Bài tập tuần 8

1 PHÂN TÍCH HỒI QUY, KIỂM ĐỊNH KHUYẾT TẬT, DỰ BÁO

# Function tính hàm hồi quy đơn 
hamhoiquydon <- function(x, y) {
  n <- length(x)  # Số quan sát 
  
  # Tính giá trị trung bình của x và y 
  mean_x <- mean(x)
  mean_y <- mean(y)
  
  # Tính hệ số góc (beta1) và hệ số giao (beta0) của đường hồi quy 
  beta1 <- sum((x - mean_x) * (y - mean_y)) / sum((x - mean_x)^2)
  beta0 <- mean_y - beta1 * mean_x
  
  # Tạo 1 data frame chứa các hệ số 
  heso <- data.frame(Intercept = beta0, Slope = beta1)
  
  return(heso)
}

# Ví dụ 
x <- c(2, 5, 7, 10, 23)
y <- c(4, 9, 14, 21, 33)

result <- hamhoiquydon(x, y)
print(result)

##   Intercept    Slope
## 1  3.489442 1.352187

# KIỂM ĐỊNH KHUYẾT TẬT, DỰ BÁO 

## Kiểm định sự phù hợp của mô hình

model_fit <- function(model) {
  # Trích suất các giá trị khuyết đạt 
  residuals <- residuals(model)
  
  # Trích suất các giá trị dự báo 
  fitted <- fitted(model)
  
  # Calculating R-squared
  r_squared <- summary(model)$r.squared
  
  # Calculating adjusted R-squared
  adj_r_squared <- summary(model)$adj.r.squared
  
  # Calculating root mean squared error (RMSE)
  rmse <- sqrt(mean(residuals^2))
  
  # Tạo 1 danh sách lưu trữ kết quả 
  results <- list()
  results$residuals <- residuals
  results$fitted <- fitted
  results$r_squared <- r_squared
  results$adj_r_squared <- adj_r_squared
  results$rmse <- rmse
  
  return(results)
}