#Họ và tên:Lê Thị Thùy Duyên
#lớp: 24NH1 Mssv:2454020010
#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
#câub
MHNikkei225=Nikkei225
MHNikkei225=replace(MHNikkei225,Nikkei225 <= 64000, 1)
MHNikkei225=replace(MHNikkei225,Nikkei225 > 64000 & Nikkei225<= 65200, 2)
MHNikkei225=replace(MHNikkei225,Nikkei225 > 65200, 3)
Nikkei225code=data.frame(Nikkei225,MHNikkei225)
Nikkei225code
## Nikkei225 MHNikkei225
## 1 66057.00 3
## 2 65018.95 2
## 3 64136.25 2
## 4 63923.00 1
## 5 63484.10 1
## 6 63492.99 1
## 7 64011.34 2
## 8 65270.95 3
## 9 65142.78 2
## 10 65269.33 3
## 11 65020.94 2
## 12 64214.48 2
## 13 66405.56 3
## 14 66131.98 3
## 15 66262.16 3
## 16 65856.43 3
## 17 65528.09 3
## 18 66016.36 3
## 19 66216.79 3
## 20 65326.42 3
## 21 67460.73 3
## 22 69220.25 3
## 23 68713.80 3
## 24 68308.59 3
## 25 67524.06 3
## 26 67215.00 3
## 27 66970.22 3
## 28 65606.71 3
## 29 65683.26 3
## 30 66300.44 3
## 31 63957.53 1
## 32 63754.90 1
## 33 64362.02 2
## 34 61867.43 1
## 35 61434.19 1
## 36 62364.92 1
## 37 64931.19 2
## 38 64611.15 2
## 39 66422.60 3
## 40 66115.60 3
## 41 66232.19 3
## 42 64787.50 2
## 43 64141.12 2
## 44 66835.54 3
## 45 68751.51 3
## 46 67743.50 3
## 47 67242.73 3
## 48 68557.73 3
## 49 67743.85 3
## 50 66819.05 3
## 51 68256.96 3
## 52 69737.69 3
## 53 68733.15 3
## 54 70474.96 3
## 55 70062.32 3
## 56 69468.11 3
## 57 69360.88 3
## 58 72366.34 3
## 59 69174.97 3
## 60 69788.38 3
## 61 72353.96 3
## 62 71249.50 3
## 63 69902.25 3
## 64 69404.50 3
## 65 69317.50 3
## 66 66020.04 3
## 67 64217.27 2
## 68 64179.27 2
## 69 65416.63 3
## 70 64024.60 2
## 71 66588.12 3
## 72 67470.69 3
## 73 68402.13 3
## 74 66734.24 3
## 75 66934.33 3
## 76 66329.50 3
## 77 64693.12 2
## 78 64999.41 2
## 79 64996.09 2
## 80 63339.07 1
## 81 61684.14 1
## 82 59804.41 1
## 83 60550.59 1
## 84 60815.95 1
## 85 61409.29 1
## 86 62654.05 1
## 87 63272.11 1
## 88 62742.57 1
## 89 62417.88 1
## 90 62713.65 1
## 91 62833.84 1
## 92 59159.50 1
## 93 59917.46 1
## 94 59716.18 1
## 95 59140.23 1
## 96 59585.86 1
## 97 59349.17 1
## 98 58824.89 1
## 99 58475.90 1
## 100 59518.34 1
## 101 58134.24 1
## 102 57877.39 1
## 103 56502.77 1
## 104 56924.11 1
## 105 55895.32 1
## 106 56308.42 1
## 107 53429.56 1
## 108 53413.68 1
## 109 53739.68 1
## 110 51063.72 1
## 111 51885.85 1
## 112 53373.07 1
## 113 53603.65 1
## 114 53749.62 1
## 115 52252.28 1
## 116 51515.49 1
## 117 53372.53 1
## 118 55239.40 1
## 119 53700.39 1
## 120 53751.15 1
## 121 53819.61 1
## 122 54452.96 1
## 123 55025.37 1
## 124 54248.39 1
## 125 52728.72 1
## 126 55620.84 1
## 127 55278.06 1
## 128 54245.54 1
## 129 56279.05 1
## 130 58057.24 1
## 131 58850.27 1
## 132 58753.39 1
## 133 58583.12 1
## 134 57321.09 1
## 135 56703.00 1
## 136 56941.97 1
## 137 57639.84 1
## 138 57903.00 1
## 139 57650.54 1
## 140 56363.94 1
## 141 54253.68 1
## 142 53818.04 1
## 143 54293.36 1
## 144 54720.66 1
## 145 52655.18 1
## 146 53322.85 1
## 147 53375.60 1
## 148 53358.71 1
## 149 53333.54 1
## 150 52885.25 1
## 151 53846.87 1
## 152 53688.89 1
## 153 52774.64 1
## 154 52991.10 1
## 155 53936.17 1
## 156 54110.50 1
## 157 54341.23 1
## 158 53549.16 1
## 159 51939.89 1
## 160 51117.26 1
## 161 51961.98 1
## 162 52518.08 1
## 163 51832.80 1
## 164 50339.48 1
## 165 50526.92 1
## 166 50750.39 1
## 167 50344.10 1
## 168 50412.87 1
## 169 50402.39 1
## 170 49507.21 1
## 171 49001.50 1
## 172 49512.28 1
## 173 49383.29 1
## 174 50168.11 1
## 175 50836.55 1
## 176 50148.82 1
## 177 50602.80 1
## 178 50655.10 1
## 179 50581.94 1
## 180 50491.87 1
## 181 51028.42 1
## 182 49864.68 1
## 183 49303.45 1
## 184 49303.28 1
## 185 50253.91 1
## 186 49559.07 1
## 187 48659.52 1
## 188 48625.88 1
## 189 49823.94 1
## 190 48537.70 1
## 191 48702.98 1
## 192 50323.91 1
## 193 50376.53 1
## 194 51281.83 1
## 195 51063.31 1
## 196 50842.93 1
## 197 50911.76 1
## 198 50276.37 1
## 199 50883.68 1
## 200 50212.27 1
## 201 51497.20 1
## 202 52411.34 1
## 203 51325.61 1
## 204 51307.65 1
## 205 50219.18 1
## 206 50512.32 1
## 207 49299.65 1
## 208 48641.61 1
## 209 49307.79 1
## 210 49316.06 1
## 211 49185.50 1
## 212 47582.15 1
MHSP500=SP500
MHSP500=replace(MHSP500,SP500 <= 6400, 1)
MHSP500=replace(MHSP500,SP500 > 6400 & SP500 <= 6500, 2)
MHSP500=replace(MHSP500,SP500 > 6500, 3)
SP500code=data.frame(SP500,MHSP500)
SP500code
## SP500 MHSP500
## 1 7706.03 3
## 2 7650.50 3
## 3 7637.76 3
## 4 7551.81 3
## 5 7585.73 3
## 6 7619.98 3
## 7 7656.98 3
## 8 7591.70 3
## 9 7636.36 3
## 10 7673.52 3
## 11 7718.60 3
## 12 7747.71 3
## 13 7711.76 3
## 14 7730.99 3
## 15 7675.70 3
## 16 7677.28 3
## 17 7652.86 3
## 18 7674.37 3
## 19 7641.16 3
## 20 7707.98 3
## 21 7691.76 3
## 22 7745.06 3
## 23 7785.76 3
## 24 7798.99 3
## 25 7748.50 3
## 26 7728.20 3
## 27 7753.11 3
## 28 7757.64 3
## 29 7709.96 3
## 30 7723.55 3
## 31 7736.52 3
## 32 7600.50 3
## 33 7489.72 3
## 34 7437.63 3
## 35 7316.15 3
## 36 7428.78 3
## 37 7413.18 3
## 38 7411.98 3
## 39 7408.30 3
## 40 7498.96 3
## 41 7509.20 3
## 42 7443.28 3
## 43 7457.69 3
## 44 7533.77 3
## 45 7572.40 3
## 46 7543.59 3
## 47 7515.34 3
## 48 7575.39 3
## 49 7543.64 3
## 50 7482.71 3
## 51 7503.85 3
## 52 7537.43 3
## 53 7483.24 3
## 54 7483.23 3
## 55 7499.36 3
## 56 7440.43 3
## 57 7354.02 3
## 58 7357.49 3
## 59 7358.22 3
## 60 7365.46 3
## 61 7472.79 3
## 62 7500.58 3
## 63 7420.10 3
## 64 7511.35 3
## 65 7554.29 3
## 66 7431.46 3
## 67 7394.30 3
## 68 7266.99 3
## 69 7386.65 3
## 70 7405.73 3
## 71 7383.74 3
## 72 7584.31 3
## 73 7553.68 3
## 74 7609.78 3
## 75 7599.96 3
## 76 7580.06 3
## 77 7563.63 3
## 78 7520.36 3
## 79 7519.12 3
## 80 7473.47 3
## 81 7445.72 3
## 82 7432.97 3
## 83 7353.61 3
## 84 7403.05 3
## 85 7408.50 3
## 86 7501.24 3
## 87 7444.25 3
## 88 7400.96 3
## 89 7412.84 3
## 90 7398.93 3
## 91 7337.11 3
## 92 7135.95 3
## 93 7138.80 3
## 94 7165.08 3
## 95 7108.40 3
## 96 7137.90 3
## 97 7064.01 3
## 98 7109.14 3
## 99 7126.06 3
## 100 7041.28 3
## 101 7022.95 3
## 102 6967.38 3
## 103 6886.24 3
## 104 6816.89 3
## 105 6824.66 3
## 106 6782.81 3
## 107 6616.85 3
## 108 6611.83 3
## 109 6575.32 3
## 110 6528.52 3
## 111 6343.72 1
## 112 6368.85 1
## 113 6477.16 2
## 114 6591.90 3
## 115 6556.37 3
## 116 6581.00 3
## 117 6606.49 3
## 118 6624.70 3
## 119 6716.09 3
## 120 6699.38 3
## 121 6632.19 3
## 122 6672.62 3
## 123 6775.80 3
## 124 6781.48 3
## 125 6795.99 3
## 126 6740.02 3
## 127 6830.71 3
## 128 6869.50 3
## 129 6816.63 3
## 130 6881.62 3
## 131 6878.88 3
## 132 6908.86 3
## 133 6946.13 3
## 134 6890.07 3
## 135 6837.75 3
## 136 6836.17 3
## 137 6832.76 3
## 138 6941.47 3
## 139 6941.81 3
## 140 6964.82 3
## 141 6932.30 3
## 142 6798.40 3
## 143 6882.72 3
## 144 6917.81 3
## 145 6976.44 3
## 146 6939.03 3
## 147 6969.01 3
## 148 6978.03 3
## 149 6978.60 3
## 150 6950.23 3
## 151 6915.61 3
## 152 6913.35 3
## 153 6875.62 3
## 154 6796.86 3
## 155 6940.01 3
## 156 6944.47 3
## 157 6926.60 3
## 158 6963.74 3
## 159 6966.28 3
## 160 6921.46 3
## 161 6920.93 3
## 162 6944.82 3
## 163 6902.05 3
## 164 6896.24 3
## 165 6905.74 3
## 166 6929.94 3
## 167 6932.05 3
## 168 6909.79 3
## 169 6878.49 3
## 170 6834.50 3
## 171 6774.76 3
## 172 6721.43 3
## 173 6800.26 3
## 174 6816.51 3
## 175 6827.41 3
## 176 6901.00 3
## 177 6886.68 3
## 178 6840.51 3
## 179 6846.51 3
## 180 6870.40 3
## 181 6857.12 3
## 182 6849.72 3
## 183 6829.37 3
## 184 6812.63 3
## 185 6849.09 3
## 186 6812.61 3
## 187 6765.88 3
## 188 6602.99 3
## 189 6538.76 3
## 190 6642.16 3
## 191 6617.32 3
## 192 6672.41 3
## 193 6734.11 3
## 194 6737.49 3
## 195 6850.92 3
## 196 6846.61 3
## 197 6832.43 3
## 198 6728.80 3
## 199 6720.32 3
## 200 6796.29 3
## 201 6771.55 3
## 202 6840.20 3
## 203 6822.34 3
## 204 6890.59 3
## 205 6890.89 3
## 206 6875.16 3
## 207 6791.69 3
## 208 6738.44 3
## 209 6699.40 3
## 210 6735.35 3
## 211 6735.13 3
## 212 6664.01 3
MHVN30=VN30
MHVN30=replace(MHVN30,VN30 <= 1200, 1)
MHVN30=replace(MHVN30,VN30 > 1200 & VN30 <= 1400, 2)
MHVN30=replace(MHVN30,VN30 > 1400, 3)
VN30code=data.frame(VN30,MHVN30)
VN30code
## VN30 MHVN30
## 1 1954.91 3
## 2 1964.17 3
## 3 1975.01 3
## 4 1954.29 3
## 5 1951.14 3
## 6 1928.57 3
## 7 1936.69 3
## 8 1976.82 3
## 9 1967.64 3
## 10 1968.52 3
## 11 1984.89 3
## 12 1961.57 3
## 13 1982.96 3
## 14 1979.23 3
## 15 1970.01 3
## 16 1936.15 3
## 17 1942.00 3
## 18 1927.79 3
## 19 1887.06 3
## 20 1875.73 3
## 21 1876.14 3
## 22 1877.68 3
## 23 1876.81 3
## 24 1909.23 3
## 25 1936.46 3
## 26 1922.53 3
## 27 1925.18 3
## 28 1911.09 3
## 29 1902.79 3
## 30 1916.88 3
## 31 1927.35 3
## 32 1917.69 3
## 33 1872.07 3
## 34 1886.27 3
## 35 1849.12 3
## 36 1824.35 3
## 37 1806.50 3
## 38 1829.36 3
## 39 1845.32 3
## 40 1826.90 3
## 41 1881.32 3
## 42 1887.32 3
## 43 1931.65 3
## 44 1941.65 3
## 45 1916.05 3
## 46 1946.06 3
## 47 1939.84 3
## 48 1970.82 3
## 49 1987.11 3
## 50 1998.44 3
## 51 1995.91 3
## 52 1991.11 3
## 53 2009.04 3
## 54 2013.35 3
## 55 1995.71 3
## 56 2004.29 3
## 57 2008.57 3
## 58 2004.62 3
## 59 2010.15 3
## 60 1995.12 3
## 61 1980.13 3
## 62 1963.57 3
## 63 1957.17 3
## 64 1960.19 3
## 65 1962.48 3
## 66 1944.36 3
## 67 1947.28 3
## 68 1960.97 3
## 69 1951.92 3
## 70 1936.81 3
## 71 1986.28 3
## 72 1982.29 3
## 73 1974.60 3
## 74 1972.99 3
## 75 1989.71 3
## 76 1997.06 3
## 77 1999.82 3
## 78 2022.46 3
## 79 2027.90 3
## 80 2010.93 3
## 81 2027.51 3
## 82 2028.94 3
## 83 2027.45 3
## 84 2046.37 3
## 85 2050.58 3
## 86 2068.62 3
## 87 2043.51 3
## 88 2053.97 3
## 89 2040.51 3
## 90 2074.06 3
## 91 2079.10 3
## 92 2022.75 3
## 93 2041.40 3
## 94 2011.42 3
## 95 2024.74 3
## 96 2025.41 3
## 97 2007.08 3
## 98 2009.04 3
## 99 1988.11 3
## 100 1979.19 3
## 101 1961.60 3
## 102 1946.55 3
## 103 1925.66 3
## 104 1928.23 3
## 105 1915.01 3
## 106 1931.01 3
## 107 1840.96 3
## 108 1836.25 3
## 109 1861.84 3
## 110 1829.59 3
## 111 1811.92 3
## 112 1821.53 3
## 113 1791.25 3
## 114 1814.73 3
## 115 1770.16 3
## 116 1741.05 3
## 117 1854.19 3
## 118 1868.84 3
## 119 1873.65 3
## 120 1852.99 3
## 121 1853.60 3
## 122 1859.80 3
## 123 1889.94 3
## 124 1836.96 3
## 125 1780.71 3
## 126 1904.19 3
## 127 1942.76 3
## 128 1956.53 3
## 129 1959.35 3
## 130 2010.75 3
## 131 2061.75 3
## 132 2069.82 3
## 133 2049.64 3
## 134 2050.85 3
## 135 2039.80 3
## 136 2018.64 3
## 137 2016.47 3
## 138 2000.90 3
## 139 1951.58 3
## 140 1947.75 3
## 141 1943.60 3
## 142 1969.27 3
## 143 1988.19 3
## 144 1997.69 3
## 145 2004.31 3
## 146 2029.81 3
## 147 2018.98 3
## 148 1997.13 3
## 149 2019.88 3
## 150 2032.28 3
## 151 2077.76 3
## 152 2082.35 3
## 153 2080.38 3
## 154 2085.61 3
## 155 2080.35 3
## 156 2047.48 3
## 157 2067.10 3
## 158 2089.21 3
## 159 2066.21 3
## 160 2074.03 3
## 161 2096.76 3
## 162 2055.96 3
## 163 2028.68 3
## 164 2009.70 3
## 165 1990.66 3
## 166 1965.97 3
## 167 2023.13 3
## 168 2012.87 3
## 169 1985.28 3
## 170 1933.28 3
## 171 1903.47 3
## 172 1897.95 3
## 173 1909.87 3
## 174 1869.84 3
## 175 1867.03 3
## 176 1924.29 3
## 177 1946.98 3
## 178 1973.02 3
## 179 1983.82 3
## 180 1975.50 3
## 181 1979.53 3
## 182 1971.99 3
## 183 1950.12 3
## 184 1933.56 3
## 185 1923.92 3
## 186 1923.55 3
## 187 1909.60 3
## 188 1899.89 3
## 189 1897.46 3
## 190 1886.20 3
## 191 1898.07 3
## 192 1893.54 3
## 193 1871.54 3
## 194 1864.23 3
## 195 1872.27 3
## 196 1821.60 3
## 197 1804.18 3
## 198 1824.71 3
## 199 1869.60 3
## 200 1886.47 3
## 201 1897.71 3
## 202 1885.36 3
## 203 1925.18 3
## 204 1949.76 3
## 205 1949.28 3
## 206 1900.76 3
## 207 1944.60 3
## 208 1945.78 3
## 209 1930.88 3
## 210 1915.90 3
## 211 1870.86 3
## 212 1977.14 3
#câu c
library(psych)
abc=data.frame(SP500,VN30,Nikkei225)
describe(abc)
## vars n mean sd median trimmed mad min
## SP500 1 212 7135.11 381.02 6966.83 7130.68 488.75 6343.72
## VN30 2 212 1951.56 72.82 1954.60 1953.59 78.82 1741.05
## Nikkei225 3 212 58603.67 7029.51 57890.20 58405.52 10103.47 47582.15
## max range skew kurtosis se
## SP500 7798.99 1455.27 0.15 -1.39 26.17
## VN30 2096.76 355.71 -0.27 -0.42 5.00
## Nikkei225 72366.34 24784.19 0.16 -1.45 482.79
#Nhận xét:
# Biến có giá trị trung bình cao nhất là Nikkei225 = 58.603,67.
# Biến có độ phân tán lớn nhất là Nikkei225 với sd = 7.029,51.
# Biến có giá trị trung bình thấp nhất là VN30 = 1.951,56.
# Biến có độ phân tán nhỏ nhất là VN30 với sd = 72,82.
#câu d
#Biểu đồ cột
SP500.freq<-table(MHSP500)
SP500.freq
## MHSP500
## 1 2 3
## 2 1 209
barplot(SP500.freq,xlab="lần cuối", ylab="số lượng",main="biểu đồ cột SP500 ",col=c("red","green","blue","orange"))
#Nhận xét:
#S&P 500 tập trung chủ yếu ở mức 3, với 209/212 quan sát, chiếm khoảng 98,58%. Mức 1 chỉ xuất hiện 2 lần và mức 2 xuất hiện 1 lần
VN30.freq<-table(MHVN30)
VN30.freq
## MHVN30
## 3
## 212
barplot(VN30.freq,xlab="lần cuối", ylab="số lượng",main="biểu đồ cột VN30 ",col=c("red","green","blue","orange"))
#Nhận xét:
#VN30 có 212/212 quan sát thuộc mức 3, chiếm 100%.
Nikkei225.freq<-table(MHNikkei225)
Nikkei225.freq
## MHNikkei225
## 1 2 3
## 141 17 54
barplot(Nikkei225.freq,xlab="lần cuối", ylab="số lượng",main="biểu đồ cột Nikkei225 ",col=c("red","green","blue","orange"))
#Nhận xét:
#Nikkei 225 tập trung nhiều nhất ở mức 1, với 141/212 quan sát, chiếm khoảng 66,51%. Mức 3 có 54 quan sát, chiếm khoảng 25,47%, trong khi mức 2 chỉ có 17 quan sát, chiếm khoảng 8,02%.
#Biểu đồ tròn
pie(table(MHSP500),col=c("green","orange","blue"),sub="Đồ thị tỷ lệ SP500 ")
#Nhận xét:
#Mức 3 chiếm tỷ trọng áp đảo, với 209/212 quan sát, tương đương 98,58%, mức 1 chỉ chiếm 0,94% và mức 2 chiếm 0,47% S&P 500 tập trung gần như hoàn toàn ở mức 3.
pie(table(MHVN30),col=c("green","orange","blue"),sub="Đồ thị tỷ lệ VN30 ")
#Nhận xét:
#VN30 tập trung hoàn toàn ở mức 3
pie(table(MHNikkei225),col=c("green","orange","blue"),sub="Đồ thị tỷ lệ Nikkei22 ")
#Nhận xét:
#Mức 1 chiếm tỷ trọng cao nhất với 141/212 quan sát (66,51%), tiếp theo là mức 3 với 54 quan sát (25,47%) và mức 2 với 17 quan sát (8,02%).
#Biểu đồ đường
ngay=as.Date(ngay, format="%d/%m/%Y")
plot(ngay,SP500,type="o",xlab="Lần cuối",ylab="số lượng",pch=19,main="Biểu đồ đường SP500")
#Nhận xét:
#Nhìn chung có xu hướng tăng, dù có một số giai đoạn giảm, đặc biệt khoảng tháng 4/2026.
plot(ngay,VN30,type="o",xlab="Lần cuối",ylab="số lượng",pch=19,main="Biểu đồ đường VN30 " )
#Nhận xét:
#Biến động mạnh, tăng giảm liên tục và chưa có xu hướng tăng rõ ràng.
plot(ngay,Nikkei225,type="o",xlab="Lần cuối",ylab="số lượng",pch=19,main="Biểu đồ đường Nikkei225 " )
#Nhận xét:
#Có xu hướng tăng rõ rệt, tăng mạnh từ đầu năm đến khoảng tháng 7/2026 rồi điều chỉnh nhẹ.
#câu e
#Phân tích
library(psych)
vars=cbind(SP500,VN30,Nikkei225)
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$r
## SP500 VN30 Nikkei225
## SP500 1.0000000 0.2208833 0.8974791
## VN30 0.2208833 1.0000000 0.1576756
## Nikkei225 0.8974791 0.1576756 1.0000000
result$P
## SP500 VN30 Nikkei225
## SP500 NA 0.001207205 0.00000000
## VN30 0.001207205 NA 0.02164145
## Nikkei225 0.000000000 0.021641452 NA
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.2.1 ✔ readr 2.2.0
## ✔ forcats 1.0.1 ✔ stringr 1.6.0
## ✔ ggplot2 4.0.3 ✔ tibble 3.3.1
## ✔ lubridate 1.9.5 ✔ tidyr 1.3.2
## ✔ purrr 1.2.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ ggplot2::%+%() masks psych::%+%()
## ✖ ggplot2::alpha() masks psych::alpha()
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ✖ dplyr::src() masks Hmisc::src()
## ✖ dplyr::summarize() masks Hmisc::summarize()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
qplot(x=SP500,y=VN30,z=Nikkei225)+stat_smooth(method="lm")
## Warning: `qplot()` was deprecated in ggplot2 3.4.0.
## This warning is displayed once per session.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
## `geom_smooth()` using formula = 'y ~ x'
## Warning: The following aesthetics were dropped during statistical transformation: z.
## ℹ This can happen when ggplot fails to infer the correct grouping structure in
## the data.
## ℹ Did you forget to specify a `group` aesthetic or to convert a numerical
## variable into a factor?
#NHẬN XÉT
#Biến SP500 có mối tương quan dương với VN30 và Nikkei225
#vì hệ số tương quan Pearson của các mối quan hệ này > 0
#Mối tương quan giữa SP500 và các biến VN30, Nikkei225 có ý nghĩa thống kê
#vì giá trị Sig. (P-Value) của các mối quan hệ này nhỏ hơn 5%
#câu f
mreg<-lm(SP500~VN30+Nikkei225)
summary(mreg)
##
## Call:
## lm(formula = SP500 ~ VN30 + Nikkei225)
##
## Residuals:
## Min 1Q Median 3Q Max
## -460.14 -124.99 28.89 124.96 355.00
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.494e+03 3.102e+02 11.264 < 2e-16 ***
## VN30 4.259e-01 1.589e-01 2.679 0.00796 **
## Nikkei225 4.795e-02 1.647e-03 29.122 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 166 on 209 degrees of freedom
## Multiple R-squared: 0.8119, Adjusted R-squared: 0.8101
## F-statistic: 451.1 on 2 and 209 DF, p-value: < 2.2e-16
#Nhận xét
#SP500 = 3494 + 0,4259 VN30 + 0,04795Nikkei225
#Đồ thị bên trái dòng 1 vẽ phần dư ei và giá trị dự báo SP500
#Đồ thị này cho thấy các giá trị phần dư phân bố quanh đường y=0,
#tuy nhiên có xu hướng dao động theo đường cong, do đó giả định về
#giá trị trung bình của ei=0 chưa được thỏa mã hoàn toàn
#Đồ thị bên phải dòng 1 vẽ phần giá trị dư ei và giá trị kỳ vọng
#dựa vào phân phối chuẩn kết quả cho thấy phần lớn các giá trị phần dư
#tập trung gần đường chuẩn, nhưng có một số điểm lệch khỏi đường thẳn
#ở hai đầu , do đó phần dư có xu hướng gần như phân phối chuẩn nhưng
#chưa hoàn toàn tuân theo quy luật phân phối chuẩn
#câu g
anova(mreg)
## Analysis of Variance Table
##
## Response: SP500
## Df Sum Sq Mean Sq F value Pr(>F)
## VN30 1 1494497 1494497 54.219 4.064e-12 ***
## Nikkei225 1 23376189 23376189 848.066 < 2.2e-16 ***
## Residuals 209 5760900 27564
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
anova(lm(SP500~VN30+Nikkei225))
## Analysis of Variance Table
##
## Response: SP500
## Df Sum Sq Mean Sq F value Pr(>F)
## VN30 1 1494497 1494497 54.219 4.064e-12 ***
## Nikkei225 1 23376189 23376189 848.066 < 2.2e-16 ***
## Residuals 209 5760900 27564
## ---
## 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:dplyr':
##
## recode
##
## The following object is masked from 'package:purrr':
##
## some
##
## The following object is masked from 'package:psych':
##
## logit
vif(mreg)
## VN30 Nikkei225
## 1.025495 1.025495
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 = 0.1895, p-value < 2.2e-16
## alternative hypothesis: true autocorrelation is greater than 0
#Nhận xét
#Biến VN30 và Nikkei225 đều có ý nghĩa thống kê trong mô hình hồi quy vì giá trị Sig. (Pr(>F)) của hai biến đều nhỏ hơn 5%.
#Nikkei225 có giá trị F lớn hơn VN30 (848,066 > 54,219), cho thấy biến này đóng góp nhiều hơn vào việc giải thích biến động của SP500 theo thứ tự đưa biến vào mô hình ANOVA.
#Kiểm định tự tương quan cho thấy giá trị DW = 0,1895 nằm ngoài khoảng chấp nhận (1,5 < DW < 2,5).
#=> Mô hình có hiện tượng tự tương quan dương.
#Kiểm định đa cộng tuyến cho thấy các giá trị VIF của hai biến độc lập VN30 và Nikkei225 đều bằng 1,025495 < 10.
#=> Mô hình không có hiện tượng đa cộng tuyến nghiêm trọng.