Tệp số liệu được sử dụng: “HybridTest.xls” Mục tiêu của nghiên cứu là để so sánh các loại xe ô tô điện và xe xăng truyền thống.
Consumer Số liệu sau đây là số đo về lượng tiêu hao năng lượng đo bằng dặm/gallon (MPG) cho hai mẫu xe điện cỡ nhỏ, hai mẫu xe điện cỡ trung, hai mẫu xe điện SUV cỡ nhỏ và hai mẫu xe điện SUV cỡ trung. Tương tự là MPG cho tám mẫu xe xăng thông thường.
1. Thực hiện một số thống kê mô tả và nhận xét.
2. Với mức ý nghĩa \(\alpha = 0.05\), hãy kiểm định các tác động do loại xe, cỡ xe và tương tác giữa loại xe và cỡ xe.
3. Thực hiện các kiểm định so sánh cặp (multiple comparison).
library(readxl)
HybridTest <- read_excel("Assignment_TKT63/HybridTest.xlsx")
HybridTest
## # A tibble: 16 × 4
## `Make/Model` Class Type MPG
## <chr> <chr> <chr> <dbl>
## 1 Honda Civic Small Car Hybrid 37
## 2 Honda Civic Small Car Conventional 28
## 3 Toyota Prius Small Car Hybrid 44
## 4 Toyota Corolla Small Car Conventional 32
## 5 Chevrolet Malibu Midsize Car Hybrid 27
## 6 Chevrolet Malibu Midsize Car Conventional 23
## 7 Nissan Altima Midsize Car Hybrid 32
## 8 Nissan Altima Midsize Car Conventional 25
## 9 Ford Escape Small SUV Hybrid 27
## 10 Ford Escape Small SUV Conventional 21
## 11 Saturn Vue Small SUV Hybrid 28
## 12 Saturn Vue Small SUV Conventional 22
## 13 Lexus RX Midsize SUV Hybrid 23
## 14 Lexus RX Midsize SUV Conventional 19
## 15 Toyota Highlander Midsize SUV Hybrid 24
## 16 Toyota Highlander Midsize SUV Conventional 18
#summary(HybridTest)
class<-as.factor(HybridTest$Class)
type<- as.factor(HybridTest$Type)
MPG<-HybridTest$MPG
summary(class)
## Midsize Car Midsize SUV Small Car Small SUV
## 4 4 4 4
summary(type)
## Conventional Hybrid
## 8 8
summary(MPG)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 18.00 22.75 26.00 26.88 29.00 44.00
print("Trung bình MPG của mẫu xe cỡ nhỏ")
## [1] "Trung bình MPG của mẫu xe cỡ nhỏ"
mean(MPG[1:4])
## [1] 35.25
print("Trung bình MPG của mẫu xe cỡ vừa")
## [1] "Trung bình MPG của mẫu xe cỡ vừa"
mean(MPG[5:8])
## [1] 26.75
print("Trung bình MPG của mẫu xe cỡ nhỏ SUV")
## [1] "Trung bình MPG của mẫu xe cỡ nhỏ SUV"
mean(MPG[9:12])
## [1] 24.5
print("Trung bình MPG của mẫu xe cỡ vừa SUV")
## [1] "Trung bình MPG của mẫu xe cỡ vừa SUV"
mean(MPG[13:16])
## [1] 21
-Mẫu là ngẫu nhiên và độc lập
-Biến phụ thuộc phân phối chuẩn
-Phương sai biến phụ thuộc trong mỗi nhóm là tương đồng
a.Mẫu là ngẫu nhiên và độc lập
b.Biến phụ thuộc phân phối chuẩn
library(nortest)
## Kiểm định thông qua sai số
AV=rstandard(aov(MPG~class*type))
shapiro.test(AV)
##
## Shapiro-Wilk normality test
##
## data: AV
## W = 0.9729, p-value = 0.8831
# qqplot of residuals
qqnorm(AV)
qqline(AV)
# Histogram of residuals
hist(AV)
c. Phương sai biến phụ thuộc trong mỗi nhóm là tương đồng
library(car)
## Loading required package: carData
leveneTest(MPG~class*type,data=HybridTest)
## Warning in anova.lm(lm(resp ~ group)): ANOVA F-tests on an essentially perfect
## fit are unreliable
## Levene's Test for Homogeneity of Variance (center = median)
## Df F value Pr(>F)
## group 7 1.0973e+31 < 2.2e-16 ***
## 8
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
=> Phương sai trong mỗi nhóm không tương đồng. Nhưng ANOVA vẫn có thể dùng khi kích cỡ mẫu của các nhóm là bằng nhau.
anova_MPG<-aov(MPG~class+type+class*type,data = HybridTest)
summary(anova_MPG)
## Df Sum Sq Mean Sq F value Pr(>F)
## class 3 441.3 147.08 24.014 0.000236 ***
## type 1 182.2 182.25 29.755 0.000605 ***
## class:type 3 19.3 6.42 1.048 0.422860
## Residuals 8 49.0 6.13
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
=>Nhân tố cỡ xe và loại xe có tác động đến trung bình => Ít nhất một trung bình của 1 nhóm có sự khác biệt =>Kiểm tra bằng Tukey Test
=>Nhưng tương tác giữa cỡ xe và loại xe thì lại không tác động đến trung bình
Dùng kiểm định Tukey
\(H_0\):Trung bình của 2 nhóm tương đồng
\(H_1\):Trung bình của 2 nhóm có sự khác biệt
Ở trường hợp này chỉ cần kiểm định so sánh cặp cho nhân tố cỡ xe vì nhân tố loại xe chỉ có 2 nhóm.
library(stats)
TukeyHSD(anova_MPG,c("class"),ordered = FALSE)
## Tukey multiple comparisons of means
## 95% family-wise confidence level
##
## Fit: aov(formula = MPG ~ class + type + class * type, data = HybridTest)
##
## $class
## diff lwr upr p adj
## Midsize SUV-Midsize Car -5.75 -11.354116 -0.145884 0.0444736
## Small Car-Midsize Car 8.50 2.895884 14.104116 0.0055113
## Small SUV-Midsize Car -2.25 -7.854116 3.354116 0.5956797
## Small Car-Midsize SUV 14.25 8.645884 19.854116 0.0001773
## Small SUV-Midsize SUV 3.50 -2.104116 9.104116 0.2640524
## Small SUV-Small Car -10.75 -16.354116 -5.145884 0.0012450
plot(TukeyHSD(anova_MPG,c("class"),ordered = FALSE))
Dữ liệu được sử dụng: “car_sale”. -Tệp dữ liệu này chứa các biến về doanh số(sales), giá niêm yết(price) và thông số kỹ thuật cho các kiểu dáng và mẫu xe khác nhau. (nhãn của các biến trong bảng “nhãn”). Một nhà phân tích muốn dự đoán doanh số bán ô tô từ một tập hợp các yếu tố đã cho. Tuy nhiên, nhiều yếu tố có mối tương quan với nhau và nhà phân tích lo ngại rằng điều này có thể ảnh hưởng xấu đến kết quả phân tích. Yêu cầu: Sử dụng Phân tích nhân tố với PCA để phân tích các yếu tố ảnh hưởng đến giá bán.
library(readxl)
car_sales <- read_excel("Assignment_TKT63/car_sales.xlsx")
car_sales<-data.frame(car_sales)
Nhận thấy dữ liệu đầu vào bị khuyết giá trị, cột thứ 14 là giá trị ln(sales),từ cột 15 đến cột 25 là các giá trị chuẩn hoá của cột 3 đến cột 13 =>Cách xử lý???
## Visualization missing values
library(visdat)
vis_dat(car_sales)
vis_miss(car_sales)
-Cách 1:Bỏ tất cả các dòng bị thiếu giá trị
car_sales1<-na.omit(car_sales)
head(car_sales1)
## model sales resale type price engine_s horsepow wheelbas width length
## 1 Integra 16.919 16.360 0 21.50 1.8 140 101.2 67.3 172.4
## 2 TL 39.384 19.875 0 28.40 3.2 225 108.1 70.3 192.9
## 4 RL 8.588 29.725 0 42.00 3.5 210 114.6 71.4 196.6
## 5 A4 20.397 22.255 0 23.99 1.8 150 102.6 68.2 178.0
## 6 A6 18.780 23.555 0 33.95 2.8 200 108.7 76.1 192.0
## 7 A8 1.380 39.000 0 62.00 4.2 310 113.0 74.0 198.2
## curb_wgt fuel_cap mpg lnsales zresale ztype zprice zengine_
## 1 2.639 13.2 28 2.8284373 -0.1495606 -0.5926188 -0.41045828 -1.2070012
## 2 3.517 17.2 25 3.6733596 0.1573356 -0.5926188 0.07032257 0.1331567
## 4 3.850 18.0 22 2.1503659 1.0173434 -0.5926188 1.01794859 0.4203334
## 5 2.998 16.4 27 3.0153878 0.3651344 -0.5926188 -0.23695910 -1.2070012
## 6 3.561 18.5 22 2.9327925 0.4786380 -0.5926188 0.45703760 -0.2497456
## 7 3.902 23.7 21 0.3220835 1.8271477 -0.5926188 2.41151627 1.0904124
## zhorsepo zwheelba zwidth zlength zcurb_wg zfuel_ca
## 1 -0.8103784 -0.82278892 -1.11533688 -1.1125568 -1.1721235 -1.22222719
## 2 0.6887312 0.08019843 -0.24624321 0.4136772 0.2204185 -0.19339977
## 4 0.4241825 0.93083869 0.07242447 0.6891438 0.7485693 0.01236571
## 5 -0.6340126 -0.63957410 -0.85460878 -0.6956344 -0.6027356 -0.39916525
## 6 0.2478166 0.15871907 1.43400456 0.3466718 0.2902042 0.14096914
## 7 2.1878409 0.72145032 0.82563899 0.8082645 0.8310434 1.47844479
## zmpg
## 1 0.9705266
## 2 0.2700372
## 4 -0.4304523
## 5 0.7370301
## 6 -0.4304523
## 7 -0.6639487
-Cách 2: Thay những giá trị N/A bằng trung bình của biến đó
car_salesM<-car_sales[,1:13]
car_sales2=data.frame()
for(i in 2:ncol(car_salesM)) {
mv<-is.na(car_salesM[,i])
car_salesM[mv,i]=mean(car_sales[,i],na.rm = TRUE)
}
head(car_salesM)
## model sales resale type price engine_s horsepow wheelbas width length
## 1 Integra 16.919 16.360 0 21.50000 1.8 140 101.2 67.3 172.4
## 2 TL 39.384 19.875 0 28.40000 3.2 225 108.1 70.3 192.9
## 3 CL 14.114 18.225 0 27.39075 3.2 225 106.9 70.6 192.0
## 4 RL 8.588 29.725 0 42.00000 3.5 210 114.6 71.4 196.6
## 5 A4 20.397 22.255 0 23.99000 1.8 150 102.6 68.2 178.0
## 6 A6 18.780 23.555 0 33.95000 2.8 200 108.7 76.1 192.0
## curb_wgt fuel_cap mpg
## 1 2.639 13.2 28
## 2 3.517 17.2 25
## 3 3.470 17.2 26
## 4 3.850 18.0 22
## 5 2.998 16.4 27
## 6 3.561 18.5 22
-Cách 3:Hồi quy (regression impution)
-Cách 4:Stochatic regression imputation (Hồi quy có tính đến yếu tố ngẫu nhiên)
-Cách 5: K-Nearest Neighbors:Algorithm
Để đơn giản hoá việc tính toán và phân tích và mẫu cũng đủ lớn nên trong trường hợp này sẽ lấy tập dữ liệu sau khi đã bỏ các dòng có quan sát bị thiếu.
Vì nhà phân tích muốn dự đoán doanh số bán ô tô từ một tập hợp các yếu tố đã cho. Tuy nhiên, nhiều yếu tố có mối tương quan với nhau và nhà phân tích lo ngại rằng điều này có thể ảnh hưởng xấu đến kết quả phân tích. Do đó sẽ sử dụng phân tích thành phần chính PCA để chọn ra các thành phần đại diện quan trọng nhất ảnh hưởng đến giá bán.
library(FactoMineR)
library(factoextra)
## Loading required package: ggplot2
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
sales_PCA<-na.omit(car_sales1[,15:25])
head(sales_PCA)
## zresale ztype zprice zengine_ zhorsepo zwheelba
## 1 -0.1495606 -0.5926188 -0.41045828 -1.2070012 -0.8103784 -0.82278892
## 2 0.1573356 -0.5926188 0.07032257 0.1331567 0.6887312 0.08019843
## 4 1.0173434 -0.5926188 1.01794859 0.4203334 0.4241825 0.93083869
## 5 0.3651344 -0.5926188 -0.23695910 -1.2070012 -0.6340126 -0.63957410
## 6 0.4786380 -0.5926188 0.45703760 -0.2497456 0.2478166 0.15871907
## 7 1.8271477 -0.5926188 2.41151627 1.0904124 2.1878409 0.72145032
## zwidth zlength zcurb_wg zfuel_ca zmpg
## 1 -1.11533688 -1.1125568 -1.1721235 -1.22222719 0.9705266
## 2 -0.24624321 0.4136772 0.2204185 -0.19339977 0.2700372
## 4 0.07242447 0.6891438 0.7485693 0.01236571 -0.4304523
## 5 -0.85460878 -0.6956344 -0.6027356 -0.39916525 0.7370301
## 6 1.43400456 0.3466718 0.2902042 0.14096914 -0.4304523
## 7 0.82563899 0.8082645 0.8310434 1.47844479 -0.6639487
cov1=cov(sales_PCA)
#head(cov1)
cov = matrix(cov1,nrow =11,ncol =11)
head(cov)
## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 1.02676239 -0.09141393 0.95383487 0.5395727 0.80952017 -0.05731186
## [2,] -0.09141393 0.96832072 -0.07402802 0.1814089 -0.04663999 0.39920870
## [3,] 0.95383487 -0.07402802 0.97205438 0.6464783 0.86951525 0.06963929
## [4,] 0.53957269 0.18140887 0.64647832 1.0202347 0.89932395 0.43632998
## [5,] 0.80952017 -0.04663999 0.86951525 0.8993240 1.06783078 0.24594418
## [6,] -0.05731186 0.39920870 0.06963929 0.4363300 0.24594418 1.10999325
## [,7] [,8] [,9] [,10] [,11]
## [1,] 0.1845894 0.02652892 0.3486472 0.3212147 -0.4158699
## [2,] 0.2221448 0.11138980 0.4373487 0.5636936 -0.5454971
## [3,] 0.3037886 0.18562725 0.4775539 0.3911573 -0.4865939
## [4,] 0.6939053 0.55964982 0.7106511 0.6081177 -0.7528867
## [5,] 0.5360842 0.42724326 0.5858776 0.4838958 -0.6333072
## [6,] 0.7278836 0.92739382 0.6741744 0.6772786 -0.5099582
eigen(cov1) #Tìm các giá trị riêng,vecto riêng
## eigen() decomposition
## $values
## [1] 6.22090540 2.43225524 1.18734513 0.44734164 0.26985914 0.21254997
## [7] 0.12851463 0.12529446 0.07890975 0.05683943 0.02166234
##
## $vectors
## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 0.2144486 -0.50796494 -0.08924184 0.40786483 -0.174342821 -0.08241042
## [2,] 0.1455674 0.30256229 -0.67233251 0.05382222 0.137043323 -0.51413409
## [3,] 0.2570336 -0.45135416 -0.01277015 0.31570331 -0.057980625 -0.04363691
## [4,] 0.3532062 -0.14243471 0.06475854 -0.50040699 0.336261267 -0.28642382
## [5,] 0.3244407 -0.35796177 0.12932466 -0.18408065 0.264355092 -0.18084377
## [6,] 0.2847208 0.40114380 0.22727948 0.46459469 0.206414079 -0.20713813
## [7,] 0.3295342 0.17363213 0.25570938 -0.32307424 -0.745867265 -0.25724933
## [8,] 0.2959577 0.27444531 0.46833960 0.15689691 0.265805305 0.17061616
## [9,] 0.3513003 0.09632220 -0.08586668 0.05026141 -0.007793297 0.18847309
## [10,] 0.3351418 0.14667905 -0.25131528 0.18148427 -0.290318848 0.20679628
## [11,] -0.3517921 -0.03324788 0.33467236 0.25784383 -0.102877221 -0.62908450
## [,7] [,8] [,9] [,10] [,11]
## [1,] 0.1124614 -0.21899677 -0.01163964 0.27908741 0.58808697
## [2,] 0.2382821 -0.04679655 0.29547773 0.03874024 -0.03804548
## [3,] 0.1916340 0.12908105 -0.04042168 0.07247946 -0.75156030
## [4,] -0.2180485 0.13919562 -0.30838804 0.49284237 0.01814596
## [5,] -0.1849605 -0.12826904 0.32497543 -0.67072932 0.08516330
## [6,] -0.1024043 -0.29922745 -0.51752242 -0.19120578 -0.02424380
## [7,] 0.2037871 -0.15401138 0.01120480 -0.04613152 -0.03869524
## [8,] 0.1973529 0.01900252 0.58659771 0.33112117 0.01790277
## [9,] 0.3082611 0.73863380 -0.20805539 -0.25898202 0.26620383
## [10,] -0.7590285 0.14324984 0.19123836 0.08312982 -0.05377857
## [11,] -0.2235662 0.46652133 0.13527852 0.01653671 0.06418018
11*mean(eigen(cov1)$values)
## [1] 11.18148
x<-diag(cov1)
sum(x)
## [1] 11.18148
#Tổng các giá trị riêng bằng tổng giá trị var
pca<-PCA(sales_PCA,graph=FALSE)
#print(pca)
get_eigenvalue(pca)
## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 6.14307118 55.8461017 55.84610
## Dim.2 2.37062900 21.5511727 77.39727
## Dim.3 1.17369462 10.6699511 88.06723
## Dim.4 0.43036424 3.9124022 91.97963
## Dim.5 0.26016842 2.3651675 94.34480
## Dim.6 0.20845349 1.8950317 96.23983
## Dim.7 0.13483868 1.2258062 97.46563
## Dim.8 0.12747259 1.1588417 98.62447
## Dim.9 0.07482681 0.6802437 99.30472
## Dim.10 0.05453537 0.4957761 99.80049
## Dim.11 0.02194559 0.1995054 100.00000
## Trực quan tỉ lệ các thành phần chính
fviz_eig(pca,addlabels = TRUE,ylim=c(0,100))
PCA_s=prcomp(sales_PCA)
summary(PCA_s)
## Importance of components:
## PC1 PC2 PC3 PC4 PC5 PC6 PC7
## Standard deviation 2.4942 1.5596 1.0897 0.66884 0.51948 0.46103 0.35849
## Proportion of Variance 0.5564 0.2175 0.1062 0.04001 0.02413 0.01901 0.01149
## Cumulative Proportion 0.5564 0.7739 0.8801 0.92008 0.94421 0.96322 0.97472
## PC8 PC9 PC10 PC11
## Standard deviation 0.35397 0.28091 0.23841 0.14718
## Proportion of Variance 0.01121 0.00706 0.00508 0.00194
## Cumulative Proportion 0.98592 0.99298 0.99806 1.00000
PCA_sales=princomp(sales_PCA,cor=TRUE,score=TRUE)
summary(PCA_sales)
## Importance of components:
## Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
## Standard deviation 2.478522 1.5396847 1.0833719 0.65602152 0.51006708
## Proportion of Variance 0.558461 0.2155117 0.1066995 0.03912402 0.02365167
## Cumulative Proportion 0.558461 0.7739727 0.8806723 0.91979628 0.94344795
## Comp.6 Comp.7 Comp.8 Comp.9 Comp.10
## Standard deviation 0.45656707 0.36720387 0.35703304 0.273544897 0.233528085
## Proportion of Variance 0.01895032 0.01225806 0.01158842 0.006802437 0.004957761
## Cumulative Proportion 0.96239827 0.97465633 0.98624475 0.993047185 0.998004946
## Comp.11
## Standard deviation 0.148140455
## Proportion of Variance 0.001995054
## Cumulative Proportion 1.000000000
#(PCA_s$sdev)^2
(PCA_sales$sdev)^2
## Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7
## 6.14307118 2.37062900 1.17369462 0.43036424 0.26016842 0.20845349 0.13483868
## Comp.8 Comp.9 Comp.10 Comp.11
## 0.12747259 0.07482681 0.05453537 0.02194559
Có 3 giá trị eigen>1. Giữ lại PC1,PC2,PC3 chúng chiếm 88.01% tổng phương sai
PCA_s
## Standard deviations (1, .., p=11):
## [1] 2.4941743 1.5595689 1.0896537 0.6688360 0.5194797 0.4610314 0.3584894
## [8] 0.3539696 0.2809088 0.2384102 0.1471813
##
## Rotation (n x k) = (11 x 11):
## PC1 PC2 PC3 PC4 PC5
## zresale 0.2144486 0.50796494 -0.08924184 -0.40786483 0.174342821
## ztype 0.1455674 -0.30256229 -0.67233251 -0.05382222 -0.137043323
## zprice 0.2570336 0.45135416 -0.01277015 -0.31570331 0.057980625
## zengine_ 0.3532062 0.14243471 0.06475854 0.50040699 -0.336261267
## zhorsepo 0.3244407 0.35796177 0.12932466 0.18408065 -0.264355092
## zwheelba 0.2847208 -0.40114380 0.22727948 -0.46459469 -0.206414079
## zwidth 0.3295342 -0.17363213 0.25570938 0.32307424 0.745867265
## zlength 0.2959577 -0.27444531 0.46833960 -0.15689691 -0.265805305
## zcurb_wg 0.3513003 -0.09632220 -0.08586668 -0.05026141 0.007793297
## zfuel_ca 0.3351418 -0.14667905 -0.25131528 -0.18148427 0.290318848
## zmpg -0.3517921 0.03324788 0.33467236 -0.25784383 0.102877221
## PC6 PC7 PC8 PC9 PC10 PC11
## zresale -0.08241042 -0.1124614 -0.21899677 0.01163964 -0.27908741 0.58808697
## ztype -0.51413409 -0.2382821 -0.04679655 -0.29547773 -0.03874024 -0.03804548
## zprice -0.04363691 -0.1916340 0.12908105 0.04042168 -0.07247946 -0.75156030
## zengine_ -0.28642382 0.2180485 0.13919562 0.30838804 -0.49284237 0.01814596
## zhorsepo -0.18084377 0.1849605 -0.12826904 -0.32497543 0.67072932 0.08516330
## zwheelba -0.20713813 0.1024043 -0.29922745 0.51752242 0.19120578 -0.02424380
## zwidth -0.25724933 -0.2037871 -0.15401138 -0.01120480 0.04613152 -0.03869524
## zlength 0.17061616 -0.1973529 0.01900252 -0.58659771 -0.33112117 0.01790277
## zcurb_wg 0.18847309 -0.3082611 0.73863380 0.20805539 0.25898202 0.26620383
## zfuel_ca 0.20679628 0.7590285 0.14324984 -0.19123836 -0.08312982 -0.05377857
## zmpg -0.62908450 0.2235662 0.46652133 -0.13527852 -0.01653671 0.06418018
plot(PCA_s,ylim=c(0,11))
biplot(PCA_s)
PC<-PCA_s$x
# Giữ lại 3 nhân tố PC1,PC2,PC3
sales_PCA1<-cbind(sales_PCA,PC[,1:3])
zsale<-scale(na.omit(car_sales1$sales))
sales_PCA1<-cbind(zsale,sales_PCA1)
head(sales_PCA1)
## zsale zresale ztype zprice zengine_ zhorsepo
## 1 -0.5621358 -0.1495606 -0.5926188 -0.41045828 -1.2070012 -0.8103784
## 2 -0.2628377 0.1573356 -0.5926188 0.07032257 0.1331567 0.6887312
## 4 -0.6731286 1.0173434 -0.5926188 1.01794859 0.4203334 0.4241825
## 5 -0.5157989 0.3651344 -0.5926188 -0.23695910 -1.2070012 -0.6340126
## 6 -0.5373420 0.4786380 -0.5926188 0.45703760 -0.2497456 0.2478166
## 7 -0.7691598 1.8271477 -0.5926188 2.41151627 1.0904124 2.1878409
## zwheelba zwidth zlength zcurb_wg zfuel_ca zmpg
## 1 -0.82278892 -1.11533688 -1.1125568 -1.1721235 -1.22222719 0.9705266
## 2 0.08019843 -0.24624321 0.4136772 0.2204185 -0.19339977 0.2700372
## 4 0.93083869 0.07242447 0.6891438 0.7485693 0.01236571 -0.4304523
## 5 -0.63957410 -0.85460878 -0.6956344 -0.6027356 -0.39916525 0.7370301
## 6 0.15871907 1.43400456 0.3466718 0.2902042 0.14096914 -0.4304523
## 7 0.72145032 0.82563899 0.8082645 0.8310434 1.47844479 -0.6639487
## PC1 PC2 PC3
## 1 -2.8869768 0.6636894 -0.08604204
## 2 0.3377639 0.5237653 0.69078313
## 4 1.7110255 0.7580352 0.65865187
## 5 -1.8552997 0.6500557 -0.14169294
## 6 1.1669996 0.2652416 0.66701500
## 7 3.8780663 2.2149149 0.58719386
library(lmtest)
## Loading required package: zoo
##
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric
library(stargazer)
##
## Please cite as:
## Hlavac, Marek (2022). stargazer: Well-Formatted Regression and Summary Statistics Tables.
## R package version 5.2.3. https://CRAN.R-project.org/package=stargazer
reg = lm(zsale~PC1+PC2+PC3,data=sales_PCA1)
stargazer(reg,type = "text")
##
## ===============================================
## Dependent variable:
## ---------------------------
## zsale
## -----------------------------------------------
## PC1 0.038
## (0.034)
##
## PC2 -0.286***
## (0.054)
##
## PC3 0.033
## (0.077)
##
## Constant -0.000
## (0.083)
##
## -----------------------------------------------
## Observations 117
## R2 0.210
## Adjusted R2 0.189
## Residual Std. Error 0.901 (df = 113)
## F Statistic 9.990*** (df = 3; 113)
## ===============================================
## Note: *p<0.1; **p<0.05; ***p<0.01
Các nhà sản xuất ô tô cần có khả năng đánh giá thị trường hiện tại để xác định khả năng cạnh tranh cho xe của họ. Nếu ô tô có thể được nhóm theo dữ liệu có sẵn thì việc này sẽ có thể được thực hiện tự động bằng cách sử dụng phân tích cụm.
Thông tin về các kiểu dáng và nhãn hiệu xe khác nhau có trong tập dự liệu “car_sale” (giống như dữ liệu cho Bài tập 2). Sử dụng quy trình Phân tích cụm phân cấp (hierarchical) để nhóm các loại ô tô bán chạy nhất theo giá cả và đặc tính kĩ thuật của chúng.
library(readxl)
car_sales <- read_excel("Assignment_TKT63/car_sales.xlsx",)
# Tạo một bảng dữ liệu mới chỉ lấy từ cột 1 đến cột 13 vì những cột còn lại là giá trị chuẩn hoá
car_sales<-data.frame(car_sales[,1:13])
library(factoextra)
library(cluster)
## Loại dòng mà bị mất giá trị
data<-na.omit(car_sales)
## Chuẩn hoá dữ liệu
data[,-1]<-scale(data[,-1])
head(data)
## model sales resale type price engine_s horsepow
## 1 Integra -0.5621358 -0.1440282 -0.571602 -0.3158715 -1.1834292 -0.7045706
## 2 TL -0.2628377 0.1588420 -0.571602 0.1717713 0.1433723 0.7461447
## 4 RL -0.6731286 1.0075678 -0.571602 1.1329225 0.4276869 0.4901361
## 5 A4 -0.5157989 0.3639148 -0.571602 -0.1398961 -1.1834292 -0.5338982
## 6 A6 -0.5373420 0.4759294 -0.571602 0.5640058 -0.2357138 0.3194637
## 7 A8 -0.7691598 1.8067488 -0.571602 2.5463801 1.0910877 2.1968600
## wheelbas width length curb_wgt fuel_cap mpg
## 1 -0.76099980 -1.10186337 -1.1059950 -1.1471500 -1.21562468 0.8814503
## 2 0.09608047 -0.25204126 0.3741573 0.3231015 -0.16149767 0.2002767
## 4 0.90347493 0.05956018 0.6413068 0.8807254 0.04932774 -0.4808969
## 5 -0.58709946 -0.84691674 -0.7016607 -0.5459879 -0.37232307 0.6543924
## 6 0.17060919 1.39094816 0.3091750 0.3967816 0.18109362 -0.4808969
## 7 0.70473168 0.79607268 0.7568308 0.9678018 1.55145874 -0.7079548
m<-c("average","single","complete","ward")
names(m)<-c("average","single","complete","ward")
ac<-function(x){
agnes(data,method = x)$ac
}
sapply(m,ac)
## average single complete ward
## 0.9426373 0.6219386 0.9698681 0.9921917
clust<-agnes(data,method="ward")
## produce dendrogram
pltree(clust,cex=0.6,hang=-1,main = "Dendrogram")
# Dùng gap statistic để xác định số nhóm
gap_stats<-clusGap(data[,-1],FUN = hcut,nstart=25,K.max = 10,B=50)
fviz_gap_stat(gap_stats)
#compute distance matrix (Tính toán ma trận khoảng cách)
d <- dist(data[,-1], method = "euclidean")
#perform hierarchical clustering using Ward's method
final_clust <- hclust(d, method = "ward.D2" )
#cut the dendrogram into 6 clusters
groups <- cutree(final_clust, k=6)
table(groups)
## groups
## 1 2 3 4 5 6
## 21 36 23 8 15 14
final_data<-cbind(na.omit(car_sales[,1:13]),cluster=groups)
head(final_data)
## model sales resale type price engine_s horsepow wheelbas width length
## 1 Integra 16.919 16.360 0 21.50 1.8 140 101.2 67.3 172.4
## 2 TL 39.384 19.875 0 28.40 3.2 225 108.1 70.3 192.9
## 4 RL 8.588 29.725 0 42.00 3.5 210 114.6 71.4 196.6
## 5 A4 20.397 22.255 0 23.99 1.8 150 102.6 68.2 178.0
## 6 A6 18.780 23.555 0 33.95 2.8 200 108.7 76.1 192.0
## 7 A8 1.380 39.000 0 62.00 4.2 310 113.0 74.0 198.2
## curb_wgt fuel_cap mpg cluster
## 1 2.639 13.2 28 1
## 2 3.517 17.2 25 2
## 4 3.850 18.0 22 2
## 5 2.998 16.4 27 3
## 6 3.561 18.5 22 2
## 7 3.902 23.7 21 4
aggregate(final_data[,-1],by=list(cluster=final_data$cluster),mean)
## cluster sales resale type price engine_s horsepow wheelbas width
## 1 1 55.564905 10.19905 0 13.98843 1.847619 115.4762 100.1190 67.60000
## 2 2 34.954083 20.43528 0 30.13472 3.466667 210.6944 109.1111 72.76389
## 3 3 72.795783 12.14022 0 18.75178 2.478261 152.4348 105.5087 69.90000
## 4 4 6.231125 51.40250 0 66.21563 4.750000 321.5000 103.9500 72.33750
## 5 5 119.488800 15.86433 1 24.21713 3.546667 179.6000 120.2333 75.98667
## 6 6 69.603357 16.53071 1 23.96786 3.207143 173.4286 104.6357 68.85000
## length curb_wgt fuel_cap mpg cluster
## 1 171.6667 2.509857 13.08095 30.28571 1
## 2 196.3194 3.550611 18.07222 23.60556 2
## 3 186.5087 3.006522 15.98261 25.65217 3
## 4 185.0625 3.592750 20.32500 20.75000 4
## 5 201.8800 4.054200 23.96667 19.66667 5
## 6 178.0071 3.548571 19.22143 20.35714 6
-Một hãng hàng không thu thập dữ liệu về nhân viên của họ đang làm 3 loại công việc:
nhân viên dịch vụ khách hàng
công nhân kĩ thuật
nhân viên điều phối
-Giám đốc Nhân sự của hãng muốn biết liệu ba cách phân loại công việc này có phù hợp với các loại tính cách khác nhau của nhân viên hay không?
-Mỗi nhân viên được thực hiện một loạt bài kiểm tra tâm lý để đánh giá, đo lường về 3 loại tính cách:
tính cách hướng ngoại;
tính cách hòa đồng;
tính bảo thủ (khó thay đổi hoặc bị thuyết phục bởi người khác)
-Dự liệu trong tệp “discriminant_example” gồm biến:
JOB:loại công việc được phân loại;
OUTDOOR: Tính hướng ngoại;
SOCIAL: Tính hòa đồng;
CONSERVATIVE: Tính bảo thủ
Yêu cầu: Sử dụng phương pháp phân tích khác biệt để phân loại nhân viên của hãng thành 3 nhóm.
library(readxl)
DAE <- read_excel("Assignment_TKT63/discriminant_example.xlsx")
DAE[,-4]=scale(DAE[,-4])
set.seed(6)
sp<- sample(c(TRUE, FALSE), nrow(DAE), replace=TRUE, prob=c(0.7,0.3))
train1<-DAE[sp,-5]
test1<-DAE[!sp,-5]
library(MASS)
model <- lda(JOB~., data=train1)
model
## Call:
## lda(JOB ~ ., data = train1)
##
## Prior probabilities of groups:
## 1 2 3
## 0.3190184 0.3987730 0.2822086
##
## Group means:
## OUTDOOR SOCIAL CONSERVATIVE
## 1 -0.70426084 0.6838234 -0.43700501
## 2 0.62442898 0.1601706 -0.07579491
## 3 -0.03328216 -1.0359478 0.68745775
##
## Coefficients of linear discriminants:
## LD1 LD2
## OUTDOOR 0.5389918 -1.0754960
## SOCIAL -1.0528910 -0.3321711
## CONSERVATIVE 0.4337316 0.2489320
##
## Proportion of trace:
## LD1 LD2
## 0.7462 0.2538
predicted <- predict(model,test1 )
#predicted
print("Tỷ lệ dự báo đúng")
## [1] "Tỷ lệ dự báo đúng"
mean(predicted$class==test1$JOB,na.rm=TRUE)
## [1] 0.7160494
lda_plot <- cbind(train1, predict(model)$x)
library(ggplot2)
ggplot(data = lda_plot, mapping=aes(LD1,LD2)) + geom_point(aes(color = JOB))