#Họ và tên: Phan Thị Tú Ngọc
#Lớp:24NH1
#MSSV: 2454020040
#Bài: Phân tích dữ liệu
#Nhập liệu
likert=file.choose()
datalikert=read.csv(likert,header=TRUE)
save(datalikert,file="datalikert.rda")
attach(datalikert)
is.data.frame(datalikert)
## [1] TRUE
#Câu b:
#VN100
MHVN100=VN100
MHVN100=replace(MHVN100,VN100<=1825.63,1)
MHVN100=replace(MHVN100,VN100>1825.63&VN100<=1891.77,2)
MHVN100=replace(MHVN100,VN100>1891.77,3)
VN100=data.frame(VN100,MHVN100)
VN100
## VN100 MHVN100
## 1 1772.01 1
## 2 1790.08 1
## 3 1806.88 1
## 4 1813.71 1
## 5 1821.76 1
## 6 1836.01 2
## 7 1827.38 2
## 8 1850.79 2
## 9 1856.95 2
## 10 1845.03 2
## 11 1860.89 2
## 12 1866.59 2
## 13 1847.52 2
## 14 1846.98 2
## 15 1826.99 2
## 16 1838.59 2
## 17 1876.33 2
## 18 1869.84 2
## 19 1873.51 2
## 20 1894.93 3
## 21 1874.20 2
## 22 1891.44 2
## 23 1888.06 2
## 24 1879.52 2
## 25 1851.76 2
## 26 1853.99 2
## 27 1837.77 2
## 28 1795.57 1
## 29 1788.39 1
## 30 1791.35 1
## 31 1793.86 1
## 32 1795.69 1
## 33 1824.51 1
## 34 1850.94 2
## 35 1837.69 2
## 36 1838.02 2
## 37 1823.70 1
## 38 1822.07 1
## 39 1836.22 2
## 40 1841.63 2
## 41 1825.30 1
## 42 1786.90 1
## 43 1800.95 1
## 44 1762.60 1
## 45 1745.18 1
## 46 1729.22 1
## 47 1751.49 1
## 48 1767.70 1
## 49 1743.88 1
## 50 1797.80 1
## 51 1805.16 1
## 52 1852.65 2
## 53 1864.31 2
## 54 1839.44 2
## 55 1868.47 2
## 56 1861.08 2
## 57 1891.94 3
## 58 1908.47 3
## 59 1926.12 3
## 60 1922.44 3
## 61 1914.29 3
## 62 1938.99 3
## 63 1942.19 3
## 64 1931.52 3
## 65 1933.17 3
## 66 1937.79 3
## 67 1932.68 3
## 68 1940.44 3
## 69 1928.14 3
## 70 1915.25 3
## 71 1899.67 3
## 72 1887.29 2
## 73 1887.98 2
## 74 1882.63 2
## 75 1865.93 2
## 76 1871.39 2
## 77 1881.42 2
## 78 1871.55 2
## 79 1859.67 2
## 80 1904.58 3
## 81 1902.15 3
## 82 1893.09 3
## 83 1894.18 3
## 84 1915.27 3
## 85 1925.55 3
## 86 1933.02 3
## 87 1951.75 3
## 88 1956.87 3
## 89 1937.14 3
## 90 1952.00 3
## 91 1958.35 3
## 92 1965.64 3
## 93 1978.45 3
## 94 1982.89 3
## 95 1996.22 3
## 96 1976.98 3
## 97 1988.39 3
## 98 1978.37 3
## 99 1997.02 3
## 100 1992.48 3
## 101 1967.64 3
## 102 1944.47 3
## 103 1928.89 3
## 104 1936.31 3
## 105 1952.67 3
## 106 1930.67 3
## 107 1944.05 3
## 108 1943.91 3
## 109 1925.79 3
## 110 1927.96 3
## 111 1907.34 3
## 112 1908.08 3
## 113 1892.92 3
## 114 1878.19 2
## 115 1860.33 2
## 116 1856.76 2
## 117 1843.49 2
## 118 1856.15 2
## 119 1769.19 1
## 120 1760.97 1
## 121 1781.33 1
## 122 1792.16 1
## 123 1767.05 1
## 124 1749.23 1
## 125 1759.10 1
## 126 1728.57 1
## 127 1744.40 1
## 128 1696.93 1
## 129 1664.96 1
## 130 1726.81 1
## 131 1771.74 1
## 132 1783.56 1
## 133 1788.73 1
## 134 1772.60 1
## 135 1772.56 1
## 136 1776.44 1
## 137 1796.23 1
## 138 1740.71 1
## 139 1699.60 1
## 140 1817.73 1
## 141 1850.66 2
## 142 1856.66 2
## 143 1864.78 2
## 144 1903.50 3
## 145 1948.72 3
## 146 1952.69 3
## 147 1932.71 3
## 148 1936.82 3
## 149 1927.92 3
## 150 1904.16 3
## 151 1895.81 3
## 152 1879.24 2
## 153 1826.92 2
## 154 1819.63 1
## 155 1817.49 1
## 156 1847.81 2
## 157 1861.24 2
## 158 1872.59 2
## 159 1869.17 2
## 160 1895.40 3
## 161 1881.82 2
## 162 1869.14 2
## 163 1893.38 3
## 164 1909.38 3
## 165 1956.64 3
## 166 1961.84 3
## 167 1954.03 3
## 168 1964.23 3
## 169 1956.26 3
## 170 1935.22 3
## 171 1950.48 3
## 172 1976.38 3
## 173 1961.77 3
## 174 1944.22 3
## 175 1956.73 3
## 176 1973.69 3
## 177 1935.93 3
## 178 1912.69 3
## 179 1918.00 3
## 180 1900.27 3
## 181 1884.24 2
## 182 1861.57 2
## 183 1922.80 3
## 184 1907.33 3
## 185 1885.64 2
## 186 1831.78 2
## 187 1804.06 1
## 188 1798.31 1
## 189 1807.62 1
## 190 1765.08 1
## 191 1767.08 1
## 192 1827.05 2
## 193 1844.94 2
## 194 1869.86 2
## 195 1880.12 2
## 196 1876.20 2
## 197 1878.72 2
## 198 1868.56 2
## 199 1847.40 2
## 200 1834.56 2
## 201 1829.88 2
## 202 1826.35 2
## 203 1803.41 1
## 204 1813.34 1
## 205 1802.47 1
## 206 1804.39 1
## 207 1796.70 1
## 208 1810.72 1
## 209 1804.18 1
## 210 1780.35 1
## 211 1773.67 1
## 212 1779.78 1
## 213 1732.96 1
## 214 1715.56 1
## 215 1735.99 1
## 216 1785.91 1
## 217 1802.59 1
## 218 1812.10 1
## 219 1765.36 1
## 220 1798.62 1
## 221 1835.82 2
## 222 1859.11 2
## 223 1853.69 2
## 224 1810.65 1
## 225 1848.01 2
## 226 1854.20 2
## 227 1847.12 2
## 228 1832.98 2
## 229 1800.51 1
## 230 1908.40 3
## 231 1950.03 3
## 232 1937.17 3
## 233 1935.25 3
## 234 1935.65 3
## 235 1911.55 3
## 236 1879.62 2
## 237 1861.87 2
## 238 1850.55 2
## 239 1864.34 2
## 240 1803.15 1
## 241 1810.69 1
## 242 1826.30 2
## 243 1817.70 1
## 244 1820.38 1
## 245 1812.71 1
## 246 1821.95 1
## 247 1814.83 1
## 248 1781.08 1
## 249 1780.83 1
## 250 1814.00 1
## 251 1819.65 1
## 252 1824.79 1
## 253 1836.72 2
## 254 1840.69 2
#S&P500
MHSP500=SP500
MHSP500=replace(MHSP500,SP500<=6836.70,1)
MHSP500=replace(MHSP500,SP500>6836.70&SP500<=7407.44,2)
MHSP500=replace(MHSP500,SP500>7407.44,3)
SP500=data.frame(SP500,MHSP500)
SP500
## SP500 MHSP500
## 1 7722.72 3
## 2 7666.45 3
## 3 7651.54 3
## 4 7670.84 3
## 5 7683.69 3
## 6 7743.41 3
## 7 7704.13 3
## 8 7706.03 3
## 9 7764.64 3
## 10 7764.70 3
## 11 7650.50 3
## 12 7637.76 3
## 13 7551.81 3
## 14 7585.73 3
## 15 7619.98 3
## 16 7656.98 3
## 17 7591.70 3
## 18 7636.36 3
## 19 7673.52 3
## 20 7718.60 3
## 21 7747.71 3
## 22 7711.76 3
## 23 7730.99 3
## 24 7675.70 3
## 25 7677.28 3
## 26 7652.86 3
## 27 7674.37 3
## 28 7641.16 3
## 29 7707.98 3
## 30 7691.76 3
## 31 7745.06 3
## 32 7785.76 3
## 33 7798.99 3
## 34 7748.50 3
## 35 7728.20 3
## 36 7753.11 3
## 37 7757.64 3
## 38 7709.96 3
## 39 7723.55 3
## 40 7736.52 3
## 41 7600.50 3
## 42 7489.72 3
## 43 7437.63 3
## 44 7316.15 2
## 45 7428.78 3
## 46 7413.18 3
## 47 7411.98 3
## 48 7408.30 3
## 49 7498.96 3
## 50 7509.20 3
## 51 7443.28 3
## 52 7457.69 3
## 53 7533.77 3
## 54 7572.40 3
## 55 7543.59 3
## 56 7515.34 3
## 57 7575.39 3
## 58 7543.64 3
## 59 7482.71 3
## 60 7503.85 3
## 61 7537.43 3
## 62 7483.24 3
## 63 7483.23 3
## 64 7499.36 3
## 65 7440.43 3
## 66 7354.02 2
## 67 7357.49 2
## 68 7358.22 2
## 69 7365.46 2
## 70 7472.79 3
## 71 7500.58 3
## 72 7420.10 3
## 73 7511.35 3
## 74 7554.29 3
## 75 7431.46 3
## 76 7394.30 2
## 77 7266.99 2
## 78 7386.65 2
## 79 7405.73 2
## 80 7383.74 2
## 81 7584.31 3
## 82 7553.68 3
## 83 7609.78 3
## 84 7599.96 3
## 85 7580.06 3
## 86 7563.63 3
## 87 7520.36 3
## 88 7519.12 3
## 89 7473.47 3
## 90 7445.72 3
## 91 7432.97 3
## 92 7353.61 2
## 93 7403.05 2
## 94 7408.50 3
## 95 7501.24 3
## 96 7444.25 3
## 97 7400.96 2
## 98 7412.84 3
## 99 7398.93 2
## 100 7337.11 2
## 101 7365.12 2
## 102 7259.22 2
## 103 7200.75 2
## 104 7135.95 2
## 105 7138.80 2
## 106 7165.08 2
## 107 7108.40 2
## 108 7137.90 2
## 109 7064.01 2
## 110 7109.14 2
## 111 7126.06 2
## 112 7041.28 2
## 113 7022.95 2
## 114 6967.38 2
## 115 6886.24 2
## 116 6816.89 1
## 117 6824.66 1
## 118 6782.81 1
## 119 6616.85 1
## 120 6611.83 1
## 121 6582.69 1
## 122 6575.32 1
## 123 6528.52 1
## 124 6343.72 1
## 125 6368.85 1
## 126 6477.16 1
## 127 6591.90 1
## 128 6556.37 1
## 129 6581.00 1
## 130 6506.48 1
## 131 6606.49 1
## 132 6624.70 1
## 133 6716.09 1
## 134 6699.38 1
## 135 6632.19 1
## 136 6672.62 1
## 137 6775.80 1
## 138 6781.48 1
## 139 6795.99 1
## 140 6740.02 1
## 141 6830.71 1
## 142 6869.50 2
## 143 6816.63 1
## 144 6881.62 2
## 145 6878.88 2
## 146 6908.86 2
## 147 6946.13 2
## 148 6890.07 2
## 149 6837.75 2
## 150 6836.17 1
## 151 6832.76 1
## 152 6941.47 2
## 153 6941.81 2
## 154 6964.82 2
## 155 6932.30 2
## 156 6798.40 1
## 157 6882.72 2
## 158 6917.81 2
## 159 6976.44 2
## 160 6939.03 2
## 161 6969.01 2
## 162 6978.03 2
## 163 6978.60 2
## 164 6950.23 2
## 165 6915.61 2
## 166 6913.35 2
## 167 6875.62 2
## 168 6796.86 1
## 169 6940.01 2
## 170 6944.47 2
## 171 6926.60 2
## 172 6963.74 2
## 173 6977.27 2
## 174 6966.28 2
## 175 6921.46 2
## 176 6920.93 2
## 177 6944.82 2
## 178 6902.05 2
## 179 6845.50 2
## 180 6896.24 2
## 181 6905.74 2
## 182 6929.94 2
## 183 6932.05 2
## 184 6909.79 2
## 185 6878.49 2
## 186 6834.50 1
## 187 6774.76 1
## 188 6721.43 1
## 189 6800.26 1
## 190 6816.51 1
## 191 6827.41 1
## 192 6901.00 2
## 193 6886.68 2
## 194 6840.51 2
## 195 6846.51 2
## 196 6870.40 2
## 197 6857.12 2
## 198 6849.72 2
## 199 6829.37 1
## 200 6812.63 1
## 201 6849.09 2
## 202 6812.61 1
## 203 6765.88 1
## 204 6705.12 1
## 205 6602.99 1
## 206 6538.76 1
## 207 6642.16 1
## 208 6617.32 1
## 209 6672.41 1
## 210 6734.11 1
## 211 6737.49 1
## 212 6850.92 2
## 213 6846.61 2
## 214 6832.43 1
## 215 6728.80 1
## 216 6720.32 1
## 217 6796.29 1
## 218 6771.55 1
## 219 6851.97 2
## 220 6840.20 2
## 221 6822.34 1
## 222 6890.59 2
## 223 6890.89 2
## 224 6875.16 2
## 225 6791.69 1
## 226 6738.44 1
## 227 6699.40 1
## 228 6735.35 1
## 229 6735.13 1
## 230 6664.01 1
## 231 6629.07 1
## 232 6671.06 1
## 233 6644.31 1
## 234 6654.72 1
## 235 6552.51 1
## 236 6735.11 1
## 237 6753.72 1
## 238 6714.59 1
## 239 6740.28 1
## 240 6715.79 1
## 241 6715.35 1
## 242 6711.20 1
## 243 6688.46 1
## 244 6661.21 1
## 245 6643.70 1
## 246 6604.72 1
## 247 6637.97 1
## 248 6656.92 1
## 249 6693.75 1
## 250 6664.36 1
## 251 6631.96 1
## 252 6600.35 1
## 253 6606.76 1
## 254 6615.28 1
#DowJones
MHDowJones=DowJones
MHDowJones=replace(MHDowJones,DowJones<=47952.81,1)
MHDowJones=replace(MHDowJones,DowJones>47952.81&DowJones<=50660.74,2)
MHDowJones=replace(MHDowJones,DowJones>50660.74,3)
DowJones=data.frame(DowJones,MHDowJones)
DowJones
## DowJones MHDowJones
## 1 51176.96 3
## 2 50926.56 3
## 3 50906.05 3
## 4 51349.92 3
## 5 51481.51 3
## 6 51828.62 3
## 7 51349.98 3
## 8 51511.59 3
## 9 51863.69 3
## 10 52048.83 3
## 11 51682.64 3
## 12 51778.04 3
## 13 51461.90 3
## 14 52093.11 3
## 15 52421.20 3
## 16 52573.29 3
## 17 52064.10 3
## 18 52380.66 3
## 19 52786.07 3
## 20 53414.25 3
## 21 53686.11 3
## 22 53559.99 3
## 23 53569.44 3
## 24 53463.88 3
## 25 53577.40 3
## 26 53417.16 3
## 27 53277.01 3
## 28 52759.21 3
## 29 53463.05 3
## 30 53343.40 3
## 31 53459.78 3
## 32 53732.41 3
## 33 53839.99 3
## 34 53770.27 3
## 35 53791.85 3
## 36 53975.98 3
## 37 54036.93 3
## 38 53885.10 3
## 39 54349.12 3
## 40 54085.88 3
## 41 53178.41 3
## 42 52485.03 3
## 43 52208.06 3
## 44 51594.14 3
## 45 52747.32 3
## 46 52210.08 3
## 47 51947.25 3
## 48 51711.65 3
## 49 52218.58 3
## 50 52224.64 3
## 51 51839.26 3
## 52 52146.42 3
## 53 52552.97 3
## 54 52658.64 3
## 55 52508.27 3
## 56 52498.64 3
## 57 52637.01 3
## 58 52487.41 3
## 59 52348.39 3
## 60 52925.15 3
## 61 53055.91 3
## 62 52900.07 3
## 63 52305.24 3
## 64 52319.20 3
## 65 52182.74 3
## 66 51876.11 3
## 67 51920.62 3
## 68 51848.90 3
## 69 51666.84 3
## 70 51712.71 3
## 71 51564.70 3
## 72 51492.55 3
## 73 51999.67 3
## 74 51671.03 3
## 75 51202.26 3
## 76 50848.75 3
## 77 49918.78 2
## 78 50872.11 3
## 79 50786.01 3
## 80 50866.78 3
## 81 51561.93 3
## 82 50687.07 3
## 83 51307.79 3
## 84 51078.88 3
## 85 51032.46 3
## 86 50668.97 3
## 87 50644.28 2
## 88 50461.68 2
## 89 50579.70 2
## 90 50285.66 2
## 91 50009.35 2
## 92 49363.88 2
## 93 49686.12 2
## 94 49526.17 2
## 95 50063.46 2
## 96 49693.20 2
## 97 49760.56 2
## 98 49704.47 2
## 99 49609.16 2
## 100 49596.97 2
## 101 49910.59 2
## 102 49298.25 2
## 103 48941.90 2
## 104 48861.81 2
## 105 49141.93 2
## 106 49230.71 2
## 107 49310.32 2
## 108 49490.03 2
## 109 49149.38 2
## 110 49442.56 2
## 111 49447.43 2
## 112 48578.72 2
## 113 48463.72 2
## 114 48535.99 2
## 115 48218.25 2
## 116 47916.57 1
## 117 48185.80 2
## 118 47909.92 1
## 119 46584.46 1
## 120 46669.88 1
## 121 46504.67 1
## 122 46565.74 1
## 123 46341.51 1
## 124 45216.14 1
## 125 45166.64 1
## 126 45960.11 1
## 127 46429.49 1
## 128 46124.06 1
## 129 46208.47 1
## 130 45577.47 1
## 131 46021.43 1
## 132 46225.15 1
## 133 46993.26 1
## 134 46946.41 1
## 135 46558.47 1
## 136 46677.85 1
## 137 47417.27 1
## 138 47706.51 1
## 139 47740.80 1
## 140 47501.55 1
## 141 47954.74 2
## 142 48739.41 2
## 143 48501.27 2
## 144 48904.78 2
## 145 48977.92 2
## 146 49499.20 2
## 147 49482.15 2
## 148 49174.50 2
## 149 48804.06 2
## 150 49500.93 2
## 151 49451.98 2
## 152 50121.40 2
## 153 50188.14 2
## 154 50135.87 2
## 155 50115.67 2
## 156 48908.72 2
## 157 49501.30 2
## 158 49240.99 2
## 159 49407.66 2
## 160 48892.47 2
## 161 49071.56 2
## 162 49015.60 2
## 163 49003.41 2
## 164 49412.40 2
## 165 49098.71 2
## 166 49384.01 2
## 167 49077.23 2
## 168 48488.59 2
## 169 49359.33 2
## 170 49442.44 2
## 171 49149.63 2
## 172 49191.99 2
## 173 49590.20 2
## 174 49504.07 2
## 175 49266.11 2
## 176 48996.08 2
## 177 49462.08 2
## 178 48977.18 2
## 179 48063.29 2
## 180 48367.06 2
## 181 48461.93 2
## 182 48710.97 2
## 183 48731.16 2
## 184 48442.41 2
## 185 48362.68 2
## 186 48134.89 2
## 187 47951.85 1
## 188 47885.97 1
## 189 48114.26 2
## 190 48416.56 2
## 191 48458.05 2
## 192 48704.01 2
## 193 48057.75 2
## 194 47560.29 1
## 195 47739.32 1
## 196 47954.99 2
## 197 47850.94 1
## 198 47882.90 1
## 199 47474.46 1
## 200 47289.33 1
## 201 47716.42 1
## 202 47427.12 1
## 203 47112.45 1
## 204 46448.27 1
## 205 46245.41 1
## 206 45752.26 1
## 207 46138.77 1
## 208 46091.74 1
## 209 46590.24 1
## 210 47147.48 1
## 211 47457.22 1
## 212 48254.82 2
## 213 47927.96 1
## 214 47368.63 1
## 215 46987.10 1
## 216 46912.30 1
## 217 47311.00 1
## 218 47085.24 1
## 219 47336.68 1
## 220 47562.87 1
## 221 47522.12 1
## 222 47632.00 1
## 223 47706.37 1
## 224 47544.59 1
## 225 47207.12 1
## 226 46734.61 1
## 227 46590.41 1
## 228 46924.74 1
## 229 46706.58 1
## 230 46190.61 1
## 231 45952.24 1
## 232 46253.31 1
## 233 46270.46 1
## 234 46067.58 1
## 235 45479.60 1
## 236 46358.42 1
## 237 46601.78 1
## 238 46602.98 1
## 239 46694.97 1
## 240 46758.28 1
## 241 46519.72 1
## 242 46441.10 1
## 243 46397.89 1
## 244 46316.07 1
## 245 46247.29 1
## 246 45947.32 1
## 247 46121.28 1
## 248 46292.78 1
## 249 46381.54 1
## 250 46315.27 1
## 251 46142.42 1
## 252 46018.32 1
## 253 45757.90 1
## 254 45883.45 1
#Câu c:
library(psych)
ABC=data.frame(VN100,SP500,DowJones)
describe(ABC)
## vars n mean sd median trimmed mad min
## VN100 1 254 1858.95 67.59 1856.86 1859.82 76.58 1664.96
## MHVN100 2 254 2.00 0.82 2.00 2.00 1.48 1.00
## SP500 3 254 7103.36 396.98 6941.64 7092.21 454.51 6343.72
## MHSP500 4 254 2.00 0.82 2.00 2.00 1.48 1.00
## DowJones 5 254 49408.81 2415.38 49183.24 49324.68 3181.08 45166.64
## MHDowJones 6 254 2.00 0.82 2.00 2.00 1.48 1.00
## max range skew kurtosis se
## VN100 1997.02 332.06 -0.09 -0.62 4.24
## MHVN100 3.00 2.00 0.00 -1.52 0.05
## SP500 7798.99 1455.27 0.26 -1.41 24.91
## MHSP500 3.00 2.00 0.00 -1.52 0.05
## DowJones 54349.12 9182.48 0.23 -1.10 151.55
## MHDowJones 3.00 2.00 0.00 -1.52 0.05
#Nhận xét:
#Biến có giá trị trung bình cao nhất là DowJones=49408.81
#Biến có độ phân tán lớn nhất là biến DowJones
#Biến VN100 có giá trị nhỏ nhất là 1664.96 và lớn nhất là 1997.02
#Biến SP500 có giá trị nhỏ nhất là 6343.72 và lớn nhất là 7798.99
#Biến DowJones có giá trị nhỏ nhất là 45166.64 và lớn nhất là 54349.12
#Câu d:
#Biểu đồ cột
#VN100
VN100.freq<-table(MHVN100)
VN100.freq
## MHVN100
## 1 2 3
## 85 84 85
barplot(VN100.freq,xlab="Lần cuối",ylab="Số lượng",main="Biểu đồ cột của VN100 về lần cuối",col=c("green","blue","yellow"))
#Nhận xét:
#Giá trị 1 và 3 có tần số cao nhất,cùng đạt 85 qan sát,giá trị 2 có tần số thấp nhất với 84 quan sát
#SP500
SP500.freq<-table(MHSP500)
SP500.freq
## MHSP500
## 1 2 3
## 85 84 85
barplot(SP500.freq,xlab="Lần cuối",ylab="Số lượng",main="Biểu đồ cột của SP500 về lần cuối",col=c("green","blue","yellow"))
#Nhận xét:
#Giá trị 1 và 3 có tần số cao nhất,cùng đạt 85 qan sát,giá trị 2 có tần số thấp nhất với 84 quan sát
#DowJones
DowJones.freq<-table(MHDowJones)
DowJones.freq
## MHDowJones
## 1 2 3
## 85 84 85
barplot(DowJones.freq,xlab="Lần cuối",ylab="Số lượng",main="Biểu đồ cột của DowJones về lần cuối",col=c("green","blue","yellow"))
#Nhận xét:
##Giá trị 1 và 3 có tần số cao nhất,cùng đạt 85 qan sát,giá trị 2 có tần số thấp nhất với 84 quan sát
#Biểu đồ tròn
#VN100
pie(table(MHVN100),col=c("pink","yellow","blue"),sub="Đồ thị của VN100 về lần cuối")
#Nhận xét:
#Giá trị 1 và 3 chiếm tỷ lệ cao nhất, cùng có 85 quan sát; giá trị 2 chiếm tỷ lệ thấp nhất với 84 quan sát
#SP500
pie(table(MHSP500),col=c("pink","yellow","blue"),sub="Đồ thị của SP500 về lần cuối")
#Nhận xét:
#Giá trị 1 và 3 chiếm tỷ lệ cao nhất, cùng có 85 quan sát; giá trị 2 chiếm tỷ lệ thấp nhất với 84 quan sát
#DowJones
pie(table(MHDowJones),col=c("pink","yellow","blue"),sub="Đồ thị của DowJones về lần cuối")
#Nhận xét:
#Giá trị 1 và 3 chiếm tỷ lệ cao nhất, cùng có 85 quan sát; giá trị 2 chiếm tỷ lệ thấp nhất với 84 quan sát
#Biểu đồ đường
Ngay=as.Date(Ngay,format="%d/%m/%Y")
#VN100
VN100 <- VN100$VN100
plot(Ngay,VN100,type="o",xlab="Ngày",ylab="Lần cuối",pch=19,main="Đồ thị đường Của VN100 về Lần cuối")
#Nhận xét:
#Chỉ số VN100 biến động mạnh trong giai đoạn từ tháng 9/2025 đến tháng 10/2026
#Chỉ số tăng giảm không ổn định, có nhiều đợt tăng và giảm liên tiếp
#SP500
SP500<-SP500$SP500
plot(Ngay,SP500,type="o",xlab="Ngày",ylab="Lần cuối",pch=19,main="Đồ thị đường Của SP500 về Lần cuối")
#Nhận xét:
#Chỉ số SP500 biến động trong giai đoạn từ tháng 9/2025 đến tháng 10/2026
#Chỉ số tăng giảm không ổn định trong giai đoạn đầu, sau đó tăng mạnh từ sau tháng 4/2026
#DowJones
DowJones<-DowJones$DowJones
plot(Ngay,DowJones,type="o",xlab="Ngày",ylab="Lần cuối",pch=19,main="Đồ thị đường Của DowJones về Lần cuối")
#Nhận xét:
#Chỉ số DowJones biến động trong giai đoạn từ tháng 9/2025 đến tháng 10/2026
#Chỉ số tăng giảm không ổn định trong giai đoạn đầu, sau đó giảm mạnh từ khoảng tháng 2/2026 đến cuối tháng 3/2026, rồi phục hồi và tăng mạnh từ sau tháng 4/2026
#Câu e:
library(psych)
vars=cbind(VN100,SP500,DowJones)
pairs.panels(vars)
library(Hmisc)
##
## Attaching package: 'Hmisc'
## The following object is masked from 'package:psych':
##
## describe
## The following objects are masked from 'package:base':
##
## format.pval, units
result=rcorr(as.matrix(vars),type="pearson")
result$r
## VN100 SP500 DowJones
## VN100 1.0000000 0.2604462 0.2321349
## SP500 0.2604462 1.0000000 0.9463075
## DowJones 0.2321349 0.9463075 1.0000000
result$P
## VN100 SP500 DowJones
## VN100 NA 2.632598e-05 0.0001895987
## SP500 2.632598e-05 NA 0.0000000000
## DowJones 1.895987e-04 0.000000e+00 NA
#Nhận xét:
#Biến DowJones có mối tương quan dương với VN100 và SP500 vì hệ số tương quan Pearson của các mối quan hệ này > 0.
#Mối tương quan giữa DowJones với VN100 và SP500 có ý nghĩa thống kê vì giá trị Sig. (P-Value) của các mối quan hệ này nhỏ hơn 5%.
#Câu f:
mreg=lm(VN100~SP500+DowJones)
summary(mreg)
##
## Call:
## lm(formula = VN100 ~ SP500 + DowJones)
##
## Residuals:
## Min 1Q Median 3Q Max
## -171.570 -44.996 -1.769 54.560 125.870
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.577e+03 8.630e+01 18.269 <2e-16 ***
## SP500 6.643e-02 3.206e-02 2.072 0.0393 *
## DowJones -3.836e-03 5.270e-03 -0.728 0.4673
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 65.45 on 251 degrees of freedom
## Multiple R-squared: 0.0698, Adjusted R-squared: 0.06238
## F-statistic: 9.417 on 2 and 251 DF, p-value: 0.0001139
anova(mreg)
## Analysis of Variance Table
##
## Response: VN100
## Df Sum Sq Mean Sq F value Pr(>F)
## SP500 1 78396 78396 18.303 2.681e-05 ***
## DowJones 1 2270 2270 0.530 0.4673
## Residuals 251 1075066 4283
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#Nhận xét:
# Phương trình hồi quy: VN100 = 1577 + 0.06643*SP500 - 0.003836*DowJones + ei
# Kết quả hồi quy cho thấy mô hình có ý nghĩa thống kê tổng thể với giá trị F-statistic bằng 9,417 và mức ý nghĩa p = 0,0001139 < 0,001.
# Hệ số R2 = 0,0698; cho thấy các biến SP500 và DowJones giải thích khoảng 6,98% sự biến thiên của VN100, trong khi R2 hiệu chỉnh đạt 0,06238.
# Xét riêng từng biến, SP500 có tác động cùng chiều đến VN100 với hệ số hồi quy 0,06643, nghĩa là khi SP500 tăng 1 đơn vị thì VN100 tăng trung bình khoảng 0,06643 đơn vị, giữ các yếu tố khác không đổi. Mối quan hệ này có ý nghĩa thống kê ở mức 5% (p = 0,0393).
# Biến DowJones có hệ số hồi quy -0,003836, cho thấy tác động ngược chiều đến VN100. Tuy nhiên, mối quan hệ này không có ý nghĩa thống kê vì p = 0,4673 > 0,05.
# Nhìn chung, mô hình có ý nghĩa thống kê tổng thể, nhưng chỉ có biến SP500 có tác động có ý nghĩa thống kê đến VN100 ở mức 5%.
#Câu g:
anova(lm(VN100~SP500+DowJones))
## Analysis of Variance Table
##
## Response: VN100
## Df Sum Sq Mean Sq F value Pr(>F)
## SP500 1 78396 78396 18.303 2.681e-05 ***
## DowJones 1 2270 2270 0.530 0.4673
## Residuals 251 1075066 4283
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
library(car)
## Loading required package: carData
##
## Attaching package: 'car'
## The following object is masked from 'package:psych':
##
## logit
vif(mreg)
## SP500 DowJones
## 9.569191 9.569191
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 = 0.14153, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0
#Nhận xét:
# Kiểm định đa cộng tuyến có giá trị VIF của SP500 và DowJones đều bằng 9,569191.
# Giá trị VIF nhỏ hơn 10 nhưng khá cao, cho thấy mô hình có dấu hiệu đa cộng tuyến cần lưu ý.
# Kiểm định tự tương quan có giá trị DW = 0,14153 và P-value < 2,2e-16.
# Bác bỏ giả thuyết không có tự tương quan, mô hình có hiện tượng tự tương quan dương.