# Họ và tên: Phạm Quỳnh Nga
# Lớp: 24NH1 MSSV: 2454020054
# Bài cuối kì
# Nhập liệu
bange=file.choose()
databange=read.csv(bange,header=TRUE)
save(databange,file="databange.rda")
attach(databange)
is.data.frame(databange)
## [1] TRUE
# Câu b
# PHÂN VÙNG VNINDEX
VNIndexMH=VNIndex
VNIndexMH=replace(VNIndexMH,VNIndex<=1700,1)
VNIndexMH=replace(VNIndexMH,VNIndex>1700,2)
VNIndexMH
## [1] 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [38] 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [75] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 2 2 1 1
## [112] 2 2 1 1 1 1 1 1 1 1 2 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [149] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [186] 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [223] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
VNIndexcode=data.frame(VNIndex, VNIndexMH)
VNIndexcode
## VNIndex VNIndexMH
## 1 1634.45 1
## 2 1657.46 1
## 3 1666.09 1
## 4 1660.70 1
## 5 1666.48 1
## 6 1661.70 1
## 7 1665.05 1
## 8 1652.71 1
## 9 1645.82 1
## 10 1695.50 1
## 11 1685.30 1
## 12 1697.83 1
## 13 1716.47 2
## 14 1747.55 2
## 15 1761.06 2
## 16 1757.95 2
## 17 1766.85 2
## 18 1731.19 2
## 19 1636.43 1
## 20 1663.43 1
## 21 1678.50 1
## 22 1687.06 1
## 23 1683.18 1
## 24 1652.54 1
## 25 1680.50 1
## 26 1685.83 1
## 27 1669.57 1
## 28 1651.98 1
## 29 1654.89 1
## 30 1642.64 1
## 31 1599.10 1
## 32 1580.54 1
## 33 1593.61 1
## 34 1631.86 1
## 35 1631.44 1
## 36 1635.46 1
## 37 1654.42 1
## 38 1659.92 1
## 39 1649.00 1
## 40 1655.99 1
## 41 1660.36 1
## 42 1680.36 1
## 43 1684.32 1
## 44 1690.99 1
## 45 1701.67 2
## 46 1717.06 2
## 47 1731.77 2
## 48 1737.24 2
## 49 1741.32 2
## 50 1753.74 2
## 51 1747.17 2
## 52 1718.98 2
## 53 1698.90 1
## 54 1646.89 1
## 55 1646.01 1
## 56 1679.18 1
## 57 1673.66 1
## 58 1676.98 1
## 59 1704.31 2
## 60 1751.03 2
## 61 1772.15 2
## 62 1782.82 2
## 63 1742.85 2
## 64 1729.80 2
## 65 1754.84 2
## 66 1766.90 2
## 67 1788.40 2
## 68 1816.27 2
## 69 1861.58 2
## 70 1855.56 2
## 71 1867.90 2
## 72 1902.93 2
## 73 1894.44 2
## 74 1864.80 2
## 75 1879.13 2
## 76 1896.59 2
## 77 1893.78 2
## 78 1885.44 2
## 79 1882.73 2
## 80 1870.79 2
## 81 1843.72 2
## 82 1830.50 2
## 83 1802.91 2
## 84 1814.98 2
## 85 1829.04 2
## 86 1806.50 2
## 87 1813.40 2
## 88 1791.43 2
## 89 1782.56 2
## 90 1755.49 2
## 91 1754.82 2
## 92 1754.03 2
## 93 1796.85 2
## 94 1814.09 2
## 95 1824.09 2
## 96 1860.14 2
## 97 1867.62 2
## 98 1860.91 2
## 99 1879.64 2
## 100 1880.33 2
## 101 1846.10 2
## 102 1813.14 2
## 103 1818.27 2
## 104 1808.51 2
## 105 1767.84 2
## 106 1652.79 1
## 107 1676.73 1
## 108 1728.34 2
## 109 1709.61 2
## 110 1696.24 1
## 111 1693.21 1
## 112 1710.29 2
## 113 1713.83 2
## 114 1699.13 1
## 115 1591.17 1
## 116 1614.77 1
## 117 1658.19 1
## 118 1644.63 1
## 119 1672.80 1
## 120 1662.54 1
## 121 1674.49 1
## 122 1702.93 2
## 123 1694.82 1
## 124 1684.04 1
## 125 1674.99 1
## 126 1677.54 1
## 127 1756.55 2
## 128 1736.68 2
## 129 1750.00 2
## 130 1758.96 2
## 131 1775.65 2
## 132 1800.65 2
## 133 1819.83 2
## 134 1817.17 2
## 135 1837.11 2
## 136 1833.48 2
## 137 1857.30 2
## 138 1870.36 2
## 139 1853.29 2
## 140 1875.84 2
## 141 1854.10 2
## 142 1891.20 2
## 143 1909.01 2
## 144 1915.37 2
## 145 1895.50 2
## 146 1901.10 2
## 147 1898.37 2
## 148 1925.46 2
## 149 1921.60 2
## 150 1927.94 2
## 151 1912.93 2
## 152 1913.23 2
## 153 1896.89 2
## 154 1877.13 2
## 155 1886.03 2
## 156 1884.18 2
## 157 1874.43 2
## 158 1863.67 2
## 159 1863.49 2
## 160 1844.54 2
## 161 1826.47 2
## 162 1819.01 2
## 163 1831.55 2
## 164 1838.90 2
## 165 1790.53 2
## 166 1793.05 2
## 167 1803.71 2
## 168 1798.61 2
## 169 1791.65 2
## 170 1799.31 2
## 171 1807.94 2
## 172 1806.20 2
## 173 1830.47 2
## 174 1824.53 2
## 175 1857.91 2
## 176 1869.04 2
## 177 1878.02 2
## 178 1863.07 2
## 179 1871.91 2
## 180 1854.97 2
## 181 1860.01 2
## 182 1867.21 2
## 183 1866.35 2
## 184 1862.08 2
## 185 1843.50 2
## 186 1848.25 2
## 187 1853.70 2
## 188 1840.70 2
## 189 1828.34 2
## 190 1800.54 2
## 191 1806.63 2
## 192 1782.12 2
## 193 1804.24 2
## 194 1787.45 2
## 195 1743.51 2
## 196 1730.56 2
## 197 1668.53 1
## 198 1699.38 1
## 199 1686.11 1
## 200 1669.01 1
## 201 1680.62 1
## 202 1704.68 2
## 203 1744.66 2
## 204 1735.78 2
## 205 1762.84 2
## 206 1777.23 2
## 207 1776.46 2
## 208 1764.78 2
## 209 1768.06 2
## 210 1776.77 2
## 211 1773.41 2
## 212 1793.18 2
## 213 1765.63 2
## 214 1729.08 2
## 215 1727.46 2
## 216 1732.02 2
## 217 1726.69 2
## 218 1734.24 2
## 219 1768.12 2
## 220 1788.78 2
## 221 1791.41 2
## 222 1821.32 2
## 223 1831.56 2
## 224 1832.12 2
## 225 1827.72 2
## 226 1853.08 2
## 227 1821.64 2
## 228 1830.44 2
## 229 1827.12 2
## 230 1829.23 2
## 231 1795.21 2
## 232 1788.23 2
## 233 1811.15 2
## 234 1810.11 2
## 235 1822.77 2
## 236 1815.66 2
## 237 1801.65 2
## 238 1775.09 2
## 239 1785.11 2
## 240 1780.68 2
## 241 1777.73 2
## 242 1768.62 2
## 243 1749.30 2
## 244 1753.20 2
## 245 1759.08 2
## 246 1753.39 2
## 247 1738.97 2
## 248 1735.09 2
# MÃ HÓA VNIdex SANG THANG DO ORDINAL SCALE
VNIndex1=VNIndexMH
VNIndex1=replace(VNIndex1,VNIndexMH==1,"Nhỏ hơn hoặc bằng 1700")
VNIndex1=replace(VNIndex1,VNIndexMH==2,"Lớn hơn 1700")
VNIndex1MH=data.frame(VNIndexMH,VNIndex1)
VNIndex1MH
## VNIndexMH VNIndex1
## 1 1 Nhỏ hơn hoặc bằng 1700
## 2 1 Nhỏ hơn hoặc bằng 1700
## 3 1 Nhỏ hơn hoặc bằng 1700
## 4 1 Nhỏ hơn hoặc bằng 1700
## 5 1 Nhỏ hơn hoặc bằng 1700
## 6 1 Nhỏ hơn hoặc bằng 1700
## 7 1 Nhỏ hơn hoặc bằng 1700
## 8 1 Nhỏ hơn hoặc bằng 1700
## 9 1 Nhỏ hơn hoặc bằng 1700
## 10 1 Nhỏ hơn hoặc bằng 1700
## 11 1 Nhỏ hơn hoặc bằng 1700
## 12 1 Nhỏ hơn hoặc bằng 1700
## 13 2 Lớn hơn 1700
## 14 2 Lớn hơn 1700
## 15 2 Lớn hơn 1700
## 16 2 Lớn hơn 1700
## 17 2 Lớn hơn 1700
## 18 2 Lớn hơn 1700
## 19 1 Nhỏ hơn hoặc bằng 1700
## 20 1 Nhỏ hơn hoặc bằng 1700
## 21 1 Nhỏ hơn hoặc bằng 1700
## 22 1 Nhỏ hơn hoặc bằng 1700
## 23 1 Nhỏ hơn hoặc bằng 1700
## 24 1 Nhỏ hơn hoặc bằng 1700
## 25 1 Nhỏ hơn hoặc bằng 1700
## 26 1 Nhỏ hơn hoặc bằng 1700
## 27 1 Nhỏ hơn hoặc bằng 1700
## 28 1 Nhỏ hơn hoặc bằng 1700
## 29 1 Nhỏ hơn hoặc bằng 1700
## 30 1 Nhỏ hơn hoặc bằng 1700
## 31 1 Nhỏ hơn hoặc bằng 1700
## 32 1 Nhỏ hơn hoặc bằng 1700
## 33 1 Nhỏ hơn hoặc bằng 1700
## 34 1 Nhỏ hơn hoặc bằng 1700
## 35 1 Nhỏ hơn hoặc bằng 1700
## 36 1 Nhỏ hơn hoặc bằng 1700
## 37 1 Nhỏ hơn hoặc bằng 1700
## 38 1 Nhỏ hơn hoặc bằng 1700
## 39 1 Nhỏ hơn hoặc bằng 1700
## 40 1 Nhỏ hơn hoặc bằng 1700
## 41 1 Nhỏ hơn hoặc bằng 1700
## 42 1 Nhỏ hơn hoặc bằng 1700
## 43 1 Nhỏ hơn hoặc bằng 1700
## 44 1 Nhỏ hơn hoặc bằng 1700
## 45 2 Lớn hơn 1700
## 46 2 Lớn hơn 1700
## 47 2 Lớn hơn 1700
## 48 2 Lớn hơn 1700
## 49 2 Lớn hơn 1700
## 50 2 Lớn hơn 1700
## 51 2 Lớn hơn 1700
## 52 2 Lớn hơn 1700
## 53 1 Nhỏ hơn hoặc bằng 1700
## 54 1 Nhỏ hơn hoặc bằng 1700
## 55 1 Nhỏ hơn hoặc bằng 1700
## 56 1 Nhỏ hơn hoặc bằng 1700
## 57 1 Nhỏ hơn hoặc bằng 1700
## 58 1 Nhỏ hơn hoặc bằng 1700
## 59 2 Lớn hơn 1700
## 60 2 Lớn hơn 1700
## 61 2 Lớn hơn 1700
## 62 2 Lớn hơn 1700
## 63 2 Lớn hơn 1700
## 64 2 Lớn hơn 1700
## 65 2 Lớn hơn 1700
## 66 2 Lớn hơn 1700
## 67 2 Lớn hơn 1700
## 68 2 Lớn hơn 1700
## 69 2 Lớn hơn 1700
## 70 2 Lớn hơn 1700
## 71 2 Lớn hơn 1700
## 72 2 Lớn hơn 1700
## 73 2 Lớn hơn 1700
## 74 2 Lớn hơn 1700
## 75 2 Lớn hơn 1700
## 76 2 Lớn hơn 1700
## 77 2 Lớn hơn 1700
## 78 2 Lớn hơn 1700
## 79 2 Lớn hơn 1700
## 80 2 Lớn hơn 1700
## 81 2 Lớn hơn 1700
## 82 2 Lớn hơn 1700
## 83 2 Lớn hơn 1700
## 84 2 Lớn hơn 1700
## 85 2 Lớn hơn 1700
## 86 2 Lớn hơn 1700
## 87 2 Lớn hơn 1700
## 88 2 Lớn hơn 1700
## 89 2 Lớn hơn 1700
## 90 2 Lớn hơn 1700
## 91 2 Lớn hơn 1700
## 92 2 Lớn hơn 1700
## 93 2 Lớn hơn 1700
## 94 2 Lớn hơn 1700
## 95 2 Lớn hơn 1700
## 96 2 Lớn hơn 1700
## 97 2 Lớn hơn 1700
## 98 2 Lớn hơn 1700
## 99 2 Lớn hơn 1700
## 100 2 Lớn hơn 1700
## 101 2 Lớn hơn 1700
## 102 2 Lớn hơn 1700
## 103 2 Lớn hơn 1700
## 104 2 Lớn hơn 1700
## 105 2 Lớn hơn 1700
## 106 1 Nhỏ hơn hoặc bằng 1700
## 107 1 Nhỏ hơn hoặc bằng 1700
## 108 2 Lớn hơn 1700
## 109 2 Lớn hơn 1700
## 110 1 Nhỏ hơn hoặc bằng 1700
## 111 1 Nhỏ hơn hoặc bằng 1700
## 112 2 Lớn hơn 1700
## 113 2 Lớn hơn 1700
## 114 1 Nhỏ hơn hoặc bằng 1700
## 115 1 Nhỏ hơn hoặc bằng 1700
## 116 1 Nhỏ hơn hoặc bằng 1700
## 117 1 Nhỏ hơn hoặc bằng 1700
## 118 1 Nhỏ hơn hoặc bằng 1700
## 119 1 Nhỏ hơn hoặc bằng 1700
## 120 1 Nhỏ hơn hoặc bằng 1700
## 121 1 Nhỏ hơn hoặc bằng 1700
## 122 2 Lớn hơn 1700
## 123 1 Nhỏ hơn hoặc bằng 1700
## 124 1 Nhỏ hơn hoặc bằng 1700
## 125 1 Nhỏ hơn hoặc bằng 1700
## 126 1 Nhỏ hơn hoặc bằng 1700
## 127 2 Lớn hơn 1700
## 128 2 Lớn hơn 1700
## 129 2 Lớn hơn 1700
## 130 2 Lớn hơn 1700
## 131 2 Lớn hơn 1700
## 132 2 Lớn hơn 1700
## 133 2 Lớn hơn 1700
## 134 2 Lớn hơn 1700
## 135 2 Lớn hơn 1700
## 136 2 Lớn hơn 1700
## 137 2 Lớn hơn 1700
## 138 2 Lớn hơn 1700
## 139 2 Lớn hơn 1700
## 140 2 Lớn hơn 1700
## 141 2 Lớn hơn 1700
## 142 2 Lớn hơn 1700
## 143 2 Lớn hơn 1700
## 144 2 Lớn hơn 1700
## 145 2 Lớn hơn 1700
## 146 2 Lớn hơn 1700
## 147 2 Lớn hơn 1700
## 148 2 Lớn hơn 1700
## 149 2 Lớn hơn 1700
## 150 2 Lớn hơn 1700
## 151 2 Lớn hơn 1700
## 152 2 Lớn hơn 1700
## 153 2 Lớn hơn 1700
## 154 2 Lớn hơn 1700
## 155 2 Lớn hơn 1700
## 156 2 Lớn hơn 1700
## 157 2 Lớn hơn 1700
## 158 2 Lớn hơn 1700
## 159 2 Lớn hơn 1700
## 160 2 Lớn hơn 1700
## 161 2 Lớn hơn 1700
## 162 2 Lớn hơn 1700
## 163 2 Lớn hơn 1700
## 164 2 Lớn hơn 1700
## 165 2 Lớn hơn 1700
## 166 2 Lớn hơn 1700
## 167 2 Lớn hơn 1700
## 168 2 Lớn hơn 1700
## 169 2 Lớn hơn 1700
## 170 2 Lớn hơn 1700
## 171 2 Lớn hơn 1700
## 172 2 Lớn hơn 1700
## 173 2 Lớn hơn 1700
## 174 2 Lớn hơn 1700
## 175 2 Lớn hơn 1700
## 176 2 Lớn hơn 1700
## 177 2 Lớn hơn 1700
## 178 2 Lớn hơn 1700
## 179 2 Lớn hơn 1700
## 180 2 Lớn hơn 1700
## 181 2 Lớn hơn 1700
## 182 2 Lớn hơn 1700
## 183 2 Lớn hơn 1700
## 184 2 Lớn hơn 1700
## 185 2 Lớn hơn 1700
## 186 2 Lớn hơn 1700
## 187 2 Lớn hơn 1700
## 188 2 Lớn hơn 1700
## 189 2 Lớn hơn 1700
## 190 2 Lớn hơn 1700
## 191 2 Lớn hơn 1700
## 192 2 Lớn hơn 1700
## 193 2 Lớn hơn 1700
## 194 2 Lớn hơn 1700
## 195 2 Lớn hơn 1700
## 196 2 Lớn hơn 1700
## 197 1 Nhỏ hơn hoặc bằng 1700
## 198 1 Nhỏ hơn hoặc bằng 1700
## 199 1 Nhỏ hơn hoặc bằng 1700
## 200 1 Nhỏ hơn hoặc bằng 1700
## 201 1 Nhỏ hơn hoặc bằng 1700
## 202 2 Lớn hơn 1700
## 203 2 Lớn hơn 1700
## 204 2 Lớn hơn 1700
## 205 2 Lớn hơn 1700
## 206 2 Lớn hơn 1700
## 207 2 Lớn hơn 1700
## 208 2 Lớn hơn 1700
## 209 2 Lớn hơn 1700
## 210 2 Lớn hơn 1700
## 211 2 Lớn hơn 1700
## 212 2 Lớn hơn 1700
## 213 2 Lớn hơn 1700
## 214 2 Lớn hơn 1700
## 215 2 Lớn hơn 1700
## 216 2 Lớn hơn 1700
## 217 2 Lớn hơn 1700
## 218 2 Lớn hơn 1700
## 219 2 Lớn hơn 1700
## 220 2 Lớn hơn 1700
## 221 2 Lớn hơn 1700
## 222 2 Lớn hơn 1700
## 223 2 Lớn hơn 1700
## 224 2 Lớn hơn 1700
## 225 2 Lớn hơn 1700
## 226 2 Lớn hơn 1700
## 227 2 Lớn hơn 1700
## 228 2 Lớn hơn 1700
## 229 2 Lớn hơn 1700
## 230 2 Lớn hơn 1700
## 231 2 Lớn hơn 1700
## 232 2 Lớn hơn 1700
## 233 2 Lớn hơn 1700
## 234 2 Lớn hơn 1700
## 235 2 Lớn hơn 1700
## 236 2 Lớn hơn 1700
## 237 2 Lớn hơn 1700
## 238 2 Lớn hơn 1700
## 239 2 Lớn hơn 1700
## 240 2 Lớn hơn 1700
## 241 2 Lớn hơn 1700
## 242 2 Lớn hơn 1700
## 243 2 Lớn hơn 1700
## 244 2 Lớn hơn 1700
## 245 2 Lớn hơn 1700
## 246 2 Lớn hơn 1700
## 247 2 Lớn hơn 1700
## 248 2 Lớn hơn 1700
#PHÂN VÙNG VN30
VN30MH=VN30
VN30MH=replace(VN30MH,VN30<=1900,1)
VN30MH=replace(VN30MH,VN30>1900,2)
VN30MH
## [1] 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1
## [38] 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [75] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1
## [112] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [149] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [186] 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 1 1 1 1 1 2 2 2 2
## [223] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1
VN30code=data.frame(VN30, VN30MH)
VN30code
## VN30 VN30MH
## 1 1819.60 1
## 2 1853.48 1
## 3 1858.67 1
## 4 1852.65 1
## 5 1862.23 1
## 6 1863.13 1
## 7 1870.63 1
## 8 1859.80 1
## 9 1859.51 1
## 10 1918.97 2
## 11 1909.65 2
## 12 1922.95 2
## 13 1940.89 2
## 14 1980.57 2
## 15 2013.69 2
## 16 2009.64 2
## 17 2022.27 2
## 18 1977.14 2
## 19 1870.86 1
## 20 1915.90 2
## 21 1930.88 2
## 22 1945.78 2
## 23 1944.60 2
## 24 1900.76 2
## 25 1949.28 2
## 26 1949.76 2
## 27 1925.18 2
## 28 1897.71 1
## 29 1886.47 1
## 30 1869.60 1
## 31 1824.71 1
## 32 1804.18 1
## 33 1821.60 1
## 34 1872.27 1
## 35 1864.23 1
## 36 1871.54 1
## 37 1893.54 1
## 38 1898.07 1
## 39 1886.20 1
## 40 1897.46 1
## 41 1909.60 2
## 42 1923.55 2
## 43 1921.18 2
## 44 1923.92 2
## 45 1933.56 2
## 46 1950.12 2
## 47 1971.99 2
## 48 1979.53 2
## 49 1975.50 2
## 50 1983.82 2
## 51 1973.02 2
## 52 1946.98 2
## 53 1924.29 2
## 54 1867.03 1
## 55 1869.84 1
## 56 1909.87 2
## 57 1897.95 1
## 58 1903.47 2
## 59 1933.28 2
## 60 1985.28 2
## 61 2012.87 2
## 62 2023.13 2
## 63 1976.21 2
## 64 1965.97 2
## 65 1990.66 2
## 66 2009.70 2
## 67 2028.68 2
## 68 2055.96 2
## 69 2096.76 2
## 70 2074.03 2
## 71 2066.21 2
## 72 2089.21 2
## 73 2067.10 2
## 74 2047.48 2
## 75 2080.35 2
## 76 2094.24 2
## 77 2085.61 2
## 78 2080.38 2
## 79 2082.35 2
## 80 2077.76 2
## 81 2032.28 2
## 82 2019.88 2
## 83 1997.13 2
## 84 2018.98 2
## 85 2029.81 2
## 86 2004.31 2
## 87 1997.69 2
## 88 1988.19 2
## 89 1969.27 2
## 90 1943.60 2
## 91 1947.75 2
## 92 1951.58 2
## 93 2000.90 2
## 94 2016.47 2
## 95 2018.64 2
## 96 2039.80 2
## 97 2050.85 2
## 98 2049.64 2
## 99 2069.82 2
## 100 2061.75 2
## 101 2010.75 2
## 102 1959.35 2
## 103 1956.53 2
## 104 1942.76 2
## 105 1904.19 2
## 106 1780.71 1
## 107 1836.96 1
## 108 1889.94 1
## 109 1859.80 1
## 110 1853.60 1
## 111 1852.99 1
## 112 1873.65 1
## 113 1868.84 1
## 114 1854.19 1
## 115 1741.05 1
## 116 1770.16 1
## 117 1814.73 1
## 118 1791.25 1
## 119 1821.53 1
## 120 1811.92 1
## 121 1829.59 1
## 122 1861.84 1
## 123 1852.99 1
## 124 1837.43 1
## 125 1836.25 1
## 126 1840.96 1
## 127 1931.01 2
## 128 1915.01 2
## 129 1928.23 2
## 130 1925.66 2
## 131 1946.55 2
## 132 1961.60 2
## 133 1979.19 2
## 134 1988.11 2
## 135 2009.04 2
## 136 2007.08 2
## 137 2025.41 2
## 138 2024.74 2
## 139 2011.42 2
## 140 2041.40 2
## 141 2022.75 2
## 142 2053.41 2
## 143 2079.10 2
## 144 2074.06 2
## 145 2040.51 2
## 146 2053.97 2
## 147 2043.51 2
## 148 2068.62 2
## 149 2050.58 2
## 150 2046.37 2
## 151 2027.45 2
## 152 2028.94 2
## 153 2027.51 2
## 154 2010.93 2
## 155 2021.72 2
## 156 2027.90 2
## 157 2022.46 2
## 158 1999.82 2
## 159 1997.06 2
## 160 1989.71 2
## 161 1972.99 2
## 162 1974.60 2
## 163 1982.29 2
## 164 1986.28 2
## 165 1936.81 2
## 166 1951.92 2
## 167 1960.97 2
## 168 1947.28 2
## 169 1944.36 2
## 170 1962.48 2
## 171 1960.19 2
## 172 1957.17 2
## 173 1967.22 2
## 174 1963.57 2
## 175 1980.13 2
## 176 1995.12 2
## 177 2010.15 2
## 178 2004.62 2
## 179 2008.57 2
## 180 2004.29 2
## 181 1995.71 2
## 182 2013.35 2
## 183 2009.04 2
## 184 2002.56 2
## 185 1991.11 2
## 186 1995.91 2
## 187 1998.44 2
## 188 1987.11 2
## 189 1970.82 2
## 190 1939.84 2
## 191 1946.06 2
## 192 1916.05 2
## 193 1941.65 2
## 194 1931.65 2
## 195 1887.32 1
## 196 1881.32 1
## 197 1826.90 1
## 198 1845.32 1
## 199 1829.36 1
## 200 1806.50 1
## 201 1824.35 1
## 202 1849.12 1
## 203 1886.27 1
## 204 1872.07 1
## 205 1917.69 2
## 206 1927.35 2
## 207 1916.88 2
## 208 1902.79 2
## 209 1911.09 2
## 210 1925.18 2
## 211 1922.53 2
## 212 1936.46 2
## 213 1909.23 2
## 214 1876.81 1
## 215 1877.68 1
## 216 1876.14 1
## 217 1875.73 1
## 218 1887.06 1
## 219 1927.79 2
## 220 1942.00 2
## 221 1936.15 2
## 222 1970.01 2
## 223 1979.23 2
## 224 1982.96 2
## 225 1961.57 2
## 226 1984.89 2
## 227 1963.01 2
## 228 1968.52 2
## 229 1967.64 2
## 230 1976.82 2
## 231 1936.69 2
## 232 1928.57 2
## 233 1951.14 2
## 234 1954.29 2
## 235 1975.01 2
## 236 1964.17 2
## 237 1954.91 2
## 238 1932.15 2
## 239 1938.50 2
## 240 1922.42 2
## 241 1914.35 2
## 242 1906.81 2
## 243 1890.57 1
## 244 1894.46 1
## 245 1898.82 1
## 246 1894.20 1
## 247 1877.00 1
## 248 1873.43 1
# MÃ HÓA VN30 SANG THANG DO ORDINAL SCALE
VN301=VN30MH
VN301=replace(VN301,VN30MH==1,"Nhỏ hơn hoặc bằng 1900")
VN301=replace(VN301,VN30MH==2,"Lớn hơn 1900")
VN301MH=data.frame(VN30MH,VN301)
VN301MH
## VN30MH VN301
## 1 1 Nhỏ hơn hoặc bằng 1900
## 2 1 Nhỏ hơn hoặc bằng 1900
## 3 1 Nhỏ hơn hoặc bằng 1900
## 4 1 Nhỏ hơn hoặc bằng 1900
## 5 1 Nhỏ hơn hoặc bằng 1900
## 6 1 Nhỏ hơn hoặc bằng 1900
## 7 1 Nhỏ hơn hoặc bằng 1900
## 8 1 Nhỏ hơn hoặc bằng 1900
## 9 1 Nhỏ hơn hoặc bằng 1900
## 10 2 Lớn hơn 1900
## 11 2 Lớn hơn 1900
## 12 2 Lớn hơn 1900
## 13 2 Lớn hơn 1900
## 14 2 Lớn hơn 1900
## 15 2 Lớn hơn 1900
## 16 2 Lớn hơn 1900
## 17 2 Lớn hơn 1900
## 18 2 Lớn hơn 1900
## 19 1 Nhỏ hơn hoặc bằng 1900
## 20 2 Lớn hơn 1900
## 21 2 Lớn hơn 1900
## 22 2 Lớn hơn 1900
## 23 2 Lớn hơn 1900
## 24 2 Lớn hơn 1900
## 25 2 Lớn hơn 1900
## 26 2 Lớn hơn 1900
## 27 2 Lớn hơn 1900
## 28 1 Nhỏ hơn hoặc bằng 1900
## 29 1 Nhỏ hơn hoặc bằng 1900
## 30 1 Nhỏ hơn hoặc bằng 1900
## 31 1 Nhỏ hơn hoặc bằng 1900
## 32 1 Nhỏ hơn hoặc bằng 1900
## 33 1 Nhỏ hơn hoặc bằng 1900
## 34 1 Nhỏ hơn hoặc bằng 1900
## 35 1 Nhỏ hơn hoặc bằng 1900
## 36 1 Nhỏ hơn hoặc bằng 1900
## 37 1 Nhỏ hơn hoặc bằng 1900
## 38 1 Nhỏ hơn hoặc bằng 1900
## 39 1 Nhỏ hơn hoặc bằng 1900
## 40 1 Nhỏ hơn hoặc bằng 1900
## 41 2 Lớn hơn 1900
## 42 2 Lớn hơn 1900
## 43 2 Lớn hơn 1900
## 44 2 Lớn hơn 1900
## 45 2 Lớn hơn 1900
## 46 2 Lớn hơn 1900
## 47 2 Lớn hơn 1900
## 48 2 Lớn hơn 1900
## 49 2 Lớn hơn 1900
## 50 2 Lớn hơn 1900
## 51 2 Lớn hơn 1900
## 52 2 Lớn hơn 1900
## 53 2 Lớn hơn 1900
## 54 1 Nhỏ hơn hoặc bằng 1900
## 55 1 Nhỏ hơn hoặc bằng 1900
## 56 2 Lớn hơn 1900
## 57 1 Nhỏ hơn hoặc bằng 1900
## 58 2 Lớn hơn 1900
## 59 2 Lớn hơn 1900
## 60 2 Lớn hơn 1900
## 61 2 Lớn hơn 1900
## 62 2 Lớn hơn 1900
## 63 2 Lớn hơn 1900
## 64 2 Lớn hơn 1900
## 65 2 Lớn hơn 1900
## 66 2 Lớn hơn 1900
## 67 2 Lớn hơn 1900
## 68 2 Lớn hơn 1900
## 69 2 Lớn hơn 1900
## 70 2 Lớn hơn 1900
## 71 2 Lớn hơn 1900
## 72 2 Lớn hơn 1900
## 73 2 Lớn hơn 1900
## 74 2 Lớn hơn 1900
## 75 2 Lớn hơn 1900
## 76 2 Lớn hơn 1900
## 77 2 Lớn hơn 1900
## 78 2 Lớn hơn 1900
## 79 2 Lớn hơn 1900
## 80 2 Lớn hơn 1900
## 81 2 Lớn hơn 1900
## 82 2 Lớn hơn 1900
## 83 2 Lớn hơn 1900
## 84 2 Lớn hơn 1900
## 85 2 Lớn hơn 1900
## 86 2 Lớn hơn 1900
## 87 2 Lớn hơn 1900
## 88 2 Lớn hơn 1900
## 89 2 Lớn hơn 1900
## 90 2 Lớn hơn 1900
## 91 2 Lớn hơn 1900
## 92 2 Lớn hơn 1900
## 93 2 Lớn hơn 1900
## 94 2 Lớn hơn 1900
## 95 2 Lớn hơn 1900
## 96 2 Lớn hơn 1900
## 97 2 Lớn hơn 1900
## 98 2 Lớn hơn 1900
## 99 2 Lớn hơn 1900
## 100 2 Lớn hơn 1900
## 101 2 Lớn hơn 1900
## 102 2 Lớn hơn 1900
## 103 2 Lớn hơn 1900
## 104 2 Lớn hơn 1900
## 105 2 Lớn hơn 1900
## 106 1 Nhỏ hơn hoặc bằng 1900
## 107 1 Nhỏ hơn hoặc bằng 1900
## 108 1 Nhỏ hơn hoặc bằng 1900
## 109 1 Nhỏ hơn hoặc bằng 1900
## 110 1 Nhỏ hơn hoặc bằng 1900
## 111 1 Nhỏ hơn hoặc bằng 1900
## 112 1 Nhỏ hơn hoặc bằng 1900
## 113 1 Nhỏ hơn hoặc bằng 1900
## 114 1 Nhỏ hơn hoặc bằng 1900
## 115 1 Nhỏ hơn hoặc bằng 1900
## 116 1 Nhỏ hơn hoặc bằng 1900
## 117 1 Nhỏ hơn hoặc bằng 1900
## 118 1 Nhỏ hơn hoặc bằng 1900
## 119 1 Nhỏ hơn hoặc bằng 1900
## 120 1 Nhỏ hơn hoặc bằng 1900
## 121 1 Nhỏ hơn hoặc bằng 1900
## 122 1 Nhỏ hơn hoặc bằng 1900
## 123 1 Nhỏ hơn hoặc bằng 1900
## 124 1 Nhỏ hơn hoặc bằng 1900
## 125 1 Nhỏ hơn hoặc bằng 1900
## 126 1 Nhỏ hơn hoặc bằng 1900
## 127 2 Lớn hơn 1900
## 128 2 Lớn hơn 1900
## 129 2 Lớn hơn 1900
## 130 2 Lớn hơn 1900
## 131 2 Lớn hơn 1900
## 132 2 Lớn hơn 1900
## 133 2 Lớn hơn 1900
## 134 2 Lớn hơn 1900
## 135 2 Lớn hơn 1900
## 136 2 Lớn hơn 1900
## 137 2 Lớn hơn 1900
## 138 2 Lớn hơn 1900
## 139 2 Lớn hơn 1900
## 140 2 Lớn hơn 1900
## 141 2 Lớn hơn 1900
## 142 2 Lớn hơn 1900
## 143 2 Lớn hơn 1900
## 144 2 Lớn hơn 1900
## 145 2 Lớn hơn 1900
## 146 2 Lớn hơn 1900
## 147 2 Lớn hơn 1900
## 148 2 Lớn hơn 1900
## 149 2 Lớn hơn 1900
## 150 2 Lớn hơn 1900
## 151 2 Lớn hơn 1900
## 152 2 Lớn hơn 1900
## 153 2 Lớn hơn 1900
## 154 2 Lớn hơn 1900
## 155 2 Lớn hơn 1900
## 156 2 Lớn hơn 1900
## 157 2 Lớn hơn 1900
## 158 2 Lớn hơn 1900
## 159 2 Lớn hơn 1900
## 160 2 Lớn hơn 1900
## 161 2 Lớn hơn 1900
## 162 2 Lớn hơn 1900
## 163 2 Lớn hơn 1900
## 164 2 Lớn hơn 1900
## 165 2 Lớn hơn 1900
## 166 2 Lớn hơn 1900
## 167 2 Lớn hơn 1900
## 168 2 Lớn hơn 1900
## 169 2 Lớn hơn 1900
## 170 2 Lớn hơn 1900
## 171 2 Lớn hơn 1900
## 172 2 Lớn hơn 1900
## 173 2 Lớn hơn 1900
## 174 2 Lớn hơn 1900
## 175 2 Lớn hơn 1900
## 176 2 Lớn hơn 1900
## 177 2 Lớn hơn 1900
## 178 2 Lớn hơn 1900
## 179 2 Lớn hơn 1900
## 180 2 Lớn hơn 1900
## 181 2 Lớn hơn 1900
## 182 2 Lớn hơn 1900
## 183 2 Lớn hơn 1900
## 184 2 Lớn hơn 1900
## 185 2 Lớn hơn 1900
## 186 2 Lớn hơn 1900
## 187 2 Lớn hơn 1900
## 188 2 Lớn hơn 1900
## 189 2 Lớn hơn 1900
## 190 2 Lớn hơn 1900
## 191 2 Lớn hơn 1900
## 192 2 Lớn hơn 1900
## 193 2 Lớn hơn 1900
## 194 2 Lớn hơn 1900
## 195 1 Nhỏ hơn hoặc bằng 1900
## 196 1 Nhỏ hơn hoặc bằng 1900
## 197 1 Nhỏ hơn hoặc bằng 1900
## 198 1 Nhỏ hơn hoặc bằng 1900
## 199 1 Nhỏ hơn hoặc bằng 1900
## 200 1 Nhỏ hơn hoặc bằng 1900
## 201 1 Nhỏ hơn hoặc bằng 1900
## 202 1 Nhỏ hơn hoặc bằng 1900
## 203 1 Nhỏ hơn hoặc bằng 1900
## 204 1 Nhỏ hơn hoặc bằng 1900
## 205 2 Lớn hơn 1900
## 206 2 Lớn hơn 1900
## 207 2 Lớn hơn 1900
## 208 2 Lớn hơn 1900
## 209 2 Lớn hơn 1900
## 210 2 Lớn hơn 1900
## 211 2 Lớn hơn 1900
## 212 2 Lớn hơn 1900
## 213 2 Lớn hơn 1900
## 214 1 Nhỏ hơn hoặc bằng 1900
## 215 1 Nhỏ hơn hoặc bằng 1900
## 216 1 Nhỏ hơn hoặc bằng 1900
## 217 1 Nhỏ hơn hoặc bằng 1900
## 218 1 Nhỏ hơn hoặc bằng 1900
## 219 2 Lớn hơn 1900
## 220 2 Lớn hơn 1900
## 221 2 Lớn hơn 1900
## 222 2 Lớn hơn 1900
## 223 2 Lớn hơn 1900
## 224 2 Lớn hơn 1900
## 225 2 Lớn hơn 1900
## 226 2 Lớn hơn 1900
## 227 2 Lớn hơn 1900
## 228 2 Lớn hơn 1900
## 229 2 Lớn hơn 1900
## 230 2 Lớn hơn 1900
## 231 2 Lớn hơn 1900
## 232 2 Lớn hơn 1900
## 233 2 Lớn hơn 1900
## 234 2 Lớn hơn 1900
## 235 2 Lớn hơn 1900
## 236 2 Lớn hơn 1900
## 237 2 Lớn hơn 1900
## 238 2 Lớn hơn 1900
## 239 2 Lớn hơn 1900
## 240 2 Lớn hơn 1900
## 241 2 Lớn hơn 1900
## 242 2 Lớn hơn 1900
## 243 1 Nhỏ hơn hoặc bằng 1900
## 244 1 Nhỏ hơn hoặc bằng 1900
## 245 1 Nhỏ hơn hoặc bằng 1900
## 246 1 Nhỏ hơn hoặc bằng 1900
## 247 1 Nhỏ hơn hoặc bằng 1900
## 248 1 Nhỏ hơn hoặc bằng 1900
# PHÂN VÙNG NIKKEI
NikkeiMH=Nikkei
NikkeiMH=replace(NikkeiMH, Nikkei<=58000,1)
NikkeiMH=replace(NikkeiMH, Nikkei>58000,2)
NikkeiMH
## [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [38] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
## [75] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 1 1 1 1 1 1 1 1 1 1
## [112] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [149] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [186] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
## [223] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Nikkeicode=data.frame(Nikkei,NikkeiMH)
Nikkeicode
## Nikkei NikkeiMH
## 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 51497.20 1
## 29 50212.27 1
## 30 50883.68 1
## 31 50276.37 1
## 32 50911.76 1
## 33 50842.93 1
## 34 51063.31 1
## 35 51281.83 1
## 36 50376.53 1
## 37 50323.91 1
## 38 48702.98 1
## 39 48537.70 1
## 40 49823.94 1
## 41 48659.52 1
## 42 49559.07 1
## 43 50167.10 1
## 44 50253.91 1
## 45 49303.28 1
## 46 49303.45 1
## 47 49864.68 1
## 48 51028.42 1
## 49 50491.87 1
## 50 50581.94 1
## 51 50655.10 1
## 52 50602.80 1
## 53 50148.82 1
## 54 50836.55 1
## 55 50168.11 1
## 56 49383.29 1
## 57 49512.28 1
## 58 49001.50 1
## 59 49507.21 1
## 60 50402.39 1
## 61 50412.87 1
## 62 50344.10 1
## 63 50407.79 1
## 64 50750.39 1
## 65 50526.92 1
## 66 50339.48 1
## 67 51832.80 1
## 68 52518.08 1
## 69 51961.98 1
## 70 51117.26 1
## 71 51939.89 1
## 72 53549.16 1
## 73 54341.23 1
## 74 54110.50 1
## 75 53936.17 1
## 76 53583.57 1
## 77 52991.10 1
## 78 52774.64 1
## 79 53688.89 1
## 80 53846.87 1
## 81 52885.25 1
## 82 53333.54 1
## 83 53358.71 1
## 84 53375.60 1
## 85 53322.85 1
## 86 52655.18 1
## 87 54720.66 1
## 88 54293.36 1
## 89 53818.04 1
## 90 54253.68 1
## 91 56363.94 1
## 92 57650.54 1
## 93 57903.00 1
## 94 57639.84 1
## 95 56941.97 1
## 96 56703.00 1
## 97 57321.09 1
## 98 58583.12 2
## 99 58753.39 2
## 100 58850.27 2
## 101 58057.24 2
## 102 56279.05 1
## 103 54245.54 1
## 104 55278.06 1
## 105 55620.84 1
## 106 52728.72 1
## 107 54248.39 1
## 108 55025.37 1
## 109 54452.96 1
## 110 53819.61 1
## 111 53751.15 1
## 112 53700.39 1
## 113 55239.40 1
## 114 53372.53 1
## 115 51515.49 1
## 116 52252.28 1
## 117 53749.62 1
## 118 53603.65 1
## 119 53373.07 1
## 120 51885.85 1
## 121 51063.72 1
## 122 53739.68 1
## 123 52463.27 1
## 124 53123.49 1
## 125 53413.68 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 2
## 133 59518.34 2
## 134 58475.90 2
## 135 58824.89 2
## 136 59349.17 2
## 137 59585.86 2
## 138 59140.23 2
## 139 59716.18 2
## 140 59917.46 2
## 141 59159.50 2
## 142 61858.00 2
## 143 62833.84 2
## 144 62713.65 2
## 145 62417.88 2
## 146 62742.57 2
## 147 63272.11 2
## 148 62654.05 2
## 149 61409.29 2
## 150 60815.95 2
## 151 60550.59 2
## 152 59804.41 2
## 153 61684.14 2
## 154 63339.07 2
## 155 65158.19 2
## 156 64996.09 2
## 157 64999.41 2
## 158 64693.12 2
## 159 66329.50 2
## 160 66934.33 2
## 161 66734.24 2
## 162 68402.13 2
## 163 67470.69 2
## 164 66588.12 2
## 165 64024.60 2
## 166 65416.63 2
## 167 64179.27 2
## 168 64217.27 2
## 169 66020.04 2
## 170 69317.50 2
## 171 69404.50 2
## 172 69902.25 2
## 173 71053.49 2
## 174 71250.06 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 69744.07 2
## 185 69737.69 2
## 186 68256.96 2
## 187 66819.05 2
## 188 67743.85 2
## 189 68557.73 2
## 190 67242.73 2
## 191 67743.50 2
## 192 68751.51 2
## 193 66835.54 2
## 194 64141.12 2
## 195 64787.50 2
## 196 66232.19 2
## 197 66115.60 2
## 198 66422.60 2
## 199 64611.15 2
## 200 64931.19 2
## 201 62364.92 2
## 202 61434.19 2
## 203 61867.43 2
## 204 64362.02 2
## 205 63754.90 2
## 206 63957.53 2
## 207 66300.44 2
## 208 65683.26 2
## 209 65606.71 2
## 210 66970.22 2
## 211 67215.00 2
## 212 67524.06 2
## 213 68308.59 2
## 214 68713.80 2
## 215 69220.25 2
## 216 67460.73 2
## 217 65326.42 2
## 218 66216.79 2
## 219 66016.36 2
## 220 65528.09 2
## 221 65856.43 2
## 222 66262.16 2
## 223 66131.98 2
## 224 66405.56 2
## 225 64214.48 2
## 226 65020.94 2
## 227 66399.84 2
## 228 65269.33 2
## 229 65142.78 2
## 230 65270.95 2
## 231 64011.34 2
## 232 63492.99 2
## 233 63484.10 2
## 234 63923.00 2
## 235 64136.25 2
## 236 65018.95 2
## 237 66057.00 2
## 238 65513.99 2
## 239 66364.20 2
## 240 65877.62 2
## 241 65481.27 2
## 242 66753.72 2
## 243 68956.72 2
## 244 69946.86 2
## 245 70683.98 2
## 246 70035.71 2
## 247 68520.50 2
## 248 69144.00 2
# MÃ HÓA Nikkei SANG THANG DO ORDINAL SCALE
Nikkei1=NikkeiMH
Nikkei1=replace(Nikkei1,NikkeiMH==1,"Nhỏ hơn hoặc bằng 58000")
Nikkei1=replace(Nikkei1,NikkeiMH==2,"Lớn hơn 58000")
Nikkei1MH=data.frame(NikkeiMH,Nikkei1)
Nikkei1MH
## NikkeiMH Nikkei1
## 1 1 Nhỏ hơn hoặc bằng 58000
## 2 1 Nhỏ hơn hoặc bằng 58000
## 3 1 Nhỏ hơn hoặc bằng 58000
## 4 1 Nhỏ hơn hoặc bằng 58000
## 5 1 Nhỏ hơn hoặc bằng 58000
## 6 1 Nhỏ hơn hoặc bằng 58000
## 7 1 Nhỏ hơn hoặc bằng 58000
## 8 1 Nhỏ hơn hoặc bằng 58000
## 9 1 Nhỏ hơn hoặc bằng 58000
## 10 1 Nhỏ hơn hoặc bằng 58000
## 11 1 Nhỏ hơn hoặc bằng 58000
## 12 1 Nhỏ hơn hoặc bằng 58000
## 13 1 Nhỏ hơn hoặc bằng 58000
## 14 1 Nhỏ hơn hoặc bằng 58000
## 15 1 Nhỏ hơn hoặc bằng 58000
## 16 1 Nhỏ hơn hoặc bằng 58000
## 17 1 Nhỏ hơn hoặc bằng 58000
## 18 1 Nhỏ hơn hoặc bằng 58000
## 19 1 Nhỏ hơn hoặc bằng 58000
## 20 1 Nhỏ hơn hoặc bằng 58000
## 21 1 Nhỏ hơn hoặc bằng 58000
## 22 1 Nhỏ hơn hoặc bằng 58000
## 23 1 Nhỏ hơn hoặc bằng 58000
## 24 1 Nhỏ hơn hoặc bằng 58000
## 25 1 Nhỏ hơn hoặc bằng 58000
## 26 1 Nhỏ hơn hoặc bằng 58000
## 27 1 Nhỏ hơn hoặc bằng 58000
## 28 1 Nhỏ hơn hoặc bằng 58000
## 29 1 Nhỏ hơn hoặc bằng 58000
## 30 1 Nhỏ hơn hoặc bằng 58000
## 31 1 Nhỏ hơn hoặc bằng 58000
## 32 1 Nhỏ hơn hoặc bằng 58000
## 33 1 Nhỏ hơn hoặc bằng 58000
## 34 1 Nhỏ hơn hoặc bằng 58000
## 35 1 Nhỏ hơn hoặc bằng 58000
## 36 1 Nhỏ hơn hoặc bằng 58000
## 37 1 Nhỏ hơn hoặc bằng 58000
## 38 1 Nhỏ hơn hoặc bằng 58000
## 39 1 Nhỏ hơn hoặc bằng 58000
## 40 1 Nhỏ hơn hoặc bằng 58000
## 41 1 Nhỏ hơn hoặc bằng 58000
## 42 1 Nhỏ hơn hoặc bằng 58000
## 43 1 Nhỏ hơn hoặc bằng 58000
## 44 1 Nhỏ hơn hoặc bằng 58000
## 45 1 Nhỏ hơn hoặc bằng 58000
## 46 1 Nhỏ hơn hoặc bằng 58000
## 47 1 Nhỏ hơn hoặc bằng 58000
## 48 1 Nhỏ hơn hoặc bằng 58000
## 49 1 Nhỏ hơn hoặc bằng 58000
## 50 1 Nhỏ hơn hoặc bằng 58000
## 51 1 Nhỏ hơn hoặc bằng 58000
## 52 1 Nhỏ hơn hoặc bằng 58000
## 53 1 Nhỏ hơn hoặc bằng 58000
## 54 1 Nhỏ hơn hoặc bằng 58000
## 55 1 Nhỏ hơn hoặc bằng 58000
## 56 1 Nhỏ hơn hoặc bằng 58000
## 57 1 Nhỏ hơn hoặc bằng 58000
## 58 1 Nhỏ hơn hoặc bằng 58000
## 59 1 Nhỏ hơn hoặc bằng 58000
## 60 1 Nhỏ hơn hoặc bằng 58000
## 61 1 Nhỏ hơn hoặc bằng 58000
## 62 1 Nhỏ hơn hoặc bằng 58000
## 63 1 Nhỏ hơn hoặc bằng 58000
## 64 1 Nhỏ hơn hoặc bằng 58000
## 65 1 Nhỏ hơn hoặc bằng 58000
## 66 1 Nhỏ hơn hoặc bằng 58000
## 67 1 Nhỏ hơn hoặc bằng 58000
## 68 1 Nhỏ hơn hoặc bằng 58000
## 69 1 Nhỏ hơn hoặc bằng 58000
## 70 1 Nhỏ hơn hoặc bằng 58000
## 71 1 Nhỏ hơn hoặc bằng 58000
## 72 1 Nhỏ hơn hoặc bằng 58000
## 73 1 Nhỏ hơn hoặc bằng 58000
## 74 1 Nhỏ hơn hoặc bằng 58000
## 75 1 Nhỏ hơn hoặc bằng 58000
## 76 1 Nhỏ hơn hoặc bằng 58000
## 77 1 Nhỏ hơn hoặc bằng 58000
## 78 1 Nhỏ hơn hoặc bằng 58000
## 79 1 Nhỏ hơn hoặc bằng 58000
## 80 1 Nhỏ hơn hoặc bằng 58000
## 81 1 Nhỏ hơn hoặc bằng 58000
## 82 1 Nhỏ hơn hoặc bằng 58000
## 83 1 Nhỏ hơn hoặc bằng 58000
## 84 1 Nhỏ hơn hoặc bằng 58000
## 85 1 Nhỏ hơn hoặc bằng 58000
## 86 1 Nhỏ hơn hoặc bằng 58000
## 87 1 Nhỏ hơn hoặc bằng 58000
## 88 1 Nhỏ hơn hoặc bằng 58000
## 89 1 Nhỏ hơn hoặc bằng 58000
## 90 1 Nhỏ hơn hoặc bằng 58000
## 91 1 Nhỏ hơn hoặc bằng 58000
## 92 1 Nhỏ hơn hoặc bằng 58000
## 93 1 Nhỏ hơn hoặc bằng 58000
## 94 1 Nhỏ hơn hoặc bằng 58000
## 95 1 Nhỏ hơn hoặc bằng 58000
## 96 1 Nhỏ hơn hoặc bằng 58000
## 97 1 Nhỏ hơn hoặc bằng 58000
## 98 2 Lớn hơn 58000
## 99 2 Lớn hơn 58000
## 100 2 Lớn hơn 58000
## 101 2 Lớn hơn 58000
## 102 1 Nhỏ hơn hoặc bằng 58000
## 103 1 Nhỏ hơn hoặc bằng 58000
## 104 1 Nhỏ hơn hoặc bằng 58000
## 105 1 Nhỏ hơn hoặc bằng 58000
## 106 1 Nhỏ hơn hoặc bằng 58000
## 107 1 Nhỏ hơn hoặc bằng 58000
## 108 1 Nhỏ hơn hoặc bằng 58000
## 109 1 Nhỏ hơn hoặc bằng 58000
## 110 1 Nhỏ hơn hoặc bằng 58000
## 111 1 Nhỏ hơn hoặc bằng 58000
## 112 1 Nhỏ hơn hoặc bằng 58000
## 113 1 Nhỏ hơn hoặc bằng 58000
## 114 1 Nhỏ hơn hoặc bằng 58000
## 115 1 Nhỏ hơn hoặc bằng 58000
## 116 1 Nhỏ hơn hoặc bằng 58000
## 117 1 Nhỏ hơn hoặc bằng 58000
## 118 1 Nhỏ hơn hoặc bằng 58000
## 119 1 Nhỏ hơn hoặc bằng 58000
## 120 1 Nhỏ hơn hoặc bằng 58000
## 121 1 Nhỏ hơn hoặc bằng 58000
## 122 1 Nhỏ hơn hoặc bằng 58000
## 123 1 Nhỏ hơn hoặc bằng 58000
## 124 1 Nhỏ hơn hoặc bằng 58000
## 125 1 Nhỏ hơn hoặc bằng 58000
## 126 1 Nhỏ hơn hoặc bằng 58000
## 127 1 Nhỏ hơn hoặc bằng 58000
## 128 1 Nhỏ hơn hoặc bằng 58000
## 129 1 Nhỏ hơn hoặc bằng 58000
## 130 1 Nhỏ hơn hoặc bằng 58000
## 131 1 Nhỏ hơn hoặc bằng 58000
## 132 2 Lớn hơn 58000
## 133 2 Lớn hơn 58000
## 134 2 Lớn hơn 58000
## 135 2 Lớn hơn 58000
## 136 2 Lớn hơn 58000
## 137 2 Lớn hơn 58000
## 138 2 Lớn hơn 58000
## 139 2 Lớn hơn 58000
## 140 2 Lớn hơn 58000
## 141 2 Lớn hơn 58000
## 142 2 Lớn hơn 58000
## 143 2 Lớn hơn 58000
## 144 2 Lớn hơn 58000
## 145 2 Lớn hơn 58000
## 146 2 Lớn hơn 58000
## 147 2 Lớn hơn 58000
## 148 2 Lớn hơn 58000
## 149 2 Lớn hơn 58000
## 150 2 Lớn hơn 58000
## 151 2 Lớn hơn 58000
## 152 2 Lớn hơn 58000
## 153 2 Lớn hơn 58000
## 154 2 Lớn hơn 58000
## 155 2 Lớn hơn 58000
## 156 2 Lớn hơn 58000
## 157 2 Lớn hơn 58000
## 158 2 Lớn hơn 58000
## 159 2 Lớn hơn 58000
## 160 2 Lớn hơn 58000
## 161 2 Lớn hơn 58000
## 162 2 Lớn hơn 58000
## 163 2 Lớn hơn 58000
## 164 2 Lớn hơn 58000
## 165 2 Lớn hơn 58000
## 166 2 Lớn hơn 58000
## 167 2 Lớn hơn 58000
## 168 2 Lớn hơn 58000
## 169 2 Lớn hơn 58000
## 170 2 Lớn hơn 58000
## 171 2 Lớn hơn 58000
## 172 2 Lớn hơn 58000
## 173 2 Lớn hơn 58000
## 174 2 Lớn hơn 58000
## 175 2 Lớn hơn 58000
## 176 2 Lớn hơn 58000
## 177 2 Lớn hơn 58000
## 178 2 Lớn hơn 58000
## 179 2 Lớn hơn 58000
## 180 2 Lớn hơn 58000
## 181 2 Lớn hơn 58000
## 182 2 Lớn hơn 58000
## 183 2 Lớn hơn 58000
## 184 2 Lớn hơn 58000
## 185 2 Lớn hơn 58000
## 186 2 Lớn hơn 58000
## 187 2 Lớn hơn 58000
## 188 2 Lớn hơn 58000
## 189 2 Lớn hơn 58000
## 190 2 Lớn hơn 58000
## 191 2 Lớn hơn 58000
## 192 2 Lớn hơn 58000
## 193 2 Lớn hơn 58000
## 194 2 Lớn hơn 58000
## 195 2 Lớn hơn 58000
## 196 2 Lớn hơn 58000
## 197 2 Lớn hơn 58000
## 198 2 Lớn hơn 58000
## 199 2 Lớn hơn 58000
## 200 2 Lớn hơn 58000
## 201 2 Lớn hơn 58000
## 202 2 Lớn hơn 58000
## 203 2 Lớn hơn 58000
## 204 2 Lớn hơn 58000
## 205 2 Lớn hơn 58000
## 206 2 Lớn hơn 58000
## 207 2 Lớn hơn 58000
## 208 2 Lớn hơn 58000
## 209 2 Lớn hơn 58000
## 210 2 Lớn hơn 58000
## 211 2 Lớn hơn 58000
## 212 2 Lớn hơn 58000
## 213 2 Lớn hơn 58000
## 214 2 Lớn hơn 58000
## 215 2 Lớn hơn 58000
## 216 2 Lớn hơn 58000
## 217 2 Lớn hơn 58000
## 218 2 Lớn hơn 58000
## 219 2 Lớn hơn 58000
## 220 2 Lớn hơn 58000
## 221 2 Lớn hơn 58000
## 222 2 Lớn hơn 58000
## 223 2 Lớn hơn 58000
## 224 2 Lớn hơn 58000
## 225 2 Lớn hơn 58000
## 226 2 Lớn hơn 58000
## 227 2 Lớn hơn 58000
## 228 2 Lớn hơn 58000
## 229 2 Lớn hơn 58000
## 230 2 Lớn hơn 58000
## 231 2 Lớn hơn 58000
## 232 2 Lớn hơn 58000
## 233 2 Lớn hơn 58000
## 234 2 Lớn hơn 58000
## 235 2 Lớn hơn 58000
## 236 2 Lớn hơn 58000
## 237 2 Lớn hơn 58000
## 238 2 Lớn hơn 58000
## 239 2 Lớn hơn 58000
## 240 2 Lớn hơn 58000
## 241 2 Lớn hơn 58000
## 242 2 Lớn hơn 58000
## 243 2 Lớn hơn 58000
## 244 2 Lớn hơn 58000
## 245 2 Lớn hơn 58000
## 246 2 Lớn hơn 58000
## 247 2 Lớn hơn 58000
## 248 2 Lớn hơn 58000
### Câu c: Thống kê các chỉ sổ tài chính
## THỐNG KÊ DƯỚI DẠNG RATIO SCALE
library(psych)
dulieu1=data.frame(VNIndex,VN30,Nikkei)
describe(dulieu1)
## vars n mean sd median trimmed mad min max
## VNIndex 1 248 1770.45 81.82 1776.06 1771.31 100.93 1580.54 1927.94
## VN30 2 248 1947.57 72.60 1948.51 1948.36 80.33 1741.05 2096.76
## Nikkei 3 248 58285.26 7636.93 57645.19 58231.11 10664.07 44550.85 72366.34
## range skew kurtosis se
## VNIndex 347.40 -0.13 -0.99 5.20
## VN30 355.71 -0.15 -0.55 4.61
## Nikkei 27815.49 0.07 -1.40 484.95
## Nhận xét: Cả ba chỉ số VN-Index, VN30 và Nikkei đều có n=248 mẫu, không có giá trị bị thiếu.
# VN-Index: Giá trị trung bình (Mean) là 1770, gần tương đương với trung vị (Median) là 1776, cho thấy phân phối tương đối cân đối. Giá trị nhỏ nhất là 1580,54 và lớn nhất là 1927,94, với độ lệch chuẩn (SD) là 81,82. Điều này cho thấy chỉ số có mức độ phân tán tương đối thấp.
# Đối với chỉ số VN30: Giá trị trung bình (Mean) là 1948, gần tương đương với trung vị (Median) là 1949, cho thấy phân phối tương đối cân đối. Giá trị nhỏ nhất là 1741,05 và lớn nhất là 2096,76, với độ lệch chuẩn (SD) là 72,60. Điều này cho thấy chỉ số có mức độ phân tán tương đối thấp.
# Đối với chỉ số Nikkei: Giá trị trung bình (Mean) là 58285, cao hơn trung vị (Median) là 57645, cho thấy phân phối có xu hướng lệch phải. Giá trị nhỏ nhất là 44550,80 và lớn nhất là 72366,30, với độ lệch chuẩn (SD) là 7636,93. Điều này cho thấy chỉ số có mức độ phân tán tương đối lớn.
# THỐNG KÊ ORDINAL SCALE
library(psych)
dulieu2=data.frame(VNIndex,VN30,Nikkei)
describe(dulieu2)
## vars n mean sd median trimmed mad min max
## VNIndex 1 248 1770.45 81.82 1776.06 1771.31 100.93 1580.54 1927.94
## VN30 2 248 1947.57 72.60 1948.51 1948.36 80.33 1741.05 2096.76
## Nikkei 3 248 58285.26 7636.93 57645.19 58231.11 10664.07 44550.85 72366.34
## range skew kurtosis se
## VNIndex 347.40 -0.13 -0.99 5.20
## VN30 355.71 -0.15 -0.55 4.61
## Nikkei 27815.49 0.07 -1.40 484.95
### Nhận xét: Cả ba chỉ số đều có n = 248 mẫu.
# Đối với chỉ số VNIndexMH: Giá trị trung bình (mean) là 1,738 và trung vị (median) là 2, cho thấy dữ liệu tập trung chủ yếu ở mức 2. Độ lệch chuẩn (sd) là khoảng 0,44; khoảng biến thiên (range) là 1 (max − min).
# Đối với chỉ số VN30MH: Giá trị trung bình (mean) là 1,726 và trung vị (median) là 2, cho thấy dữ liệu tập trung chủ yếu ở mức 2. Độ lệch chuẩn (sd) là khoảng 0,45; khoảng biến thiên (range) là 1 (max − min).
# Đối với chỉ số NikkeiMH: Giá trị trung bình (mean) là 1,488 và trung vị (median) là 1, cho thấy dữ liệu phân bố tương đối cân bằng giữa hai mức, nhưng mức 1 chiếm tỷ lệ cao hơn một chút. Độ lệch chuẩn (sd) là khoảng 0,50; khoảng biến thiên (range) là 1 (max − min).
# Câu d
# BIỂU ĐỒ CỘT VNIndex
VNIndex.freq<-table(VNIndex1)
VNIndex.freq
## VNIndex1
## Lớn hơn 1700 Nhỏ hơn hoặc bằng 1700
## 183 65
barplot(VNIndex.freq,xlab="Tỷ lệ",ylab="Số lượng",sub="Biểu đồ cột của VNIndex",col=c("lightgreen","lightpink"))
# Nhận xét: NHóm "Lớn hơn 1700"có 183 quan sát và nhóm "Nhỏ hơn hoặc bằng 1700"có 65 quan sát".
#BIỂU ĐỒ CỘT VN30
VN30.freq<-table(VN301)
VN30.freq
## VN301
## Lớn hơn 1900 Nhỏ hơn hoặc bằng 1900
## 180 68
barplot(VN30.freq,xlab="Tỷ lệ",ylab="Số lượng",sub="Biểu đồ cột của VN30",col=c("lightyellow","lightblue"))
#Nhận xét: NHóm "Lớn hơn 1900" có 180 quan sát và nhóm "Nhỏ hơn hoặc bằng 1900" có 68 quan sát.
# BIỀU ĐỒ CỘT NIKKEI
Nikkei.freq<-table(Nikkei1)
Nikkei.freq
## Nikkei1
## Lớn hơn 58000 Nhỏ hơn hoặc bằng 58000
## 121 127
barplot(Nikkei.freq,xlab="Tỷ lệ",ylab="Số lượng",sub="Biểu đồ cột của Nikkei",col=c("red","blue"))
# Nhận xét: NHóm "Lớn hơn 58000" có 121 quan sát và nhóm "Nhỏ hơn hoặc bằng 58000" có 127 quan sát.
# BIỂU ĐỒ TRÒN VNINDEX
pie(table(VNIndex1),col=c("yellow","brown"),sub="Biểu đồ tròn của VNIndex")
# Nhận xét: Nhóm "Lớn hơn 1700" chiếm tỷ trọng lớn hơn nhóm "Nhỏ hơn hoặc bằng 1700".
# BIỂU ĐỒ TRÒN VN30
pie(table(VN301),col=c("pink","blue"),sub="Biểu đồ tròn của VNI30")
# Nhận xét: Nhóm "Lớn hơn 1900" chiếm tỷ trọng lớn hơn nhóm "Nhỏ hơn hoặc bằng 1900".
# BIỂU ĐỒ TRÒN NIKKEI
pie(table(Nikkei1),col=c("red","yellow"),sub="Biểu đồ tròn của VNIndex")
# Nhận xét: Nhóm "Lớn hơn 58000" chiếm tỷ trọng nhỏ hơn nhóm "Nhỏ hơn hoặc bằng 58000".
# BIỂU ĐỒ ĐƯỜNG CỦA VNINDEX
plot(STT,VNIndex,type="o",xlab="Ngày thứ",ylab="Giá trị chỉ số",pch=10,main="Biểu đồ đường biến VNIndex")
# Nhận xét: Chỉ số VNIndex dao động trong khoảng từ dưới 1.600 đến trên 1.900 điểm, đạt mức thấp nhất quanh ngày 40 và đạt mức cao nhất quanh ngày 150.
# BIỂU ĐỒ ĐƯỜNG CỦA VN30
plot(STT,VN30,type="o",xlab="Ngày thứ",ylab="Giá trị chỉ số",pch=10,main="Biểu đồ đường biến VN30x")
# Nhận xét: Chỉ số VN30 dao động dưới 1.750 đến trên 2.050 điểm trong 250 ngày,đạt mức thấp nhất quanh ngày 120 và đạt mức cao nhất quanh ngày 75.
# BIỂU ĐỒ ĐƯỜNG CỦA NIKKEI
plot(STT,Nikkei,type="o",xlab="Ngày thứ",ylab="Giá trị chỉ số",pch=10,main="Biểu đồ đường biến Nikkei")
# Nhận xét: CHỉ số Nikkei dao động dưới 45.000 đến 60.000 điểm, đạt mức thấp nhất ở những ngày đầu và đạt mức cao nhất quanh ngày165
## Nhận xét:
# Câu e: PHÂN TÍCH TƯƠNG QUAN
library(psych)
vars=cbind(VNIndex,VN30,Nikkei)
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$r
## VNIndex VN30 Nikkei
## VNIndex 1.0000000 0.8737271 0.5408097
## VN30 0.8737271 1.0000000 0.1687554
## Nikkei 0.5408097 0.1687554 1.0000000
result$P
## VNIndex VN30 Nikkei
## VNIndex NA 0.000000000 0.000000000
## VN30 0 NA 0.007738667
## Nikkei 0 0.007738667 NA
# Nhận xét:
# Mối tương quan giữa VNIndex và VN30 là tương quan thuận rất mạnh (r=0.8737, p<0.05).
# Mối tương quan giữa VNIndex và Nikkei là tương quan thuận ở mức trung bình (r=0.5408, p<0.05).
# Mối tương quan giữa VN30 và Nikkei là tương quan thuận ở mức yếu (r=0.1688, p<0.05).
# Câu f: MÔ HÌNH HỒI QUY TUYẾN TÍNH
mreg=lm(VNIndex~VN30+Nikkei)
summary(mreg)
##
## Call:
## lm(formula = VNIndex ~ VN30 + Nikkei)
##
## Residuals:
## Min 1Q Median 3Q Max
## -56.509 -16.770 -1.616 14.421 62.328
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2.503e+02 3.929e+01 -6.371 9.25e-10 ***
## VN30 9.078e-01 2.032e-02 44.683 < 2e-16 ***
## Nikkei 4.338e-03 1.931e-04 22.463 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 22.85 on 245 degrees of freedom
## Multiple R-squared: 0.9227, Adjusted R-squared: 0.922
## F-statistic: 1462 on 2 and 245 DF, p-value: < 2.2e-16
## Nhận xét:
#Phương trình hồi quy: VNIndex=-250,3+0,9078VN30+0,004338Nikkei
# Hệ số R² = 0,9227: Mô hình giải thích được 92,27% sự biến động của VNIndex.
# Kiểm định F: P-value < 0,05 nên mô hình có ý nghĩa thống kê.
# Biến VN30: Hệ số dương và P-value < 0,05, cho thấy VN30 có mối liên hệ cùng chiều với VNIndex.
# Biến Nikkei: Hệ số dương và P-value < 0,05, cho thấy Nikkei có mối liên hệ cùng chiều với VNIndex.
# Kết luận: Mô hình có ý nghĩa thống kê, mức độ giải thích cao; cả VN30 và Nikkei đều có mối liên hệ cùng chiều với VNIndex.
# 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)
## VN30 Nikkei
## 1.029313 1.029313
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 = 0.14821, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0
op=par(mfrow=c(2,2))
plot(mreg)
# Nhận xét:
# Kiểm định hiện tượng đa cộng tuyến (Hệ số VIF):
#Kết quả: Hệ số VIF của hai biến độc lập VN30 và Nikkei đều bằng 1.029313 (<5, thậm chí nhỏ hơn 2)
#Kết luận: Mô hình không có hiện tượng đa cộng tuyến nghiêm trọng giữa các biến độc lập
# Kiểm định tự tương quan (Kiểm định Durbin-Watson):
#Kết quả: Đại lượng kiểm định DW=0.14821 với giá trị p"-value"<2.2×10^(-16) (nhỏ hơn mức ý nghĩa α=0.05)
#Kết luận: Bác bỏ giả thuyết H_0 (không có tự tương quan)
# Mô hình xảy ra hiện tượng tự tương quan dương chuỗi phần dư.
# Đánh giá qua các biểu đồ chẩn đoán phần dư (Residual Plots):
# Biểu đồ Residuals vs Fitted & Scale-Location: Đường đỏ có xu hướng cong nhẹ và độ phân tán của phần dư không hoàn toàn đồng đều trên toàn dải giá trị dự báo cho thấy mô hình có dấu hiệu vi phạm giả định phương sai sai số không đổi (phương sai thay đổi) và tính tuyến tính chưa thật sự hoàn hảo.
# Biểu đồ Normal Q-Q: Các điểm phần dư hầu như nằm sát trên đường thẳng 45^∘, chỉ lệch nhẹ ở hai đầu mút, cho thấy giả định phần dư có phân phối chuẩn cơ bản được đáp ứng tốt.
#Biểu đồ Residuals vs Leverage: Không có điểm quan sát nào vượt qua đường khoảng cách Cook (Cook's distance), chứng tỏ không có điểm ngoại lệ gây ảnh hưởng quá lớn (outliers / influential points) tới mô hình.
#Nhận xét chung: Mô hình không mắc lỗi đa cộng tuyến và phần dư tuân theo phân phối chuẩn. Tuy nhiên, mô hình vi phạm giả định về tự tương quan (có tự tương quan dương) và phương sai của sai số thay đổi. Do đó, các sai số chuẩn của hệ số hồi quy có thể bị lệch, cần cân nhắc khắc phục (như sử dụng phương pháp sai số chuẩn điều chỉnh HAC hoặc biến đổi mô hình chuỗi thời gian) trước khi dự báo.