sau đó, gán data Prestige vào biến có tên là Pre.
Sau đó đặt tên lần lượt cho 6 biến trong bộ dữ liệu là “e”,“i”,“w”,“p”,“c”,“t” bằng lệnh names
Dùng lệnh summary để tổng quan dữ liệu
## e i w p
## Min. : 6.380 Min. : 611 Min. : 0.000 Min. :14.80
## 1st Qu.: 8.445 1st Qu.: 4106 1st Qu.: 3.592 1st Qu.:35.23
## Median :10.540 Median : 5930 Median :13.600 Median :43.60
## Mean :10.738 Mean : 6798 Mean :28.979 Mean :46.83
## 3rd Qu.:12.648 3rd Qu.: 8187 3rd Qu.:52.203 3rd Qu.:59.27
## Max. :15.970 Max. :25879 Max. :97.510 Max. :87.20
## c t
## Min. :1113 bc :44
## 1st Qu.:3120 prof:31
## Median :5135 wc :23
## Mean :5402 NA's: 4
## 3rd Qu.:8312
## Max. :9517Để xem qua 6 dòng đầu và 6 dòng cuối của dữ liệu bao gồm các thông tin về trình độ học vấn trung bình,thu nhập trung bình,tỷ lệ người đương nhiệm là phụ nữ, điểm uy tín của Pineo-Porter cho nghề nghiệp, điều tra dân số Canada mã nghề nghiệp, loại nghề nghiệp ta sử dụng lệnh head và tail
## e i w p c t
## gov.administrators 13.11 12351 11.16 68.8 1113 prof
## general.managers 12.26 25879 4.02 69.1 1130 prof
## accountants 12.77 9271 15.70 63.4 1171 prof
## purchasing.officers 11.42 8865 9.11 56.8 1175 prof
## chemists 14.62 8403 11.68 73.5 2111 prof
## physicists 15.64 11030 5.13 77.6 2113 prof## e i w p c t
## train.engineers 8.49 8845 0.00 48.9 9131 bc
## bus.drivers 7.58 5562 9.47 35.9 9171 bc
## taxi.drivers 7.93 4224 3.59 25.1 9173 bc
## longshoremen 8.37 4753 0.00 26.1 9313 bc
## typesetters 10.00 6462 13.58 42.2 9511 bc
## bookbinders 8.55 3617 70.87 35.2 9517 bcTrước khi thực hiện phân tích bộ dữ liệu thì cũng cần xem qua cấu trúc của nó. Ta dùng lệnh str
## 'data.frame': 102 obs. of 6 variables:
## $ e: num 13.1 12.3 12.8 11.4 14.6 ...
## $ i: int 12351 25879 9271 8865 8403 11030 8258 14163 11377 11023 ...
## $ w: num 11.16 4.02 15.7 9.11 11.68 ...
## $ p: num 68.8 69.1 63.4 56.8 73.5 77.6 72.6 78.1 73.1 68.8 ...
## $ c: int 1113 1130 1171 1175 2111 2113 2133 2141 2143 2153 ...
## $ t: Factor w/ 3 levels "bc","prof","wc": 2 2 2 2 2 2 2 2 2 2 ...3.2 Lệnh Pivot_longer
Lệnh pivot_longer giúp chuyển đổi bảng dữ liệu rộng thành dài.
- Chuyển đổi dữ liệu dạng rộng income (thu nhập trung bình của những người đương nhiệm) sang dạng dài
- Biến đổi dữ liệu từ rộng sang dài, giúp phân tích dữ liệu và thực hiện tính toán dễ dàng hơn. Thực hiện lệnh pivot_longer cho các biến liên quan đến thu nhập trung bình của những người đương nhiệm gồm “i”, tỷ lệ người đương nhiệm là phụ nữ “w” để chuyển trình bày nhữug biến này từ hàng sang cột. Lệnh name_to =“h1” được sử dụng để chỉ định tên của cột mới được tạo ra sau khi chuyển đổi. Lệnh values_to = “value” để chỉ định tên của cột chứa giá trị được tạo ra sau khi chuyển đổi.
##
## i w
## 102 102Kết quả thu được là tập dữ liệu ttd với 204 quan sát và 6 biến, dài gấp đôi so với tập dữ liệu gốc ban đầu.
## # A tibble: 102 × 7
## i w p c t e al
## <int> <dbl> <dbl> <int> <fct> <chr> <dbl>
## 1 12351 11.2 68.8 1113 prof e 13.1
## 2 25879 4.02 69.1 1130 prof e 12.3
## 3 9271 15.7 63.4 1171 prof e 12.8
## 4 8865 9.11 56.8 1175 prof e 11.4
## 5 8403 11.7 73.5 2111 prof e 14.6
## 6 11030 5.13 77.6 2113 prof e 15.6
## 7 8258 25.6 72.6 2133 prof e 15.1
## 8 14163 2.69 78.1 2141 prof e 15.4
## 9 11377 1.03 73.1 2143 prof e 14.5
## 10 11023 0.94 68.8 2153 prof e 14.6
## # ℹ 92 more rowsTrong câu lệnh này, chúng ta tiến hành trình bày lại cột dữ liệu education (trình độ học vấn trung bình của những người đương nhiệm trong nghề nghiệp, các năm, vào năm 1971) thành một cột dữ liệu và đặt tên cho cột dữ liệu mới này là e, các giá trị của e đã được đưa vào một cột mới và cột này được đặt tên là al.
3.3 Lệnh Pivot_wider
- Chuyển dữ liệu từ dạng dài sang dạng rộng ta sử dụng lệnh pivot_wider, bộ dữ liệu được chọn là Pre, sau đây là Bảng tổng hợp dạng rộng thu nhập trung bình của Canada theo trình độ học vấn:
## # A tibble: 102 × 104
## w p c t `12351` `25879` `9271` `8865` `8403` `11030` `8258`
## <dbl> <dbl> <int> <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 11.2 68.8 1113 prof 13.1 NA NA NA NA NA NA
## 2 4.02 69.1 1130 prof NA 12.3 NA NA NA NA NA
## 3 15.7 63.4 1171 prof NA NA 12.8 NA NA NA NA
## 4 9.11 56.8 1175 prof NA NA NA 11.4 NA NA NA
## 5 11.7 73.5 2111 prof NA NA NA NA 14.6 NA NA
## 6 5.13 77.6 2113 prof NA NA NA NA NA 15.6 NA
## 7 25.6 72.6 2133 prof NA NA NA NA NA NA 15.1
## 8 2.69 78.1 2141 prof NA NA NA NA NA NA NA
## 9 1.03 73.1 2143 prof NA NA NA NA NA NA NA
## 10 0.94 68.8 2153 prof NA NA NA NA NA NA NA
## # ℹ 92 more rows
## # ℹ 93 more variables: `14163` <dbl>, `11377` <dbl>, `11023` <dbl>,
## # `5902` <dbl>, `7059` <dbl>, `8425` <dbl>, `8049` <dbl>, `7405` <dbl>,
## # `6336` <dbl>, `19263` <dbl>, `6112` <dbl>, `9593` <dbl>, `4686` <dbl>,
## # `12480` <dbl>, `5648` <dbl>, `8034` <dbl>, `25308` <dbl>, `14558` <dbl>,
## # `17498` <dbl>, `4614` <dbl>, `3485` <dbl>, `5092` <dbl>, `10432` <dbl>,
## # `5180` <dbl>, `6197` <dbl>, `7562` <dbl>, `8206` <dbl>, `4036` <dbl>, …- Từ dữ liệu ban đầu, tính tổng thu nhập trung bình theo trình độ học vấn và điểm uy tín của Pineo-Porter cho nghề nghiệp. Sau đó, chuyển dữ liệu i từ dạng rộng sang dài theo điểm uy tính Pineo-Porter cho nghề nghiệp như bảng tổng hợp dưới đây
ip <- Pre %>% group_by(e,p) %>% summarise(sgh=sum(i),.groups = 'drop') %>% pivot_wider(names_from = p, values_from = sgh)
ip## # A tibble: 96 × 93
## e `28.2` `36.2` `27.3` `33.3` `28.8` `44.1` `38.9` `17.3` `20.8` `23.2`
## <dbl> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 6.38 2847 NA NA NA NA NA NA NA NA NA
## 2 6.6 NA 5959 NA NA NA NA NA NA NA NA
## 3 6.67 NA NA 4696 NA NA NA NA NA NA NA
## 4 6.69 NA NA NA 4443 NA NA NA NA NA NA
## 5 6.74 NA NA NA NA 3485 NA NA NA NA NA
## 6 6.84 NA NA NA NA NA 3643 NA NA NA NA
## 7 6.92 NA NA NA NA NA NA 5299 NA NA NA
## 8 7.11 NA NA NA NA NA NA NA 3472 NA NA
## 9 7.33 NA NA NA NA NA NA NA NA 3000 NA
## 10 7.42 NA NA NA NA NA NA NA NA NA 1890
## # ℹ 86 more rows
## # ℹ 82 more variables: `26.5` <int>, `20.1` <int>, `35.9` <int>, `25.2` <int>,
## # `34.8` <int>, `29.7` <int>, `29.9` <int>, `41.8` <int>, `25.1` <int>,
## # `38.1` <int>, `51.1` <int>, `42.9` <int>, `26.1` <int>, `48.9` <int>,
## # `20.2` <int>, `35.2` <int>, `21.5` <int>, `50.8` <int>, `43.7` <int>,
## # `44.2` <int>, `35.3` <int>, `40.9` <int>, `30.9` <int>, `36.1` <int>,
## # `34.9` <int>, `25.9` <int>, `43.5` <int>, `14.8` <int>, `41.5` <int>, …3.4 Lệnh Mutate
- Từ cột trình độ ban đầu có thể tạo thêm hai cột mới là level, edu bằng lệnh mutate. Trong đó, cột level sẽ lấy 4 giá trị đầu tiền trong cột education và cột edu lấy 4 giá trị cuối.
## e i w p c t level edu
## gov.administrators 13.11 12351 11.16 68.8 1113 prof 13.1 1
## general.managers 12.26 25879 4.02 69.1 1130 prof 12.2 6
## accountants 12.77 9271 15.70 63.4 1171 prof 12.7 7
## purchasing.officers 11.42 8865 9.11 56.8 1175 prof 11.4 2
## chemists 14.62 8403 11.68 73.5 2111 prof 14.6 2
## physicists 15.64 11030 5.13 77.6 2113 prof 15.6 4
## biologists 15.09 8258 25.65 72.6 2133 prof 15.0 9
## architects 15.44 14163 2.69 78.1 2141 prof 15.4 4
## civil.engineers 14.52 11377 1.03 73.1 2143 prof 14.5 2
## mining.engineers 14.64 11023 0.94 68.8 2153 prof 14.6 4
## surveyors 12.39 5902 1.91 62.0 2161 prof 12.3 9
## draughtsmen 12.30 7059 7.83 60.0 2163 prof 12.3
## computer.programers 13.83 8425 15.33 53.8 2183 prof 13.8 3
## economists 14.44 8049 57.31 62.2 2311 prof 14.4 4
## psychologists 14.36 7405 48.28 74.9 2315 prof 14.3 6
## social.workers 14.21 6336 54.77 55.1 2331 prof 14.2 1
## lawyers 15.77 19263 5.13 82.3 2343 prof 15.7 7
## librarians 14.15 6112 77.10 58.1 2351 prof 14.1 5
## vocational.counsellors 15.22 9593 34.89 58.3 2391 prof 15.2 2
## ministers 14.50 4686 4.14 72.8 2511 prof 14.5
## university.teachers 15.97 12480 19.59 84.6 2711 prof 15.9 7
## primary.school.teachers 13.62 5648 83.78 59.6 2731 prof 13.6 2
## secondary.school.teachers 15.08 8034 46.80 66.1 2733 prof 15.0 8
## physicians 15.96 25308 10.56 87.2 3111 prof 15.9 6
## veterinarians 15.94 14558 4.32 66.7 3115 prof 15.9 4
## osteopaths.chiropractors 14.71 17498 6.91 68.4 3117 prof 14.7 1
## nurses 12.46 4614 96.12 64.7 3131 prof 12.4 6
## nursing.aides 9.45 3485 76.14 34.9 3135 bc 9.45
## physio.therapsts 13.62 5092 82.66 72.1 3137 prof 13.6 2
## pharmacists 15.21 10432 24.71 69.3 3151 prof 15.2 1
## medical.technicians 12.79 5180 76.04 67.5 3156 wc 12.7 9
## commercial.artists 11.09 6197 21.03 57.2 3314 prof 11.0 9
## radio.tv.announcers 12.71 7562 11.15 57.6 3337 wc 12.7 1
## athletes 11.44 8206 8.13 54.1 3373 <NA> 11.4 4
## secretaries 11.59 4036 97.51 46.0 4111 wc 11.5 9
## typists 11.49 3148 95.97 41.9 4113 wc 11.4 9
## bookkeepers 11.32 4348 68.24 49.4 4131 wc 11.3 2
## tellers.cashiers 10.64 2448 91.76 42.3 4133 wc 10.6 4
## computer.operators 11.36 4330 75.92 47.7 4143 wc 11.3 6
## shipping.clerks 9.17 4761 11.37 30.9 4153 wc 9.17
## file.clerks 12.09 3016 83.19 32.7 4161 wc 12.0 9
## receptionsts 11.04 2901 92.86 38.7 4171 wc 11.0 4
## mail.carriers 9.22 5511 7.62 36.1 4172 wc 9.22
## postal.clerks 10.07 3739 52.27 37.2 4173 wc 10.0 7
## telephone.operators 10.51 3161 96.14 38.1 4175 wc 10.5 1
## collectors 11.20 4741 47.06 29.4 4191 wc 11.2
## claim.adjustors 11.13 5052 56.10 51.1 4192 wc 11.1 3
## travel.clerks 11.43 6259 39.17 35.7 4193 wc 11.4 3
## office.clerks 11.00 4075 63.23 35.6 4197 wc 11
## sales.supervisors 9.84 7482 17.04 41.5 5130 wc 9.84
## commercial.travellers 11.13 8780 3.16 40.2 5133 wc 11.1 3
## sales.clerks 10.05 2594 67.82 26.5 5137 wc 10.0 5
## newsboys 9.62 918 7.00 14.8 5143 <NA> 9.62
## service.station.attendant 9.93 2370 3.69 23.3 5145 bc 9.93
## insurance.agents 11.60 8131 13.09 47.3 5171 wc 11.6
## real.estate.salesmen 11.09 6992 24.44 47.1 5172 wc 11.0 9
## buyers 11.03 7956 23.88 51.1 5191 wc 11.0 3
## firefighters 9.47 8895 0.00 43.5 6111 bc 9.47
## policemen 10.93 8891 1.65 51.6 6112 bc 10.9 3
## cooks 7.74 3116 52.00 29.7 6121 bc 7.74
## bartenders 8.50 3930 15.51 20.2 6123 bc 8.5
## funeral.directors 10.57 7869 6.01 54.9 6141 bc 10.5 7
## babysitters 9.46 611 96.53 25.9 6147 <NA> 9.46
## launderers 7.33 3000 69.31 20.8 6162 bc 7.33
## janitors 7.11 3472 33.57 17.3 6191 bc 7.11
## elevator.operators 7.58 3582 30.08 20.1 6193 bc 7.58
## farmers 6.84 3643 3.60 44.1 7112 <NA> 6.84
## farm.workers 8.60 1656 27.75 21.5 7182 bc 8.6
## rotary.well.drillers 8.88 6860 0.00 35.3 7711 bc 8.88
## bakers 7.54 4199 33.30 38.9 8213 bc 7.54
## slaughterers.1 7.64 5134 17.26 25.2 8215 bc 7.64
## slaughterers.2 7.64 5134 17.26 34.8 8215 bc 7.64
## canners 7.42 1890 72.24 23.2 8221 bc 7.42
## textile.weavers 6.69 4443 31.36 33.3 8267 bc 6.69
## textile.labourers 6.74 3485 39.48 28.8 8278 bc 6.74
## tool.die.makers 10.09 8043 1.50 42.5 8311 bc 10.0 9
## machinists 8.81 6686 4.28 44.2 8313 bc 8.81
## sheet.metal.workers 8.40 6565 2.30 35.9 8333 bc 8.4
## welders 7.92 6477 5.17 41.8 8335 bc 7.92
## auto.workers 8.43 5811 13.62 35.9 8513 bc 8.43
## aircraft.workers 8.78 6573 5.78 43.7 8515 bc 8.78
## electronic.workers 8.76 3942 74.54 50.8 8534 bc 8.76
## radio.tv.repairmen 10.29 5449 2.92 37.2 8537 bc 10.2 9
## sewing.mach.operators 6.38 2847 90.67 28.2 8563 bc 6.38
## auto.repairmen 8.10 5795 0.81 38.1 8581 bc 8.1
## aircraft.repairmen 10.10 7716 0.78 50.3 8582 bc 10.1
## railway.sectionmen 6.67 4696 0.00 27.3 8715 bc 6.67
## electrical.linemen 9.05 8316 1.34 40.9 8731 bc 9.05
## electricians 9.93 7147 0.99 50.2 8733 bc 9.93
## construction.foremen 8.24 8880 0.65 51.1 8780 bc 8.24
## carpenters 6.92 5299 0.56 38.9 8781 bc 6.92
## masons 6.60 5959 0.52 36.2 8782 bc 6.6
## house.painters 7.81 4549 2.46 29.9 8785 bc 7.81
## plumbers 8.33 6928 0.61 42.9 8791 bc 8.33
## construction.labourers 7.52 3910 1.09 26.5 8798 bc 7.52
## pilots 12.27 14032 0.58 66.1 9111 prof 12.2 7
## train.engineers 8.49 8845 0.00 48.9 9131 bc 8.49
## bus.drivers 7.58 5562 9.47 35.9 9171 bc 7.58
## taxi.drivers 7.93 4224 3.59 25.1 9173 bc 7.93
## longshoremen 8.37 4753 0.00 26.1 9313 bc 8.37
## typesetters 10.00 6462 13.58 42.2 9511 bc 10
## bookbinders 8.55 3617 70.87 35.2 9517 bc 8.554 BÀI TẬP TUẦN 2
4.1 Đặt tên cho các biến
Ta sẽ gọi dữ liệu longley
Sau đó sẽ gán dataset longley vào lony
-Sử dụng lệnh names để đặt tên cho 7 biến trong bộ dữ liệu lony
4.2 Tính toán các thống kê biến
4.2.1 Dùng hàm summary
Dùng hàm summary để tóm tắt thống kê cho toàn bộ dữ liệu. Qua đó, ta có thể đọc được các giá trị về giá trị nhỏ nhất, giá trị lớn nhất, tứ phân vị, trung bình, trung vị cho từng biến có trong bộ data. Nếu muốn quan sát riêng, thì ta dùng $ để gọi biến có trong data đó.
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 234.3 317.9 381.4 387.7 454.1 554.9- Khi thực hiện dòng lệnh summary(l$G) ta thu được giá trị nhỏ nhất của tổng sản lưởng quốc gia là 234.3, giá trị lớn nhất là 554.9, mức trung bình là 387.7, có 25% tống sản lượng quốc nhỏ hơn 317.9, có 50 % tổng sản lượng quốc gia dưới 381.4 và có 75% tổng sản lượng quốc gia nhỏ hơn 454.1 (tính theo đơn vị nghìn đô).
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 60.17 62.71 65.50 65.32 68.29 70.55- Tương tự, dòng lệnh summary(l$E) cho ta biết được số người trung bình có việc làm nhỏ nhất là 60.17, số người trung bình có việc làm lớn nhất là 70.55, mức trung bình là 65.32, có 25% số người trung bình có việc làm dưới 62,71, có 50% số người trung bình có việc làm dưới 65.5 và có 75% số người trung bình có việc làm dưới 68.29
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 187.0 234.8 314.4 319.3 384.2 480.6- Số người thất nghiệp trung bình nhỏ nhất là 187, lớn nhất là 480.6, có 25% số người thất nghiệp trung bình nhỏ hơn 234.8, có 50% số người thất nghiệp trung bình nhỏ hơn 314.4, có 75% số người thất nghiệp trung bình nhỏ hơn 319.3. Số người thất nghiệp trung bình trong khảo sát là 319.3.
4.2.2 Các hàm mean để tính trung bình, var để tính phương sai, quantile
## [1] 387.6984## [1] 65.317Tổng sản lượng quốc gia trung bình là 387.6984. Tổng số người có việc làm trung bình là 65.317
## [1] 9879.354## [1] 8732.2349879.354 đại diện cho mức độ phân tán của các giá trị về sản lượng quốc gia quanh giá trị trung bình; 8732.234 đại diện cho mức độ phân tán của các giá trị số người thất nghiệp quanh giá trị trung bình.
## [1] 10.7915510.79155: Độ lệch chuẩn đo lường mức độ phân tán của các giá trị của biến Gd.
## 65%
## 436.8718## 46%
## 263.05Có 65% quốc gia có tổng sản lượng quốc gia dưới mức 436.8718. Có 46% quốc gia có số người trong lực lượng vũ trang dưới 263.05
4.2.3 Dùng hàm sum
Dùng sum để tính toán tổng chỉ số giảm phát giá ngầm định GNP, sản phẩm quốc gia, số người thất nghiệp, số người trong lực lượng vũ trang, dân số ‘phi thể chế hóa’≥ 14 tuổi, số người có việc làm.
## [1] 1626.9## [1] 6203.175## [1] 1045.072## [1] 4170.7## [1] 5109.3## [1] 1878.784Qua đó, ta thấy được biến G (tổng sản lượng quốc gia) là cao nhất, thấp nhất là số người có việc làm
4.3 Phân tích sự khác biệt giữa số người có việc làm và số người thất nghiệp theo từng năm
4.4 Hàm aggregate - Toán tử %>%
4.4.1 Hàm aggregate
Hàm aggregate giúp tổng hợp dữ liệu theo nhóm. Các câu lệnh phía trên sẽ trả về kết quả tổng hợp mức chỉ số giảm phát giá ngầm định GNP, sản phẩm quốc gia, số người thất nghiệp, số người trong lực lượng vũ trang, dân số ‘phi thể chế hóa’≥ 14 tuổi, số người có việc làm theo các năm khác nhau
## Group.1 x
## 1 83.0 1947
## 2 88.2 1949
## 3 88.5 1948
## 4 89.5 1950
## 5 96.2 1951
## 6 98.1 1952
## 7 99.0 1953
## 8 100.0 1954
## 9 101.2 1955
## 10 104.6 1956
## 11 108.4 1957
## 12 110.8 1958
## 13 112.6 1959
## 14 114.2 1960
## 15 115.7 1961
## 16 116.9 1962Kết quả trên hiển thị cho mức chỉ số giảm phát giá ngầm định GNP theo từng năm. Năm có chỉ số thấp nhất là năm 1947 với 83, năm có chỉ số cao nhất là năm 1962 với 116.9
## Group.1 x
## 1 234.289 1947
## 2 258.054 1949
## 3 259.426 1948
## 4 284.599 1950
## 5 328.975 1951
## 6 346.999 1952
## 7 363.112 1954
## 8 365.385 1953
## 9 397.469 1955
## 10 419.180 1956
## 11 442.769 1957
## 12 444.546 1958
## 13 482.704 1959
## 14 502.601 1960
## 15 518.173 1961
## 16 554.894 1962Kết quả trên hiển thị cho mức tổng sản lượng quốc gia theo từng năm. Năm có tổng sản lượng thấp nhất là năm 1947 với 234.289, năm có tổng sản lượng cao nhất là năm 1962 với 554.894
## Group.1 x
## 1 60.171 1949
## 2 60.323 1947
## 3 61.122 1948
## 4 61.187 1950
## 5 63.221 1951
## 6 63.639 1952
## 7 63.761 1954
## 8 64.989 1953
## 9 66.019 1955
## 10 66.513 1958
## 11 67.857 1956
## 12 68.169 1957
## 13 68.655 1959
## 14 69.331 1961
## 15 69.564 1960
## 16 70.551 1962## Group.1 x
## 1 187.0 1953
## 2 193.2 1952
## 3 209.9 1951
## 4 232.5 1948
## 5 235.6 1947
## 6 282.2 1956
## 7 290.4 1955
## 8 293.6 1957
## 9 335.1 1950
## 10 357.8 1954
## 11 368.2 1949
## 12 381.3 1959
## 13 393.1 1960
## 14 400.7 1962
## 15 468.1 1958
## 16 480.6 1961## Group.1 x
## 1 145.6 1948
## 2 159.0 1947
## 3 161.6 1949
## 4 165.0 1950
## 5 251.4 1960
## 6 255.2 1959
## 7 257.2 1961
## 8 263.7 1958
## 9 279.8 1957
## 10 282.7 1962
## 11 285.7 1956
## 12 304.8 1955
## 13 309.9 1951
## 14 335.0 1954
## 15 354.7 1953
## 16 359.4 1952## Group.1 x
## 1 107.608 1947
## 2 108.632 1948
## 3 109.773 1949
## 4 110.929 1950
## 5 112.075 1951
## 6 113.270 1952
## 7 115.094 1953
## 8 116.219 1954
## 9 117.388 1955
## 10 118.734 1956
## 11 120.445 1957
## 12 121.950 1958
## 13 123.366 1959
## 14 125.368 1960
## 15 127.852 1961
## 16 130.081 19624.5 Vẽ đồ thị
- Chúng ta tạo biểu đồ histogram của biến los để xem phân bố dữ liệu, ta dùng lênh hist
## Warning in plot.window(xlim, ylim, "", ...): "counts" is not a graphical
## parameter## Warning in title(main = main, sub = sub, xlab = xlab, ylab = ylab, ...):
## "counts" is not a graphical parameter## Warning in axis(1, ...): "counts" is not a graphical parameter## Warning in axis(2, at = yt, ...): "counts" is not a graphical parameter
5 BÀI TẬP TUẦN 1
Giải thích: Data(longley): Longley’s Economic Regression Data
Description: The Longley dataset contains various US macroeconomic variables that are known to be highly collinear. It has been used to appraise the accuracy of least squares routines.
5.1 Giải thích các biến
GNP.deflator: Chỉ số giảm phát giá ngầm định GNP (1954 = 100).
GNP: Tổng sản phẩm quốc gia.
Unemployed: số người thất nghiệp.
Armed.Forces: số người trong lực lượng vũ trang.
Population: dân số ‘phi thể chế hóa’≥ 14 tuổi
Year: số năm (thời gian)
Employed: số người có việc làm.
5.1.2 Gán dữ liệu longley vào l
Sau đó ta thể hiện cấu trúc của dataset (longley) gồm mấy biến và có những biến nào:
5.1.3 Cấu trúc của dataset(longley)
## 'data.frame': 16 obs. of 7 variables:
## $ GNP.deflator: num 83 88.5 88.2 89.5 96.2 ...
## $ GNP : num 234 259 258 285 329 ...
## $ Unemployed : num 236 232 368 335 210 ...
## $ Armed.Forces: num 159 146 162 165 310 ...
## $ Population : num 108 109 110 111 112 ...
## $ Year : int 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 ...
## $ Employed : num 60.3 61.1 60.2 61.2 63.2 ...5.1.4 Ta đặt tên cho các biến trong dataset vừa khai báo:
5.1.5 Sau đó, lấy 6 dòng đầu tiên của data sets
## Gd G U A P Y E
## 1947 83.0 234.289 235.6 159.0 107.608 1947 60.323
## 1948 88.5 259.426 232.5 145.6 108.632 1948 61.122
## 1949 88.2 258.054 368.2 161.6 109.773 1949 60.171
## 1950 89.5 284.599 335.1 165.0 110.929 1950 61.187
## 1951 96.2 328.975 209.9 309.9 112.075 1951 63.221
## 1952 98.1 346.999 193.2 359.4 113.270 1952 63.6395.1.6 Gán biến Y trong data(l) vào YEAR
## [1] 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961
## [16] 19625.1.7 Ta lấy dữ liệu của biến year từ năm 1950 đến năm 1960
## [1] 1951 1952 1953 1954 1955 1956 1957 1958 19595.1.8 Gán biến E trong data(l) vào EMPLOYED
## [1] 60.323 61.122 60.171 61.187 63.221 63.639 64.989 63.761 66.019 67.857
## [11] 68.169 66.513 68.655 69.564 69.331 70.5515.1.9 Ta lấy dữ liệu của biến Year có số năm lớn hơn 1955 và biến Employed mà số người có việc làm trên 62 người
## Gd G U A P Y E
## 1951 96.2 328.975 209.9 309.9 112.075 1951 63.221
## 1952 98.1 346.999 193.2 359.4 113.270 1952 63.639
## 1953 99.0 365.385 187.0 354.7 115.094 1953 64.989
## 1954 100.0 363.112 357.8 335.0 116.219 1954 63.761
## 1955 101.2 397.469 290.4 304.8 117.388 1955 66.019
## 1956 104.6 419.180 282.2 285.7 118.734 1956 67.857
## 1957 108.4 442.769 293.6 279.8 120.445 1957 68.169
## 1958 110.8 444.546 468.1 263.7 121.950 1958 66.513
## 1959 112.6 482.704 381.3 255.2 123.366 1959 68.655
## 1960 114.2 502.601 393.1 251.4 125.368 1960 69.564
## 1961 115.7 518.173 480.6 257.2 127.852 1961 69.331
## 1962 116.9 554.894 400.7 282.7 130.081 1962 70.5515.1.10 Chia dữ liệu YEAR thành 4 tố và lập bảng tần số
## [1] (1947,1951] (1947,1951] (1947,1951] (1947,1951] (1951,1954] (1951,1954]
## [7] (1951,1954] (1951,1954] (1954,1958] (1954,1958] (1954,1958] (1954,1958]
## [13] (1958,1962] (1958,1962] (1958,1962] (1958,1962]
## Levels: (1947,1951] (1951,1954] (1954,1958] (1958,1962]##
## (1947,1951] (1951,1954] (1954,1958] (1958,1962]
## 4 4 4 4Giải thích: trong bảng tần số trên của biến YEAR thì các nhóm (1947,1951],(1951,1954],(1954,1958],(1958,1962] đều có 4 giá trị chiếm tỷ trọng 25%
5.1.11 Lập bảng tần số của YEAR được chia thành 4 tố với lần lượt các biến GNP.deflator, GNP, Unemployed và Employed
##
## 83 88.2 88.5 89.5 96.2 98.1 99 100 101.2 104.6 108.4 110.8 112.6
## (1947,1951] 1 1 1 1 0 0 0 0 0 0 0 0 0
## (1951,1954] 0 0 0 0 1 1 1 1 0 0 0 0 0
## (1954,1958] 0 0 0 0 0 0 0 0 1 1 1 1 0
## (1958,1962] 0 0 0 0 0 0 0 0 0 0 0 0 1
##
## 114.2 115.7 116.9
## (1947,1951] 0 0 0
## (1951,1954] 0 0 0
## (1954,1958] 0 0 0
## (1958,1962] 1 1 1Giải thích: bảng tần số của biến Year theo biến GNP.deflator thì nhóm năm từ (1947,1951] có chỉ số giảm phát giá ngầm định GNP từ 83 đến 89.5, nhóm năm từ (1951,1954] có chỉ số giảm phát giá ngầm định GNP từ 96.2 đến 100, nhóm năm từ (1954,1958] có chỉ số giảm phát giá ngầm định GNP từ 101.2 đến 110.8, nhóm năm từ (1958,1962] có chỉ số giảm phát giá ngầm định GNP từ 112.6 đến 116.9
##
## 234.289 258.054 259.426 284.599 328.975 346.999 363.112 365.385
## (1947,1951] 1 1 1 1 0 0 0 0
## (1951,1954] 0 0 0 0 1 1 1 1
## (1954,1958] 0 0 0 0 0 0 0 0
## (1958,1962] 0 0 0 0 0 0 0 0
##
## 397.469 419.18 442.769 444.546 482.704 502.601 518.173 554.894
## (1947,1951] 0 0 0 0 0 0 0 0
## (1951,1954] 0 0 0 0 0 0 0 0
## (1954,1958] 1 1 1 1 0 0 0 0
## (1958,1962] 0 0 0 0 1 1 1 1Giải thích: bảng tần số của biến Year theo biến GNP thì nhóm năm từ (1947,1951] có tổng sản phẩm quốc gia từ 234.239 đến 584.599, nhóm năm từ (1951,1954] có tổng sản phẩm quốc gia từ 328.975 đến 365.385, nhóm năm từ (1954,1958] có tổng sản phẩm quốc gia từ 397.469 đến 444.546, nhóm năm từ (1958,1962] có tổng sản phẩm quốc gia từ 482.704 đến 554.894
##
## 187 193.2 209.9 232.5 235.6 282.2 290.4 293.6 335.1 357.8 368.2
## (1947,1951] 0 0 0 1 1 0 0 0 1 0 1
## (1951,1954] 1 1 1 0 0 0 0 0 0 1 0
## (1954,1958] 0 0 0 0 0 1 1 1 0 0 0
## (1958,1962] 0 0 0 0 0 0 0 0 0 0 0
##
## 381.3 393.1 400.7 468.1 480.6
## (1947,1951] 0 0 0 0 0
## (1951,1954] 0 0 0 0 0
## (1954,1958] 0 0 0 1 0
## (1958,1962] 1 1 1 0 1Giải thích: bảng tần số của biến Year theo biến Unemployed thì nhóm năm từ (1947,1951] có số người thất nghiệp là 232.5 , 235.6 , 335.1 , 368.2 ; nhóm năm từ (1951,1954] có số người thất nghiệp từ 187 đến 209.9 và 357.8, nhóm năm từ (1954,1958] có số người thất nghiệp từ 282.2 đến 293.6 và 468.1, nhóm năm từ (1958,1962] có số người thất nghiệp từ 381.3 đến 4007.7 và 480.6
##
## 60.171 60.323 61.122 61.187 63.221 63.639 63.761 64.989 66.019
## (1947,1951] 1 1 1 1 0 0 0 0 0
## (1951,1954] 0 0 0 0 1 1 1 1 0
## (1954,1958] 0 0 0 0 0 0 0 0 1
## (1958,1962] 0 0 0 0 0 0 0 0 0
##
## 66.513 67.857 68.169 68.655 69.331 69.564 70.551
## (1947,1951] 0 0 0 0 0 0 0
## (1951,1954] 0 0 0 0 0 0 0
## (1954,1958] 1 1 1 0 0 0 0
## (1958,1962] 0 0 0 1 1 1 1Giải thích: bảng tần số của biến Year theo biến Employed thì nhóm năm từ (1947,1951] có số người có việc làm là 60.171 đến 61.187 ; nhóm năm từ (1951,1954] có số người có việc làm từ 187 đến 63.221 và 64.989, nhóm năm từ (1954,1958] có số người có việc làm từ 66.019 đến 68.169, nhóm năm từ (1958,1962] có số người có việc làm từ 68.655 đến 70.551
5.1.12 Ta chia dữ liệu của biến EMPLOYED và biến ARM thành 4 tổ và lập các bảng tần số phụ thuộc của biến EMPLOYED và ARM
5.1.12.1 Chia dữ liệu của biến EMPLOYED thành 4 tổ và lập bảng
## [1] (60.2,62.8] (60.2,62.8] (60.2,62.8] (60.2,62.8] (62.8,65.4] (62.8,65.4]
## [7] (62.8,65.4] (62.8,65.4] (65.4,68] (65.4,68] (68,70.6] (65.4,68]
## [13] (68,70.6] (68,70.6] (68,70.6] (68,70.6]
## Levels: (60.2,62.8] (62.8,65.4] (65.4,68] (68,70.6]##
## (60.2,62.8] (62.8,65.4] (65.4,68] (68,70.6]
## 4 4 3 5Giải thích: trong bảng tần số của biến Employed thì các nhóm (60.2,62.8],(62.8,65.4] đều có 4 giá trị (chiếm 25%) ;(65.4,68] có 3 giá trị (chiếm 18,75%),(68,70.6] có 5 giá trị (chiếm 31,25%)
5.1.13 Gán biến A của data(l) vào Arm, chia dữ liệu Arm thành 4 tổ và lập bảng
## [1] (145,199] (145,199] (145,199] (145,199] (306,360] (306,360] (306,360]
## [8] (306,360] (252,306] (252,306] (252,306] (252,306] (252,306] (199,252]
## [15] (252,306] (252,306]
## Levels: (145,199] (199,252] (252,306] (306,360]5.1.14 Ta chia dữ liệu của biến Arm thành 4 tổ bao gồm các tổ là (145,199], (199,252], (252,306], (306,360]. Sau đó ta lập bảng tần số để hiển thị giá trị của biến Arm từ các tổ đã phân
##
## (145,199] (199,252] (252,306] (306,360]
## 4 1 7 4Giải thích: trong bảng tần số của biến Arm thì các nhóm (145,199],(306,360] đều có 4 giá trị (chiếm 25%) ;(199,252] có 1 giá trị (chiếm 6,25%),(252,306] có 7 giá trị (chiếm 43,75%)
5.1.15 Lập bảng tần số của dữ liệu EMPLOYED (số người có việc làm) với lần lượt các biến GNP (tổng sản phẩm quốc gia), Population (dân số)
##
## (234,314] (314,395] (395,475] (475,555]
## (60.2,62.8] 4 0 0 0
## (62.8,65.4] 0 4 0 0
## (65.4,68] 0 0 3 0
## (68,70.6] 0 0 1 4Nhận xét:
Có tổng cộng 4 giá trị mà số người có việc làm nằm trong nhóm (60.2,62.8] chiếm 25%, Có 4 giá trị mà số người có việc làm nằm trong nhóm (62.8,65.4] chiếm 25%, Có 3 giá trị mà số người có việc làm nằm trong nhóm (65.4,68]chiếm 18,75%, Có 5 giá trị mà số người có việc làm nằm trong nhóm (68,70.6] chiếm 31,25%
Ở mỗi mức tổng sản lượng quốc gia đều có 4 giá trị nằm ở các mức là (234,314], (314,395], (395,475], (475,555] đều chiếm 25%
##
## (108,113] (113,119] (119,124] (124,130]
## (60.2,62.8] 4 0 0 0
## (62.8,65.4] 1 3 0 0
## (65.4,68] 0 2 1 0
## (68,70.6] 0 0 2 3Nhận xét:
Có tổng cộng 4 giá trị mà số người có việc làm nằm trong nhóm (60.2,62.8] chiếm 25%, Có 4 giá trị mà số người có việc làm nằm trong nhóm (62.8,65.4] chiếm 25%, Có 3 giá trị mà số người có việc làm nằm trong nhóm (65.4,68]chiếm 18,75%, Có 5 giá trị mà số người có việc làm nằm trong nhóm (68,70.6] chiếm 25%
Có 2 mức có dân số từ (108,113] và từ (113,119] chiếm 5 (mỗi tổ sẽ có tỷ trọng là 31.25%), Có 2 mức có dân số từ (119,124] và từ (124,130] chiếm 3 (mỗi tổ sẽ có tỷ trọng là 18.75%)
## EMPLOYED
## 60.171 60.323 61.122 61.187 63.221 63.639 63.761 64.989 66.019
## (1947,1951] 0.0625 0.0625 0.0625 0.0625 0.0000 0.0000 0.0000 0.0000 0.0000
## (1951,1954] 0.0000 0.0000 0.0000 0.0000 0.0625 0.0625 0.0625 0.0625 0.0000
## (1954,1958] 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0625
## (1958,1962] 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## EMPLOYED
## 66.513 67.857 68.169 68.655 69.331 69.564 70.551
## (1947,1951] 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## (1951,1954] 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
## (1954,1958] 0.0625 0.0625 0.0625 0.0000 0.0000 0.0000 0.0000
## (1958,1962] 0.0000 0.0000 0.0000 0.0625 0.0625 0.0625 0.06255.1.16 Lấy ra các dòng có biến YEAR > 1955 hoặc UNEMPLOYED = 290.4
## [1] 8 7Nhận xét: có số năm lớn hơn 1955 chiếm 8, số người thất nghiệp trong những năm lơn hơn 1955 và có số người gần bằng 290 chiếm 10
## [1] 263.75.1.17 Lấy ngẫu nhiên 2 dòng
## Gd G U A P Y E
## 1949 88.2 258.054 368.2 161.6 109.773 1949 60.171
## 1953 99.0 365.385 187.0 354.7 115.094 1953 64.9895.1.18 Tính logarit của các biến EMPLOYED, UNEMPLOYED, ARM trong data(l)
## [1] 4.099713 4.112872 4.097191 4.113935 4.146637 4.153226 4.174218 4.155142
## [9] 4.189943 4.217403 4.221990 4.197397 4.229094 4.242247 4.238892 4.256336## [1] 5.462135 5.448890 5.908626 5.814429 5.346631 5.263726 5.231109 5.879974
## [9] 5.671259 5.642616 5.682218 6.148682 5.943586 5.974064 6.175035 5.993213## [1] 5.068904 4.980863 5.085124 5.105945 5.736250 5.884436 5.871272 5.814131
## [9] 5.719656 5.654942 5.634075 5.574812 5.542048 5.527045 5.549854 5.644386