#nhập liệu
likert=file.choose()
datalikert=read.csv(likert,header=TRUE)
save(datalikert,file="datalikert.rda")
attach(datalikert)
is.data.frame(datalikert)
## [1] TRUE
#câub
# MHNX
MHNX=HNX
MHNX=replace(MHNX,HNX<=250,1)
MHNX=replace(MHNX,HNX>250 & HNX<=280,2)
MHNX=replace(MHNX,HNX>280,3)
data.frame(HNX,MHNX)
## HNX MHNX
## 1 266.75 2
## 2 268.66 2
## 3 271.64 2
## 4 269.91 2
## 5 271.31 2
## 6 272.21 2
## 7 272.77 2
## 8 276.45 2
## 9 276.93 2
## 10 274.38 2
## 11 275.29 2
## 12 273.90 2
## 13 273.22 2
## 14 274.13 2
## 15 271.94 2
## 16 272.68 2
## 17 278.37 2
## 18 279.48 2
## 19 281.11 3
## 20 282.53 3
## 21 282.24 3
## 22 284.77 3
## 23 282.64 3
## 24 281.96 3
## 25 282.65 3
## 26 283.19 3
## 27 284.07 3
## 28 278.55 2
## 29 279.98 2
## 30 282.32 3
## 31 278.64 2
## 32 279.99 2
## 33 283.34 3
## 34 288.45 3
## 35 290.91 3
## 36 287.68 3
## 37 293.44 3
## 38 292.64 3
## 39 293.59 3
## 40 286.41 3
## 41 279.28 2
## 42 271.25 2
## 43 275.05 2
## 44 271.68 2
## 45 269.45 2
## 46 269.35 2
## 47 272.99 2
## 48 281.07 3
## 49 275.49 2
## 50 280.74 3
## 51 284.41 3
## 52 291.70 3
## 53 288.32 3
## 54 291.07 3
## 55 297.34 3
## 56 291.90 3
## 57 303.76 3
## 58 306.67 3
## 59 300.39 3
## 60 293.74 3
## 61 296.51 3
## 62 306.73 3
## 63 313.16 3
## 64 313.16 3
## 65 317.99 3
## 66 317.83 3
## 67 319.44 3
## 68 318.24 3
## 69 326.38 3
## 70 321.06 3
## 71 336.16 3
## 72 330.20 3
## 73 319.62 3
## 74 310.91 3
## 75 302.49 3
## 76 300.09 3
## 77 301.15 3
## 78 305.74 3
## 79 298.36 3
## 80 293.79 3
## 81 304.86 3
## 82 317.48 3
## 83 314.79 3
## 84 305.18 3
## 85 294.94 3
## 86 285.56 3
## 87 282.23 3
## 88 278.15 2
## 89 267.51 2
## 90 264.37 2
## 91 261.33 2
## 92 259.50 2
## 93 259.25 2
## 94 257.42 2
## 95 255.07 2
## 96 254.62 2
## 97 253.28 2
## 98 248.06 1
## 99 246.49 1
## 100 247.76 1
## 101 248.46 1
## 102 247.42 1
## 103 250.04 2
## 104 250.66 2
## 105 249.44 1
## 106 251.95 2
## 107 253.23 2
## 108 255.36 2
## 109 253.27 2
## 110 257.33 2
## 111 260.00 2
## 112 256.49 2
## 113 252.72 2
## 114 252.41 2
## 115 251.66 2
## 116 251.91 2
## 117 250.98 2
## 118 253.32 2
## 119 246.70 1
## 120 245.03 1
## 121 250.36 2
## 122 251.46 2
## 123 250.98 2
## 124 250.59 2
## 125 252.36 2
## 126 248.21 1
## 127 249.67 1
## 128 243.81 1
## 129 237.54 1
## 130 243.46 1
## 131 245.73 1
## 132 247.78 1
## 133 246.86 1
## 134 245.74 1
## 135 245.84 1
## 136 247.85 1
## 137 247.02 1
## 138 240.07 1
## 139 235.36 1
## 140 253.64 2
## 141 257.59 2
## 142 257.85 2
## 143 260.01 2
## 144 259.00 2
## 145 262.82 2
## 146 262.33 2
## 147 263.23 2
## 148 262.72 2
## 149 261.83 2
## 150 257.06 2
## 151 256.48 2
## 152 255.86 2
## 153 253.77 2
## 154 256.01 2
## 155 256.28 2
## 156 263.04 2
## 157 265.95 2
## 158 265.18 2
## 159 260.39 2
## 160 256.13 2
## 161 252.72 2
## 162 252.47 2
## 163 252.84 2
## 164 247.30 1
## 165 252.96 2
## 166 258.43 2
## 167 252.66 2
## 168 253.11 2
## 169 252.28 2
## 170 253.16 2
## 171 253.32 2
## 172 252.85 2
## 173 251.88 2
## 174 247.10 1
## 175 249.10 1
## 176 249.40 1
## 177 246.52 1
## 178 246.74 1
## 179 248.77 1
## 180 250.50 2
## 181 251.22 2
## 182 250.53 2
## 183 250.98 2
## 184 255.47 2
## 185 257.23 2
## 186 253.97 2
## 187 253.23 2
## 188 253.12 2
## 189 255.08 2
## 190 249.37 1
## 191 250.09 2
## 192 255.87 2
## 193 256.48 2
## 194 257.14 2
## 195 258.68 2
## 196 260.65 2
## 197 262.31 2
## 198 259.67 2
## 199 258.87 2
## 200 257.91 2
## 201 259.91 2
## 202 261.91 2
## 203 257.30 2
## 204 261.22 2
## 205 263.13 2
## 206 264.23 2
## 207 265.03 2
## 208 267.36 2
## 209 268.69 2
## 210 267.61 2
## 211 266.29 2
## 212 264.79 2
## 213 261.08 2
## 214 258.18 2
## 215 260.11 2
## 216 266.15 2
## 217 266.70 2
## 218 265.91 2
## 219 259.18 2
## 220 265.85 2
## 221 266.96 2
## 222 268.04 2
## 223 266.78 2
## 224 265.36 2
## 225 267.28 2
## 226 266.78 2
## 227 268.69 2
## 228 264.65 2
## 229 263.02 2
## 230 276.11 2
## 231 277.08 2
## 232 276.12 2
## 233 275.33 2
## 234 275.35 2
## 235 273.62 2
## 236 274.94 2
## 237 273.34 2
## 238 272.87 2
## 239 274.69 2
## 240 265.75 2
## 241 269.55 2
## 242 273.22 2
## 243 273.16 2
## 244 275.15 2
## 245 276.06 2
## 246 277.65 2
## 247 277.28 2
## 248 273.01 2
## 249 274.23 2
## 250 276.24 2
## 251 276.92 2
## 252 277.63 2
## 253 278.98 2
## 254 280.69 3
## 255 276.51 2
## 256 274.18 2
## 257 274.60 2
## 258 274.82 2
## 259 271.57 2
## 260 280.67 3
## 261 283.99 3
## 262 282.70 3
## 263 279.98 2
## 264 276.63 2
## 265 276.38 2
## 266 275.79 2
## 267 266.58 2
## 268 272.48 2
## 269 284.39 3
## 270 283.73 3
## 271 286.45 3
## 272 283.87 3
## 273 282.34 3
## 274 285.15 3
## 275 279.69 2
## 276 276.47 2
## 277 276.46 2
## 278 272.46 2
## 279 270.86 2
## 280 268.66 2
## 281 266.12 2
## 282 268.34 2
## 283 264.93 2
## 284 266.34 2
## 285 261.51 2
## 286 255.36 2
## 287 263.79 2
## 288 254.56 2
# MVN30
MVN30=VN30
MVN30=replace(MVN30,VN30<=1850,1)
MVN30=replace(MVN30,VN30>1850 & VN30<=2000,2)
MVN30=replace(MVN30,VN30>2000,3)
data.frame(VN30,MVN30)
## VN30 MVN30
## 1 1875.99 2
## 2 1890.57 2
## 3 1906.81 2
## 4 1914.35 2
## 5 1922.42 2
## 6 1938.50 2
## 7 1932.15 2
## 8 1954.91 2
## 9 1965.36 2
## 10 1953.26 2
## 11 1964.17 2
## 12 1975.01 2
## 13 1954.29 2
## 14 1951.14 2
## 15 1928.57 2
## 16 1936.69 2
## 17 1976.82 2
## 18 1967.64 2
## 19 1968.52 2
## 20 1984.89 2
## 21 1961.57 2
## 22 1982.96 2
## 23 1979.23 2
## 24 1970.01 2
## 25 1936.15 2
## 26 1942.00 2
## 27 1927.79 2
## 28 1887.06 2
## 29 1875.73 2
## 30 1876.14 2
## 31 1877.68 2
## 32 1876.81 2
## 33 1909.23 2
## 34 1936.46 2
## 35 1922.53 2
## 36 1925.18 2
## 37 1911.09 2
## 38 1902.79 2
## 39 1916.88 2
## 40 1927.35 2
## 41 1917.69 2
## 42 1872.07 2
## 43 1886.27 2
## 44 1849.12 1
## 45 1824.35 1
## 46 1806.50 1
## 47 1829.36 1
## 48 1845.32 1
## 49 1826.90 1
## 50 1881.32 2
## 51 1887.32 2
## 52 1931.65 2
## 53 1941.65 2
## 54 1916.05 2
## 55 1946.06 2
## 56 1939.84 2
## 57 1970.82 2
## 58 1987.11 2
## 59 1998.44 2
## 60 1995.91 2
## 61 1991.11 2
## 62 2009.04 3
## 63 2013.35 3
## 64 1995.71 2
## 65 2004.29 3
## 66 2008.57 3
## 67 2004.62 3
## 68 2010.15 3
## 69 1995.12 2
## 70 1980.13 2
## 71 1967.22 2
## 72 1957.17 2
## 73 1960.19 2
## 74 1962.48 2
## 75 1944.36 2
## 76 1947.28 2
## 77 1960.97 2
## 78 1951.92 2
## 79 1936.81 2
## 80 1986.28 2
## 81 1982.29 2
## 82 1974.60 2
## 83 1972.99 2
## 84 1989.71 2
## 85 1997.06 2
## 86 1999.82 2
## 87 2022.46 3
## 88 2027.90 3
## 89 2010.93 3
## 90 2027.51 3
## 91 2028.94 3
## 92 2027.45 3
## 93 2046.37 3
## 94 2050.58 3
## 95 2068.62 3
## 96 2043.51 3
## 97 2053.97 3
## 98 2040.51 3
## 99 2074.06 3
## 100 2079.10 3
## 101 2053.41 3
## 102 2032.30 3
## 103 2014.62 3
## 104 2022.75 3
## 105 2041.40 3
## 106 2011.42 3
## 107 2024.74 3
## 108 2025.41 3
## 109 2007.08 3
## 110 2009.04 3
## 111 1988.11 2
## 112 1979.19 2
## 113 1961.60 2
## 114 1946.55 2
## 115 1925.66 2
## 116 1928.23 2
## 117 1915.01 2
## 118 1931.01 2
## 119 1840.96 1
## 120 1836.25 1
## 121 1852.99 2
## 122 1861.84 2
## 123 1829.59 1
## 124 1811.92 1
## 125 1821.53 1
## 126 1791.25 1
## 127 1814.73 1
## 128 1770.16 1
## 129 1741.05 1
## 130 1797.99 1
## 131 1854.19 2
## 132 1868.84 2
## 133 1873.65 2
## 134 1852.99 2
## 135 1853.60 2
## 136 1859.80 2
## 137 1889.94 2
## 138 1836.96 1
## 139 1780.71 1
## 140 1904.19 2
## 141 1942.76 2
## 142 1956.53 2
## 143 1959.35 2
## 144 2010.75 3
## 145 2061.75 3
## 146 2069.82 3
## 147 2049.64 3
## 148 2050.85 3
## 149 2039.80 3
## 150 2018.64 3
## 151 2016.47 3
## 152 2000.90 3
## 153 1951.58 2
## 154 1947.75 2
## 155 1943.60 2
## 156 1969.27 2
## 157 1988.19 2
## 158 1997.69 2
## 159 2004.31 3
## 160 2029.81 3
## 161 2018.98 3
## 162 1997.13 2
## 163 2019.88 3
## 164 2032.28 3
## 165 2077.76 3
## 166 2082.35 3
## 167 2080.38 3
## 168 2085.61 3
## 169 2080.35 3
## 170 2047.48 3
## 171 2067.10 3
## 172 2089.21 3
## 173 2080.24 3
## 174 2066.21 3
## 175 2074.03 3
## 176 2096.76 3
## 177 2055.96 3
## 178 2028.68 3
## 179 2030.63 3
## 180 2009.70 3
## 181 1990.66 2
## 182 1965.97 2
## 183 1976.21 2
## 184 2012.87 3
## 185 1985.28 2
## 186 1933.28 2
## 187 1903.47 2
## 188 1897.95 2
## 189 1909.87 2
## 190 1869.84 2
## 191 1867.03 2
## 192 1924.29 2
## 193 1946.98 2
## 194 1973.02 2
## 195 1983.82 2
## 196 1975.50 2
## 197 1979.53 2
## 198 1971.99 2
## 199 1950.12 2
## 200 1933.56 2
## 201 1923.92 2
## 202 1923.55 2
## 203 1909.60 2
## 204 1916.36 2
## 205 1899.89 2
## 206 1897.46 2
## 207 1886.20 2
## 208 1898.07 2
## 209 1893.54 2
## 210 1871.54 2
## 211 1864.23 2
## 212 1872.27 2
## 213 1821.60 1
## 214 1804.18 1
## 215 1824.71 1
## 216 1869.60 2
## 217 1886.47 2
## 218 1897.71 2
## 219 1857.64 2
## 220 1885.36 2
## 221 1925.18 2
## 222 1949.76 2
## 223 1949.28 2
## 224 1900.76 2
## 225 1944.60 2
## 226 1945.78 2
## 227 1930.88 2
## 228 1915.90 2
## 229 1870.86 2
## 230 1977.14 2
## 231 2022.27 3
## 232 2009.64 3
## 233 2013.69 3
## 234 2012.28 3
## 235 1980.57 2
## 236 1940.89 2
## 237 1922.95 2
## 238 1909.65 2
## 239 1918.97 2
## 240 1859.51 2
## 241 1859.80 2
## 242 1870.63 2
## 243 1863.13 2
## 244 1862.23 2
## 245 1852.65 2
## 246 1858.67 2
## 247 1853.48 2
## 248 1821.45 1
## 249 1819.60 1
## 250 1859.53 2
## 251 1861.74 2
## 252 1868.85 2
## 253 1875.39 2
## 254 1876.75 2
## 255 1865.45 2
## 256 1855.08 2
## 257 1828.63 1
## 258 1825.17 1
## 259 1807.22 1
## 260 1845.48 1
## 261 1883.59 2
## 262 1859.59 2
## 263 1865.38 2
## 264 1861.20 2
## 265 1848.55 1
## 266 1849.05 1
## 267 1783.12 1
## 268 1814.02 1
## 269 1874.91 2
## 270 1828.46 1
## 271 1810.46 1
## 272 1786.37 1
## 273 1783.25 1
## 274 1793.78 1
## 275 1753.71 1
## 276 1755.25 1
## 277 1741.90 1
## 278 1729.08 1
## 279 1734.85 1
## 280 1723.31 1
## 281 1690.43 1
## 282 1653.22 1
## 283 1614.11 1
## 284 1615.23 1
## 285 1630.78 1
## 286 1621.29 1
## 287 1695.63 1
## 288 1669.33 1
# MP500
MSP500=SP500
MSP500=replace(MSP500,SP500<=6800,1)
MSP500=replace(MSP500,SP500>6800 & SP500<=7400,2)
MSP500=replace(MSP500,SP500>7400,3)
data.frame(SP500,MSP500)
## SP500 MSP500
## 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 3
## 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 3
## 94 7408.50 3
## 95 7501.24 3
## 96 7444.25 3
## 97 7400.96 3
## 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 2
## 117 6824.66 2
## 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 2
## 142 6869.50 2
## 143 6816.63 2
## 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 2
## 151 6832.76 2
## 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 2
## 187 6774.76 1
## 188 6721.43 1
## 189 6800.26 2
## 190 6816.51 2
## 191 6827.41 2
## 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 2
## 200 6812.63 2
## 201 6849.09 2
## 202 6812.61 2
## 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 2
## 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 2
## 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
## 255 6584.29 1
## 256 6587.47 1
## 257 6532.04 1
## 258 6512.61 1
## 259 6495.15 1
## 260 6481.50 1
## 261 6502.08 1
## 262 6448.26 1
## 263 6460.26 1
## 264 6501.86 1
## 265 6481.40 1
## 266 6465.94 1
## 267 6439.32 1
## 268 6466.91 1
## 269 6370.17 1
## 270 6395.78 1
## 271 6411.37 1
## 272 6449.15 1
## 273 6449.80 1
## 274 6468.54 1
## 275 6466.58 1
## 276 6445.76 1
## 277 6373.45 1
## 278 6389.45 1
## 279 6340.00 1
## 280 6345.06 1
## 281 6299.19 1
## 282 6329.94 1
## 283 6238.01 1
## 284 6339.39 1
## 285 6362.90 1
## 286 6370.86 1
## 287 6389.77 1
## 288 6388.64 1
#câuc
library(psych)
abc = data.frame(HNX, VN30, SP500)
describe(abc)
## vars n mean sd median trimmed mad min max range
## HNX 1 288 269.94 18.56 267.12 267.90 17.86 235.36 336.16 100.80
## VN30 2 288 1925.40 93.06 1934.86 1931.09 95.05 1614.11 2096.76 482.65
## SP500 3 288 7023.74 432.61 6898.62 7015.02 469.65 6238.01 7798.99 1560.98
## skew kurtosis se
## HNX 0.96 0.84 1.09
## VN30 -0.70 0.71 5.48
## SP500 0.27 -1.25 25.49
#nhận xét
#Chỉ số HNX: Có 288 quan sát, không có dữ liệu thiếu. Giá trị trung bình là 269,9; trung vị là 267,1; giá trị nhỏ nhất là 235,36 và lớn nhất là 336,16. Giá trị trung bình cao hơn trung vị, cho thấy phân phối dữ liệu có thể hơi lệch phải.
#Chỉ số VN30: Có 288 quan sát, không có dữ liệu thiếu. Giá trị trung bình là 1.925; trung vị là 1.935; giá trị nhỏ nhất là 1.614,11 và lớn nhất là 2.096,76. Giá trị trung bình gần trung vị, cho thấy phân phối dữ liệu tương đối cân đối.
#Chỉ số SP500: Có 288 quan sát, không có dữ liệu thiếu. Giá trị trung bình là 7.024; trung vị là 6.899; giá trị nhỏ nhất là 6.238,01 và lớn nhất là 7.798,99. Giá trị trung bình cao hơn trung vị, cho thấy phân phối dữ liệu có thể hơi lệch phải.
#câud
#Biểu đồ cột
HNX1 = cut(HNX, breaks = 5)
barplot(table(HNX1),ylab = "Số lượng",main = "Biểu đồ cột của HNX",col = c("red","blue","green","orange","pink"))
VN301 = cut(VN30, breaks = 5)
barplot(table(VN301), ylab = "Số lượng",main = "Biểu đồ cột của VN30",col = c("red","blue","green","orange","pink"))
SP5001 = cut(SP500,breaks = 5)
barplot(table(SP5001),ylab = "Số lượng",main = "Biểu đồ cột của SP500",col = c("red","blue","green","orange","pink"))
#nhận xét
#HNX: Biểu đồ cột thể hiện số lượng quan sát của chỉ số HNX trong 5 khoảng giá trị. Các cột có chiều cao khác nhau, cho thấy dữ liệu HNX phân bố không đồng đều giữa các khoảng .
#VN30: Biểu đồ cột thể hiện sự phân bố của chỉ số VN30 qua 5 khoảng giá trị. Số lượng quan sát ở mỗi khoảng khác nhau, phản ánh sự biến động của chỉ số trong thời gian khảo sát.
#SP500: Biểu đồ cột thể hiện số lượng quan sát của chỉ số SP500 trong 5 khoảng giá trị. Chiều cao các cột cho biết mức độ tập trung của dữ liệu ở từng khoảng.
#Biểu đồ tròn
pie(table(HNX1),col = c("green","blue","orange","pink","red"),sub = "Biểu đồ tỷ lệ HNX")
pie(table(VN301),col = c("green","blue","orange","pink","red"),sub = "Biểu đồ tỷ lệ VN30")
pie(table(SP5001),col = c("green","blue","orange","pink","red"),sub = "Biểu đồ tỷ lệ SP500")
#nhận xét
#HNX: Biểu đồ tròn thể hiện tỷ lệ phân bố của chỉ số HNX trong 5 khoảng giá trị. Các phần hình quạt có kích thước khác nhau, cho thấy tỷ lệ quan sát giữa các khoảng không đồng đều.
#VN30: Biểu đồ tròn thể hiện tỷ lệ số lượng quan sát của chỉ số VN30 trong 5 khoảng giá trị. Mỗi phần hình quạt biểu thị tỷ trọng quan sát tương ứng với một khoảng giá trị.
#SP500: Biểu đồ tròn thể hiện tỷ lệ phân bố của chỉ số SP500 trong 5 khoảng giá trị, giúp nhận biết sự khác biệt về tỷ trọng quan sát giữa các khoảng.
#Biểu đồ đường
STT = 1:length(HNX)
plot(STT, HNX,type = "o",xlab = "Ngày thứ",ylab = "Giá trị HNX",pch = 19,main = "Giá trị HNX từ ngày 1 đến ngày 290",ylim = c(min(HNX), max(HNX)),col = "red",lty = 2)
STT = 1:length(VN30)
plot(STT, VN30,type = "o",xlab = "Ngày thứ",ylab = "Giá trị VN30",pch = 19,main = "Giá trị VN30 từ ngày 1 đến ngày 290",ylim = c(min(VN30), max(VN30)),col = "blue", lty = 2)
STT = 1:length(SP500)
plot(STT, SP500,type = "o",xlab = "Ngày thứ",ylab = "Giá trị SP500",pch = 19,main = "Giá trị SP500 từ ngày 1 đến ngày 290", ylim = c(min(SP500), max(SP500)),col = "green",lty = 2)
#nhận xét
#HNX: Biểu đồ đường cho thấy chỉ số HNX biến động qua các ngày quan sát. Giá trị chỉ số có lúc tăng, lúc giảm, phản ánh sự thay đổi của thị trường trong thời gian khảo sát.
#VN30: Biểu đồ đường thể hiện sự biến động của chỉ số VN30 theo thời gian. Đường biểu diễn có những đoạn tăng và giảm, cho thấy chỉ số không ổn định hoàn toàn trong giai đoạn quan sát.
#SP500: Biểu đồ đường cho thấy chỉ số SP500 cũng có sự biến động qua các ngày. Giá trị chỉ số thay đổi theo thời gian, phản ánh sự lên xuống của thị trường chứng khoán Mỹ.
#câue
library(psych)
vars = cbind(HNX, VN30, SP500)
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$r
## HNX VN30 SP500
## HNX 1.00000000 0.02003144 0.4530888
## VN30 0.02003144 1.00000000 0.4784759
## SP500 0.45308885 0.47847592 1.0000000
result$P
## HNX VN30 SP500
## HNX NA 0.7349861 4.440892e-16
## VN30 7.349861e-01 NA 0.000000e+00
## SP500 4.440892e-16 0.0000000 NA
#nhận xét
#Biểu đồ tương quan đa biến (pairs.panels): Biểu đồ thể hiện mối quan hệ giữa ba chỉ số HNX, VN30 và SP500. Qua biểu đồ có thể quan sát chiều hướng tương quan và mức độ phân tán giữa các chỉ số.
#Ma trận tương quan (result$r): Cho biết hệ số tương quan Pearson giữa từng cặp chỉ số. Hệ số tương quan dương thể hiện hai chỉ số có xu hướng biến động cùng chiều; hệ số tương quan âm thể hiện xu hướng biến động ngược chiều. Hệ số càng gần 1 hoặc -1 thì mối tương quan tuyến tính càng mạnh, càng gần 0 thì tương quan tuyến tính càng yếu.
#Ma trận giá trị p (result$P): Dùng để kiểm định ý nghĩa thống kê của mối tương quan. Nếu p-value < 0,05, mối tương quan có ý nghĩa thống kê ở mức 5%; nếu p-value ≥ 0,05, chưa đủ bằng chứng kết luận mối tương quan có ý nghĩa thống kê.
#câuf
mreg <- lm(HNX ~ VN30 + SP500)
summary(mreg)
##
## Call:
## lm(formula = HNX ~ VN30 + SP500)
##
## Residuals:
## Min 1Q Median 3Q Max
## -36.326 -11.449 -3.025 8.932 56.578
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 194.600929 20.808797 9.352 < 2e-16 ***
## VN30 -0.050896 0.011609 -4.384 1.64e-05 ***
## SP500 0.024679 0.002497 9.882 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 16.07 on 285 degrees of freedom
## Multiple R-squared: 0.2555, Adjusted R-squared: 0.2503
## F-statistic: 48.9 on 2 and 285 DF, p-value: < 2.2e-16
anova(mreg)
## Analysis of Variance Table
##
## Response: HNX
## Df Sum Sq Mean Sq F value Pr(>F)
## VN30 1 40 39.7 0.1536 0.6954
## SP500 1 25224 25224.4 97.6533 <2e-16 ***
## Residuals 285 73617 258.3
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#nhận xét
#Lệnh summary(mreg): Cho biết hệ số hồi quy, mức ý nghĩa của các biến độc lập, hệ số xác định R² và R² hiệu chỉnh. R² cho biết tỷ lệ biến động của HNX được giải thích bởi VN30 và SP500. Nếu giá trị p của biến nhỏ hơn 0,05 thì biến đó có ý nghĩa thống kê ở mức 5%.
#Lệnh anova(mreg): Dùng để kiểm định ý nghĩa của mô hình hồi quy. Nếu giá trị p nhỏ hơn 0,05 thì mô hình có ý nghĩa thống kê.
#câug
anova(lm(HNX~ VN30 + SP500))
## Analysis of Variance Table
##
## Response: HNX
## Df Sum Sq Mean Sq F value Pr(>F)
## VN30 1 40 39.7 0.1536 0.6954
## SP500 1 25224 25224.4 97.6533 <2e-16 ***
## Residuals 285 73617 258.3
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
install.packages("car", repos = "https://cloud.r-project.org")
## Installing package into 'C:/Users/KIEU HOANH/AppData/Local/R/win-library/4.6'
## (as 'lib' is unspecified)
## package 'car' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\KIEU HOANH\AppData\Local\Temp\Rtmp4Ew0Bq\downloaded_packages
install.packages("lmtest", repos = "https://cloud.r-project.org")
## Installing package into 'C:/Users/KIEU HOANH/AppData/Local/R/win-library/4.6'
## (as 'lib' is unspecified)
## package 'lmtest' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\KIEU HOANH\AppData\Local\Temp\Rtmp4Ew0Bq\downloaded_packages
library(car)
## Loading required package: carData
##
## Attaching package: 'car'
## The following object is masked from 'package:psych':
##
## logit
vif(mreg)
## VN30 SP500
## 1.296915 1.296915
#nhận xét
#Kiểm định ANOVA:
#Kết quả cho thấy biến VN30 có p-value = 0,6954 > 0,05 nên chưa có ý nghĩa thống kê. Biến SP500 có p-value < 2e-16 < 0,05 nên có ý nghĩa thống kê trong mô hình hồi
#Kiểm định đa cộng tuyến VIF:
#Hai biến VN30 và SP500 đều có VIF = 1,296915 < 5. Vì vậy, mô hình không có hiện tượng đa cộng tuyến đáng kể giữa các biến độc lập.