#LÊ THỊ CẨM LY
#LỚP:24NH1 MSSV:2454020045
#BÀI THỰC HÀNH
#NHAPLIEU
likert=file.choose()
datalikert=read.csv(likert,header=TRUE)
save(datalikert,file="datalikert.rda")
attach(datalikert)
is.data.frame(datalikert)
## [1] TRUE
#CÂU 14
mreg=lm(Ftb~Atb+Btb+Ctb)
summary(mreg)
##
## Call:
## lm(formula = Ftb ~ Atb + Btb + Ctb)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.73037 -0.44846 0.09795 0.39376 1.34503
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.76022 0.32504 2.339 0.020361 *
## Atb 0.20139 0.05691 3.539 0.000504 ***
## Btb 0.13162 0.04943 2.663 0.008399 **
## Ctb 0.47633 0.04730 10.070 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.5705 on 194 degrees of freedom
## Multiple R-squared: 0.4128, Adjusted R-squared: 0.4038
## F-statistic: 45.47 on 3 and 194 DF, p-value: < 2.2e-16
### NHẬN XÉT CÂU 14
# Phương trình hồi quy: Ftb = 0.76022 + 0.20139*Atb + 0.13162*Btb + 0.47633*Ctb + ei
# Kết quả hồi quy cho thấy mô hình có ý nghĩa thống kê tổng thể
# với giá trị F-statistic bằng 45,47 và mức ý nghĩa (p < 0,001).
# Hệ số R2 = 0,4128; cho thấy các biến Atb, Btb và Ctb giải thích khoảng 41,28% sự biến thiên của Ftb
# trong khi R2 hiệu chỉnh đạt 0,4038.
# Xét riêng từng biến, Atb có tác động cùng chiều đến Ftb với hệ số hồi quy 0,2013
# điều này có nghĩa khi Atb tăng 1 đơn vị thì Ftb tăng 0,2013 đơn vị
# và mối quan hệ này có ý nghĩa thống kê ở mức 1% (p = 0,000504).
# Btb cũng có tác động cùng chiều và có ý nghĩa thống kê ở mức 1%, với hệ số 0,13162 (p = 0,00839)
# Biến Ctb có hệ số hồi quy cao nhất 0,47633 và có ý nghĩa thống kê ở mức 1% (p < 0,001),
# cho thấy mối quan hệ cùng chiều rõ rệt với Ftb
# Nhìn chung, cả ba biến Atb, Btb và Ctb đều có mối quan hệ cùng chiều
# và có ý nghĩa thống kê với Ftb trong mô hình nghiên cứu.
### CÂU 15
mreg=lm(Ftb~Atb+Btb+Ctb)
summary(mreg)
##
## Call:
## lm(formula = Ftb ~ Atb + Btb + Ctb)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.73037 -0.44846 0.09795 0.39376 1.34503
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.76022 0.32504 2.339 0.020361 *
## Atb 0.20139 0.05691 3.539 0.000504 ***
## Btb 0.13162 0.04943 2.663 0.008399 **
## Ctb 0.47633 0.04730 10.070 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.5705 on 194 degrees of freedom
## Multiple R-squared: 0.4128, Adjusted R-squared: 0.4038
## F-statistic: 45.47 on 3 and 194 DF, p-value: < 2.2e-16
library(car)
## Loading required package: carData
vif(mreg)
## Atb Btb Ctb
## 1.004380 1.030053 1.027108
require(lmtest)
## Loading required package: lmtest
## Loading required package: zoo
##
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric
dwtest(mreg)
##
## Durbin-Watson test
##
## data: mreg
## DW = 1.7709, p-value = 0.04459
## alternative hypothesis: true autocorrelation is greater than 0
### NHẬN XÉT CÂU 15
# Kiểm định đa cộng tuyến cho thấy các giá trị VIF các biến độc lập đều nhỏ hơn
# => Mô hình không có hiện tượng đa cộng tuyến.
# Kiểm định tự tương quan cho thấy giá trị DW = 1,7709 nằm trong khoảng chấp nhận (1,5 < DW < 2,5)
# => Mô hình không có hiện tượng tự tương quan.
### CÂU 16
mreg=lm(Ftb~Atb+Btb+Ctb)
summary(mreg)
##
## Call:
## lm(formula = Ftb ~ Atb + Btb + Ctb)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1.73037 -0.44846 0.09795 0.39376 1.34503
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.76022 0.32504 2.339 0.020361 *
## Atb 0.20139 0.05691 3.539 0.000504 ***
## Btb 0.13162 0.04943 2.663 0.008399 **
## Ctb 0.47633 0.04730 10.070 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.5705 on 194 degrees of freedom
## Multiple R-squared: 0.4128, Adjusted R-squared: 0.4038
## F-statistic: 45.47 on 3 and 194 DF, p-value: < 2.2e-16
op=par(mfrow=c(2,2))
plot(mreg)
### NHẬN XÉT CÂU 16
# - Đồ thị bên trái dòng 1 vẻ phần dư ei và giá trị dự báo của F^tbi,
# đồ thị này cho thấy các giá trị phần dư tập trung quanh đường y = 0
# cho nên giả định về giá trị trung bình của ei = 0 là có thể chấp nhận được.
# - Đồ thị bên phải dòng 1 vẽ giá trị phần dư ei và giá trị lỳ vọng dựa vào phân phối chuẩn
# Kết quả cho thấy các giá trị phần dư tập trung rất gần các giá trị trên đường chuẩn
# do đó, phần dư ei tuân thủ theo quy luật phân phối chuẩn.
# - Đồ thị bên trái dòng 2 vẽ căn bậc hai của sai số chuẩn phần dư (Standardized residual)
# và các giá trị F^tbi. Đồ thị này cho thấy không có gì khác nhau giữa các số phần dư chuẩn cho các giá trị của F^tbi
# do đó, phần dư của phương sai tuân thủ quy luật phân phối chuẩn
# Tương tự cho đồ thị bên phải dòng 2.