Dữ liệu là các chỉ số tài chính của 156 công ty ngành công nghiệp được niêm yết trên sàn HoSE và HNX, dữ liệu được lấy từ báo cáo tài chính năm 2024 của các công ty.Nguồn dữ liệu lấy từ Vietstock . Các chỉ bao gồm:
ln(SALE)). Biến này sẽ đại diên cho tốc độ
tăng trưởng của doanh thu và có kỳ vọng sẽ tác động dương đến biến phụ
thuộc.ln(ASSET)). Biến này đại diện cho quy mô của
công ty khi uóc lượng mô hình và có thể tác động dương lẫn âm đến biến
phụ thuộcMô hình ước lượng
Về kết quả của mô hình thì có kỳ vọng rằng hệ số chặn của mô hình là không có tác động đến ROEA vì khi không có những biến trên thì công ty không thể sinh lợi được, điển hình là khi công ty không có doanh thu thì không thể nào có lợi nhuận được. Vậy nên việc có hệ số chặn là không phù hợp tuy nhiên vẫn giữ lại để \(R^2\) vẫn có ý nghĩa thông kê và được diễn giải tốt hơn. \[ ROEA = \beta_1 + \beta_2LEV+\beta_3ln(SALE)+\beta_4ln(ASSET)+\beta_5CR \]
library(readxl)
data <- read_excel("VietstockFinance_Du-lieu-doanh-nghiep_20251013-110109.xlsx",
sheet = "Sheet2")
View(data)model <- lm(formula = ROEA ~ LEV + log(SALE) + log(ASSET) + CR,data)
summary(model)##
## Call:
## lm(formula = ROEA ~ LEV + log(SALE) + log(ASSET) + CR, data = data)
##
## Residuals:
## Min 1Q Median 3Q Max
## -88.121 -4.670 -0.088 6.305 39.019
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -19.14887 20.65079 -0.927 0.35527
## LEV -0.22682 0.05661 -4.006 9.65e-05 ***
## log(SALE) 3.45140 1.17697 2.932 0.00389 **
## log(ASSET) -1.98619 1.25272 -1.586 0.11494
## CR -0.14580 0.17631 -0.827 0.40955
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 14.89 on 151 degrees of freedom
## Multiple R-squared: 0.1393, Adjusted R-squared: 0.1165
## F-statistic: 6.112 on 4 and 151 DF, p-value: 0.0001385Từ kết quả mô hình ta thấy được mô hình có vài biến đạt được như kỳ
vọng ban đầu. Đầu tiên là hệ số chặn thì cho thấy rằng không có tác động
đến ROAE phù hợp với thực tế rằng là khi không có hoạt động hay tài sản
thì không thể nào tạo ra lợi nhuận, và đặc biệt là hệ số ước lượng ra âm
cũng phù hợp với việc không tạo ra được doanh thu thì sẽ lỗ. Còn về cấu
trúc vốn cũng như kỳ vọng đặt ra ban đầu là sẽ tác động âm vì khi mà
công ty có nợ cao sẽ làm tăng rủi ro và phải trả lãi những khoản vay
điều này làm giảm đi lợi nhuận ròng. Tiếp đến là log(SALE)
còn được là tốc độ tăng trưởng, nếu như tốc độ tăng trưởng doanh thu
tăng 1% thì ROEA tăng 3,45% đây là một con số đáng kể và vẫn có ý thống
kê, cho thấy rằng trong ngành công nghiệp thì doanh thu mang lại nhiều
lợi nhuận. Kết quả hồi quy cho thấy mô hình tổng thể có ý nghĩa thống kê
trong việc giải thích khả năng sinh lời, với khả năng giải thích được
khoảng 11.65% sự biến thiên của ROEA mặc dù đây là mức độ giải thích
khiêm tốn, nhưng cũng là ổn định nếu như muốn suy luận thống kê.
lmtest::bgtest(model)##
## Breusch-Godfrey test for serial correlation of order up to 1
##
## data: model
## LM test = 1.0814, df = 1, p-value = 0.2984Ở đây kiểm định cho ta thấy p-value >0.05 vậy không đủ cơ sở để ta bác bỏ H0. Nghĩa là mô hình không có tự tương quan.
lmtest::bptest(model)##
## studentized Breusch-Pagan test
##
## data: model
## BP = 5.0296, df = 4, p-value = 0.2843Ở đây kiểm định cho ta thấy p-value >0.05 vậy không đủ cơ sở để ta bác bỏ H0. Nghĩa là mô hình không có hiện tượng phương sai sai số thay đổi.
car::vif(model)## LEV log(SALE) log(ASSET) CR
## 1.401901 3.414290 3.191601 1.417182Kết quả kiểm tra hệ số phóng đại phương sai (VIF) cho thấy không có dấu hiệu đáng lo ngại về hiện tượng đa cộng tuyến trong mô hình. Cụ thể, tất cả các giá trị VIF đều thấp, với giá trị cao nhất là 3.41 cho biến log(SALE). Các giá trị này đều nhỏ hơn đáng kể so với ngưỡng phổ biến là 5 hoặc 10, vốn là mức cho thấy có vấn đề nghiêm trọng. Do đó, có thể kết luận rằng mức độ tương quan giữa các biến độc lập là chấp nhận được và không làm ảnh hưởng đến độ tin cậy của các hệ số ước lượng trong mô hình.
lmtest::resettest(model)##
## RESET test
##
## data: model
## RESET = 0.8266, df1 = 2, df2 = 149, p-value = 0.4395Kết quả kiểm định Ramsey RESET cho thấy mô hình có p-value là 0.4395 > 0.05. Vì vậy, chúng ta không có đủ bằng chứng thống kê để bác bỏ giả thuyết H0 rằng mô hình không có lỗi định dạng. Điều này ngụ ý rằng dạng hàm tuyến tính đã chọn là phù hợp và không có dấu hiệu rõ ràng của việc bỏ sót các biến phi tuyến quan trọng.
Tóm lại, sau khi thực hiện các kiểm định cần thiết, mô hình hồi quy không vi phạm các giả định quan trọng như không có tự tương quan, phương sai sai số không đổi, không có đa cộng tuyến nghiêm trọng và có dạng hàm phù hợp. Điều này cho thấy các kết quả ước lượng từ mô hình là đáng tin cậy và có thể sử dụng cho việc suy luận thống kê.