dulieu=file.choose() datachungkhoan=read.csv(dulieu, header = TRUE, sep = “;”, dec = “.”) save(datachungkhoan, file = “datachungkhoan.rda”) attach(datachungkhoan) is.data.frame(datachungkhoan) head(datachungkhoan) dim(datachungkhoan)
library(psych) abcde=data.frame(HNX,VN30,VNI) describe(abcde) summary(HNX) summary(VN30) summary(VNI) var(HNX) var(VN30) var(VNI) sd(HNX) sd(VN30) sd(VNI)
HNXMH=cut(HNX, breaks=3, labels=c(“Thap”,“Trung binh”,“Cao”)) VN30MH=cut(VN30, breaks=3, labels=c(“Thap”,“Trung binh”,“Cao”)) VNIMH=cut(VNI, breaks=3, labels=c(“Thap”,“Trung binh”,“Cao”)) table(HNXMH) table(VN30MH) table(VNIMH)
library(psych) abcde=data.frame(HNX,VN30,VNI) describe(abcde) summary(abcde) var(HNX) var(VN30) var(VNI) sd(HNX) sd(VN30) sd(VNI) #Nhận xét: Dựa vào kết quả thống kê mô tả, nhận xét giá trị trung bình, giá trị nhỏ nhất, lớn nhất và độ lệch chuẩn của ba chỉ số HNX, VN30 và VNI.
table(HNXMH) prop.table(table(HNXMH))100 table(VN30MH) prop.table(table(VN30MH))100 table(VNIMH) prop.table(table(VNIMH))*100 #Nhận xét: Dựa vào bảng tần số và tỷ lệ phần trăm để xác định nhóm thấp, trung bình hay cao chiếm tỷ trọng lớn nhất ở từng chỉ số.
pie(table(HNXMH), col=c(“green”,“blue”,“pink”), main=“Bieu do tron cua HNX”) pie(table(VN30MH), col=c(“orange”,“blue”,“pink”), main=“Bieu do tron cua VN30”) pie(table(VNIMH), col=c(“green”,“orange”,“pink”), main=“Bieu do tron cua VNI”)
HNX.freq=table(HNXMH) barplot(HNX.freq, xlab=“Nhom HNX”, ylab=“So luong”, main=“Bieu do cot cua HNX”, col=c(“lightblue”,“lightgreen”,“pink”)) VN30.freq=table(VN30MH) barplot(VN30.freq, xlab=“Nhom VN30”, ylab=“So luong”, main=“Bieu do cot cua VN30”, col=c(“lightblue”,“orange”,“pink”)) VNI.freq=table(VNIMH) barplot(VNI.freq, xlab=“Nhom VNI”, ylab=“So luong”, main=“Bieu do cot cua VNI”, col=c(“lightblue”,“lightgreen”,“orange”)) #Nhận xét: Biểu đồ cột giúp so sánh số lượng quan sát giữa ba nhóm. Biểu đồ tròn thể hiện tỷ trọng của từng nhóm trong tổng số quan sát.
STT=1:290 plot(STT,HNX,type=“o”,xlab=“Ngay thu”, ylab=“Gia tri HNX”,main=“Chi so HNX”) plot(STT,VN30,type=“o”,xlab=“Ngay thu”, ylab=“Gia tri VN30”,main=“Chi so VN30”) plot(STT,VNI,type=“o”,xlab=“Ngay thu”, ylab=“Gia tri VNI”,main=“Chi so VNI”) #Nhận xét: Biểu đồ đường thể hiện sự biến động của từng chỉ số theo thời gian. M quan sát xu hướng tăng, giảm và những giai đoạn biến động mạnh của HNX, VN30 và VNI trong thời kỳ nghiên cứu.
cor(HNX,VN30) cor.test(HNX,VN30) cor(HNX,VNI) cor.test(HNX,VNI) cor(VN30,VNI) cor.test(VN30,VNI)
vars=data.frame(HNX,VN30,VNI) pairs.panels(vars,method=“pearson”) # Nhận xét cặp VN30 và VNI: Theo kết quả m đã gửi trước đó, hệ số tương quan Pearson khoảng 0,892, với p-value < 2,2e-16. Hai chỉ số có tương quan tuyến tính thuận rất mạnh và mối tương quan có ý nghĩa thống kê ở mức 5%.Với hai cặp HNX–VN30 và HNX–VNI, m dùng kết quả cor.test() để nhận xét tương tự
mreg = lm(VNI ~ HNX + VN30, data=datachungkhoan) summary(mreg) anova(mreg) confint(mreg) #Nhận xét: Dựa vào kết quả hồi quy, xem xét dấu và giá trị hệ số hồi quy để xác định chiều tác động của HNX và VN30 đến VNI; căn cứ vào p-value để đánh giá ý nghĩa thống kê của từng biến và kiểm định F để đánh giá mức độ phù hợp chung của mô hình. Nếu p-value < 0,05 thì kết quả có ý nghĩa thống kê ở mức 5%.
#KIỂM ĐỊNH TƯƠNG QUAN PEARSON - CÂU E cor.test(HNX, VN30, method = “pearson”) cor.test(HNX, VNI, method = “pearson”) cor.test(VN30, VNI, method = “pearson”) # Nhận xét: Dựa vào hệ số tương quan Pearson và p-value của từng cặp biến để đánh giá chiều hướng, mức độ và ý nghĩa thống kê của mối tương quan. Nếu p-value < 0,05, mối tương quan có ý nghĩa thống kê ở mức 5%. Theo kết quả đã có, cặp VN30–VNI có tương quan thuận mạnh với hệ số tương quan khoảng 0,892 và p-value < 0,05.
#KIỂM ĐỊNH MÔ HÌNH HỒI QUY - CÂU F summary(mreg) anova(mreg) if (!requireNamespace(“car”, quietly = TRUE)) {install.packages(“car”)} car::vif(mreg) if (!requireNamespace(“lmtest”, quietly = TRUE)) {install.packages(“lmtest”)} lmtest::dwtest(mreg) lmtest::bptest(mreg)
par(mfrow = c(2, 2)) plot(mreg) par(mfrow = c(1, 1)) # Nhận xét: Dựa vào p-value, VIF, Durbin–Watson, Breusch–Pagan và biểu đồ phần dư để đánh giá ý nghĩa thống kê và mức độ đáp ứng các giả định của mô hình hồi quy.