Kết quả mô hình nghiên cứu

Thống kê mô tả

library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(xlsx)
#Gán dữ liệu vào biến data để thực hiện 
data <- read.xlsx("C:/Users/Admin/Desktop/KTL/HOASENGROUP.xlsx", sheetIndex = 1, header = T)
#Phương sai sai số trong mô hình
moc <- lm(LNST~DTT+ROAA+ROS, data= data)
plot(moc)

#Thống kê dữ liệu
data %>% lm(LNST~DTT+ROAA+ROS,data= .) %>%
  summary()
## 
## Call:
## lm(formula = LNST ~ DTT + ROAA + ROS, data = .)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -372977  -80585   18260   67827  348918 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -2.176e+05  3.906e+04  -5.570 9.10e-07 ***
## DTT          3.075e-02  5.497e-03   5.594 8.37e-07 ***
## ROAA         2.387e+05  4.670e+04   5.110 4.69e-06 ***
## ROS         -4.209e+04  2.150e+04  -1.958   0.0556 .  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 124700 on 52 degrees of freedom
## Multiple R-squared:  0.8808, Adjusted R-squared:  0.8739 
## F-statistic: 128.1 on 3 and 52 DF,  p-value: < 2.2e-16

Từ bảng kết quả trên, ta xây dựng được mô hình sau:

  • LNST = -2.176e+05 + 3.075e-02.DTT + 2.387e+05.ROAA

Ta thấy được chỉ số R-squared trong mô hình là 0.8808 có ý nghĩa như sau sự biến thiên của các biến độc lập như ROAA, DTT giải thích được xấp xỉ 88.1% sự biến thiên của LNST

Do có chỉ số probabiliti là 0.0556 lớn hơn mức ý nghĩa 5% nên biến ROS không có ý nghĩa thống kê trong mô hình trên.

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