ENO Dept Gender Skill WorkingYear Age Salary

E001 HR Female SQL 3 29 833.23806133057

E002 IT Male Java 7 39 1459.62983853523
E003 IT Male SQL 6 32 1239.044883672
E004 HR Female C# 6 29 1328.732046845
E005 IT Male Python 2 28 902.195161845061
E006 MA Male C# 5 36 1000
E007 IT Male SQL 2 27 1163.23378850237
E008 MA Female Python 3 28 1362.86524372379
E009 IT Male Java 7 37 1464.35077550716
E010 IT Male C# 6 37 895.008257407462
E011 MA Male SQL 6 34 1455.65088374361
E012 HR Male C# 5 24 853.280674262568
E013 HR Female Python 5 29 1190.50766136534
E014 IT Female C# 4 28 774.631292826524
E015 IT Male SQL 1 24 829.146451455973
E016 HR Female Python 2 26 816.961884143568
E017 IT Male Java 3 25 1261.06945518207
E018 IT Male SQL 5 29 1321.49182753496
E019 HR Female C# 4 31 1134.38657385312
E020 IT Male Python 1 23 896.306086471279
E021 IT Male C# 2 23 1148.54854219811
E022 IT Male SQL 5 34 1317.2811292734
E023 MA Female Python 5 27 1458.74230578127
E024 IT Male Java 5 30 1456.93115219227
E025 IT Male SQL 2 22 897.881616121245
E026 MA Male C# 6 32 1264.94956735191
E027 HR Male Python 4 29 864.831065778319
E028 HR Female C# 3 28 1200
E029 IT Female SQL 4 25 768.119062547311
E030 IT Male Python 2 29 818.713680797763
E031 IT Male SQL 6 31 1255.52303499662
E032 HR Female Python 5 28 979.161568929241
E033 IT Male Java 6 28 1230.2312220913
E034 IT Male SQL 6 29 1355.7318786914
E035 IT Female C# 4 31 1358.80897896172
E036 IT Male Python 1 22 894.553067595304
E037 MA Male C# 5 31 1262.25527567255
E038 IT Male SQL 7 34 1342.81459339632
E039 MA Female Python 4 27 1463.86338622827
E040 IT Male Java 3 30 1425.29358735982
E041 IT Male SQL 2 22 794.994473479678
E042 MA Male C# 5 32 1220.49983438934
E043 HR Male Python 3 23 917.633910012936
E044 HR Female C# 5 28 1390.17922627068
E045 IT Female SQL 4 25 1412.10043836153
E046 IT Male Python 2 24 1224.04346859899
E047 HR Female SQL 3 29 832.474302446126
E048 IT Male Java 7 39 1453.79648268545
E049 IT Male SQL 6 32 1238.95525426257
E050 HR Female C# 6 38 1329.56745118242
E051 IT Male Python 2 28 897.916051940358
E052 MA Male C# 5 36 945.365217332504
E053 IT Male SQL 2 27 1162.53729725183
E054 MA Female Python 4 28 1364.18277173326
E055 IT Male Java 7 37 1456.78698329082
E056 IT Male C# 6 37 900.52194396141
E057 MA Male SQL 6 34 1461.60798672209
E058 HR Male C# 5 24 856.960394232865
E059 HR Female Python 5 29 1191.31204642834
E060 IT Female C# 4 28 774.036071611433
E061 IT Male SQL 1 24 827.852443486961
E062 HR Female Python 2 26 822.890000763745
E063 IT Male Java 3 28 1266.67486401981
E064 IT Male SQL 5 29 1320.01193240859
E065 HR Female C# 4 31 1136.64165599159
E066 IT Male Python 1 23 894.01239753209
E067 IT Male C# 2 23 1155.57177958409
E068 IT Male SQL 5 34 1314.2000270866
E069 MA Female Python 5 27 1455.50876436419
E070 IT Male Java 5 30 1457.6597156714
E071 IT Male SQL 2 22 900.321047174348
E072 MA Male C# 6 32 1263.19334605346
E073 HR Male Python 4 29 858.84332048264
E074 HR Female C# 3 28 1191.77530330729
E075 IT Female SQL 4 25 776.080908796876
E076 IT Male Python 2 29 813.511508184086
E077 IT Male SQL 6 31 1258.79050766384
E078 HR Female Python 5 28 981.565270250071
E079 IT Male Java 6 28 1233.10875008766
E080 IT Male SQL 6 29 1360.67731489035
E081 IT Female C# 4 31 1349.19795604615
E082 IT Male Python 1 22 896.660232130433
E083 MA Male C# 5 31 1254.64974819306
E084 IT Male SQL 7 34 1351.16513166961
E085 MA Female Python 4 27 1466.41449400999
E086 IT Male Java 3 30 1423.68093946046
E087 IT Male SQL 2 22 796.293236098695
E088 MA Male C# 5 32 1222.26051487882
E089 HR Male Python 3 23 921.807240026091
E090 HR Female C# 5 28 1392.03493702888
E091 IT Female SQL 4 25 1415.88192717496
E092 IT Male Python 2 24 1221.98131367602
TrainedYear OfficeCity
3 Danang
7 Danang
4 Danang
5 Danang Mối qhe của TrainedYear và Salary
3 Hanoi 1600

1400
3 Hanoi
1200
5 Hanoi
1000
6 Hanoi
800
5 Hanoi
600
3 Hanoi
400
4 Hanoi 200
2 Hanoi 0
1 2 3 4 5 6 7 8
5 Hanoi
2 Hanoi
3 Hanoi
2 Danang
5 Danang
5 Danang
4 HoChiMinh
2 HoChiMinh
4 HoChiMinh
5 HoChiMinh
6 HoChiMinh
5 HoChiMinh
3 HoChiMinh
4 HoChiMinh
3 HoChiMinh
5 HoChiMinh
2 HoChiMinh
2 HoChiMinh
4 HoChiMinh
3 HoChiMinh
4 HoChiMinh
5 HoChiMinh
5 HoChiMinh
3 HoChiMinh
4 HoChiMinh
5 HoChiMinh
6 HoChiMinh
5 HoChiMinh
2 HoChiMinh
4 HoChiMinh
3 HoChiMinh
5 HoChiMinh
5 HoChiMinh
4 HoChiMinh
3 HoChiMinh
7 HoChiMinh
4 HoChiMinh
5 HoChiMinh
3 HoChiMinh
3 HoChiMinh
5 HoChiMinh
6 HoChiMinh
5 HoChiMinh
3 HoChiMinh
4 HoChiMinh
2 HoChiMinh
5 HoChiMinh
2 HoChiMinh
3 HoChiMinh
2 HoChiMinh
5 HoChiMinh
5 HoChiMinh
4 HoChiMinh
2 HoChiMinh
4 HoChiMinh
5 HoChiMinh
6 HoChiMinh
5 HoChiMinh
3 Hanoi
4 Hanoi
3 Hanoi
5 Hanoi
2 Hanoi
2 Hanoi
4 Hanoi
3 Hanoi
4 Hanoi
5 Hanoi
5 Hanoi
3 Hanoi
4 Danang
5 Danang
6 Danang
5 Danang
2 Hue
4 Hue
3 Hue
5 Hue
5 Hue
4 Hue
 WorkingYear Age

Mean (Trung bình) 4.1195652174 Mean 28.804347826

Standard Error (Sai số chuẩn) 0.1788122351 Standard Error 0.4464220798
Median(Trung vị) 4 Median 28.5
Mode(Số xuất hiện nhiều nhất) 5 Mode 28
Standard Deviation(Độ lệch chuẩn) 1.7151067074 Standard Deviation 4.2819301657
Sample Variance(Phương sai mẫu) 2.9415910177 Sample Variance 18.334925944
Kurtosis (Độ nhọn) -1.0195414612 Kurtosis -0.2567247757
Skewness( Độ lệch, âm lệch trái, dương lệch phải ) -0.1896446974 Skewness 0.4123643914
Range ( Khoảng biến thiên) 6 Range 17
Minimum 1 Minimum 22
Maximum 7 Maximum 39
Sum 379 Sum 2650
Count 92 Count 92
Confidence Level(95.0%) 0.3551885387 Confidence Level(95.0%) 0.8867626205
 Salary TrainedYear

Mean 1149.6995185 Mean 4

Standard Error 24.6827807 Standard Error 0.1329585432
Median 1222.1209143 Median 4
Mode #N/A Mode 5
Standard Deviation 236.74891552 Standard Deviation 1.2752935452
Sample Variance 56050.049002 Sample Variance 1.6263736264
Kurtosis -1.45724501 Kurtosis -0.7406510671
Skewness -0.2576538 Skewness -1.995419E-17
Range 698.29543146 Range 5
Minimum 768.11906255 Minimum 2
Maximum 1466.414494 Maximum 7
Sum 105772.3557 Sum 368
Count 92 Count 92
Confidence Level(95.0%) 49.029311689 Confidence Level(95.0%) 0.2641058126
 WorkingYear Age Salary TrainedYear
WorkingYear 1
Age 0.7573715527 1
Salary 0.5546901864 0.4425121932 1
TrainedYear 0.4421198082 0.4024749561 0.9086244689 1

Dựa vào bảng hệ số tương quan , ta có thể đánh giá tương quan của các biến như sau:

1. Tương quan giữa "WorkingYear" và "Age":

Hệ số tương quan Pearson (r) = 0,757371553

Mức độ tương quan: Mạnh
Chiều hướng tương quan: Thuận
Điều này cho thấy rằng có mối liên hệ mật thiết giữa số năm làm việc và độ tuổi. Khi số năm làm việc tăng lên, độ tuổi cũng có

2. Tương quan giữa "WorkingYear" và "Salary":

Hệ số tương quan Pearson (r) = 0,554690186

Mức độ tương quan: Trung bình
Chiều hướng tương quan: Thuận
Điều này cho thấy rằng có mối liên hệ tương đối giữa số năm làm việc và mức lương. Khi số năm làm việc tăng lên, mức lương
không mạnh như giữa "WorkingYear" và "Age".

3. Tương quan giữa "WorkingYear" và "TrainedYear":

Hệ số tương quan Pearson (r) = 0,442119808

Mức độ tương quan: Yếu
Chiều hướng tương quan: Thuận
Điều này cho thấy rằng có mối liên hệ yếu giữa số năm làm việc và số năm đào tạo. Khi số năm làm việc tăng lên, số năm đào t
không đáng kể.

4. Tương quan giữa "Age" và "Salary":

Hệ số tương quan Pearson (r) = 0,442512193

Mức độ tương quan: Yếu
Chiều hướng tương quan: Thuận
Điều này cho thấy rằng có mối liên hệ yếu giữa độ tuổi và mức lương. Khi độ tuổi tăng lên, mức lương cũng có xu hướng tăng

5. Tương quan giữa "Age" và "TrainedYear":

Hệ số tương quan Pearson (r) = 0,402474956

Mức độ tương quan: Yếu
Chiều hướng tương quan: Thuận
Điều này cho thấy rằng có mối liên hệ yếu giữa độ tuổi và số năm đào tạo. Khi độ tuổi tăng lên, số năm đào tạo cũng có xu hướ

6. Tương quan giữa "Salary" và "TrainedYear":

Hệ số tương quan Pearson (r) = 0,908624469

Mức độ tương quan: Rất mạnh
Chiều hướng tương quan: Thuận
Điều này cho thấy rằng có mối liên hệ mật thiết giữa mức lương và số năm đào tạo. Khi số năm đào tạo tăng lên, mức lương c
Vì vậy có thể kết luận:
- Biến số Salary bị ảnh hưởng bởi 3 yếu tố là : WorkingYear, Age và
TrainedYear. - Biến số
Salary bị ảnh hưởng mạnh nhất bởi yếu tố TrainedYear với hệ số tương quan Pearson
là 0,908.

Mối qhe của TrainedYear và Salary

1600

1400

1200

1000

800

600

400

200

0
1 2 3 4 5 6
 m việc tăng lên, độ tuổi cũng có xu hướng tăng lên.

ăm làm việc tăng lên, mức lương cũng có xu hướng tăng lên, nhưng mức độ liên hệ

m làm việc tăng lên, số năm đào tạo cũng có xu hướng tăng lên, nhưng mức độ liên hệ

ức lương cũng có xu hướng tăng lên, nhưng mức độ liên hệ không đáng kể.

n, số năm đào tạo cũng có xu hướng tăng lên, nhưng mức độ liên hệ không đáng kể.

m đào tạo tăng lên, mức lương cũng có xu hướng tăng lên một cách rõ rệt.
ar, Age và
- Biến số
tương quan Pearson

ar và Salary

5 6 7 8
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.9086244689

R Square ( TrainedYear giải 0.8255984255

thích được 83% sự biến thiên
về lương )
Adjusted R Square 0.8236606303
Standard Error 99.417454781
Observations 92

ANOVA
df SS MS F Significance F
Regression 1 4211009.73079 4211009.7308 426.050387 6.823456E-36
Residual 90 889544.728355 9883.8303151
Total 91 5100554.45915

Coefficients Standard Error t Stat P-value Lower 95%

Intercept 474.98158094 34.2922022394 13.85100839 4.954775E-24 406.8541358
X Variable 1 168.67948438 8.17206444321 20.640988034 6.823456E-36 152.44425201

Salary = 475 + 168 x TrainedYear

 Upper 95% Lower 95.0% Upper 95.0%
543.10902607 406.8541358 543.10902607
184.91471676 152.44425201 184.91471676
SUMMARY OUTPUT

Regression Statistics
Multiple R 0.9259200523
R Square 0.8573279432
Adjusted R Square 0.8524641231
Standard Error 90.936203639
Observations 92

ANOVA
df SS MS F Significance F
Regression 3 4372847.86351 1457615.9545 176.26637544 4.3265516E-37
Residual 88 727706.595633 8269.3931322
Total 91 5100554.45915

Coefficients Standard Error t Stat P-value Lower 95%

Intercept 518.13394717 77.070359358 6.722869226 1.71277E-09 364.97280314
WorkingYear 34.128081901 8.74563135667 3.9023005326 0.0001860935 16.747977345
Age -4.3837764731 3.43232387004 -1.27720362 0.204889944 -11.204798913
TrainedYear 154.31113362 8.38975334297 18.392809337 6.720371E-32 137.63826183
 Upper 95% Lower 95.0% Upper 95.0%
671.2950912 364.97280314 671.2950912
51.508186458 16.747977345 51.508186458
2.4372459666 -11.204798913 2.4372459666
170.98400541 137.63826183 170.98400541
ENO Dept Gender Skill WorkingYear Age TrainedYear
E001 HR Female SQL 3 29 3
E002 IT Male Java 7 39 7
E003 IT Male SQL 6 32 4
E004 HR Female C# 6 29 5
E005 IT Male Python 2 28 3
E006 MA Male C# 5 36 3
E007 IT Male SQL 2 27 5
E008 MA Female Python 3 28 6
E009 IT Male Java 7 37 5
E010 IT Male C# 6 37 3
E011 MA Male SQL 6 34 4
E012 HR Male C# 5 24 2
E013 HR Female Python 5 29 5
E014 IT Female C# 4 28 2
E015 IT Male SQL 1 24 3
E016 HR Female Python 2 26 2
E017 IT Male Java 3 25 5
E018 IT Male SQL 5 29 5
E019 HR Female C# 4 31 4
E020 IT Male Python 1 23 2
E021 IT Male C# 2 23 4
E022 IT Male SQL 5 34 5
E023 MA Female Python 5 27 6
E024 IT Male Java 5 30 5
E025 IT Male SQL 2 22 3
E026 MA Male C# 6 32 4
E027 HR Male Python 4 29 3
E028 HR Female C# 3 28 5
E029 IT Female SQL 4 25 2
E030 IT Male Python 2 29 2
E031 IT Male SQL 6 31 4
E032 HR Female Python 5 28 3
E033 IT Male Java 6 28 4
E034 IT Male SQL 6 29 5
E035 IT Female C# 4 31 5
E036 IT Male Python 1 22 3
E037 MA Male C# 5 31 4
E038 IT Male SQL 7 34 5
E039 MA Female Python 4 27 6
E040 IT Male Java 3 30 5
E041 IT Male SQL 2 22 2
E042 MA Male C# 5 32 4
E043 HR Male Python 3 23 3
E044 HR Female C# 5 28 5
E045 IT Female SQL 4 25 5
E046 IT Male Python 2 24 4
E047 HR Female SQL 3 29 3
E048 IT Male Java 7 39 7
E049 IT Male SQL 6 32 4
E050 HR Female C# 6 38 5
E051 IT Male Python 2 28 3
E052 MA Male C# 5 36 3
E053 IT Male SQL 2 27 5
E054 MA Female Python 4 28 6
E055 IT Male Java 7 37 5
E056 IT Male C# 6 37 3
E057 MA Male SQL 6 34 4
E058 HR Male C# 5 24 2
E059 HR Female Python 5 29 5
E060 IT Female C# 4 28 2
E061 IT Male SQL 1 24 3
E062 HR Female Python 2 26 2
E063 IT Male Java 3 28 5
E064 IT Male SQL 5 29 5
E065 HR Female C# 4 31 4
E066 IT Male Python 1 23 2
E067 IT Male C# 2 23 4
E068 IT Male SQL 5 34 5
E069 MA Female Python 5 27 6
E070 IT Male Java 5 30 5
E071 IT Male SQL 2 22 3
E072 MA Male C# 6 32 4
E073 HR Male Python 4 29 3
E074 HR Female C# 3 28 5
E075 IT Female SQL 4 25 2
E076 IT Male Python 2 29 2
E077 IT Male SQL 6 31 4
E078 HR Female Python 5 28 3
E079 IT Male Java 6 28 4
E080 IT Male SQL 6 29 5
E081 IT Female C# 4 31 5
E082 IT Male Python 1 22 3
E083 MA Male C# 5 31 4
E084 IT Male SQL 7 34 5
E085 MA Female Python 4 27 6
E086 IT Male Java 3 30 5
E087 IT Male SQL 2 22 2
E088 MA Male C# 5 32 4
E089 HR Male Python 3 23 3
E090 HR Female C# 5 28 5
E091 IT Female SQL 4 25 5
E092 IT Male Python 2 24 4
 Salary OfficeCity
833.23806133057 Danang
1459.62983853523 Danang
1239.044883672 Danang
1328.732046845 Danang
902.195161845061 Hanoi
1000 Hanoi
1163.23378850237 Hanoi
1362.86524372379 Hanoi
1464.35077550716 Hanoi
895.008257407462 Hanoi
1455.65088374361 Hanoi
853.280674262568 Hanoi
1190.50766136534 Hanoi
774.631292826524 Hanoi
829.146451455973 Hanoi
816.961884143568 Danang
1261.06945518207 Danang
1321.49182753496 Danang
1134.38657385312 HoChiMinh
896.306086471279 HoChiMinh
1148.54854219811 HoChiMinh
1317.2811292734 HoChiMinh
1458.74230578127 HoChiMinh
1456.93115219227 HoChiMinh
897.881616121245 HoChiMinh
1264.94956735191 HoChiMinh
864.831065778319 HoChiMinh
1200 HoChiMinh
768.119062547311 HoChiMinh
818.713680797763 HoChiMinh
1255.52303499662 HoChiMinh
979.161568929241 HoChiMinh
1230.2312220913 HoChiMinh
1355.7318786914 HoChiMinh
1358.80897896172 HoChiMinh
894.553067595304 HoChiMinh
1262.25527567255 HoChiMinh
1342.81459339632 HoChiMinh
1463.86338622827 HoChiMinh
1425.29358735982 HoChiMinh
794.994473479678 HoChiMinh
1220.49983438934 HoChiMinh
917.633910012936 HoChiMinh
1390.17922627068 HoChiMinh
1412.10043836153 HoChiMinh
1224.04346859899 HoChiMinh
832.474302446126 HoChiMinh
1453.79648268545 HoChiMinh
1238.95525426257 HoChiMinh
1329.56745118242 HoChiMinh
897.916051940358 HoChiMinh
945.365217332504 HoChiMinh
1162.53729725183 HoChiMinh
1364.18277173326 HoChiMinh
1456.78698329082 HoChiMinh
900.52194396141 HoChiMinh
1461.60798672209 HoChiMinh
856.960394232865 HoChiMinh
1191.31204642834 HoChiMinh
774.036071611433 HoChiMinh
827.852443486961 HoChiMinh
822.890000763745 HoChiMinh
1266.67486401981 HoChiMinh
1320.01193240859 HoChiMinh
1136.64165599159 HoChiMinh
894.01239753209 HoChiMinh
1155.57177958409 HoChiMinh
1314.2000270866 HoChiMinh
1455.50876436419 HoChiMinh
1457.6597156714 HoChiMinh
900.321047174348 Hanoi
1263.19334605346 Hanoi
858.84332048264 Hanoi
1191.77530330729 Hanoi
776.080908796876 Hanoi
813.511508184086 Hanoi
1258.79050766384 Hanoi
981.565270250071 Hanoi
1233.10875008766 Hanoi
1360.67731489035 Hanoi
1349.19795604615 Hanoi
896.660232130433 Hanoi
1254.64974819306 Danang
1351.16513166961 Danang
1466.41449400999 Danang
1423.68093946046 Danang
796.293236098695 Hue
1222.26051487882 Hue
921.807240026091 Hue
1392.03493702888 Hue
1415.88192717496 Hue
1221.98131367602 Hue