Untitled

hoiquy <- function(data, x, y) {
  model <- lm(formula = paste(y, "~", x), data = data)
  summary(model)
  return(summary(model)) 
  # Kiểm định tương quan
  cor.test(data, x)
  # Một số đồ thị trong phân tích tương quan
  raqMatrix <- cor(data %>% select(y, x))
 # Tìm dộ tin cậy 95%
  confint(model) 
  re <- resid(model)
  # Giả thiết 1: Sai số ngẫu nhiên có phân phối chuẩn
  shapiro.test(re)
  # Giả thiết 2: Kỳ vọng của sai số ngẫu nhiên tại mỗi giá trị bằng 0
  t.test(re, mu = 0)
  # Giả thiết 3: Phương sai của sai số ngẫu nhiên không đổi
  ncvTest(model)
  
}

x <- c(57, 60, 55.5, 117, 98, 69, 100, 150, 200, 125, 170, 195, 270, 198)
y <- c(10, 15.7, 50, 76, 24.8, 200, 198, 150, 99.8, 76.5, 45.4, 187, 78.3, 200)
new <- data.frame(x,y)


hoiquy(new, "x",  "y")

## 
## Call:
## lm(formula = paste(y, "~", x), data = data)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -67.20 -64.01 -22.05  60.76 119.70 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept)  58.2275    44.4415   1.310    0.215
## x             0.3198     0.3010   1.062    0.309
## 
## Residual standard error: 71.76 on 12 degrees of freedom
## Multiple R-squared:  0.08598,    Adjusted R-squared:  0.00981 
## F-statistic: 1.129 on 1 and 12 DF,  p-value: 0.3089