# Nhập liệu
likert=file.choose()
datalikert=read.csv(likert,header=TRUE)
save(datalikert,file="datalikert.rda")
# (nhập 2 dòng dưới để không cần viết lại$ )
attach(datalikert)
is.data.frame(datalikert)
## [1] TRUE
# câu 1
library(psych)
ABCDEFtb=data.frame(Atb,Btb,Ctb,Dtb,Etb,Ftb)
describe(ABCDEFtb)
## vars n mean sd median trimmed mad min max range skew kurtosis se
## Atb 1 198 4.06 0.72 4.00 4.08 1.19 2.20 5 2.80 -0.15 -1.14 0.05
## Btb 2 198 3.95 0.83 4.00 4.04 1.11 1.25 5 3.75 -0.89 0.37 0.06
## Ctb 3 198 3.68 0.87 3.62 3.71 0.93 1.50 5 3.50 -0.11 -0.61 0.06
## Dtb 4 198 3.80 0.78 4.00 3.85 0.49 1.00 5 4.00 -0.68 0.71 0.06
## Etb 5 198 3.95 0.81 4.00 4.04 0.74 1.25 5 3.75 -0.97 1.02 0.06
## Ftb 6 198 3.85 0.74 3.90 3.84 1.04 2.00 5 3.00 -0.04 -1.12 0.05
# Nhận xét: biến có giá trị trung bình lớn nhất là Atb(4.06)(mean)
# Biến có độ phân giải lớn nhất là Ctb(0.87) (sd)
# Tính mode ( A1)
library(DescTools)
##
## Attaching package: 'DescTools'
## The following objects are masked from 'package:psych':
##
## AUC, ICC, SD
Mode(A1)
## [1] 5
## attr(,"freq")
## [1] 94
# Nhận xét: Mode của A1 là 5 và 94 lần xuất hiện
#CÂU 2
# mã hóa giới tính
GTINHMH=GTINH
GTINHMH=replace(GTINHMH,GTINH==1,"Nam")
GTINHMH=replace(GTINHMH,GTINH==2,"Nữ")
GTINHcode=data.frame(GTINH,GTINHMH)
GTINHcode
## GTINH GTINHMH
## 1 2 Nữ
## 2 2 Nữ
## 3 2 Nữ
## 4 1 Nam
## 5 2 Nữ
## 6 1 Nam
## 7 1 Nam
## 8 1 Nam
## 9 2 Nữ
## 10 1 Nam
## 11 1 Nam
## 12 1 Nam
## 13 2 Nữ
## 14 1 Nam
## 15 2 Nữ
## 16 1 Nam
## 17 1 Nam
## 18 1 Nam
## 19 2 Nữ
## 20 1 Nam
## 21 1 Nam
## 22 1 Nam
## 23 1 Nam
## 24 1 Nam
## 25 1 Nam
## 26 1 Nam
## 27 1 Nam
## 28 1 Nam
## 29 1 Nam
## 30 2 Nữ
## 31 2 Nữ
## 32 2 Nữ
## 33 1 Nam
## 34 2 Nữ
## 35 2 Nữ
## 36 2 Nữ
## 37 1 Nam
## 38 2 Nữ
## 39 1 Nam
## 40 1 Nam
## 41 1 Nam
## 42 2 Nữ
## 43 1 Nam
## 44 2 Nữ
## 45 1 Nam
## 46 1 Nam
## 47 2 Nữ
## 48 1 Nam
## 49 2 Nữ
## 50 2 Nữ
## 51 1 Nam
## 52 2 Nữ
## 53 2 Nữ
## 54 1 Nam
## 55 2 Nữ
## 56 2 Nữ
## 57 1 Nam
## 58 2 Nữ
## 59 2 Nữ
## 60 2 Nữ
## 61 2 Nữ
## 62 2 Nữ
## 63 2 Nữ
## 64 2 Nữ
## 65 2 Nữ
## 66 1 Nam
## 67 1 Nam
## 68 2 Nữ
## 69 2 Nữ
## 70 2 Nữ
## 71 2 Nữ
## 72 2 Nữ
## 73 2 Nữ
## 74 1 Nam
## 75 2 Nữ
## 76 2 Nữ
## 77 2 Nữ
## 78 2 Nữ
## 79 1 Nam
## 80 2 Nữ
## 81 2 Nữ
## 82 2 Nữ
## 83 1 Nam
## 84 2 Nữ
## 85 1 Nam
## 86 1 Nam
## 87 1 Nam
## 88 2 Nữ
## 89 1 Nam
## 90 2 Nữ
## 91 1 Nam
## 92 1 Nam
## 93 2 Nữ
## 94 1 Nam
## 95 2 Nữ
## 96 2 Nữ
## 97 1 Nam
## 98 2 Nữ
## 99 2 Nữ
## 100 1 Nam
## 101 2 Nữ
## 102 2 Nữ
## 103 1 Nam
## 104 1 Nam
## 105 1 Nam
## 106 1 Nam
## 107 1 Nam
## 108 1 Nam
## 109 2 Nữ
## 110 1 Nam
## 111 2 Nữ
## 112 1 Nam
## 113 2 Nữ
## 114 2 Nữ
## 115 1 Nam
## 116 2 Nữ
## 117 1 Nam
## 118 1 Nam
## 119 1 Nam
## 120 1 Nam
## 121 1 Nam
## 122 1 Nam
## 123 1 Nam
## 124 1 Nam
## 125 1 Nam
## 126 1 Nam
## 127 1 Nam
## 128 1 Nam
## 129 1 Nam
## 130 1 Nam
## 131 2 Nữ
## 132 2 Nữ
## 133 1 Nam
## 134 1 Nam
## 135 2 Nữ
## 136 2 Nữ
## 137 1 Nam
## 138 2 Nữ
## 139 1 Nam
## 140 1 Nam
## 141 2 Nữ
## 142 1 Nam
## 143 2 Nữ
## 144 1 Nam
## 145 1 Nam
## 146 1 Nam
## 147 1 Nam
## 148 1 Nam
## 149 1 Nam
## 150 1 Nam
## 151 1 Nam
## 152 1 Nam
## 153 1 Nam
## 154 1 Nam
## 155 1 Nam
## 156 1 Nam
## 157 1 Nam
## 158 1 Nam
## 159 1 Nam
## 160 1 Nam
## 161 1 Nam
## 162 1 Nam
## 163 1 Nam
## 164 2 Nữ
## 165 2 Nữ
## 166 1 Nam
## 167 2 Nữ
## 168 1 Nam
## 169 1 Nam
## 170 1 Nam
## 171 1 Nam
## 172 2 Nữ
## 173 1 Nam
## 174 2 Nữ
## 175 1 Nam
## 176 2 Nữ
## 177 1 Nam
## 178 1 Nam
## 179 1 Nam
## 180 2 Nữ
## 181 1 Nam
## 182 1 Nam
## 183 2 Nữ
## 184 2 Nữ
## 185 1 Nam
## 186 1 Nam
## 187 1 Nam
## 188 2 Nữ
## 189 1 Nam
## 190 1 Nam
## 191 1 Nam
## 192 1 Nam
## 193 1 Nam
## 194 1 Nam
## 195 1 Nam
## 196 1 Nam
## 197 1 Nam
## 198 1 Nam
# bảng tần số giới tính
table(GTINHMH)
## GTINHMH
## Nam Nữ
## 121 77
table(GTINHMH)/sum(table(GTINHMH))
## GTINHMH
## Nam Nữ
## 0.6111111 0.3888889
## Nhận xét: Trong tổng thể 198 người có 121 nam ( chiếm 61%)và 77 nữ ( chiếm 39%)
# câu 3
# mã hóa DTUOI
DTUOIMH=DTUOI
DTUOIMH=replace(DTUOIMH,DTUOI==1,"< 20 tuổi")
DTUOIMH=replace(DTUOIMH,DTUOI==2,"TỪ 20 - 30 tuổi")
DTUOIMH=replace(DTUOIMH,DTUOI==3,"Từ 31 - 50 tuổi")
DTUOIMH=replace(DTUOIMH,DTUOI==4,"> 50 tuổi")
DTUOIcode=data.frame(DTUOI,DTUOIMH)
DTUOIcode
## DTUOI DTUOIMH
## 1 1 < 20 tuổi
## 2 2 TỪ 20 - 30 tuổi
## 3 1 < 20 tuổi
## 4 2 TỪ 20 - 30 tuổi
## 5 1 < 20 tuổi
## 6 2 TỪ 20 - 30 tuổi
## 7 1 < 20 tuổi
## 8 1 < 20 tuổi
## 9 2 TỪ 20 - 30 tuổi
## 10 1 < 20 tuổi
## 11 2 TỪ 20 - 30 tuổi
## 12 1 < 20 tuổi
## 13 2 TỪ 20 - 30 tuổi
## 14 1 < 20 tuổi
## 15 4 > 50 tuổi
## 16 3 Từ 31 - 50 tuổi
## 17 2 TỪ 20 - 30 tuổi
## 18 1 < 20 tuổi
## 19 3 Từ 31 - 50 tuổi
## 20 4 > 50 tuổi
## 21 2 TỪ 20 - 30 tuổi
## 22 3 Từ 31 - 50 tuổi
## 23 3 Từ 31 - 50 tuổi
## 24 4 > 50 tuổi
## 25 3 Từ 31 - 50 tuổi
## 26 2 TỪ 20 - 30 tuổi
## 27 3 Từ 31 - 50 tuổi
## 28 1 < 20 tuổi
## 29 3 Từ 31 - 50 tuổi
## 30 3 Từ 31 - 50 tuổi
## 31 2 TỪ 20 - 30 tuổi
## 32 3 Từ 31 - 50 tuổi
## 33 3 Từ 31 - 50 tuổi
## 34 4 > 50 tuổi
## 35 3 Từ 31 - 50 tuổi
## 36 2 TỪ 20 - 30 tuổi
## 37 3 Từ 31 - 50 tuổi
## 38 1 < 20 tuổi
## 39 3 Từ 31 - 50 tuổi
## 40 3 Từ 31 - 50 tuổi
## 41 2 TỪ 20 - 30 tuổi
## 42 1 < 20 tuổi
## 43 3 Từ 31 - 50 tuổi
## 44 1 < 20 tuổi
## 45 4 > 50 tuổi
## 46 2 TỪ 20 - 30 tuổi
## 47 3 Từ 31 - 50 tuổi
## 48 1 < 20 tuổi
## 49 3 Từ 31 - 50 tuổi
## 50 4 > 50 tuổi
## 51 1 < 20 tuổi
## 52 2 TỪ 20 - 30 tuổi
## 53 1 < 20 tuổi
## 54 3 Từ 31 - 50 tuổi
## 55 4 > 50 tuổi
## 56 4 > 50 tuổi
## 57 4 > 50 tuổi
## 58 3 Từ 31 - 50 tuổi
## 59 3 Từ 31 - 50 tuổi
## 60 4 > 50 tuổi
## 61 2 TỪ 20 - 30 tuổi
## 62 4 > 50 tuổi
## 63 3 Từ 31 - 50 tuổi
## 64 3 Từ 31 - 50 tuổi
## 65 3 Từ 31 - 50 tuổi
## 66 3 Từ 31 - 50 tuổi
## 67 3 Từ 31 - 50 tuổi
## 68 4 > 50 tuổi
## 69 3 Từ 31 - 50 tuổi
## 70 4 > 50 tuổi
## 71 2 TỪ 20 - 30 tuổi
## 72 3 Từ 31 - 50 tuổi
## 73 3 Từ 31 - 50 tuổi
## 74 4 > 50 tuổi
## 75 3 Từ 31 - 50 tuổi
## 76 2 TỪ 20 - 30 tuổi
## 77 4 > 50 tuổi
## 78 4 > 50 tuổi
## 79 4 > 50 tuổi
## 80 3 Từ 31 - 50 tuổi
## 81 1 < 20 tuổi
## 82 2 TỪ 20 - 30 tuổi
## 83 3 Từ 31 - 50 tuổi
## 84 3 Từ 31 - 50 tuổi
## 85 2 TỪ 20 - 30 tuổi
## 86 3 Từ 31 - 50 tuổi
## 87 2 TỪ 20 - 30 tuổi
## 88 1 < 20 tuổi
## 89 1 < 20 tuổi
## 90 3 Từ 31 - 50 tuổi
## 91 3 Từ 31 - 50 tuổi
## 92 1 < 20 tuổi
## 93 2 TỪ 20 - 30 tuổi
## 94 3 Từ 31 - 50 tuổi
## 95 1 < 20 tuổi
## 96 3 Từ 31 - 50 tuổi
## 97 2 TỪ 20 - 30 tuổi
## 98 4 > 50 tuổi
## 99 4 > 50 tuổi
## 100 2 TỪ 20 - 30 tuổi
## 101 2 TỪ 20 - 30 tuổi
## 102 2 TỪ 20 - 30 tuổi
## 103 1 < 20 tuổi
## 104 2 TỪ 20 - 30 tuổi
## 105 2 TỪ 20 - 30 tuổi
## 106 1 < 20 tuổi
## 107 2 TỪ 20 - 30 tuổi
## 108 2 TỪ 20 - 30 tuổi
## 109 2 TỪ 20 - 30 tuổi
## 110 4 > 50 tuổi
## 111 3 Từ 31 - 50 tuổi
## 112 2 TỪ 20 - 30 tuổi
## 113 3 Từ 31 - 50 tuổi
## 114 3 Từ 31 - 50 tuổi
## 115 4 > 50 tuổi
## 116 3 Từ 31 - 50 tuổi
## 117 2 TỪ 20 - 30 tuổi
## 118 3 Từ 31 - 50 tuổi
## 119 4 > 50 tuổi
## 120 3 Từ 31 - 50 tuổi
## 121 4 > 50 tuổi
## 122 3 Từ 31 - 50 tuổi
## 123 2 TỪ 20 - 30 tuổi
## 124 3 Từ 31 - 50 tuổi
## 125 4 > 50 tuổi
## 126 2 TỪ 20 - 30 tuổi
## 127 4 > 50 tuổi
## 128 3 Từ 31 - 50 tuổi
## 129 2 TỪ 20 - 30 tuổi
## 130 4 > 50 tuổi
## 131 3 Từ 31 - 50 tuổi
## 132 3 Từ 31 - 50 tuổi
## 133 2 TỪ 20 - 30 tuổi
## 134 3 Từ 31 - 50 tuổi
## 135 3 Từ 31 - 50 tuổi
## 136 4 > 50 tuổi
## 137 2 TỪ 20 - 30 tuổi
## 138 3 Từ 31 - 50 tuổi
## 139 3 Từ 31 - 50 tuổi
## 140 4 > 50 tuổi
## 141 3 Từ 31 - 50 tuổi
## 142 4 > 50 tuổi
## 143 3 Từ 31 - 50 tuổi
## 144 2 TỪ 20 - 30 tuổi
## 145 3 Từ 31 - 50 tuổi
## 146 3 Từ 31 - 50 tuổi
## 147 3 Từ 31 - 50 tuổi
## 148 4 > 50 tuổi
## 149 4 > 50 tuổi
## 150 3 Từ 31 - 50 tuổi
## 151 2 TỪ 20 - 30 tuổi
## 152 1 < 20 tuổi
## 153 3 Từ 31 - 50 tuổi
## 154 1 < 20 tuổi
## 155 3 Từ 31 - 50 tuổi
## 156 1 < 20 tuổi
## 157 2 TỪ 20 - 30 tuổi
## 158 3 Từ 31 - 50 tuổi
## 159 1 < 20 tuổi
## 160 2 TỪ 20 - 30 tuổi
## 161 3 Từ 31 - 50 tuổi
## 162 3 Từ 31 - 50 tuổi
## 163 1 < 20 tuổi
## 164 3 Từ 31 - 50 tuổi
## 165 2 TỪ 20 - 30 tuổi
## 166 2 TỪ 20 - 30 tuổi
## 167 3 Từ 31 - 50 tuổi
## 168 3 Từ 31 - 50 tuổi
## 169 2 TỪ 20 - 30 tuổi
## 170 4 > 50 tuổi
## 171 2 TỪ 20 - 30 tuổi
## 172 4 > 50 tuổi
## 173 4 > 50 tuổi
## 174 1 < 20 tuổi
## 175 1 < 20 tuổi
## 176 3 Từ 31 - 50 tuổi
## 177 3 Từ 31 - 50 tuổi
## 178 1 < 20 tuổi
## 179 3 Từ 31 - 50 tuổi
## 180 2 TỪ 20 - 30 tuổi
## 181 2 TỪ 20 - 30 tuổi
## 182 2 TỪ 20 - 30 tuổi
## 183 4 > 50 tuổi
## 184 4 > 50 tuổi
## 185 3 Từ 31 - 50 tuổi
## 186 1 < 20 tuổi
## 187 3 Từ 31 - 50 tuổi
## 188 1 < 20 tuổi
## 189 2 TỪ 20 - 30 tuổi
## 190 3 Từ 31 - 50 tuổi
## 191 1 < 20 tuổi
## 192 1 < 20 tuổi
## 193 2 TỪ 20 - 30 tuổi
## 194 1 < 20 tuổi
## 195 3 Từ 31 - 50 tuổi
## 196 2 TỪ 20 - 30 tuổi
## 197 4 > 50 tuổi
## 198 4 > 50 tuổi
# mã hóa TNHAP
TNHAPMH=TNHAP
TNHAPMH=replace(TNHAPMH,TNHAP==1, "< 10 triệu")
TNHAPMH=replace(TNHAPMH,TNHAP==2, "Từ 10 - 20 triệu")
TNHAPMH=replace(TNHAPMH,TNHAP==1, "Trên 20 triệu")
TNHAPcode=data.frame(TNHAP,TNHAPMH)
TNHAPcode
## TNHAP TNHAPMH
## 1 3 3
## 2 3 3
## 3 2 Từ 10 - 20 triệu
## 4 2 Từ 10 - 20 triệu
## 5 1 Trên 20 triệu
## 6 2 Từ 10 - 20 triệu
## 7 3 3
## 8 2 Từ 10 - 20 triệu
## 9 3 3
## 10 3 3
## 11 2 Từ 10 - 20 triệu
## 12 2 Từ 10 - 20 triệu
## 13 2 Từ 10 - 20 triệu
## 14 2 Từ 10 - 20 triệu
## 15 3 3
## 16 1 Trên 20 triệu
## 17 3 3
## 18 1 Trên 20 triệu
## 19 3 3
## 20 3 3
## 21 3 3
## 22 3 3
## 23 2 Từ 10 - 20 triệu
## 24 2 Từ 10 - 20 triệu
## 25 1 Trên 20 triệu
## 26 2 Từ 10 - 20 triệu
## 27 3 3
## 28 2 Từ 10 - 20 triệu
## 29 3 3
## 30 3 3
## 31 2 Từ 10 - 20 triệu
## 32 2 Từ 10 - 20 triệu
## 33 2 Từ 10 - 20 triệu
## 34 1 Trên 20 triệu
## 35 2 Từ 10 - 20 triệu
## 36 3 3
## 37 3 3
## 38 2 Từ 10 - 20 triệu
## 39 3 3
## 40 2 Từ 10 - 20 triệu
## 41 2 Từ 10 - 20 triệu
## 42 2 Từ 10 - 20 triệu
## 43 3 3
## 44 3 3
## 45 3 3
## 46 3 3
## 47 3 3
## 48 2 Từ 10 - 20 triệu
## 49 2 Từ 10 - 20 triệu
## 50 2 Từ 10 - 20 triệu
## 51 3 3
## 52 3 3
## 53 2 Từ 10 - 20 triệu
## 54 2 Từ 10 - 20 triệu
## 55 3 3
## 56 2 Từ 10 - 20 triệu
## 57 3 3
## 58 3 3
## 59 2 Từ 10 - 20 triệu
## 60 2 Từ 10 - 20 triệu
## 61 3 3
## 62 3 3
## 63 2 Từ 10 - 20 triệu
## 64 1 Trên 20 triệu
## 65 3 3
## 66 2 Từ 10 - 20 triệu
## 67 2 Từ 10 - 20 triệu
## 68 2 Từ 10 - 20 triệu
## 69 3 3
## 70 3 3
## 71 2 Từ 10 - 20 triệu
## 72 2 Từ 10 - 20 triệu
## 73 2 Từ 10 - 20 triệu
## 74 2 Từ 10 - 20 triệu
## 75 3 3
## 76 2 Từ 10 - 20 triệu
## 77 2 Từ 10 - 20 triệu
## 78 2 Từ 10 - 20 triệu
## 79 2 Từ 10 - 20 triệu
## 80 3 3
## 81 2 Từ 10 - 20 triệu
## 82 2 Từ 10 - 20 triệu
## 83 2 Từ 10 - 20 triệu
## 84 3 3
## 85 2 Từ 10 - 20 triệu
## 86 3 3
## 87 2 Từ 10 - 20 triệu
## 88 2 Từ 10 - 20 triệu
## 89 3 3
## 90 2 Từ 10 - 20 triệu
## 91 2 Từ 10 - 20 triệu
## 92 3 3
## 93 2 Từ 10 - 20 triệu
## 94 2 Từ 10 - 20 triệu
## 95 3 3
## 96 2 Từ 10 - 20 triệu
## 97 2 Từ 10 - 20 triệu
## 98 3 3
## 99 3 3
## 100 2 Từ 10 - 20 triệu
## 101 3 3
## 102 2 Từ 10 - 20 triệu
## 103 3 3
## 104 3 3
## 105 2 Từ 10 - 20 triệu
## 106 3 3
## 107 2 Từ 10 - 20 triệu
## 108 3 3
## 109 2 Từ 10 - 20 triệu
## 110 2 Từ 10 - 20 triệu
## 111 1 Trên 20 triệu
## 112 3 3
## 113 2 Từ 10 - 20 triệu
## 114 2 Từ 10 - 20 triệu
## 115 3 3
## 116 3 3
## 117 2 Từ 10 - 20 triệu
## 118 2 Từ 10 - 20 triệu
## 119 3 3
## 120 3 3
## 121 3 3
## 122 2 Từ 10 - 20 triệu
## 123 3 3
## 124 2 Từ 10 - 20 triệu
## 125 3 3
## 126 2 Từ 10 - 20 triệu
## 127 2 Từ 10 - 20 triệu
## 128 3 3
## 129 2 Từ 10 - 20 triệu
## 130 3 3
## 131 2 Từ 10 - 20 triệu
## 132 3 3
## 133 3 3
## 134 2 Từ 10 - 20 triệu
## 135 3 3
## 136 2 Từ 10 - 20 triệu
## 137 1 Trên 20 triệu
## 138 3 3
## 139 2 Từ 10 - 20 triệu
## 140 2 Từ 10 - 20 triệu
## 141 3 3
## 142 2 Từ 10 - 20 triệu
## 143 2 Từ 10 - 20 triệu
## 144 3 3
## 145 1 Trên 20 triệu
## 146 1 Trên 20 triệu
## 147 2 Từ 10 - 20 triệu
## 148 2 Từ 10 - 20 triệu
## 149 2 Từ 10 - 20 triệu
## 150 2 Từ 10 - 20 triệu
## 151 2 Từ 10 - 20 triệu
## 152 3 3
## 153 2 Từ 10 - 20 triệu
## 154 3 3
## 155 2 Từ 10 - 20 triệu
## 156 2 Từ 10 - 20 triệu
## 157 3 3
## 158 2 Từ 10 - 20 triệu
## 159 2 Từ 10 - 20 triệu
## 160 3 3
## 161 2 Từ 10 - 20 triệu
## 162 1 Trên 20 triệu
## 163 3 3
## 164 2 Từ 10 - 20 triệu
## 165 2 Từ 10 - 20 triệu
## 166 3 3
## 167 2 Từ 10 - 20 triệu
## 168 1 Trên 20 triệu
## 169 3 3
## 170 2 Từ 10 - 20 triệu
## 171 1 Trên 20 triệu
## 172 2 Từ 10 - 20 triệu
## 173 2 Từ 10 - 20 triệu
## 174 2 Từ 10 - 20 triệu
## 175 2 Từ 10 - 20 triệu
## 176 2 Từ 10 - 20 triệu
## 177 1 Trên 20 triệu
## 178 2 Từ 10 - 20 triệu
## 179 1 Trên 20 triệu
## 180 3 3
## 181 2 Từ 10 - 20 triệu
## 182 2 Từ 10 - 20 triệu
## 183 2 Từ 10 - 20 triệu
## 184 2 Từ 10 - 20 triệu
## 185 3 3
## 186 2 Từ 10 - 20 triệu
## 187 2 Từ 10 - 20 triệu
## 188 3 3
## 189 2 Từ 10 - 20 triệu
## 190 1 Trên 20 triệu
## 191 3 3
## 192 2 Từ 10 - 20 triệu
## 193 2 Từ 10 - 20 triệu
## 194 2 Từ 10 - 20 triệu
## 195 3 3
## 196 2 Từ 10 - 20 triệu
## 197 2 Từ 10 - 20 triệu
## 198 2 Từ 10 - 20 triệu
# bảng tần số của biến DTUOI và TNHAP
library(gmodels)
## Registered S3 method overwritten by 'gdata':
## method from
## reorder.factor DescTools
CrossTable(DTUOIMH,TNHAPMH)
##
##
## Cell Contents
## |-------------------------|
## | N |
## | Chi-square contribution |
## | N / Row Total |
## | N / Col Total |
## | N / Table Total |
## |-------------------------|
##
##
## Total Observations in Table: 198
##
##
## | TNHAPMH
## DTUOIMH | 3 | Từ 10 - 20 triệu | Trên 20 triệu | Row Total |
## ----------------|------------------|------------------|------------------|------------------|
## < 20 tuổi | 15 | 19 | 2 | 36 |
## | 0.178 | 0.021 | 0.284 | |
## | 0.417 | 0.528 | 0.056 | 0.182 |
## | 0.203 | 0.176 | 0.125 | |
## | 0.076 | 0.096 | 0.010 | |
## ----------------|------------------|------------------|------------------|------------------|
## > 50 tuổi | 14 | 23 | 1 | 38 |
## | 0.003 | 0.249 | 1.396 | |
## | 0.368 | 0.605 | 0.026 | 0.192 |
## | 0.189 | 0.213 | 0.062 | |
## | 0.071 | 0.116 | 0.005 | |
## ----------------|------------------|------------------|------------------|------------------|
## TỪ 20 - 30 tuổi | 20 | 29 | 2 | 51 |
## | 0.046 | 0.050 | 1.092 | |
## | 0.392 | 0.569 | 0.039 | 0.258 |
## | 0.270 | 0.269 | 0.125 | |
## | 0.101 | 0.146 | 0.010 | |
## ----------------|------------------|------------------|------------------|------------------|
## Từ 31 - 50 tuổi | 25 | 37 | 11 | 73 |
## | 0.191 | 0.199 | 4.411 | |
## | 0.342 | 0.507 | 0.151 | 0.369 |
## | 0.338 | 0.343 | 0.688 | |
## | 0.126 | 0.187 | 0.056 | |
## ----------------|------------------|------------------|------------------|------------------|
## Column Total | 74 | 108 | 16 | 198 |
## | 0.374 | 0.545 | 0.081 | |
## ----------------|------------------|------------------|------------------|------------------|
##
##
table(DTUOIMH,TNHAPMH)
## TNHAPMH
## DTUOIMH 3 Từ 10 - 20 triệu Trên 20 triệu
## < 20 tuổi 15 19 2
## > 50 tuổi 14 23 1
## TỪ 20 - 30 tuổi 20 29 2
## Từ 31 - 50 tuổi 25 37 11
table(DTUOIMH,TNHAPMH)/sum(table(DTUOIMH,TNHAPMH))
## TNHAPMH
## DTUOIMH 3 Từ 10 - 20 triệu Trên 20 triệu
## < 20 tuổi 0.075757576 0.095959596 0.010101010
## > 50 tuổi 0.070707071 0.116161616 0.005050505
## TỪ 20 - 30 tuổi 0.101010101 0.146464646 0.010101010
## Từ 31 - 50 tuổi 0.126262626 0.186868687 0.055555556
## nhận xét: nhóm tuổi và nhóm thu nhập có số lượng quan sát lớn nhất là nhóm từ 31-50 tuổi
# thu nhập là từ 10- 20 triệu, có 37 trường hợp (18.7%)
# câu 4
library(gmodels)
CrossTable(GTINHMH,DTUOIMH)
##
##
## Cell Contents
## |-------------------------|
## | N |
## | Chi-square contribution |
## | N / Row Total |
## | N / Col Total |
## | N / Table Total |
## |-------------------------|
##
##
## Total Observations in Table: 198
##
##
## | DTUOIMH
## GTINHMH | < 20 tuổi | > 50 tuổi | TỪ 20 - 30 tuổi | Từ 31 - 50 tuổi | Row Total |
## -------------|-----------------|-----------------|-----------------|-----------------|-----------------|
## Nam | 24 | 21 | 35 | 41 | 121 |
## | 0.182 | 0.213 | 0.471 | 0.292 | |
## | 0.198 | 0.174 | 0.289 | 0.339 | 0.611 |
## | 0.667 | 0.553 | 0.686 | 0.562 | |
## | 0.121 | 0.106 | 0.177 | 0.207 | |
## -------------|-----------------|-----------------|-----------------|-----------------|-----------------|
## Nữ | 12 | 17 | 16 | 32 | 77 |
## | 0.286 | 0.334 | 0.741 | 0.459 | |
## | 0.156 | 0.221 | 0.208 | 0.416 | 0.389 |
## | 0.333 | 0.447 | 0.314 | 0.438 | |
## | 0.061 | 0.086 | 0.081 | 0.162 | |
## -------------|-----------------|-----------------|-----------------|-----------------|-----------------|
## Column Total | 36 | 38 | 51 | 73 | 198 |
## | 0.182 | 0.192 | 0.258 | 0.369 | |
## -------------|-----------------|-----------------|-----------------|-----------------|-----------------|
##
##
## trong tất cả các nhóm tuổi thì giới tính nam đều chiếm tỷ trọng cao hơn.
#Phần 2 Vẽ đồ thị
# câu 5: vẽ biểu đồ tròn
pie(table(GTINHMH),col=c("yellow","orange"),main="Đồ thị thể hiện cơ cấu giới tính")
# câu 6: đồ thị cột
DTUOI.freq<-table(DTUOIMH)
DTUOI.freq
## DTUOIMH
## < 20 tuổi > 50 tuổi TỪ 20 - 30 tuổi Từ 31 - 50 tuổi
## 36 38 51 73
barplot(DTUOI.freq,xlab="Nhóm tuổi",ylab="Số lượng",col=c("yellow","pink","red","orange"),main="Đồ thị cột của các nhóm tuổi",)
# câu 7
hist(Ftb)
hist(Ftb,col="green",border ="red",xlab="Giá trị Ftb",ylab ="Tần số Ftb",main="Đồ thị histogram Ftb" )
hist(Ftb,col="green",xlab="Giá trị Ftb",border = "red",ylab = "Tần số Ftb",main="Đồ thị Histogram Ftb",xlim = c(2,5),ylim=c(0,1))
lines(density(na.omit(Ftb)),col="yellow")
# câu 8 vẽ biểu đồ boxplot của biến Ftb.
boxplot(Ftb,ylab="Giá trị ",col="purple")
boxplot.stats(Ftb)
## $stats
## [1] 2.0 3.0 3.9 4.4 5.0
##
## $n
## [1] 198
##
## $conf
## [1] 3.7428 4.0572
##
## $out
## numeric(0)
# Nhận xét: biến Ftb không có giá trị ngoại lai, vì $out numeric(0)
#câu 9:
plot(Atb~Ftb,xlab="Giá trị biến Atb",ylab="Giá trị biến Ftb",col="steelblue")
abline(lm(Atb~Ftb))
# nhận xét: Biến Atb và Ftb có mối quan hệ tuyến tính cùng chiều
#câu 10:
library(psych)
fa=data.frame(A1,A2,A3,A4,A5)
alpha(fa)
##
## Reliability analysis
## Call: alpha(x = fa)
##
## raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
## 0.93 0.94 0.95 0.74 14 0.0083 4.1 0.72 0.78
##
## 95% confidence boundaries
## lower alpha upper
## Feldt 0.91 0.93 0.95
## Duhachek 0.92 0.93 0.95
##
## Reliability if an item is dropped:
## raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
## A1 0.96 0.96 0.97 0.86 25.2 0.0049 0.0057 0.87
## A2 0.90 0.91 0.91 0.71 9.7 0.0125 0.0270 0.67
## A3 0.90 0.91 0.91 0.71 9.7 0.0125 0.0270 0.67
## A4 0.91 0.92 0.92 0.73 11.1 0.0111 0.0361 0.72
## A5 0.90 0.91 0.91 0.70 9.5 0.0121 0.0277 0.67
##
## Item statistics
## n raw.r std.r r.cor r.drop mean sd
## A1 198 0.74 0.73 0.60 0.60 4.1 0.89
## A2 198 0.94 0.94 0.95 0.90 4.0 0.83
## A3 198 0.94 0.94 0.95 0.90 4.0 0.83
## A4 198 0.89 0.90 0.89 0.84 4.1 0.74
## A5 198 0.94 0.94 0.95 0.90 4.0 0.73
##
## Non missing response frequency for each item
## 2 3 4 5 miss
## A1 0.00 0.33 0.20 0.47 0
## A2 0.02 0.30 0.35 0.33 0
## A3 0.02 0.30 0.35 0.33 0
## A4 0.01 0.21 0.45 0.33 0
## A5 0.01 0.24 0.48 0.28 0
#Nhận xét: giá trị cronbach's Alpha = 0.93 > 0.6; như vậy nhân tố A đảm bảo tin cậy
# Hệ số tương quan biến tổng các biến/thang đo đều > 0.3 ( đạt yêu cầu)
#=> nên không bất kỳ loại biến/thang đo nào
#câu 11
library(psych)
abcde=data.frame(A1,A2,A3,A4,A5,B1,B2,B3,B4,C1,C2,C3,C4,D1,D2,D3,E1,E2,E3,E4)
KMO(abcde)
## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = abcde)
## Overall MSA = 0.67
## MSA for each item =
## A1 A2 A3 A4 A5 B1 B2 B3 B4 C1 C2 C3 C4 D1 D2 D3
## 0.77 0.70 0.61 0.75 0.68 0.78 0.81 0.53 0.56 0.58 0.53 0.86 0.84 0.72 0.74 0.88
## E1 E2 E3 E4
## 0.60 0.82 0.74 0.61
cortest.bartlett(abcde)
## R was not square, finding R from data
## $chisq
## [1] 5048.334
##
## $p.value
## [1] 0
##
## $df
## [1] 190
#Nhận xét
#Giá trị KMO = 0.67 > 0.5: Đảm bảo yêu cầu phân tích EFA
#Giá trị sig. (P-Value) của barlett's=0.000 < 5%: do đó kết quả EFA có thể sử dụng để phân tích
#câu 12
principal(abcde,cor=TRUE,nfactors = 20,rotate = "none")
## Principal Components Analysis
## Call: principal(r = abcde, nfactors = 20, rotate = "none", cor = TRUE)
## Standardized loadings (pattern matrix) based upon correlation matrix
## PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10 PC11 PC12
## A1 0.45 -0.26 0.51 0.05 0.21 -0.20 -0.25 -0.52 0.11 -0.04 0.16 0.03
## A2 0.64 -0.46 0.53 0.01 -0.06 0.09 0.09 0.07 0.02 -0.08 -0.13 -0.16
## A3 0.63 -0.47 0.53 0.03 -0.05 0.10 0.10 0.07 0.03 -0.10 -0.12 -0.16
## A4 0.56 -0.56 0.46 0.00 0.03 0.03 0.04 0.08 -0.07 0.13 0.10 0.27
## A5 0.65 -0.53 0.44 0.02 0.00 -0.06 0.11 0.16 -0.06 0.02 0.02 0.13
## B1 0.54 0.16 -0.43 0.61 0.06 0.24 -0.07 -0.02 0.08 0.00 -0.05 0.07
## B2 0.45 0.27 -0.27 0.44 0.13 -0.52 0.18 0.13 -0.24 0.03 0.18 -0.09
## B3 0.61 0.19 -0.46 0.59 0.07 0.04 0.01 0.00 0.00 -0.05 0.00 0.02
## B4 0.57 0.15 -0.41 0.61 0.08 0.24 -0.03 -0.08 0.04 0.00 -0.02 -0.03
## C1 0.51 0.59 0.03 -0.50 0.21 0.16 -0.09 0.13 -0.11 0.04 0.11 -0.11
## C2 0.44 0.52 0.09 -0.52 0.27 0.28 -0.13 0.06 -0.07 0.14 0.20 -0.01
## C3 0.38 0.64 -0.02 -0.27 0.23 -0.22 0.15 0.07 0.30 0.15 -0.27 0.22
## C4 0.48 0.57 0.08 -0.35 0.26 -0.17 0.09 -0.09 0.07 -0.26 -0.09 -0.13
## D1 0.40 0.44 -0.01 -0.13 -0.61 -0.08 -0.19 0.19 0.18 -0.29 0.20 0.12
## D2 0.53 0.33 0.08 -0.02 -0.59 -0.13 -0.11 -0.12 0.03 0.39 -0.07 -0.17
## D3 0.17 0.67 0.17 -0.15 -0.32 0.14 0.26 -0.30 -0.36 -0.11 -0.12 0.17
## E1 -0.29 0.49 0.66 0.43 0.08 -0.02 -0.15 0.08 -0.06 0.00 -0.04 0.02
## E2 -0.34 0.40 0.45 0.29 -0.05 0.16 0.50 -0.08 0.25 0.07 0.28 -0.06
## E3 -0.27 0.50 0.68 0.40 0.03 0.00 -0.12 0.10 -0.01 -0.04 -0.10 -0.05
## E4 -0.30 0.48 0.66 0.42 0.08 -0.01 -0.17 0.07 -0.05 0.03 -0.02 0.05
## PC13 PC14 PC15 PC16 PC17 PC18 PC19 PC20 h2 u2 com
## A1 -0.11 0.01 -0.01 0.00 0.01 -0.01 0.00 0.00 1 3.3e-16 5.2
## A2 -0.10 -0.05 0.03 -0.07 0.06 0.06 -0.01 -0.02 1 -4.4e-16 3.4
## A3 -0.10 0.04 0.05 0.09 -0.06 -0.02 0.02 0.03 1 1.6e-15 3.5
## A4 0.20 -0.06 0.07 0.06 0.05 0.00 -0.02 0.00 1 4.4e-16 4.1
## A5 0.04 0.06 -0.14 -0.07 -0.05 -0.04 0.01 -0.01 1 1.0e-15 3.3
## B1 0.04 0.19 0.04 0.00 0.05 0.01 0.01 0.00 1 3.3e-16 3.8
## B2 -0.08 0.02 0.07 -0.01 0.00 0.00 0.00 0.00 1 1.3e-15 5.8
## B3 -0.02 -0.07 -0.14 0.04 -0.01 0.05 -0.03 0.02 1 4.4e-16 3.3
## B4 0.02 -0.13 0.06 -0.03 -0.05 -0.05 0.01 -0.02 1 7.8e-16 3.5
## C1 -0.07 -0.04 -0.07 0.05 0.09 -0.03 0.04 -0.01 1 3.3e-16 4.1
## C2 -0.04 0.04 0.05 -0.04 -0.07 0.03 -0.04 0.01 1 2.2e-16 5.0
## C3 -0.14 -0.02 0.02 0.00 0.00 0.00 0.00 0.00 1 -2.2e-16 4.7
## C4 0.33 0.01 0.00 -0.01 -0.01 0.00 0.00 0.00 1 7.8e-16 5.1
## D1 -0.05 -0.01 0.02 0.00 0.00 0.00 0.00 0.00 1 3.3e-16 4.6
## D2 0.11 0.01 -0.02 0.00 0.00 0.00 0.00 0.00 1 7.8e-16 4.1
## D3 -0.07 0.01 0.01 0.00 0.00 0.00 0.00 0.00 1 0.0e+00 4.1
## E1 0.02 0.01 -0.01 0.07 -0.05 0.04 0.02 -0.05 1 1.3e-15 3.4
## E2 0.01 0.00 -0.02 0.00 0.01 0.00 0.00 0.00 1 5.6e-16 6.2
## E3 -0.03 0.02 -0.01 0.00 0.04 -0.06 -0.07 0.00 1 1.3e-15 3.2
## E4 0.05 -0.05 0.02 -0.07 0.01 0.01 0.04 0.05 1 7.8e-16 3.5
##
## PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10 PC11
## SS loadings 4.59 4.23 3.45 2.65 1.17 0.71 0.62 0.54 0.43 0.41 0.39
## Proportion Var 0.23 0.21 0.17 0.13 0.06 0.04 0.03 0.03 0.02 0.02 0.02
## Cumulative Var 0.23 0.44 0.61 0.75 0.80 0.84 0.87 0.90 0.92 0.94 0.96
## Proportion Explained 0.23 0.21 0.17 0.13 0.06 0.04 0.03 0.03 0.02 0.02 0.02
## Cumulative Proportion 0.23 0.44 0.61 0.75 0.80 0.84 0.87 0.90 0.92 0.94 0.96
## PC12 PC13 PC14 PC15 PC16 PC17 PC18 PC19 PC20
## SS loadings 0.31 0.24 0.08 0.07 0.04 0.03 0.02 0.01 0.01
## Proportion Var 0.02 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## Cumulative Var 0.98 0.99 0.99 0.99 1.00 1.00 1.00 1.00 1.00
## Proportion Explained 0.02 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.00
## Cumulative Proportion 0.98 0.99 0.99 0.99 1.00 1.00 1.00 1.00 1.00
##
## Mean item complexity = 4.2
## Test of the hypothesis that 20 components are sufficient.
##
## The root mean square of the residuals (RMSR) is 0
## with the empirical chi square 0 with prob < NA
##
## Fit based upon off diagonal values = 1
principal(abcde,cor=TRUE,nfactors = 5,rotate = "varimax")
## Principal Components Analysis
## Call: principal(r = abcde, nfactors = 5, rotate = "varimax", cor = TRUE)
## Standardized loadings (pattern matrix) based upon correlation matrix
## RC1 RC3 RC4 RC2 RC5 h2 u2 com
## A1 0.72 0.12 0.03 0.13 -0.12 0.57 0.430 1.2
## A2 0.94 -0.05 0.02 0.00 0.12 0.90 0.099 1.0
## A3 0.94 -0.04 0.02 -0.02 0.10 0.90 0.103 1.0
## A4 0.90 -0.12 -0.01 -0.06 -0.03 0.83 0.169 1.0
## A5 0.94 -0.14 0.06 -0.02 0.04 0.90 0.095 1.1
## B1 0.02 -0.07 0.93 0.01 0.08 0.88 0.121 1.0
## B2 0.00 0.03 0.73 0.16 0.05 0.56 0.437 1.1
## B3 0.03 -0.11 0.97 0.06 0.10 0.96 0.036 1.1
## B4 0.06 -0.08 0.94 0.02 0.08 0.90 0.099 1.0
## C1 0.03 -0.06 0.04 0.92 0.21 0.89 0.110 1.1
## C2 0.06 -0.04 -0.04 0.90 0.12 0.82 0.176 1.1
## C3 -0.09 0.07 0.16 0.78 0.14 0.68 0.323 1.2
## C4 0.05 0.04 0.11 0.84 0.14 0.75 0.251 1.1
## D1 -0.01 -0.02 0.11 0.24 0.82 0.74 0.256 1.2
## D2 0.18 0.01 0.21 0.19 0.80 0.76 0.245 1.4
## D3 -0.15 0.29 -0.01 0.43 0.58 0.63 0.368 2.6
## E1 -0.01 0.98 -0.02 0.03 0.00 0.95 0.047 1.0
## E2 -0.14 0.73 -0.09 -0.04 0.07 0.56 0.440 1.1
## E3 0.01 0.97 -0.04 0.04 0.05 0.95 0.048 1.0
## E4 -0.02 0.97 -0.04 0.03 -0.01 0.94 0.055 1.0
##
## RC1 RC3 RC4 RC2 RC5
## SS loadings 4.08 3.54 3.34 3.30 1.83
## Proportion Var 0.20 0.18 0.17 0.17 0.09
## Cumulative Var 0.20 0.38 0.55 0.71 0.80
## Proportion Explained 0.25 0.22 0.21 0.21 0.11
## Cumulative Proportion 0.25 0.47 0.68 0.89 1.00
##
## Mean item complexity = 1.2
## Test of the hypothesis that 5 components are sufficient.
##
## The root mean square of the residuals (RMSR) is 0.03
## with the empirical chi square 71.75 with prob < 0.99
##
## Fit based upon off diagonal values = 0.99
# Nhận xét:
# Số nhân tố được trich: 5 nhóm nhân tố
#Giá trị Eigenvalue = 1.83 > 1 ( đạt yêu cầu)
#Giá trị tổng phương sai trích = 0.8= 80% > 50% ( đạt yêu cầu)
#Cấu trúc nhân tố có phù hợp với dữ liệu ban đầu vì các biến / thang đo sắp xếp theo đúng nhóm nhân tố
# câu 13
library(psych)
vars=cbind(Atb,Btb,Ctb,Dtb,Etb,Ftb)
pairs.panels(vars)
library(Hmisc)
##
## Attaching package: 'Hmisc'
## The following objects are masked from 'package:DescTools':
##
## %nin%, Label, Mean, Quantile
## The following object is masked from 'package:psych':
##
## describe
## The following objects are masked from 'package:base':
##
## format.pval, units
result=rcorr(as.matrix(vars),type="pearson")
result$r
## Atb Btb Ctb Dtb Etb Ftb
## Atb 1.00000000 0.06221638 0.03185639 0.04014488 -0.08600054 0.2222299
## Btb 0.06221638 1.00000000 0.16097635 0.22801725 -0.10776531 0.2511952
## Ctb 0.03185639 0.16097635 1.00000000 0.50335736 0.02399959 0.5915879
## Dtb 0.04014488 0.22801725 0.50335736 1.00000000 0.13044247 0.5733869
## Etb -0.08600054 -0.10776531 0.02399959 0.13044247 1.00000000 0.2096923
## Ftb 0.22222985 0.25119517 0.59158791 0.57338686 0.20969230 1.0000000
result$P
## Atb Btb Ctb Dtb Etb Ftb
## Atb NA 0.3838835582 6.559338e-01 5.744306e-01 0.228316785 0.0016512737
## Btb 0.383883558 NA 2.347636e-02 1.234270e-03 0.130738634 0.0003574484
## Ctb 0.655933822 0.0234763641 NA 4.085621e-14 0.737161764 0.0000000000
## Dtb 0.574430580 0.0012342702 4.085621e-14 NA 0.066996016 0.0000000000
## Etb 0.228316785 0.1307386340 7.371618e-01 6.699602e-02 NA 0.0030269715
## Ftb 0.001651274 0.0003574484 0.000000e+00 0.000000e+00 0.003026971 NA
#Nhận xét: Biến Ftb có mối tương quan dương với Atb, Btb, Ctb, Dtb, Etb vì hệ số tương quan pearson của các mối quan hệ này >0
# Mối tương quan giữa Ftb và các biến Atb, Btb, Ctb, Dtb, Etb có ý nghĩa thống kê vì giá trị sig. (P-value)của các mối quan hệ này nhỏ hơn 5%