## HỌ VÀ TÊN: LÊ PHAN BẢO HÂN
# LỚP: 24NH1
# MSSV: 2454020056
# MÔN HỌC: PHÂN TÍCH DỮ LIỆU
# SỐ LƯỢNG MẪU: 216 (VN INDEX, DAX, SP500)
#câu a
#nhập liệu
Cuoiky=file.choose()
Cuoiky=read.csv(Cuoiky,header=TRUE, sep=";")
save(Cuoiky,file="datapCuoiky.rda")
attach(Cuoiky)
is.data.frame(Cuoiky)
## [1] TRUE
#câu b
#mã hóa DAX
DAXMH=DAX
DAXMH=replace(DAXMH,DAX < 24208.26,1)
DAXMH=replace(DAXMH,DAX > 24208.26 & DAX <= 25031.29,2)
DAXMH=replace(DAXMH,DAX > 25031.29,3)
DAXcode=data.frame(DAX,DAXMH)
DAXcode
## DAX DAXMH
## 1 23958.30 1
## 2 24132.41 1
## 3 23949.11 1
## 4 24049.74 1
## 5 23734.02 1
## 6 23569.96 1
## 7 23959.99 1
## 8 24088.06 1
## 9 24381.46 2
## 10 24041.62 1
## 11 23876.55 1
## 12 23590.52 1
## 13 23180.53 1
## 14 23162.92 1
## 15 23278.85 1
## 16 23091.87 1
## 17 23239.18 1
## 18 23464.63 1
## 19 23726.22 1
## 20 23836.79 1
## 21 23589.44 1
## 22 23710.86 1
## 23 23693.71 1
## 24 23882.03 1
## 25 24028.14 1
## 26 24046.01 1
## 27 24162.65 1
## 28 24130.14 1
## 29 24294.61 2
## 30 24186.49 1
## 31 24229.91 2
## 32 24076.87 1
## 33 23960.59 1
## 34 24199.50 1
## 35 24288.40 2
## 36 24283.97 2
## 37 24340.06 2
## 38 24351.12 2
## 39 24490.41 2
## 40 24868.69 2
## 41 24892.20 2
## 42 25122.26 3
## 43 25127.46 3
## 44 25261.64 3
## 45 25405.34 3
## 46 25420.66 3
## 47 25286.24 3
## 48 25352.39 3
## 49 25297.13 3
## 50 24703.12 2
## 51 24560.98 2
## 52 24856.47 2
## 53 24900.71 2
## 54 24933.08 2
## 55 24894.44 2
## 56 24822.79 2
## 57 24309.46 2
## 58 24538.81 2
## 59 24797.52 2
## 60 24780.79 2
## 61 24603.04 2
## 62 24491.06 2
## 63 24721.46 2
## 64 25014.87 2
## 65 24987.85 2
## 66 24856.15 2
## 67 24852.69 2
## 68 24914.88 2
## 69 24991.97 2
## 70 24986.25 2
## 71 25175.94 3
## 72 25289.02 3
## 73 25284.26 3
## 74 24638.00 2
## 75 23790.65 1
## 76 24205.36 1
## 77 23815.75 1
## 78 23591.03 1
## 79 23409.37 1
## 80 23968.63 1
## 81 23640.03 1
## 82 23589.65 1
## 83 23447.29 1
## 84 23564.01 1
## 85 23730.92 1
## 86 23502.25 1
## 87 22839.56 1
## 88 22380.19 1
## 89 22653.86 1
## 90 22636.91 1
## 91 22957.08 1
## 92 22612.97 1
## 93 22300.75 1
## 94 22562.88 1
## 95 22680.04 1
## 96 23298.89 1
## 97 23168.08 1
## 98 22921.59 1
## 99 24080.63 1
## 100 23806.99 1
## 101 23803.95 1
## 102 23742.44 1
## 103 24044.22 1
## 104 24066.70 1
## 105 24154.47 1
## 106 24702.24 2
## 107 24417.80 2
## 108 24270.87 2
## 109 24194.90 1
## 110 24155.45 1
## 111 24128.98 1
## 112 24018.26 1
## 113 23954.56 1
## 114 23991.27 1
## 115 24401.70 2
## 116 24918.69 2
## 117 24663.61 2
## 118 24338.63 2
## 119 24350.28 2
## 120 23954.93 1
## 121 24136.81 1
## 122 24456.26 2
## 123 23950.57 1
## 124 24307.92 2
## 125 24400.65 2
## 126 24737.24 2
## 127 24606.77 2
## 128 24888.56 2
## 129 25184.89 3
## 130 25177.80 3
## 131 25092.25 3
## 132 25104.70 3
## 133 25003.04 2
## 134 25124.17 3
## 135 24795.94 2
## 136 24944.95 2
## 137 24759.05 2
## 138 24616.22 2
## 139 24433.06 2
## 140 24195.31 1
## 141 24209.71 2
## 142 24635.30 2
## 143 24894.01 2
## 144 24910.41 2
## 145 24934.67 2
## 146 25026.80 2
## 147 25139.69 3
## 148 24893.58 2
## 149 24740.36 2
## 150 24994.83 2
## 151 24671.22 2
## 152 24626.89 2
## 153 24995.81 2
## 154 25040.28 3
## 155 25580.88 3
## 156 25817.89 3
## 157 25465.25 3
## 158 24897.45 2
## 159 25118.27 3
## 160 25067.09 3
## 161 25114.25 3
## 162 25147.03 3
## 163 24999.53 2
## 164 24915.49 2
## 165 24830.98 2
## 166 24846.69 2
## 167 25011.35 2
## 168 25155.41 3
## 169 24763.12 2
## 170 25099.00 3
## 171 25361.03 3
## 172 25464.01 3
## 173 25460.48 3
## 174 25612.03 3
## 175 25629.24 3
## 176 26001.31 3
## 177 26202.35 3
## 178 26126.30 3
## 179 26140.13 3
## 180 26319.45 3
## 181 26323.88 3
## 182 26391.42 3
## 183 26331.07 3
## 184 26299.74 3
## 185 26440.31 3
## 186 26338.61 3
## 187 26128.36 3
## 188 26091.33 3
## 189 25983.04 3
## 190 26136.56 3
## 191 26106.60 3
## 192 26266.14 3
## 193 26285.96 3
## 194 26367.24 3
## 195 26569.99 3
## 196 26003.32 3
## 197 26046.40 3
## 198 26007.63 3
## 199 25576.45 3
## 200 25361.15 3
## 201 25568.56 3
## 202 25440.81 3
## 203 25402.28 3
## 204 25537.75 3
## 205 25716.71 3
## 206 25304.06 3
## 207 25575.01 3
## 208 25578.85 3
## 209 25410.63 3
## 210 25266.53 3
## 211 25408.64 3
## 212 25374.42 3
## 213 25399.21 3
## 214 25199.19 3
## 215 24939.35 2
## 216 25231.20 3
#mã hóa SP500
SP500MH=SP500
SP500MH=replace(SP500MH,SP500 < 6888.94,4)
SP500MH=replace(SP500MH,SP500 > 6888.94 & SP500 <= 7444.74,5)
SP500MH=replace(SP500MH,SP500 > 7444.74,6)
SP500code=data.frame(SP500,SP500MH)
SP500code
## SP500 SP500MH
## 1 6840.20 4
## 2 6851.97 4
## 3 6771.55 4
## 4 6796.29 4
## 5 6720.32 4
## 6 6728.80 4
## 7 6832.43 4
## 8 6846.61 4
## 9 6850.92 4
## 10 6737.49 4
## 11 6734.11 4
## 12 6672.41 4
## 13 6617.32 4
## 14 6642.16 4
## 15 6538.76 4
## 16 6602.99 4
## 17 6705.12 4
## 18 6765.88 4
## 19 6812.61 4
## 20 6849.09 4
## 21 6812.63 4
## 22 6829.37 4
## 23 6849.72 4
## 24 6857.12 4
## 25 6870.40 4
## 26 6846.51 4
## 27 6840.51 4
## 28 6886.68 4
## 29 6901.00 5
## 30 6827.41 4
## 31 6816.51 4
## 32 6800.26 4
## 33 6721.43 4
## 34 6774.76 4
## 35 6834.50 4
## 36 6878.49 4
## 37 6909.79 5
## 38 6905.74 5
## 39 6896.24 5
## 40 6902.05 5
## 41 6944.82 5
## 42 6920.93 5
## 43 6921.46 5
## 44 6966.28 5
## 45 6977.27 5
## 46 6963.74 5
## 47 6926.60 5
## 48 6944.47 5
## 49 6940.01 5
## 50 6796.86 4
## 51 6875.62 4
## 52 6913.35 5
## 53 6915.61 5
## 54 6950.23 5
## 55 6978.60 5
## 56 6978.03 5
## 57 6969.01 5
## 58 6939.03 5
## 59 6976.44 5
## 60 6917.81 5
## 61 6882.72 4
## 62 6798.40 4
## 63 6932.30 5
## 64 6964.82 5
## 65 6941.81 5
## 66 6941.47 5
## 67 6832.76 4
## 68 6836.17 4
## 69 6837.75 4
## 70 6890.07 5
## 71 6946.13 5
## 72 6908.86 5
## 73 6878.88 4
## 74 6881.62 4
## 75 6816.63 4
## 76 6869.50 4
## 77 6830.71 4
## 78 6740.02 4
## 79 6795.99 4
## 80 6781.48 4
## 81 6775.80 4
## 82 6672.62 4
## 83 6632.19 4
## 84 6699.38 4
## 85 6716.09 4
## 86 6624.70 4
## 87 6606.49 4
## 88 6506.48 4
## 89 6581.00 4
## 90 6556.37 4
## 91 6591.90 4
## 92 6477.16 4
## 93 6368.85 4
## 94 6343.72 4
## 95 6528.52 4
## 96 6575.32 4
## 97 6582.69 4
## 98 6616.85 4
## 99 6782.81 4
## 100 6824.66 4
## 101 6816.89 4
## 102 6886.24 4
## 103 6967.38 5
## 104 7022.95 5
## 105 7041.28 5
## 106 7126.06 5
## 107 7109.14 5
## 108 7064.01 5
## 109 7137.90 5
## 110 7108.40 5
## 111 7165.08 5
## 112 7138.80 5
## 113 7135.95 5
## 114 7200.75 5
## 115 7259.22 5
## 116 7365.12 5
## 117 7337.11 5
## 118 7398.93 5
## 119 7412.84 5
## 120 7400.96 5
## 121 7444.25 5
## 122 7501.24 6
## 123 7408.50 5
## 124 7403.05 5
## 125 7353.61 5
## 126 7432.97 5
## 127 7445.72 6
## 128 7473.47 6
## 129 7519.12 6
## 130 7520.36 6
## 131 7563.63 6
## 132 7580.06 6
## 133 7599.96 6
## 134 7609.78 6
## 135 7553.68 6
## 136 7584.31 6
## 137 7383.74 5
## 138 7405.73 5
## 139 7386.65 5
## 140 7266.99 5
## 141 7394.30 5
## 142 7431.46 5
## 143 7554.29 6
## 144 7511.35 6
## 145 7420.10 5
## 146 7500.58 6
## 147 7472.79 6
## 148 7365.46 5
## 149 7358.22 5
## 150 7357.49 5
## 151 7354.02 5
## 152 7440.43 5
## 153 7499.36 6
## 154 7483.23 6
## 155 7483.24 6
## 156 7537.43 6
## 157 7503.85 6
## 158 7482.71 6
## 159 7543.64 6
## 160 7575.39 6
## 161 7515.34 6
## 162 7543.59 6
## 163 7572.40 6
## 164 7533.77 6
## 165 7457.69 6
## 166 7443.28 5
## 167 7509.20 6
## 168 7498.96 6
## 169 7408.30 5
## 170 7411.98 5
## 171 7413.18 5
## 172 7428.78 5
## 173 7316.15 5
## 174 7437.63 5
## 175 7489.72 6
## 176 7600.50 6
## 177 7736.52 6
## 178 7723.55 6
## 179 7709.96 6
## 180 7757.64 6
## 181 7753.11 6
## 182 7728.20 6
## 183 7748.50 6
## 184 7798.99 6
## 185 7785.76 6
## 186 7745.06 6
## 187 7691.76 6
## 188 7707.98 6
## 189 7641.16 6
## 190 7674.37 6
## 191 7652.86 6
## 192 7677.28 6
## 193 7675.70 6
## 194 7730.99 6
## 195 7711.76 6
## 196 7747.71 6
## 197 7718.60 6
## 198 7673.52 6
## 199 7636.36 6
## 200 7591.70 6
## 201 7656.98 6
## 202 7619.98 6
## 203 7585.73 6
## 204 7551.81 6
## 205 7637.76 6
## 206 7650.50 6
## 207 7764.70 6
## 208 7764.64 6
## 209 7706.03 6
## 210 7704.13 6
## 211 7743.41 6
## 212 7683.69 6
## 213 7670.84 6
## 214 7651.54 6
## 215 7666.45 6
## 216 7722.72 6
#mã hóa VNI
VNIMH=VNI
VNIMH=replace(VNIMH,VNI < 1749.77,7)
VNIMH=replace(VNIMH,VNI > 1749.77 & VNI <= 1826.69,8)
VNIMH=replace(VNIMH,VNI > 1826.69,9)
VNIcode=data.frame(VNI,VNIMH)
VNIcode
## VNI VNIMH
## 1 1639.65 7
## 2 1617.00 7
## 3 1651.98 7
## 4 1654.89 7
## 5 1642.64 7
## 6 1599.10 7
## 7 1580.54 7
## 8 1593.61 7
## 9 1631.86 7
## 10 1631.44 7
## 11 1635.46 7
## 12 1654.42 7
## 13 1659.92 7
## 14 1649.00 7
## 15 1655.99 7
## 16 1654.93 7
## 17 1667.98 7
## 18 1660.36 7
## 19 1680.36 7
## 20 1690.99 7
## 21 1701.67 7
## 22 1717.06 7
## 23 1731.77 7
## 24 1737.24 7
## 25 1741.32 7
## 26 1753.74 8
## 27 1747.17 7
## 28 1718.98 7
## 29 1698.90 7
## 30 1646.89 7
## 31 1646.01 7
## 32 1679.18 7
## 33 1673.66 7
## 34 1676.98 7
## 35 1704.31 7
## 36 1751.03 8
## 37 1772.15 8
## 38 1754.84 8
## 39 1766.90 8
## 40 1788.40 8
## 41 1816.27 8
## 42 1861.58 9
## 43 1855.56 9
## 44 1867.90 9
## 45 1877.33 9
## 46 1902.93 9
## 47 1894.44 9
## 48 1864.80 9
## 49 1879.13 9
## 50 1893.78 9
## 51 1885.44 9
## 52 1882.73 9
## 53 1870.79 9
## 54 1843.72 9
## 55 1830.50 9
## 56 1802.91 8
## 57 1814.98 8
## 58 1829.04 9
## 59 1806.50 8
## 60 1813.40 8
## 61 1791.43 8
## 62 1782.56 8
## 63 1755.49 8
## 64 1754.82 8
## 65 1754.03 8
## 66 1796.85 8
## 67 1814.09 8
## 68 1824.09 8
## 69 1860.14 9
## 70 1867.62 9
## 71 1860.91 9
## 72 1879.64 9
## 73 1880.33 9
## 74 1846.10 9
## 75 1813.14 8
## 76 1818.27 8
## 77 1808.51 8
## 78 1767.84 8
## 79 1652.79 7
## 80 1676.73 7
## 81 1728.34 7
## 82 1709.61 7
## 83 1696.24 7
## 84 1693.21 7
## 85 1710.29 7
## 86 1713.83 7
## 87 1699.13 7
## 88 1647.81 7
## 89 1591.17 7
## 90 1614.77 7
## 91 1658.19 7
## 92 1644.63 7
## 93 1672.80 7
## 94 1662.54 7
## 95 1674.49 7
## 96 1702.93 7
## 97 1694.82 7
## 98 1677.54 7
## 99 1756.55 8
## 100 1736.68 7
## 101 1750.00 8
## 102 1758.96 8
## 103 1775.65 8
## 104 1800.65 8
## 105 1819.83 8
## 106 1817.17 8
## 107 1837.11 9
## 108 1833.48 9
## 109 1857.30 9
## 110 1870.36 9
## 111 1853.29 9
## 112 1875.84 9
## 113 1854.10 9
## 114 1854.06 9
## 115 1874.85 9
## 116 1891.20 9
## 117 1909.01 9
## 118 1915.37 9
## 119 1895.50 9
## 120 1901.10 9
## 121 1898.37 9
## 122 1925.46 9
## 123 1921.60 9
## 124 1927.94 9
## 125 1912.93 9
## 126 1913.23 9
## 127 1896.89 9
## 128 1877.13 9
## 129 1884.18 9
## 130 1874.43 9
## 131 1863.67 9
## 132 1863.49 9
## 133 1844.54 9
## 134 1826.47 8
## 135 1819.01 8
## 136 1831.55 9
## 137 1838.90 9
## 138 1790.53 8
## 139 1793.05 8
## 140 1803.71 8
## 141 1798.61 8
## 142 1791.65 8
## 143 1799.31 8
## 144 1807.94 8
## 145 1806.20 8
## 146 1830.47 9
## 147 1857.91 9
## 148 1869.04 9
## 149 1878.02 9
## 150 1863.07 9
## 151 1871.91 9
## 152 1854.97 9
## 153 1860.01 9
## 154 1867.21 9
## 155 1866.35 9
## 156 1843.50 9
## 157 1848.25 9
## 158 1853.70 9
## 159 1840.70 9
## 160 1828.34 9
## 161 1800.54 8
## 162 1806.63 8
## 163 1782.12 8
## 164 1804.24 8
## 165 1787.45 8
## 166 1743.51 7
## 167 1730.56 7
## 168 1668.53 7
## 169 1699.38 7
## 170 1686.11 7
## 171 1669.01 7
## 172 1680.62 7
## 173 1704.68 7
## 174 1744.66 7
## 175 1735.78 7
## 176 1762.84 8
## 177 1777.23 8
## 178 1776.46 8
## 179 1764.78 8
## 180 1768.06 8
## 181 1776.77 8
## 182 1773.41 8
## 183 1793.18 8
## 184 1765.63 8
## 185 1729.08 7
## 186 1727.46 7
## 187 1732.02 7
## 188 1726.69 7
## 189 1734.24 7
## 190 1768.12 8
## 191 1788.78 8
## 192 1791.41 8
## 193 1821.32 8
## 194 1831.56 9
## 195 1832.12 9
## 196 1827.72 9
## 197 1853.08 9
## 198 1830.44 9
## 199 1827.12 9
## 200 1829.23 9
## 201 1795.21 8
## 202 1788.23 8
## 203 1811.15 8
## 204 1810.11 8
## 205 1822.77 8
## 206 1815.66 8
## 207 1799.67 8
## 208 1816.93 8
## 209 1801.65 8
## 210 1775.09 8
## 211 1785.11 8
## 212 1780.68 8
## 213 1777.73 8
## 214 1768.62 8
## 215 1749.30 7
## 216 1737.71 7
#câu c
#thống kê ratio scale
library(psych)
dulieu1=data.frame(DAX,SP500,VNI)
describe(dulieu1)
## vars n mean sd median trimmed mad min max
## DAX 1 216 24656.53 902.16 24761.08 24667.23 904.35 22300.75 26569.99
## SP500 2 216 7171.98 390.12 7117.60 7175.86 483.57 6343.72 7798.99
## VNI 3 216 1779.73 81.92 1791.54 1783.05 92.38 1580.54 1927.94
## range skew kurtosis se
## DAX 4269.24 -0.17 -0.27 61.38
## SP500 1455.27 0.00 -1.41 26.54
## VNI 347.40 -0.36 -0.80 5.57
#nhận xét:Cả 3 biến (chỉ số) DAX, SP500, và VNI đều có 216 giá trị (phiên quan sát)
# Đối với chỉ số DAX: Giá trị trung bình (mean) là 24656.53 gần tương đương với trung vị (median) là 24761.09 cho thấy phân phối tương đối đối xứng; độ lệch chuẩn (sd) là 902.16 với khoảng biến thiên (range) là 4269.24 cho thấy độ phân tán ở mức cao.
# Đối với chỉ số SP500: Giá trị trung bình (mean) là 7171.98 gần tương đương với trung vị (median) là 7117.60 cho thấy phân phối gần như đối xứng; độ lệch chuẩn (sd) là 390.12 với khoảng biến thiên (range) là 1455.27 cho thấy độ phân tán ở mức vừa.
# Đối với chỉ số VNI: Giá trị trung bình (mean) là 1779.73 gần với trung vị (median) là 1791.54 cho thấy phân phối gần như đối xứng; độ lệch chuẩn (sd) là 81.92 với khoảng biến thiên (range) là 347.40 cho thấy độ phân tán ở mức thấp.
#thống kê ordinal scale
library(psych)
dulieu2=data.frame(DAXMH,SP500MH,VNIMH)
describe(dulieu2)
## vars n mean sd median trimmed mad min max range skew kurtosis se
## DAXMH 1 216 2 0.82 2 2 1.48 1 3 2 0 -1.51 0.06
## SP500MH 2 216 5 0.82 5 5 1.48 4 6 2 0 -1.51 0.06
## VNIMH 3 216 8 0.82 8 8 1.48 7 9 2 0 -1.51 0.06
#nhận xét: Cả ba biến phân loại (ordinal scale) đều có n = 216 mẫu
# Đối với chỉ số DAXMH: Giá trị trung bình (mean) là 2.00 bằng với trung vị (median) là 2.00 cho thấy phân phối đối xứng qua mức Trung bình; độ lệch chuẩn (sd) là 0.82 với giá trị nhỏ nhất là 1 và lớn nhất là 3.
# Đối với chỉ số SP500MH: Giá trị trung bình (mean) là 5.00 bằng với trung vị (median) là 5.00 cho thấy phân phối đối xứng; độ lệch chuẩn (sd) là 0.82 với giá trị nhỏ nhất là 4 và lớn nhất là 6.
# Đối với chỉ số VNIMH: Giá trị trung bình (mean) là 8.00 bằng với trung vị (median) là 8.00 cho thấy phân phối đối xứng; độ lệch chuẩn (sd) là 0.82 với giá trị nhỏ nhất là 7 và lớn nhất là 9
#câu d
#biểu đồ cột DAX
DAXMH <- cut(DAX, breaks = 3, labels = c("Thấp", "Trung bình", "Cao"))
DAX.freq<-table(DAXMH)
DAX.freq
## DAXMH
## Thấp Trung bình Cao
## 30 125 61
barplot(DAX.freq,xlab="Tỷ lệ",ylab="Số lượng",sub="biểu đồ cột DAX",col=c("tomato","gold","coral"))
#nhận xét: "thấp" có 30 quan sát, "trung bình" có 125 quan sát, "cao" có 61 quan sát
# biểu đồ cột SP500
SP500MH <- cut(SP500, breaks = 3, labels = c("Thấp", "Trung bình", "Cao"))
SP500.freq<-table(SP500MH)
SP500.freq
## SP500MH
## Thấp Trung bình Cao
## 47 69 100
barplot(SP500.freq,xlab="Tỷ lệ",ylab="Số lượng",sub="biểu đồ cột SP500",col=c("lavender","blue","darkgreen"))
#nhận xét: "thấp" có 47 quan sát, "trung bình" có 69 quan sát, "cao" có 100 quan sát
#biểu đồ cột VNI
VNIMH <- cut(VNI, breaks = 3, labels = c("Thấp", "Trung bình", "Cao"))
VNI.freq<-table(VNIMH)
VNI.freq
## VNIMH
## Thấp Trung bình Cao
## 43 86 87
barplot(VNI.freq,xlab="Tỷ lệ",ylab="Số lượng",sub="biểu đồ cột VNI",col=c("purple","brown","black"))
#nhận xét: có 43 quan sát "thấp", có 86 quan sát "trung bình", có 87 quan sát "cao"
#biểu đồ tròn DAX
pie(table(DAXMH),col=c("steelblue","royalblue","navy"),sub="biểu đồ tròn của DAX")
#nhận xét: nhóm chiếm tỷ trọng cao nhất là "trung bình", tiếp theo là nhóm "cao", và chiếm tỷ trọng nhỏ nhất là nhóm"thấp"
#biểu đồ tròn SP500
pie(table(SP500MH),col=c("lavender","lightcyan","lightgreen"),sub="biểu đồ tròn của SP500")
#nhận xét: nhóm "thấp" chiếm tỷ trọng thấp nhất, lớn dần là nhóm "trung bình", và nhóm chiếm tỷ trọng cao nhất lành nhóm "cao"
#biểu đồ tròn VNI
pie(table(VNIMH),col=c("gold","orange","coral"),sub="biểu đồ tròn củaVNI")
#nhận xét: hai nhóm "trung bình" và "cao" chiếm tỷ trọng gần bằng nhau, khó nhìn thấy sựu chênh lệch bằng mắt thường, nhóm "thấp" chiếm tỷ trọng nhỏ nhất
#biểu đồ đường DAX
Ngay <- as.Date(Ngay, format = "%d/%m/%Y")
plot(Ngay, DAX, type = "o", xlab = "tháng", ylab="giá trị chỉ số",col="tomato",pch=10, main="biểu đồ đường DAX")
#nhận xét: biến DAX có sự biến động, có xu hướng tăng từ khoảng 23000 đến đỉnh khoảng 26500 qua 216 ngày, dù có đợt giảm ngắn hạn ở khoảng tháng 4 – tháng 5 (giai đoạn ngày thứ 80 - 100), đạt đỉnh ở khoảng ngày thứ 180 - 200
#biểu đồ đường SP500
Ngay <- as.Date(Ngay, format = "%d/%m/%Y")
plot(Ngay,SP500, type = "o", xlab = "tháng", ylab="giá trị chỉ số",col="rosybrown",pch=10, main="biểu đồ đường SP500")
#nhận xét: biến SP500 có sự biến động, có xu hướng tăng từ khoảng 6300 đến đỉnh khoảng 7800 qua 216 ngày, dù có đợt giảm ngắn hạn xuống đáy ở khoảng tháng 4 (giai đoạn ngày thứ 90 - 100), đạt đỉnh ở khoảng tháng 8 (ngày thứ 180 - 190).
#biểu đồ đường VNI
Ngay <- as.Date(Ngay, format = "%d/%m/%Y")
plot(Ngay,VNI, type = "o", xlab = "tháng", ylab="giá trị chỉ số",col="palegreen",pch=10, main="biểu đồ đường VNI")
#nhận xét: biến VNI có sự biến động lớn qua 216 ngày, trải qua nhiều đợt tăng giảm đan xen; dao động trong khoảng từ dưới 1,600 lên đến đỉnh cao nhất khoảng 1,930 ở giai đoạn giữa (khoảng tháng 5 - tháng 6), sau đó tiếp tục biến động và điều chỉnh về quanh ngưỡng 1,750 - 1,800 vào cuối giai đoạn
#câu e
# phân tích tương quan
library(psych)
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
vars=cbind(DAX,SP500,VNI)
pairs.panels(vars)
result=rcorr(as.matrix(vars),type="pearson")
result$r
## DAX SP500 VNI
## DAX 1.0000000 0.8205687 0.4584687
## SP500 0.8205687 1.0000000 0.4645611
## VNI 0.4584687 0.4645611 1.0000000
result$P
## DAX SP500 VNI
## DAX NA 0.000000e+00 1.265876e-12
## SP500 0.000000e+00 NA 5.817569e-13
## VNI 1.265876e-12 5.817569e-13 NA
#nhận xét:
#cặp DAX và SP500 có hệ số tương quan mạnh r = 0.82 (p < 0.05), thể hiện mối quan hệ đồng biến rất chặt chẽ giữa hai thị trường này.
#cặp DAX và VNI (r = 0.46) cũng như SP500 và VNI (r = 0.46) có hệ số tương quan ở mức trung bình (p < 0.05), cho thấy mức độ liên kết vừa phải.
#tất cả các cặp chỉ số đều có giá trị p-value nhỏ hơn mức ý nghĩa 0.05, chứng tỏ các hệ số tương quan đều có ý nghĩa thống kê.
#câu f
#mô hình hồi quy tuyến tính
mreg=lm(DAX~SP500+VNI)
summary(mreg)
##
## Call:
## lm(formula = DAX ~ SP500 + VNI)
##
## Residuals:
## Min 1Q Median 3Q Max
## -1283.68 -359.07 -98.81 452.80 1043.73
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 9875.0045 826.7555 11.944 <2e-16 ***
## SP500 1.7917 0.1011 17.728 <2e-16 ***
## VNI 1.0851 0.4813 2.254 0.0252 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 512 on 213 degrees of freedom
## Multiple R-squared: 0.6809, Adjusted R-squared: 0.6779
## F-statistic: 227.3 on 2 and 213 DF, p-value: < 2.2e-16
#nhận xét:
#mô hình có hệ số xác định Multiple R-squared = 0.6809, cho thấy 68.09% sự biến thiên của DAX được giải thích bởi các biến SP500 và VNI.
#cả hai biến độc lập SP500 (p < 0.001) và VNI (p = 0.0252 < 0.05) đều có tác động cùng chiều và có ý nghĩa thống kê đối với DAX.
#giá trị F-statistic có p-value < 2.2e-16 chứng tỏ mô hình hồi quy tuyến tính bội tổng thể là phù hợp và có ý nghĩa.
#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)
## SP500 VNI
## 1.275213 1.275213
library(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 = 0.17466, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0
op <- par(mfrow = c(2, 2))
plot(mreg)
par(op)
#nhận xét:
#Đa cộng tuyến (VIF): Các giá trị VIF đều nhỏ hơn 5 => Mô hình không có hiện tượng đa cộng tuyến nghiêm trọng.
#Tự tương quan (Durbin-Watson): Giá trị DW = 0.090444 (p < 0.05) nằm ngoài khoảng chấp nhận (1.5 - 2.5) => Mô hình có hiện tượng tự tương quan.
#Residuals vs Fitted: Phần dư phân tán quanh đường y = 0, giả định giá trị trung bình phần dư bằng 0 được chấp nhận.
#Q-Q Residuals: Các điểm phần dư bám sát đường chuẩn, tuân theo quy luật phân phối chuẩn.
#Scale-Location: Độ phân tán của căn bậc hai sai số chuẩn phù hợp với giá trị dự báo, phương sai ổn định.
#Residuals vs Leverage: Các quan sát đều nằm trong khoảng cách Cook, ít giá trị ngoại lai, chứng tỏ mô hình ổn định.