# HO VA TEN: LE THI DIEM MY
# LOP: 24NH1 MA SO SINH VIEN: 2454020006
# BAI THI CUOI KI
# CÂU B Nhập liệu
dulieu=file.choose()
datadulieu=read.csv(dulieu,header= TRUE)
save(datadulieu,file="datadulieu.rda")
attach(datadulieu)
is.data.frame(datadulieu)
## [1] TRUE
# CÂU B Mã hoá
## Phân vùng NIKKEI.225
NIKKEI.225MH=NIKKEI.225
NIKKEI.225MH=replace(NIKKEI.225MH,NIKKEI.225<=59000,1)
NIKKEI.225MH=replace(NIKKEI.225MH,NIKKEI.225>59000,2)
NIKKEI.225MHMH=data.frame(NIKKEI.225, NIKKEI.225MH)
NIKKEI.225MHMH
## NIKKEI.225 NIKKEI.225MH
## 1 45493.66 1
## 2 45630.31 1
## 3 45754.93 1
## 4 45354.99 1
## 5 45043.75 1
## 6 44932.63 1
## 7 44550.85 1
## 8 44936.73 1
## 9 45769.50 1
## 10 47944.76 1
## 11 47950.88 1
## 12 47734.99 1
## 13 48580.44 1
## 14 48088.80 1
## 15 46847.32 1
## 16 47672.67 1
## 17 48277.74 1
## 18 47582.15 1
## 19 49185.50 1
## 20 49316.06 1
## 21 49307.79 1
## 22 48641.61 1
## 23 49299.65 1
## 24 50512.32 1
## 25 50219.18 1
## 26 51307.65 1
## 27 51325.61 1
## 28 52411.34 1
## 29 51497.20 1
## 30 50212.27 1
## 31 50883.68 1
## 32 50276.37 1
## 33 50911.76 1
## 34 50842.93 1
## 35 51063.31 1
## 36 51281.83 1
## 37 50376.53 1
## 38 50323.91 1
## 39 48702.98 1
## 40 48537.70 1
## 41 49823.94 1
## 42 48625.88 1
## 43 48659.52 1
## 44 49559.07 1
## 45 50253.91 1
## 46 49303.28 1
## 47 49303.45 1
## 48 49864.68 1
## 49 51028.42 1
## 50 50491.87 1
## 51 50581.94 1
## 52 50655.10 1
## 53 50602.80 1
## 54 50148.82 1
## 55 50836.55 1
## 56 50168.11 1
## 57 49383.29 1
## 58 49512.28 1
## 59 49001.50 1
## 60 49507.21 1
## 61 50402.39 1
## 62 50412.87 1
## 63 50526.92 1
## 64 50339.48 1
## 65 51832.80 1
## 66 52518.08 1
## 67 51961.98 1
## 68 51117.26 1
## 69 51939.89 1
## 70 53549.16 1
## 71 54341.23 1
## 72 54110.50 1
## 73 53936.17 1
## 74 52991.10 1
## 75 52774.64 1
## 76 53688.89 1
## 77 53846.87 1
## 78 52885.25 1
## 79 53333.54 1
## 80 53358.71 1
## 81 53375.60 1
## 82 53322.85 1
## 83 52655.18 1
## 84 54720.66 1
## 85 54293.36 1
## 86 53818.04 1
## 87 54253.68 1
## 88 56363.94 1
## 89 57650.54 1
## 90 57903.00 1
## 91 57639.84 1
## 92 56941.97 1
## 93 56566.49 1
## 94 57143.84 1
## 95 57467.83 1
## 96 56825.70 1
## 97 56703.00 1
## 98 57321.09 1
## 99 58583.12 1
## 100 58753.39 1
## 101 58850.27 1
## 102 58057.24 1
## 103 56279.05 1
## 104 54245.54 1
## 105 55278.06 1
## 106 55620.84 1
## 107 52728.72 1
## 108 54248.39 1
## 109 55025.37 1
## 110 54452.96 1
## 111 53819.61 1
## 112 53751.15 1
## 113 53700.39 1
## 114 55239.40 1
## 115 53372.53 1
## 116 51190.00 1
## 117 51515.49 1
## 118 52252.28 1
## 119 53749.62 1
## 120 53603.65 1
## 121 53373.07 1
## 122 51885.85 1
## 123 51063.72 1
## 124 53739.68 1
## 125 52463.27 1
## 126 53429.56 1
## 127 56308.42 1
## 128 55895.32 1
## 129 56924.11 1
## 130 56502.77 1
## 131 57877.39 1
## 132 58134.24 1
## 133 59518.34 2
## 134 58475.90 1
## 135 58824.89 1
## 136 59349.17 2
## 137 59585.86 2
## 138 59140.23 2
## 139 59716.18 2
## 140 60537.36 2
## 141 59917.46 2
## 142 59159.50 2
## 143 59513.12 2
## 144 61858.00 2
## 145 62833.84 2
## 146 62713.65 2
## 147 62417.88 2
## 148 62742.57 2
## 149 63272.11 2
## 150 62654.05 2
## 151 61409.29 2
## 152 60815.95 2
## 153 60550.59 2
## 154 59804.41 2
## 155 61684.14 2
## 156 63339.07 2
## 157 64996.09 2
## 158 64999.41 2
## 159 64693.12 2
## 160 66329.50 2
## 161 66934.33 2
## 162 66734.24 2
## 163 68402.13 2
## 164 67470.69 2
## 165 66588.12 2
## 166 64024.60 2
## 167 65416.63 2
## 168 64179.27 2
## 169 64217.27 2
## 170 66020.04 2
## 171 69317.50 2
## 172 69404.50 2
## 173 69902.25 2
## 174 71053.49 2
## 175 72353.96 2
## 176 69788.38 2
## 177 69174.97 2
## 178 72366.34 2
## 179 69360.88 2
## 180 69468.11 2
## 181 70062.32 2
## 182 70474.96 2
## 183 68733.15 2
## 184 69737.69 2
## 185 68256.96 2
## 186 66819.05 2
## 187 67743.85 2
## 188 68557.73 2
## 189 67242.73 2
## 190 67743.50 2
## 191 68751.51 2
## 192 66835.54 2
## 193 64141.12 2
## 194 64787.50 2
## 195 66232.19 2
## 196 66115.60 2
## 197 66422.60 2
## 198 64611.15 2
## 199 64931.19 2
## 200 62364.92 2
## 201 61434.19 2
## 202 61867.43 2
## 203 64362.02 2
## 204 63754.90 2
## 205 63957.53 2
## 206 66300.44 2
## 207 65683.26 2
## 208 65606.71 2
## 209 66970.22 2
## 210 67215.00 2
## 211 67524.06 2
## 212 68308.59 2
## 213 68713.80 2
## 214 69220.25 2
## 215 67460.73 2
## 216 65326.42 2
## 217 66216.79 2
## 218 66016.36 2
## 219 65528.09 2
## 220 65856.43 2
## 221 66262.16 2
## 222 66131.98 2
## 223 66405.56 2
## 224 66311.93 2
## 225 66215.34 2
## 226 64325.64 2
## 227 64214.48 2
## 228 65020.94 2
## 229 65269.33 2
## 230 65142.78 2
## 231 65270.95 2
## 232 64011.34 2
## 233 63492.99 2
## 234 63484.10 2
## 235 63923.00 2
## 236 64136.25 2
## 237 65018.95 2
## 238 66057.00 2
## 239 65513.99 2
## 240 66364.20 2
## 241 65877.62 2
## 242 65481.27 2
## Mã hoá NIKKEI.225
NIKKEI.2251=NIKKEI.225MH
NIKKEI.2251=replace(NIKKEI.2251,NIKKEI.225MH==1,"Nhỏ hơn hoặc bằng 59000,1")
NIKKEI.2251=replace(NIKKEI.2251,NIKKEI.225MH==2,"Lớn hơn 59000,2")
NIKKEI.2251MH=data.frame(NIKKEI.225MH,NIKKEI.2251)
NIKKEI.2251MH
## NIKKEI.225MH NIKKEI.2251
## 1 1 Nhỏ hơn hoặc bằng 59000,1
## 2 1 Nhỏ hơn hoặc bằng 59000,1
## 3 1 Nhỏ hơn hoặc bằng 59000,1
## 4 1 Nhỏ hơn hoặc bằng 59000,1
## 5 1 Nhỏ hơn hoặc bằng 59000,1
## 6 1 Nhỏ hơn hoặc bằng 59000,1
## 7 1 Nhỏ hơn hoặc bằng 59000,1
## 8 1 Nhỏ hơn hoặc bằng 59000,1
## 9 1 Nhỏ hơn hoặc bằng 59000,1
## 10 1 Nhỏ hơn hoặc bằng 59000,1
## 11 1 Nhỏ hơn hoặc bằng 59000,1
## 12 1 Nhỏ hơn hoặc bằng 59000,1
## 13 1 Nhỏ hơn hoặc bằng 59000,1
## 14 1 Nhỏ hơn hoặc bằng 59000,1
## 15 1 Nhỏ hơn hoặc bằng 59000,1
## 16 1 Nhỏ hơn hoặc bằng 59000,1
## 17 1 Nhỏ hơn hoặc bằng 59000,1
## 18 1 Nhỏ hơn hoặc bằng 59000,1
## 19 1 Nhỏ hơn hoặc bằng 59000,1
## 20 1 Nhỏ hơn hoặc bằng 59000,1
## 21 1 Nhỏ hơn hoặc bằng 59000,1
## 22 1 Nhỏ hơn hoặc bằng 59000,1
## 23 1 Nhỏ hơn hoặc bằng 59000,1
## 24 1 Nhỏ hơn hoặc bằng 59000,1
## 25 1 Nhỏ hơn hoặc bằng 59000,1
## 26 1 Nhỏ hơn hoặc bằng 59000,1
## 27 1 Nhỏ hơn hoặc bằng 59000,1
## 28 1 Nhỏ hơn hoặc bằng 59000,1
## 29 1 Nhỏ hơn hoặc bằng 59000,1
## 30 1 Nhỏ hơn hoặc bằng 59000,1
## 31 1 Nhỏ hơn hoặc bằng 59000,1
## 32 1 Nhỏ hơn hoặc bằng 59000,1
## 33 1 Nhỏ hơn hoặc bằng 59000,1
## 34 1 Nhỏ hơn hoặc bằng 59000,1
## 35 1 Nhỏ hơn hoặc bằng 59000,1
## 36 1 Nhỏ hơn hoặc bằng 59000,1
## 37 1 Nhỏ hơn hoặc bằng 59000,1
## 38 1 Nhỏ hơn hoặc bằng 59000,1
## 39 1 Nhỏ hơn hoặc bằng 59000,1
## 40 1 Nhỏ hơn hoặc bằng 59000,1
## 41 1 Nhỏ hơn hoặc bằng 59000,1
## 42 1 Nhỏ hơn hoặc bằng 59000,1
## 43 1 Nhỏ hơn hoặc bằng 59000,1
## 44 1 Nhỏ hơn hoặc bằng 59000,1
## 45 1 Nhỏ hơn hoặc bằng 59000,1
## 46 1 Nhỏ hơn hoặc bằng 59000,1
## 47 1 Nhỏ hơn hoặc bằng 59000,1
## 48 1 Nhỏ hơn hoặc bằng 59000,1
## 49 1 Nhỏ hơn hoặc bằng 59000,1
## 50 1 Nhỏ hơn hoặc bằng 59000,1
## 51 1 Nhỏ hơn hoặc bằng 59000,1
## 52 1 Nhỏ hơn hoặc bằng 59000,1
## 53 1 Nhỏ hơn hoặc bằng 59000,1
## 54 1 Nhỏ hơn hoặc bằng 59000,1
## 55 1 Nhỏ hơn hoặc bằng 59000,1
## 56 1 Nhỏ hơn hoặc bằng 59000,1
## 57 1 Nhỏ hơn hoặc bằng 59000,1
## 58 1 Nhỏ hơn hoặc bằng 59000,1
## 59 1 Nhỏ hơn hoặc bằng 59000,1
## 60 1 Nhỏ hơn hoặc bằng 59000,1
## 61 1 Nhỏ hơn hoặc bằng 59000,1
## 62 1 Nhỏ hơn hoặc bằng 59000,1
## 63 1 Nhỏ hơn hoặc bằng 59000,1
## 64 1 Nhỏ hơn hoặc bằng 59000,1
## 65 1 Nhỏ hơn hoặc bằng 59000,1
## 66 1 Nhỏ hơn hoặc bằng 59000,1
## 67 1 Nhỏ hơn hoặc bằng 59000,1
## 68 1 Nhỏ hơn hoặc bằng 59000,1
## 69 1 Nhỏ hơn hoặc bằng 59000,1
## 70 1 Nhỏ hơn hoặc bằng 59000,1
## 71 1 Nhỏ hơn hoặc bằng 59000,1
## 72 1 Nhỏ hơn hoặc bằng 59000,1
## 73 1 Nhỏ hơn hoặc bằng 59000,1
## 74 1 Nhỏ hơn hoặc bằng 59000,1
## 75 1 Nhỏ hơn hoặc bằng 59000,1
## 76 1 Nhỏ hơn hoặc bằng 59000,1
## 77 1 Nhỏ hơn hoặc bằng 59000,1
## 78 1 Nhỏ hơn hoặc bằng 59000,1
## 79 1 Nhỏ hơn hoặc bằng 59000,1
## 80 1 Nhỏ hơn hoặc bằng 59000,1
## 81 1 Nhỏ hơn hoặc bằng 59000,1
## 82 1 Nhỏ hơn hoặc bằng 59000,1
## 83 1 Nhỏ hơn hoặc bằng 59000,1
## 84 1 Nhỏ hơn hoặc bằng 59000,1
## 85 1 Nhỏ hơn hoặc bằng 59000,1
## 86 1 Nhỏ hơn hoặc bằng 59000,1
## 87 1 Nhỏ hơn hoặc bằng 59000,1
## 88 1 Nhỏ hơn hoặc bằng 59000,1
## 89 1 Nhỏ hơn hoặc bằng 59000,1
## 90 1 Nhỏ hơn hoặc bằng 59000,1
## 91 1 Nhỏ hơn hoặc bằng 59000,1
## 92 1 Nhỏ hơn hoặc bằng 59000,1
## 93 1 Nhỏ hơn hoặc bằng 59000,1
## 94 1 Nhỏ hơn hoặc bằng 59000,1
## 95 1 Nhỏ hơn hoặc bằng 59000,1
## 96 1 Nhỏ hơn hoặc bằng 59000,1
## 97 1 Nhỏ hơn hoặc bằng 59000,1
## 98 1 Nhỏ hơn hoặc bằng 59000,1
## 99 1 Nhỏ hơn hoặc bằng 59000,1
## 100 1 Nhỏ hơn hoặc bằng 59000,1
## 101 1 Nhỏ hơn hoặc bằng 59000,1
## 102 1 Nhỏ hơn hoặc bằng 59000,1
## 103 1 Nhỏ hơn hoặc bằng 59000,1
## 104 1 Nhỏ hơn hoặc bằng 59000,1
## 105 1 Nhỏ hơn hoặc bằng 59000,1
## 106 1 Nhỏ hơn hoặc bằng 59000,1
## 107 1 Nhỏ hơn hoặc bằng 59000,1
## 108 1 Nhỏ hơn hoặc bằng 59000,1
## 109 1 Nhỏ hơn hoặc bằng 59000,1
## 110 1 Nhỏ hơn hoặc bằng 59000,1
## 111 1 Nhỏ hơn hoặc bằng 59000,1
## 112 1 Nhỏ hơn hoặc bằng 59000,1
## 113 1 Nhỏ hơn hoặc bằng 59000,1
## 114 1 Nhỏ hơn hoặc bằng 59000,1
## 115 1 Nhỏ hơn hoặc bằng 59000,1
## 116 1 Nhỏ hơn hoặc bằng 59000,1
## 117 1 Nhỏ hơn hoặc bằng 59000,1
## 118 1 Nhỏ hơn hoặc bằng 59000,1
## 119 1 Nhỏ hơn hoặc bằng 59000,1
## 120 1 Nhỏ hơn hoặc bằng 59000,1
## 121 1 Nhỏ hơn hoặc bằng 59000,1
## 122 1 Nhỏ hơn hoặc bằng 59000,1
## 123 1 Nhỏ hơn hoặc bằng 59000,1
## 124 1 Nhỏ hơn hoặc bằng 59000,1
## 125 1 Nhỏ hơn hoặc bằng 59000,1
## 126 1 Nhỏ hơn hoặc bằng 59000,1
## 127 1 Nhỏ hơn hoặc bằng 59000,1
## 128 1 Nhỏ hơn hoặc bằng 59000,1
## 129 1 Nhỏ hơn hoặc bằng 59000,1
## 130 1 Nhỏ hơn hoặc bằng 59000,1
## 131 1 Nhỏ hơn hoặc bằng 59000,1
## 132 1 Nhỏ hơn hoặc bằng 59000,1
## 133 2 Lớn hơn 59000,2
## 134 1 Nhỏ hơn hoặc bằng 59000,1
## 135 1 Nhỏ hơn hoặc bằng 59000,1
## 136 2 Lớn hơn 59000,2
## 137 2 Lớn hơn 59000,2
## 138 2 Lớn hơn 59000,2
## 139 2 Lớn hơn 59000,2
## 140 2 Lớn hơn 59000,2
## 141 2 Lớn hơn 59000,2
## 142 2 Lớn hơn 59000,2
## 143 2 Lớn hơn 59000,2
## 144 2 Lớn hơn 59000,2
## 145 2 Lớn hơn 59000,2
## 146 2 Lớn hơn 59000,2
## 147 2 Lớn hơn 59000,2
## 148 2 Lớn hơn 59000,2
## 149 2 Lớn hơn 59000,2
## 150 2 Lớn hơn 59000,2
## 151 2 Lớn hơn 59000,2
## 152 2 Lớn hơn 59000,2
## 153 2 Lớn hơn 59000,2
## 154 2 Lớn hơn 59000,2
## 155 2 Lớn hơn 59000,2
## 156 2 Lớn hơn 59000,2
## 157 2 Lớn hơn 59000,2
## 158 2 Lớn hơn 59000,2
## 159 2 Lớn hơn 59000,2
## 160 2 Lớn hơn 59000,2
## 161 2 Lớn hơn 59000,2
## 162 2 Lớn hơn 59000,2
## 163 2 Lớn hơn 59000,2
## 164 2 Lớn hơn 59000,2
## 165 2 Lớn hơn 59000,2
## 166 2 Lớn hơn 59000,2
## 167 2 Lớn hơn 59000,2
## 168 2 Lớn hơn 59000,2
## 169 2 Lớn hơn 59000,2
## 170 2 Lớn hơn 59000,2
## 171 2 Lớn hơn 59000,2
## 172 2 Lớn hơn 59000,2
## 173 2 Lớn hơn 59000,2
## 174 2 Lớn hơn 59000,2
## 175 2 Lớn hơn 59000,2
## 176 2 Lớn hơn 59000,2
## 177 2 Lớn hơn 59000,2
## 178 2 Lớn hơn 59000,2
## 179 2 Lớn hơn 59000,2
## 180 2 Lớn hơn 59000,2
## 181 2 Lớn hơn 59000,2
## 182 2 Lớn hơn 59000,2
## 183 2 Lớn hơn 59000,2
## 184 2 Lớn hơn 59000,2
## 185 2 Lớn hơn 59000,2
## 186 2 Lớn hơn 59000,2
## 187 2 Lớn hơn 59000,2
## 188 2 Lớn hơn 59000,2
## 189 2 Lớn hơn 59000,2
## 190 2 Lớn hơn 59000,2
## 191 2 Lớn hơn 59000,2
## 192 2 Lớn hơn 59000,2
## 193 2 Lớn hơn 59000,2
## 194 2 Lớn hơn 59000,2
## 195 2 Lớn hơn 59000,2
## 196 2 Lớn hơn 59000,2
## 197 2 Lớn hơn 59000,2
## 198 2 Lớn hơn 59000,2
## 199 2 Lớn hơn 59000,2
## 200 2 Lớn hơn 59000,2
## 201 2 Lớn hơn 59000,2
## 202 2 Lớn hơn 59000,2
## 203 2 Lớn hơn 59000,2
## 204 2 Lớn hơn 59000,2
## 205 2 Lớn hơn 59000,2
## 206 2 Lớn hơn 59000,2
## 207 2 Lớn hơn 59000,2
## 208 2 Lớn hơn 59000,2
## 209 2 Lớn hơn 59000,2
## 210 2 Lớn hơn 59000,2
## 211 2 Lớn hơn 59000,2
## 212 2 Lớn hơn 59000,2
## 213 2 Lớn hơn 59000,2
## 214 2 Lớn hơn 59000,2
## 215 2 Lớn hơn 59000,2
## 216 2 Lớn hơn 59000,2
## 217 2 Lớn hơn 59000,2
## 218 2 Lớn hơn 59000,2
## 219 2 Lớn hơn 59000,2
## 220 2 Lớn hơn 59000,2
## 221 2 Lớn hơn 59000,2
## 222 2 Lớn hơn 59000,2
## 223 2 Lớn hơn 59000,2
## 224 2 Lớn hơn 59000,2
## 225 2 Lớn hơn 59000,2
## 226 2 Lớn hơn 59000,2
## 227 2 Lớn hơn 59000,2
## 228 2 Lớn hơn 59000,2
## 229 2 Lớn hơn 59000,2
## 230 2 Lớn hơn 59000,2
## 231 2 Lớn hơn 59000,2
## 232 2 Lớn hơn 59000,2
## 233 2 Lớn hơn 59000,2
## 234 2 Lớn hơn 59000,2
## 235 2 Lớn hơn 59000,2
## 236 2 Lớn hơn 59000,2
## 237 2 Lớn hơn 59000,2
## 238 2 Lớn hơn 59000,2
## 239 2 Lớn hơn 59000,2
## 240 2 Lớn hơn 59000,2
## 241 2 Lớn hơn 59000,2
## 242 2 Lớn hơn 59000,2
## Phân vùng DAX
DAXMH=DAX
DAXMH=replace(DAXMH,DAX<=24000,1)
DAXMH=replace(DAXMH,DAX>24000,2)
DAXMHMH=data.frame(DAX,DAXMH)
DAXMHMH
## DAX DAXMH
## 1 23527.05 1
## 2 23666.81 1
## 3 23534.83 1
## 4 23739.47 1
## 5 23745.06 1
## 6 23880.72 1
## 7 24113.62 2
## 8 24422.56 2
## 9 24378.80 2
## 10 24378.29 2
## 11 24385.78 2
## 12 24597.13 2
## 13 24611.25 2
## 14 24241.46 2
## 15 24236.94 2
## 16 24181.37 2
## 17 24272.19 2
## 18 23830.99 1
## 19 24258.80 2
## 20 24330.03 2
## 21 24151.13 2
## 22 24207.79 2
## 23 24239.89 2
## 24 24308.78 2
## 25 24278.63 2
## 26 24124.21 2
## 27 24118.89 2
## 28 23958.30 1
## 29 23949.11 1
## 30 24049.74 2
## 31 23734.02 1
## 32 23569.96 1
## 33 23959.99 1
## 34 24088.06 2
## 35 24381.46 2
## 36 24041.62 2
## 37 23876.55 1
## 38 23590.52 1
## 39 23180.53 1
## 40 23162.92 1
## 41 23278.85 1
## 42 23091.87 1
## 43 23464.63 1
## 44 23726.22 1
## 45 23836.79 1
## 46 23589.44 1
## 47 23710.86 1
## 48 23693.71 1
## 49 23882.03 1
## 50 24028.14 2
## 51 24046.01 2
## 52 24162.65 2
## 53 24130.14 2
## 54 24294.61 2
## 55 24186.49 2
## 56 24229.91 2
## 57 24076.87 2
## 58 23960.59 1
## 59 24199.50 2
## 60 24288.40 2
## 61 24283.97 2
## 62 24340.06 2
## 63 24351.12 2
## 64 24490.41 2
## 65 24868.69 2
## 66 24892.20 2
## 67 25122.26 2
## 68 25127.46 2
## 69 25261.64 2
## 70 25420.66 2
## 71 25286.24 2
## 72 25352.39 2
## 73 25297.13 2
## 74 24703.12 2
## 75 24560.98 2
## 76 24856.47 2
## 77 24900.71 2
## 78 24933.08 2
## 79 24894.44 2
## 80 24822.79 2
## 81 24309.46 2
## 82 24538.81 2
## 83 24797.52 2
## 84 24780.79 2
## 85 24603.04 2
## 86 24491.06 2
## 87 24721.46 2
## 88 25014.87 2
## 89 24987.85 2
## 90 24856.15 2
## 91 24852.69 2
## 92 24914.88 2
## 93 24998.40 2
## 94 25278.21 2
## 95 25043.57 2
## 96 25260.69 2
## 97 24991.97 2
## 98 24986.25 2
## 99 25175.94 2
## 100 25289.02 2
## 101 25284.26 2
## 102 24638.00 2
## 103 23790.65 1
## 104 24205.36 2
## 105 23815.75 1
## 106 23591.03 1
## 107 23409.37 1
## 108 23968.63 1
## 109 23640.03 1
## 110 23589.65 1
## 111 23447.29 1
## 112 23564.01 1
## 113 23730.92 1
## 114 23502.25 1
## 115 22839.56 1
## 116 22380.19 1
## 117 22653.86 1
## 118 22636.91 1
## 119 22957.08 1
## 120 22612.97 1
## 121 22300.75 1
## 122 22562.88 1
## 123 22680.04 1
## 124 23298.89 1
## 125 23168.08 1
## 126 22921.59 1
## 127 24080.63 2
## 128 23806.99 1
## 129 23803.95 1
## 130 23742.44 1
## 131 24044.22 2
## 132 24066.70 2
## 133 24154.47 2
## 134 24702.24 2
## 135 24417.80 2
## 136 24270.87 2
## 137 24194.90 2
## 138 24155.45 2
## 139 24128.98 2
## 140 24083.53 2
## 141 24018.26 2
## 142 23954.56 1
## 143 24401.70 2
## 144 24918.69 2
## 145 24663.61 2
## 146 24338.63 2
## 147 24350.28 2
## 148 23954.93 1
## 149 24136.81 2
## 150 24456.26 2
## 151 23950.57 1
## 152 24307.92 2
## 153 24400.65 2
## 154 24737.24 2
## 155 24606.77 2
## 156 24888.56 2
## 157 25184.89 2
## 158 25177.80 2
## 159 25092.25 2
## 160 25104.70 2
## 161 25003.04 2
## 162 25124.17 2
## 163 24795.94 2
## 164 24944.95 2
## 165 24759.05 2
## 166 24616.22 2
## 167 24433.06 2
## 168 24195.31 2
## 169 24209.71 2
## 170 24635.30 2
## 171 24894.01 2
## 172 24910.41 2
## 173 24934.67 2
## 174 25026.80 2
## 175 25139.69 2
## 176 24893.58 2
## 177 24740.36 2
## 178 24994.83 2
## 179 24671.22 2
## 180 24626.89 2
## 181 24995.81 2
## 182 25040.28 2
## 183 25580.88 2
## 184 25817.89 2
## 185 25465.25 2
## 186 24897.45 2
## 187 25118.27 2
## 188 25067.09 2
## 189 25114.25 2
## 190 25147.03 2
## 191 24999.53 2
## 192 24915.49 2
## 193 24830.98 2
## 194 24846.69 2
## 195 25011.35 2
## 196 25155.41 2
## 197 24763.12 2
## 198 25099.00 2
## 199 25361.03 2
## 200 25464.01 2
## 201 25460.48 2
## 202 25612.03 2
## 203 25629.24 2
## 204 26001.31 2
## 205 26202.35 2
## 206 26126.30 2
## 207 26140.13 2
## 208 26319.45 2
## 209 26323.88 2
## 210 26391.42 2
## 211 26331.07 2
## 212 26299.74 2
## 213 26440.31 2
## 214 26338.61 2
## 215 26128.36 2
## 216 26091.33 2
## 217 25983.04 2
## 218 26136.56 2
## 219 26106.60 2
## 220 26266.14 2
## 221 26285.96 2
## 222 26367.24 2
## 223 26569.99 2
## 224 26258.11 2
## 225 25970.11 2
## 226 25839.33 2
## 227 26003.32 2
## 228 26046.40 2
## 229 26007.63 2
## 230 25576.45 2
## 231 25361.15 2
## 232 25568.56 2
## 233 25440.81 2
## 234 25402.28 2
## 235 25537.75 2
## 236 25716.71 2
## 237 25304.06 2
## 238 25410.63 2
## 239 25266.53 2
## 240 25408.64 2
## 241 25374.42 2
## 242 25399.21 2
## Mã hoá DAX
DAX1=DAXMH
DAX1=replace(DAX1,DAXMH==1,"Nhỏ hơn hoặc bằng 24000,1")
DAX1=replace(DAX1,DAXMH==2,"Lớn hơn 24000,2")
DAX1MH=data.frame(DAXMH,DAX1)
DAX1MH
## DAXMH DAX1
## 1 1 Nhỏ hơn hoặc bằng 24000,1
## 2 1 Nhỏ hơn hoặc bằng 24000,1
## 3 1 Nhỏ hơn hoặc bằng 24000,1
## 4 1 Nhỏ hơn hoặc bằng 24000,1
## 5 1 Nhỏ hơn hoặc bằng 24000,1
## 6 1 Nhỏ hơn hoặc bằng 24000,1
## 7 2 Lớn hơn 24000,2
## 8 2 Lớn hơn 24000,2
## 9 2 Lớn hơn 24000,2
## 10 2 Lớn hơn 24000,2
## 11 2 Lớn hơn 24000,2
## 12 2 Lớn hơn 24000,2
## 13 2 Lớn hơn 24000,2
## 14 2 Lớn hơn 24000,2
## 15 2 Lớn hơn 24000,2
## 16 2 Lớn hơn 24000,2
## 17 2 Lớn hơn 24000,2
## 18 1 Nhỏ hơn hoặc bằng 24000,1
## 19 2 Lớn hơn 24000,2
## 20 2 Lớn hơn 24000,2
## 21 2 Lớn hơn 24000,2
## 22 2 Lớn hơn 24000,2
## 23 2 Lớn hơn 24000,2
## 24 2 Lớn hơn 24000,2
## 25 2 Lớn hơn 24000,2
## 26 2 Lớn hơn 24000,2
## 27 2 Lớn hơn 24000,2
## 28 1 Nhỏ hơn hoặc bằng 24000,1
## 29 1 Nhỏ hơn hoặc bằng 24000,1
## 30 2 Lớn hơn 24000,2
## 31 1 Nhỏ hơn hoặc bằng 24000,1
## 32 1 Nhỏ hơn hoặc bằng 24000,1
## 33 1 Nhỏ hơn hoặc bằng 24000,1
## 34 2 Lớn hơn 24000,2
## 35 2 Lớn hơn 24000,2
## 36 2 Lớn hơn 24000,2
## 37 1 Nhỏ hơn hoặc bằng 24000,1
## 38 1 Nhỏ hơn hoặc bằng 24000,1
## 39 1 Nhỏ hơn hoặc bằng 24000,1
## 40 1 Nhỏ hơn hoặc bằng 24000,1
## 41 1 Nhỏ hơn hoặc bằng 24000,1
## 42 1 Nhỏ hơn hoặc bằng 24000,1
## 43 1 Nhỏ hơn hoặc bằng 24000,1
## 44 1 Nhỏ hơn hoặc bằng 24000,1
## 45 1 Nhỏ hơn hoặc bằng 24000,1
## 46 1 Nhỏ hơn hoặc bằng 24000,1
## 47 1 Nhỏ hơn hoặc bằng 24000,1
## 48 1 Nhỏ hơn hoặc bằng 24000,1
## 49 1 Nhỏ hơn hoặc bằng 24000,1
## 50 2 Lớn hơn 24000,2
## 51 2 Lớn hơn 24000,2
## 52 2 Lớn hơn 24000,2
## 53 2 Lớn hơn 24000,2
## 54 2 Lớn hơn 24000,2
## 55 2 Lớn hơn 24000,2
## 56 2 Lớn hơn 24000,2
## 57 2 Lớn hơn 24000,2
## 58 1 Nhỏ hơn hoặc bằng 24000,1
## 59 2 Lớn hơn 24000,2
## 60 2 Lớn hơn 24000,2
## 61 2 Lớn hơn 24000,2
## 62 2 Lớn hơn 24000,2
## 63 2 Lớn hơn 24000,2
## 64 2 Lớn hơn 24000,2
## 65 2 Lớn hơn 24000,2
## 66 2 Lớn hơn 24000,2
## 67 2 Lớn hơn 24000,2
## 68 2 Lớn hơn 24000,2
## 69 2 Lớn hơn 24000,2
## 70 2 Lớn hơn 24000,2
## 71 2 Lớn hơn 24000,2
## 72 2 Lớn hơn 24000,2
## 73 2 Lớn hơn 24000,2
## 74 2 Lớn hơn 24000,2
## 75 2 Lớn hơn 24000,2
## 76 2 Lớn hơn 24000,2
## 77 2 Lớn hơn 24000,2
## 78 2 Lớn hơn 24000,2
## 79 2 Lớn hơn 24000,2
## 80 2 Lớn hơn 24000,2
## 81 2 Lớn hơn 24000,2
## 82 2 Lớn hơn 24000,2
## 83 2 Lớn hơn 24000,2
## 84 2 Lớn hơn 24000,2
## 85 2 Lớn hơn 24000,2
## 86 2 Lớn hơn 24000,2
## 87 2 Lớn hơn 24000,2
## 88 2 Lớn hơn 24000,2
## 89 2 Lớn hơn 24000,2
## 90 2 Lớn hơn 24000,2
## 91 2 Lớn hơn 24000,2
## 92 2 Lớn hơn 24000,2
## 93 2 Lớn hơn 24000,2
## 94 2 Lớn hơn 24000,2
## 95 2 Lớn hơn 24000,2
## 96 2 Lớn hơn 24000,2
## 97 2 Lớn hơn 24000,2
## 98 2 Lớn hơn 24000,2
## 99 2 Lớn hơn 24000,2
## 100 2 Lớn hơn 24000,2
## 101 2 Lớn hơn 24000,2
## 102 2 Lớn hơn 24000,2
## 103 1 Nhỏ hơn hoặc bằng 24000,1
## 104 2 Lớn hơn 24000,2
## 105 1 Nhỏ hơn hoặc bằng 24000,1
## 106 1 Nhỏ hơn hoặc bằng 24000,1
## 107 1 Nhỏ hơn hoặc bằng 24000,1
## 108 1 Nhỏ hơn hoặc bằng 24000,1
## 109 1 Nhỏ hơn hoặc bằng 24000,1
## 110 1 Nhỏ hơn hoặc bằng 24000,1
## 111 1 Nhỏ hơn hoặc bằng 24000,1
## 112 1 Nhỏ hơn hoặc bằng 24000,1
## 113 1 Nhỏ hơn hoặc bằng 24000,1
## 114 1 Nhỏ hơn hoặc bằng 24000,1
## 115 1 Nhỏ hơn hoặc bằng 24000,1
## 116 1 Nhỏ hơn hoặc bằng 24000,1
## 117 1 Nhỏ hơn hoặc bằng 24000,1
## 118 1 Nhỏ hơn hoặc bằng 24000,1
## 119 1 Nhỏ hơn hoặc bằng 24000,1
## 120 1 Nhỏ hơn hoặc bằng 24000,1
## 121 1 Nhỏ hơn hoặc bằng 24000,1
## 122 1 Nhỏ hơn hoặc bằng 24000,1
## 123 1 Nhỏ hơn hoặc bằng 24000,1
## 124 1 Nhỏ hơn hoặc bằng 24000,1
## 125 1 Nhỏ hơn hoặc bằng 24000,1
## 126 1 Nhỏ hơn hoặc bằng 24000,1
## 127 2 Lớn hơn 24000,2
## 128 1 Nhỏ hơn hoặc bằng 24000,1
## 129 1 Nhỏ hơn hoặc bằng 24000,1
## 130 1 Nhỏ hơn hoặc bằng 24000,1
## 131 2 Lớn hơn 24000,2
## 132 2 Lớn hơn 24000,2
## 133 2 Lớn hơn 24000,2
## 134 2 Lớn hơn 24000,2
## 135 2 Lớn hơn 24000,2
## 136 2 Lớn hơn 24000,2
## 137 2 Lớn hơn 24000,2
## 138 2 Lớn hơn 24000,2
## 139 2 Lớn hơn 24000,2
## 140 2 Lớn hơn 24000,2
## 141 2 Lớn hơn 24000,2
## 142 1 Nhỏ hơn hoặc bằng 24000,1
## 143 2 Lớn hơn 24000,2
## 144 2 Lớn hơn 24000,2
## 145 2 Lớn hơn 24000,2
## 146 2 Lớn hơn 24000,2
## 147 2 Lớn hơn 24000,2
## 148 1 Nhỏ hơn hoặc bằng 24000,1
## 149 2 Lớn hơn 24000,2
## 150 2 Lớn hơn 24000,2
## 151 1 Nhỏ hơn hoặc bằng 24000,1
## 152 2 Lớn hơn 24000,2
## 153 2 Lớn hơn 24000,2
## 154 2 Lớn hơn 24000,2
## 155 2 Lớn hơn 24000,2
## 156 2 Lớn hơn 24000,2
## 157 2 Lớn hơn 24000,2
## 158 2 Lớn hơn 24000,2
## 159 2 Lớn hơn 24000,2
## 160 2 Lớn hơn 24000,2
## 161 2 Lớn hơn 24000,2
## 162 2 Lớn hơn 24000,2
## 163 2 Lớn hơn 24000,2
## 164 2 Lớn hơn 24000,2
## 165 2 Lớn hơn 24000,2
## 166 2 Lớn hơn 24000,2
## 167 2 Lớn hơn 24000,2
## 168 2 Lớn hơn 24000,2
## 169 2 Lớn hơn 24000,2
## 170 2 Lớn hơn 24000,2
## 171 2 Lớn hơn 24000,2
## 172 2 Lớn hơn 24000,2
## 173 2 Lớn hơn 24000,2
## 174 2 Lớn hơn 24000,2
## 175 2 Lớn hơn 24000,2
## 176 2 Lớn hơn 24000,2
## 177 2 Lớn hơn 24000,2
## 178 2 Lớn hơn 24000,2
## 179 2 Lớn hơn 24000,2
## 180 2 Lớn hơn 24000,2
## 181 2 Lớn hơn 24000,2
## 182 2 Lớn hơn 24000,2
## 183 2 Lớn hơn 24000,2
## 184 2 Lớn hơn 24000,2
## 185 2 Lớn hơn 24000,2
## 186 2 Lớn hơn 24000,2
## 187 2 Lớn hơn 24000,2
## 188 2 Lớn hơn 24000,2
## 189 2 Lớn hơn 24000,2
## 190 2 Lớn hơn 24000,2
## 191 2 Lớn hơn 24000,2
## 192 2 Lớn hơn 24000,2
## 193 2 Lớn hơn 24000,2
## 194 2 Lớn hơn 24000,2
## 195 2 Lớn hơn 24000,2
## 196 2 Lớn hơn 24000,2
## 197 2 Lớn hơn 24000,2
## 198 2 Lớn hơn 24000,2
## 199 2 Lớn hơn 24000,2
## 200 2 Lớn hơn 24000,2
## 201 2 Lớn hơn 24000,2
## 202 2 Lớn hơn 24000,2
## 203 2 Lớn hơn 24000,2
## 204 2 Lớn hơn 24000,2
## 205 2 Lớn hơn 24000,2
## 206 2 Lớn hơn 24000,2
## 207 2 Lớn hơn 24000,2
## 208 2 Lớn hơn 24000,2
## 209 2 Lớn hơn 24000,2
## 210 2 Lớn hơn 24000,2
## 211 2 Lớn hơn 24000,2
## 212 2 Lớn hơn 24000,2
## 213 2 Lớn hơn 24000,2
## 214 2 Lớn hơn 24000,2
## 215 2 Lớn hơn 24000,2
## 216 2 Lớn hơn 24000,2
## 217 2 Lớn hơn 24000,2
## 218 2 Lớn hơn 24000,2
## 219 2 Lớn hơn 24000,2
## 220 2 Lớn hơn 24000,2
## 221 2 Lớn hơn 24000,2
## 222 2 Lớn hơn 24000,2
## 223 2 Lớn hơn 24000,2
## 224 2 Lớn hơn 24000,2
## 225 2 Lớn hơn 24000,2
## 226 2 Lớn hơn 24000,2
## 227 2 Lớn hơn 24000,2
## 228 2 Lớn hơn 24000,2
## 229 2 Lớn hơn 24000,2
## 230 2 Lớn hơn 24000,2
## 231 2 Lớn hơn 24000,2
## 232 2 Lớn hơn 24000,2
## 233 2 Lớn hơn 24000,2
## 234 2 Lớn hơn 24000,2
## 235 2 Lớn hơn 24000,2
## 236 2 Lớn hơn 24000,2
## 237 2 Lớn hơn 24000,2
## 238 2 Lớn hơn 24000,2
## 239 2 Lớn hơn 24000,2
## 240 2 Lớn hơn 24000,2
## 241 2 Lớn hơn 24000,2
## 242 2 Lớn hơn 24000,2
## Phân vùng S.P.500
S.P.500MH=S.P.500
S.P.500MH=replace(S.P.500MH,S.P.500<=7000,1)
S.P.500MH=replace(S.P.500MH,S.P.500>7000,2)
S.P.500MHMH=data.frame(S.P.500,S.P.500MH)
S.P.500MHMH
## S.P.500 S.P.500MH
## 1 6693.75 1
## 2 6637.97 1
## 3 6604.72 1
## 4 6643.70 1
## 5 6661.21 1
## 6 6688.46 1
## 7 6711.20 1
## 8 6715.35 1
## 9 6715.79 1
## 10 6740.28 1
## 11 6714.59 1
## 12 6753.72 1
## 13 6735.11 1
## 14 6552.51 1
## 15 6644.31 1
## 16 6671.06 1
## 17 6629.07 1
## 18 6664.01 1
## 19 6735.13 1
## 20 6735.35 1
## 21 6699.40 1
## 22 6738.44 1
## 23 6791.69 1
## 24 6875.16 1
## 25 6890.89 1
## 26 6890.59 1
## 27 6822.34 1
## 28 6840.20 1
## 29 6771.55 1
## 30 6796.29 1
## 31 6720.32 1
## 32 6728.80 1
## 33 6832.43 1
## 34 6846.61 1
## 35 6850.92 1
## 36 6737.49 1
## 37 6734.11 1
## 38 6672.41 1
## 39 6617.32 1
## 40 6642.16 1
## 41 6538.76 1
## 42 6602.99 1
## 43 6765.88 1
## 44 6812.61 1
## 45 6849.09 1
## 46 6812.63 1
## 47 6829.37 1
## 48 6849.72 1
## 49 6857.12 1
## 50 6870.40 1
## 51 6846.51 1
## 52 6840.51 1
## 53 6886.68 1
## 54 6901.00 1
## 55 6827.41 1
## 56 6816.51 1
## 57 6800.26 1
## 58 6721.43 1
## 59 6774.76 1
## 60 6834.50 1
## 61 6878.49 1
## 62 6909.79 1
## 63 6905.74 1
## 64 6896.24 1
## 65 6902.05 1
## 66 6944.82 1
## 67 6920.93 1
## 68 6921.46 1
## 69 6966.28 1
## 70 6963.74 1
## 71 6926.60 1
## 72 6944.47 1
## 73 6940.01 1
## 74 6796.86 1
## 75 6875.62 1
## 76 6913.35 1
## 77 6915.61 1
## 78 6950.23 1
## 79 6978.60 1
## 80 6978.03 1
## 81 6969.01 1
## 82 6939.03 1
## 83 6976.44 1
## 84 6917.81 1
## 85 6882.72 1
## 86 6798.40 1
## 87 6932.30 1
## 88 6964.82 1
## 89 6941.81 1
## 90 6941.47 1
## 91 6832.76 1
## 92 6836.17 1
## 93 6843.22 1
## 94 6881.31 1
## 95 6861.89 1
## 96 6909.51 1
## 97 6837.75 1
## 98 6890.07 1
## 99 6946.13 1
## 100 6908.86 1
## 101 6878.88 1
## 102 6881.62 1
## 103 6816.63 1
## 104 6869.50 1
## 105 6830.71 1
## 106 6740.02 1
## 107 6795.99 1
## 108 6781.48 1
## 109 6775.80 1
## 110 6672.62 1
## 111 6632.19 1
## 112 6699.38 1
## 113 6716.09 1
## 114 6624.70 1
## 115 6606.49 1
## 116 6506.48 1
## 117 6581.00 1
## 118 6556.37 1
## 119 6591.90 1
## 120 6477.16 1
## 121 6368.85 1
## 122 6343.72 1
## 123 6528.52 1
## 124 6575.32 1
## 125 6582.69 1
## 126 6616.85 1
## 127 6782.81 1
## 128 6824.66 1
## 129 6816.89 1
## 130 6886.24 1
## 131 6967.38 1
## 132 7022.95 2
## 133 7041.28 2
## 134 7126.06 2
## 135 7109.14 2
## 136 7064.01 2
## 137 7137.90 2
## 138 7108.40 2
## 139 7165.08 2
## 140 7173.91 2
## 141 7138.80 2
## 142 7135.95 2
## 143 7259.22 2
## 144 7365.12 2
## 145 7337.11 2
## 146 7398.93 2
## 147 7412.84 2
## 148 7400.96 2
## 149 7444.25 2
## 150 7501.24 2
## 151 7408.50 2
## 152 7403.05 2
## 153 7353.61 2
## 154 7432.97 2
## 155 7445.72 2
## 156 7473.47 2
## 157 7519.12 2
## 158 7520.36 2
## 159 7563.63 2
## 160 7580.06 2
## 161 7599.96 2
## 162 7609.78 2
## 163 7553.68 2
## 164 7584.31 2
## 165 7383.74 2
## 166 7405.73 2
## 167 7386.65 2
## 168 7266.99 2
## 169 7394.30 2
## 170 7431.46 2
## 171 7554.29 2
## 172 7511.35 2
## 173 7420.10 2
## 174 7500.58 2
## 175 7472.79 2
## 176 7365.46 2
## 177 7358.22 2
## 178 7357.49 2
## 179 7354.02 2
## 180 7440.43 2
## 181 7499.36 2
## 182 7483.23 2
## 183 7483.24 2
## 184 7537.43 2
## 185 7503.85 2
## 186 7482.71 2
## 187 7543.64 2
## 188 7575.39 2
## 189 7515.34 2
## 190 7543.59 2
## 191 7572.40 2
## 192 7533.77 2
## 193 7457.69 2
## 194 7443.28 2
## 195 7509.20 2
## 196 7498.96 2
## 197 7408.30 2
## 198 7411.98 2
## 199 7413.18 2
## 200 7428.78 2
## 201 7316.15 2
## 202 7437.63 2
## 203 7489.72 2
## 204 7600.50 2
## 205 7736.52 2
## 206 7723.55 2
## 207 7709.96 2
## 208 7757.64 2
## 209 7753.11 2
## 210 7728.20 2
## 211 7748.50 2
## 212 7798.99 2
## 213 7785.76 2
## 214 7745.06 2
## 215 7691.76 2
## 216 7707.98 2
## 217 7641.16 2
## 218 7674.37 2
## 219 7652.86 2
## 220 7677.28 2
## 221 7675.70 2
## 222 7730.99 2
## 223 7711.76 2
## 224 7686.14 2
## 225 7631.47 2
## 226 7666.60 2
## 227 7747.71 2
## 228 7718.60 2
## 229 7673.52 2
## 230 7636.36 2
## 231 7591.70 2
## 232 7656.98 2
## 233 7619.98 2
## 234 7585.73 2
## 235 7551.81 2
## 236 7637.76 2
## 237 7650.50 2
## 238 7706.03 2
## 239 7704.13 2
## 240 7743.41 2
## 241 7683.69 2
## 242 7670.84 2
## Mã hoá S.P.500
S.P.5001=S.P.500MH
S.P.5001=replace(S.P.5001,S.P.500MH==1,"Nhỏ hơn hoặc bằng 7000,1")
S.P.5001=replace(S.P.5001,S.P.500MH==2,"Lớn hơn 7000,2")
S.P.5001MH=data.frame(S.P.500MH,S.P.5001)
S.P.5001MH
## S.P.500MH S.P.5001
## 1 1 Nhỏ hơn hoặc bằng 7000,1
## 2 1 Nhỏ hơn hoặc bằng 7000,1
## 3 1 Nhỏ hơn hoặc bằng 7000,1
## 4 1 Nhỏ hơn hoặc bằng 7000,1
## 5 1 Nhỏ hơn hoặc bằng 7000,1
## 6 1 Nhỏ hơn hoặc bằng 7000,1
## 7 1 Nhỏ hơn hoặc bằng 7000,1
## 8 1 Nhỏ hơn hoặc bằng 7000,1
## 9 1 Nhỏ hơn hoặc bằng 7000,1
## 10 1 Nhỏ hơn hoặc bằng 7000,1
## 11 1 Nhỏ hơn hoặc bằng 7000,1
## 12 1 Nhỏ hơn hoặc bằng 7000,1
## 13 1 Nhỏ hơn hoặc bằng 7000,1
## 14 1 Nhỏ hơn hoặc bằng 7000,1
## 15 1 Nhỏ hơn hoặc bằng 7000,1
## 16 1 Nhỏ hơn hoặc bằng 7000,1
## 17 1 Nhỏ hơn hoặc bằng 7000,1
## 18 1 Nhỏ hơn hoặc bằng 7000,1
## 19 1 Nhỏ hơn hoặc bằng 7000,1
## 20 1 Nhỏ hơn hoặc bằng 7000,1
## 21 1 Nhỏ hơn hoặc bằng 7000,1
## 22 1 Nhỏ hơn hoặc bằng 7000,1
## 23 1 Nhỏ hơn hoặc bằng 7000,1
## 24 1 Nhỏ hơn hoặc bằng 7000,1
## 25 1 Nhỏ hơn hoặc bằng 7000,1
## 26 1 Nhỏ hơn hoặc bằng 7000,1
## 27 1 Nhỏ hơn hoặc bằng 7000,1
## 28 1 Nhỏ hơn hoặc bằng 7000,1
## 29 1 Nhỏ hơn hoặc bằng 7000,1
## 30 1 Nhỏ hơn hoặc bằng 7000,1
## 31 1 Nhỏ hơn hoặc bằng 7000,1
## 32 1 Nhỏ hơn hoặc bằng 7000,1
## 33 1 Nhỏ hơn hoặc bằng 7000,1
## 34 1 Nhỏ hơn hoặc bằng 7000,1
## 35 1 Nhỏ hơn hoặc bằng 7000,1
## 36 1 Nhỏ hơn hoặc bằng 7000,1
## 37 1 Nhỏ hơn hoặc bằng 7000,1
## 38 1 Nhỏ hơn hoặc bằng 7000,1
## 39 1 Nhỏ hơn hoặc bằng 7000,1
## 40 1 Nhỏ hơn hoặc bằng 7000,1
## 41 1 Nhỏ hơn hoặc bằng 7000,1
## 42 1 Nhỏ hơn hoặc bằng 7000,1
## 43 1 Nhỏ hơn hoặc bằng 7000,1
## 44 1 Nhỏ hơn hoặc bằng 7000,1
## 45 1 Nhỏ hơn hoặc bằng 7000,1
## 46 1 Nhỏ hơn hoặc bằng 7000,1
## 47 1 Nhỏ hơn hoặc bằng 7000,1
## 48 1 Nhỏ hơn hoặc bằng 7000,1
## 49 1 Nhỏ hơn hoặc bằng 7000,1
## 50 1 Nhỏ hơn hoặc bằng 7000,1
## 51 1 Nhỏ hơn hoặc bằng 7000,1
## 52 1 Nhỏ hơn hoặc bằng 7000,1
## 53 1 Nhỏ hơn hoặc bằng 7000,1
## 54 1 Nhỏ hơn hoặc bằng 7000,1
## 55 1 Nhỏ hơn hoặc bằng 7000,1
## 56 1 Nhỏ hơn hoặc bằng 7000,1
## 57 1 Nhỏ hơn hoặc bằng 7000,1
## 58 1 Nhỏ hơn hoặc bằng 7000,1
## 59 1 Nhỏ hơn hoặc bằng 7000,1
## 60 1 Nhỏ hơn hoặc bằng 7000,1
## 61 1 Nhỏ hơn hoặc bằng 7000,1
## 62 1 Nhỏ hơn hoặc bằng 7000,1
## 63 1 Nhỏ hơn hoặc bằng 7000,1
## 64 1 Nhỏ hơn hoặc bằng 7000,1
## 65 1 Nhỏ hơn hoặc bằng 7000,1
## 66 1 Nhỏ hơn hoặc bằng 7000,1
## 67 1 Nhỏ hơn hoặc bằng 7000,1
## 68 1 Nhỏ hơn hoặc bằng 7000,1
## 69 1 Nhỏ hơn hoặc bằng 7000,1
## 70 1 Nhỏ hơn hoặc bằng 7000,1
## 71 1 Nhỏ hơn hoặc bằng 7000,1
## 72 1 Nhỏ hơn hoặc bằng 7000,1
## 73 1 Nhỏ hơn hoặc bằng 7000,1
## 74 1 Nhỏ hơn hoặc bằng 7000,1
## 75 1 Nhỏ hơn hoặc bằng 7000,1
## 76 1 Nhỏ hơn hoặc bằng 7000,1
## 77 1 Nhỏ hơn hoặc bằng 7000,1
## 78 1 Nhỏ hơn hoặc bằng 7000,1
## 79 1 Nhỏ hơn hoặc bằng 7000,1
## 80 1 Nhỏ hơn hoặc bằng 7000,1
## 81 1 Nhỏ hơn hoặc bằng 7000,1
## 82 1 Nhỏ hơn hoặc bằng 7000,1
## 83 1 Nhỏ hơn hoặc bằng 7000,1
## 84 1 Nhỏ hơn hoặc bằng 7000,1
## 85 1 Nhỏ hơn hoặc bằng 7000,1
## 86 1 Nhỏ hơn hoặc bằng 7000,1
## 87 1 Nhỏ hơn hoặc bằng 7000,1
## 88 1 Nhỏ hơn hoặc bằng 7000,1
## 89 1 Nhỏ hơn hoặc bằng 7000,1
## 90 1 Nhỏ hơn hoặc bằng 7000,1
## 91 1 Nhỏ hơn hoặc bằng 7000,1
## 92 1 Nhỏ hơn hoặc bằng 7000,1
## 93 1 Nhỏ hơn hoặc bằng 7000,1
## 94 1 Nhỏ hơn hoặc bằng 7000,1
## 95 1 Nhỏ hơn hoặc bằng 7000,1
## 96 1 Nhỏ hơn hoặc bằng 7000,1
## 97 1 Nhỏ hơn hoặc bằng 7000,1
## 98 1 Nhỏ hơn hoặc bằng 7000,1
## 99 1 Nhỏ hơn hoặc bằng 7000,1
## 100 1 Nhỏ hơn hoặc bằng 7000,1
## 101 1 Nhỏ hơn hoặc bằng 7000,1
## 102 1 Nhỏ hơn hoặc bằng 7000,1
## 103 1 Nhỏ hơn hoặc bằng 7000,1
## 104 1 Nhỏ hơn hoặc bằng 7000,1
## 105 1 Nhỏ hơn hoặc bằng 7000,1
## 106 1 Nhỏ hơn hoặc bằng 7000,1
## 107 1 Nhỏ hơn hoặc bằng 7000,1
## 108 1 Nhỏ hơn hoặc bằng 7000,1
## 109 1 Nhỏ hơn hoặc bằng 7000,1
## 110 1 Nhỏ hơn hoặc bằng 7000,1
## 111 1 Nhỏ hơn hoặc bằng 7000,1
## 112 1 Nhỏ hơn hoặc bằng 7000,1
## 113 1 Nhỏ hơn hoặc bằng 7000,1
## 114 1 Nhỏ hơn hoặc bằng 7000,1
## 115 1 Nhỏ hơn hoặc bằng 7000,1
## 116 1 Nhỏ hơn hoặc bằng 7000,1
## 117 1 Nhỏ hơn hoặc bằng 7000,1
## 118 1 Nhỏ hơn hoặc bằng 7000,1
## 119 1 Nhỏ hơn hoặc bằng 7000,1
## 120 1 Nhỏ hơn hoặc bằng 7000,1
## 121 1 Nhỏ hơn hoặc bằng 7000,1
## 122 1 Nhỏ hơn hoặc bằng 7000,1
## 123 1 Nhỏ hơn hoặc bằng 7000,1
## 124 1 Nhỏ hơn hoặc bằng 7000,1
## 125 1 Nhỏ hơn hoặc bằng 7000,1
## 126 1 Nhỏ hơn hoặc bằng 7000,1
## 127 1 Nhỏ hơn hoặc bằng 7000,1
## 128 1 Nhỏ hơn hoặc bằng 7000,1
## 129 1 Nhỏ hơn hoặc bằng 7000,1
## 130 1 Nhỏ hơn hoặc bằng 7000,1
## 131 1 Nhỏ hơn hoặc bằng 7000,1
## 132 2 Lớn hơn 7000,2
## 133 2 Lớn hơn 7000,2
## 134 2 Lớn hơn 7000,2
## 135 2 Lớn hơn 7000,2
## 136 2 Lớn hơn 7000,2
## 137 2 Lớn hơn 7000,2
## 138 2 Lớn hơn 7000,2
## 139 2 Lớn hơn 7000,2
## 140 2 Lớn hơn 7000,2
## 141 2 Lớn hơn 7000,2
## 142 2 Lớn hơn 7000,2
## 143 2 Lớn hơn 7000,2
## 144 2 Lớn hơn 7000,2
## 145 2 Lớn hơn 7000,2
## 146 2 Lớn hơn 7000,2
## 147 2 Lớn hơn 7000,2
## 148 2 Lớn hơn 7000,2
## 149 2 Lớn hơn 7000,2
## 150 2 Lớn hơn 7000,2
## 151 2 Lớn hơn 7000,2
## 152 2 Lớn hơn 7000,2
## 153 2 Lớn hơn 7000,2
## 154 2 Lớn hơn 7000,2
## 155 2 Lớn hơn 7000,2
## 156 2 Lớn hơn 7000,2
## 157 2 Lớn hơn 7000,2
## 158 2 Lớn hơn 7000,2
## 159 2 Lớn hơn 7000,2
## 160 2 Lớn hơn 7000,2
## 161 2 Lớn hơn 7000,2
## 162 2 Lớn hơn 7000,2
## 163 2 Lớn hơn 7000,2
## 164 2 Lớn hơn 7000,2
## 165 2 Lớn hơn 7000,2
## 166 2 Lớn hơn 7000,2
## 167 2 Lớn hơn 7000,2
## 168 2 Lớn hơn 7000,2
## 169 2 Lớn hơn 7000,2
## 170 2 Lớn hơn 7000,2
## 171 2 Lớn hơn 7000,2
## 172 2 Lớn hơn 7000,2
## 173 2 Lớn hơn 7000,2
## 174 2 Lớn hơn 7000,2
## 175 2 Lớn hơn 7000,2
## 176 2 Lớn hơn 7000,2
## 177 2 Lớn hơn 7000,2
## 178 2 Lớn hơn 7000,2
## 179 2 Lớn hơn 7000,2
## 180 2 Lớn hơn 7000,2
## 181 2 Lớn hơn 7000,2
## 182 2 Lớn hơn 7000,2
## 183 2 Lớn hơn 7000,2
## 184 2 Lớn hơn 7000,2
## 185 2 Lớn hơn 7000,2
## 186 2 Lớn hơn 7000,2
## 187 2 Lớn hơn 7000,2
## 188 2 Lớn hơn 7000,2
## 189 2 Lớn hơn 7000,2
## 190 2 Lớn hơn 7000,2
## 191 2 Lớn hơn 7000,2
## 192 2 Lớn hơn 7000,2
## 193 2 Lớn hơn 7000,2
## 194 2 Lớn hơn 7000,2
## 195 2 Lớn hơn 7000,2
## 196 2 Lớn hơn 7000,2
## 197 2 Lớn hơn 7000,2
## 198 2 Lớn hơn 7000,2
## 199 2 Lớn hơn 7000,2
## 200 2 Lớn hơn 7000,2
## 201 2 Lớn hơn 7000,2
## 202 2 Lớn hơn 7000,2
## 203 2 Lớn hơn 7000,2
## 204 2 Lớn hơn 7000,2
## 205 2 Lớn hơn 7000,2
## 206 2 Lớn hơn 7000,2
## 207 2 Lớn hơn 7000,2
## 208 2 Lớn hơn 7000,2
## 209 2 Lớn hơn 7000,2
## 210 2 Lớn hơn 7000,2
## 211 2 Lớn hơn 7000,2
## 212 2 Lớn hơn 7000,2
## 213 2 Lớn hơn 7000,2
## 214 2 Lớn hơn 7000,2
## 215 2 Lớn hơn 7000,2
## 216 2 Lớn hơn 7000,2
## 217 2 Lớn hơn 7000,2
## 218 2 Lớn hơn 7000,2
## 219 2 Lớn hơn 7000,2
## 220 2 Lớn hơn 7000,2
## 221 2 Lớn hơn 7000,2
## 222 2 Lớn hơn 7000,2
## 223 2 Lớn hơn 7000,2
## 224 2 Lớn hơn 7000,2
## 225 2 Lớn hơn 7000,2
## 226 2 Lớn hơn 7000,2
## 227 2 Lớn hơn 7000,2
## 228 2 Lớn hơn 7000,2
## 229 2 Lớn hơn 7000,2
## 230 2 Lớn hơn 7000,2
## 231 2 Lớn hơn 7000,2
## 232 2 Lớn hơn 7000,2
## 233 2 Lớn hơn 7000,2
## 234 2 Lớn hơn 7000,2
## 235 2 Lớn hơn 7000,2
## 236 2 Lớn hơn 7000,2
## 237 2 Lớn hơn 7000,2
## 238 2 Lớn hơn 7000,2
## 239 2 Lớn hơn 7000,2
## 240 2 Lớn hơn 7000,2
## 241 2 Lớn hơn 7000,2
## 242 2 Lớn hơn 7000,2
# CÂU C
####THỐNG KÊ CÁC BIẾN CHỈ SỐ RATIO SCALE
library(psych)
dulieu1=data.frame(NIKKEI.225,DAX,S.P.500)
describe(dulieu1)
## vars n mean sd median trimmed mad min
## NIKKEI.225 1 242 57989.65 7392.76 57232.46 57931.74 10145.44 44550.85
## DAX 2 242 24615.76 877.18 24613.74 24608.77 807.06 22300.75
## S.P.500 3 242 7115.09 391.55 6945.48 7107.21 452.80 6343.72
## max range skew kurtosis se
## NIKKEI.225 72366.34 27815.49 0.08 -1.34 475.22
## DAX 26569.99 4269.24 -0.02 -0.20 56.39
## S.P.500 7798.99 1455.27 0.22 -1.41 25.17
###Nhận xét:
# NIKKEI: Giá trị trung bình 57.990, trung vị 58.075; hai giá trị gần nhau, dữ liệu tập trung quanh mức trung tâm.
# DAX: Giá trị trung bình 24.616, trung vị 24.606; hai giá trị gần bằng nhau, dữ liệu tập trung quanh mức trung tâm.
# S&P 500: Giá trị trung bình là 7.115, trung vị là 7.132; hai giá trị gần nhau, cho thấy dữ liệu tập trung quanh mức trung tâm.
#### THỐNG KÊ CÁC BIẾN CHỈ SỐ ORDINAL SCALE
library(psych)
dulieu2=data.frame(NIKKEI.225MH,DAXMH,S.P.500MH)
describe(dulieu2)
## vars n mean sd median trimmed mad min max range skew kurtosis
## NIKKEI.225MH 1 242 1.45 0.50 1 1.43 0 1 2 1 0.21 -1.96
## DAXMH 2 242 1.77 0.42 2 1.84 0 1 2 1 -1.29 -0.33
## S.P.500MH 3 242 1.46 0.50 1 1.45 0 1 2 1 0.16 -1.98
## se
## NIKKEI.225MH 0.03
## DAXMH 0.03
## S.P.500MH 0.03
###Nhận xét:
# NIKKEI.225MH: Có sự phân bổ tương đối cân bằng giữa hai giá trị, trong đó giá trị 1 chiếm 55,4% (134 quan sát) và giá trị 2 chiếm 44,6% (108 quan sát). Giá trị trung bình (Mean) là 1.446.
# DAXMH: Có sự chênh lệch rất lớn khi phần lớn dữ liệu tập trung ở giá trị 2 với 77,3% (187 quan sát), trong khi giá trị 1 chỉ chiếm 22,7% (55 quan sát). Giá trị trung bình dịch hẳn về phía 2 là 1.773
# S.P.500MH: Có sự phân bổ tương đối cân bằng giữa hai giá trị, trong đó giá trị 1 chiếm 54,1% (131 quan sát) và giá trị 2 chiếm 45,9% (111 quan sát). Giá trị trung bình (Mean) là 1.459.
## CÂU D
#### DẠNG ORDINAL SCALE
# BIỂU ĐỒ CỘT NIKKEI.225
NIKKEI.225.freq<-table(NIKKEI.2251)
NIKKEI.225.freq
## NIKKEI.2251
## Lớn hơn 59000,2 Nhỏ hơn hoặc bằng 59000,1
## 108 134
barplot(NIKKEI.225.freq,xlab="Tỷ lệ",ylab="Số lượng",sub="Biểu đồ cột của NIKKEI.225",col=c("palegreen","yellow"))
## BIỂU ĐỒ TRÒN NIKKEI.225
pie(table(NIKKEI.2251),col=c("pink","orange"),sub="Biểu đồ tròn của NIKKEI.225")
### Nhận xét:Chỉ số NIKKEI.225 có sự phân bố dữ liệu tương đối cân bằng giữa hai nhóm giá trị dựa trên tổng số 242 mẫu quan sát. Xu hướng phân hóa của chỉ số này không quá rõ rệt khi tỷ trọng giữa phân khúc giá trị cao và thấp chỉ chênh lệch nhau khoảng 10.8%.
## BIỂU ĐỒ CỘT DAX
DAX.freq<-table(DAX1)
DAX.freq
## DAX1
## Lớn hơn 24000,2 Nhỏ hơn hoặc bằng 24000,1
## 187 55
barplot(DAX.freq,xlab="Tỷ lệ",ylab="Số lượng",sub="Biểu đồ cột của DAX",col=c("lightgreen","plum"))
## BIỂU ĐỒ TRÒN DAX
pie(table(DAX1),col=c("lightblue","mediumpurple"),sub="Biểu đồ tròn của DAX")
### Nhận xét: Chỉ số DAX (tổng số 242 mẫu quan sát), dữ liệu có sự phân hóa cực kỳ mạnh mẽ và chênh lệch lớn giữa hai nhóm giá trị; cụ thể là nhóm dữ liệu nhỏ hơn hoặc bằng 24000.1 chiếm tỷ lệ áp đảo lên tới 77.3% với 187 dòng, trong khi nhóm dữ liệu lớn hơn 24000.1 chỉ có vỏn vẹn 55 dòng (chiếm tỷ lệ rất thấp là 22.7%), cho thấy số lượng dữ liệu ở phân khúc giá trị thấp đang gấp hơn 3.4 lần so với phân khúc giá trị cao.
## BIỂU ĐỒ CỘT S&P 500
S.P.500.freq<-table( S.P.5001)
S.P.500.freq
## S.P.5001
## Lớn hơn 7000,2 Nhỏ hơn hoặc bằng 7000,1
## 111 131
barplot(S.P.500.freq,xlab="Tỷ lệ",ylab="Số lượng",sub="Biểu đồ cột của S&P 500",col=c("indianred","cadetblue"))
## BIỂU ĐỒ TRÒN S&P 500
pie(table(S.P.5001),col=c("sandybrown","plum"),sub="Biểu đồ tròn của S&P 500")
### Nhận xét: Chỉ số S&P 500 (tổng số 242 mẫu quan sát), dữ liệu có sự phân bổ tương đối đồng đều và cân bằng giữa hai nhóm giá trị; cụ thể là nhóm dữ liệu nhỏ hơn hoặc bằng 7000.2 chiếm tỷ lệ 54.1% với 131 dòng, trong khi nhóm dữ liệu lớn hơn 7000.2 bám sát ngay sau với 111 dòng (chiếm tỷ lệ 45.9%), tạo ra mức chênh lệch tổng thể không quá lớn (chỉ khoảng 8.2%). Cả biểu đồ cột và biểu đồ tròn đều phản ánh trực quan sự tương đồng này, cho thấy chỉ số S&P 500 có tính ổn định và phân bố cân xứng nhất trong các chỉ số nghiên cứu.
#### DẠNG RATIO SCALE
## BIỂU ĐỒ ĐƯỜNG NIKKEI.225
plot(STT, NIKKEI.225, type = "o", xlab = "Ngày thứ", ylab="Giá trị chỉ số",pch=10, main="Biểu đồ đường NIKKEI.225")
###Nhận xét: NIKKEI.225 (45000–65000): Giảm sâu tạo đáy dưới 45000 ở ngày 100, sau đó bứt phá phục hồi mạnh mẽ theo mô hình chữ V rõ rệt.
## BIỂU ĐỒ ĐƯỜNG DAX
plot(STT, DAX, type = "o", xlab = "Ngày thứ", ylab="Giá trị chỉ số",pch=10, main="Biểu đồ đường DAX")
### Nhận xét: DAX (23000–26000): Biến động liên tục với các đỉnh đáy nhấp nhô dày đặc, trồi sụt thất thường suốt hơn 200 ngày quan sát.
## BIỂU ĐỒ ĐƯỜNG S&P 500
plot(STT, S.P.500, type = "o", xlab = "Ngày thứ", ylab="Giá trị chỉ số",pch=10, main="Biểu đồ đường S&P 500")
### Nhận xét: S&P 500 (6500–7500): Tăng trưởng đạt đỉnh trên 7500 trước ngày 100, lao dốc mạnh đến ngày 150 rồi nhanh chóng phục hồi về cuối kỳ.
# CÂU E PHÂN TÍCH TƯƠNG QUAN
library(psych)
vars=cbind(NIKKEI.225,DAX,S.P.500)
pairs.panels(vars)
library(Hmisc)
##
## Attaching package: 'Hmisc'
## 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$r
## NIKKEI.225 DAX S.P.500
## NIKKEI.225 1.0000000 0.6658991 0.9036832
## DAX 0.6658991 1.0000000 0.8106337
## S.P.500 0.9036832 0.8106337 1.0000000
result$P
## NIKKEI.225 DAX S.P.500
## NIKKEI.225 NA 0 0
## DAX 0 NA 0
## S.P.500 0 0 NA
### Nhận xét: Kết quả phân tích ma trận tương quan cho thấy cả ba chỉ số đều có mối quan hệ đồng biến (tương quan thuận) rất mạnh mẽ và có ý nghĩa thống kê cao.
# Cặp chỉ số S.P.500 và NIKKEI.225 có mối liên kết chặt chẽ nhất với hệ số tương quan đạt r = 0.90; đồ thị phân tán tương ứng hiển thị dạng tuyến tính dốc lên rất rõ ràng cùng biểu đồ phân phối hai đỉnh.
# Mối quan hệ giữa S.P.500 và DAX cũng ở mức rất mạnh với hệ số tương quan r = 0.81, thể hiện qua các điểm dữ liệu tập trung mật độ cao xung quanh đường xu hướng.
# Cuối cùng, cặp chỉ số DAX và NIKKEI.225 có mức độ tương quan thấp hơn hai cặp trên nhưng vẫn ở mức khá mạnh với r = 0.67, đồng thời đồ thị phân tán của cặp này có biên độ rộng và phân rải thoáng hơn.
# CÂU F MÔ HÌNH HỒI QUY TUYẾN TÍNH
mreg=lm(NIKKEI.225~DAX+S.P.500)
summary(mreg)
##
## Call:
## lm(formula = NIKKEI.225 ~ DAX + S.P.500)
##
## Residuals:
## Min 1Q Median 3Q Max
## -6168.4 -2349.2 -354.1 1958.6 10140.6
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -4.425e+04 5.754e+03 -7.691 3.8e-13 ***
## DAX -1.638e+00 3.843e-01 -4.263 2.9e-05 ***
## S.P.500 2.004e+01 8.610e-01 23.273 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3064 on 239 degrees of freedom
## Multiple R-squared: 0.8296, Adjusted R-squared: 0.8282
## F-statistic: 581.8 on 2 and 239 DF, p-value: < 2.2e-16
### Nhận xét: Cả hai biến S.P.500 và DAX đều tác động mạnh và có ý nghĩa thống kê rất lớn đến chỉ số NIKKEI.225. Trong đó, S.P.500 tác động cùng chiều mạnh mẽ nhất, còn DAX đóng vai trò tác động ngược chiều
# CÂU G KIỂM ĐỊNH MÔ HÌNH HỒI QUY TUYẾN TÍNH
library(car)
## Loading required package: carData
##
## Attaching package: 'car'
## The following object is masked from 'package:psych':
##
## logit
vif(mreg)
## DAX S.P.500
## 2.916531 2.916531
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 = 0.20543, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0
op=par(mfrow=c(2,2))
plot(mreg)
### Nhận xét: Kết quả kiểm định hệ số VIF của hai biến DAX và S.P.500 đều bằng 2.92 (nhỏ hơn 5), khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến và các hệ số ước lượng đảm bảo độ tin cậy.
#Tuy nhiên, do đặc trưng của dữ liệu tài chính, mô hình đã vi phạm nghiêm trọng các giả định cốt lõi còn lại. Kiểm định Durbin-Watson cho hệ số \(DW = 0.21\) với \(p\text{-value} < 0.05\), minh chứng sai số đã bị hiện tượng tự tương quan bậc nhất dương. Đồng thời, các đồ thị phần dư (Residuals plots) uốn lượn dạng phễu và lệch hẳn khỏi đường chuẩn ở hai đầu, chỉ ra rằng mô hình vi phạm giả định phương sai sai số đồng đều và phần dư không tuân theo phân phối chuẩn.