R Notebook

udaje <- read.csv2("dataEKONOMETRIA.csv",header=TRUE,sep=",",dec=".")
head(udaje)                                            

colnames(udaje)

[1] "Nazov"       "Kategoria"   "Forma"       "ROE"         "ROA"        
[6] "EBIT"        "EBITDAmarza" "M"           "Z"          

library(ggplot2)

# Scatter plot: vzťah medzi ROA a ROE
ggplot(udaje, aes(x = ROA, y = ROE)) +
  geom_point(color = "steelblue", size = 2) +     # typ grafu – bodový
  theme_minimal() +
  labs(
    title = "Vzťah medzi ROA a ROE",
    x = "Návratnosť aktív (ROA)",
    y = "Návratnosť vlastného kapitálu (ROE)"
  )

library(ggplot2)

ggplot(udaje, aes(x = factor(Kategoria), y = ROE)) +        # Kategoria namiesto YEARS
  geom_boxplot(fill = "lightblue", color = "darkblue") +    # typ grafu - boxplot
  labs(
    title = "ROE podľa kategórie firmy",
    x = "Kategória",
    y = "ROE (návratnosť vlastného kapitálu)"
  ) +
  theme_minimal()

library(dplyr)
library(knitr)

# Základné štatistiky ROE podľa kategórie
roe.stats <- udaje %>%
  group_by(Kategoria) %>%
  summarise(
    n      = n(),
    mean   = mean(ROE, na.rm = TRUE),
    sd     = sd(ROE, na.rm = TRUE),
    min    = min(ROE, na.rm = TRUE),
    q25    = quantile(ROE, 0.25, na.rm = TRUE),
    median = median(ROE, na.rm = TRUE),
    q75    = quantile(ROE, 0.75, na.rm = TRUE),
    max    = max(ROE, na.rm = TRUE),
    .groups = "drop"
  )

# Vygenerovanie tabuľky
kable(roe.stats, digits = 2, caption = "Základné štatistiky ukazovateľa ROE podľa kategórie firmy")

Základné štatistiky ukazovateľa ROE podľa kategórie firmy

Kategoria	n	mean	sd	min	q25	median	q75	max
1	4	0.10	0.79	-0.95	-0.16	0.20	0.46	0.94
2	12	0.12	0.78	-1.84	0.03	0.08	0.78	1.00
3	16	0.28	0.26	0.08	0.12	0.18	0.30	0.99
4	19	0.22	0.27	-0.11	0.08	0.13	0.26	1.00
5	2	0.11	0.03	0.10	0.10	0.11	0.12	0.13

NA

# ================== Balíčky ==================
library(dplyr)
library(knitr)
library(kableExtra)

# (ak ešte nemáš načítané dáta, odkomentuj)
# udaje <- read.csv("dataEKONOMETRIA.csv", header = TRUE, sep = ";", dec = ",",
#                   check.names = TRUE, stringsAsFactors = FALSE)

# Pomocná funkcia na výpočet štatistík
calc_stats <- function(df, group_var, value_var) {
  df %>%
    group_by({{ group_var }}) %>%
    summarise(
      n      = n(),
      mean   = mean({{ value_var }}, na.rm = TRUE),
      sd     = sd({{ value_var }}, na.rm = TRUE),
      min    = min({{ value_var }}, na.rm = TRUE),
      q25    = quantile({{ value_var }}, 0.25, na.rm = TRUE),
      median = median({{ value_var }}, na.rm = TRUE),
      q75    = quantile({{ value_var }}, 0.75, na.rm = TRUE),
      max    = max({{ value_var }}, na.rm = TRUE),
      .groups = "drop"
    )
}

# ================== 1) ROE podľa Kategoria ==================
roe_stats <- calc_stats(udaje, Kategoria, ROE)

roe_stats %>%
  kable(digits = 2, caption = "Základné štatistiky ROE podľa kategórie") %>%
  kable_styling(full_width = FALSE,
                bootstrap_options = c("striped", "hover", "condensed")) %>%
  column_spec(1, bold = TRUE) %>%
  row_spec(0, bold = TRUE, background = "#f2f2f2") %>%
  add_header_above(c(" " = 2, "ROE – Štatistiky" = 7))

Základné štatistiky ROE podľa kategórie

		ROE – Štatistiky
Kategoria	n	mean	sd	min	q25	median	q75	max
1	4	0.10	0.79	-0.95	-0.16	0.20	0.46	0.94
2	12	0.12	0.78	-1.84	0.03	0.08	0.78	1.00
3	16	0.28	0.26	0.08	0.12	0.18	0.30	0.99
4	19	0.22	0.27	-0.11	0.08	0.13	0.26	1.00
5	2	0.11	0.03	0.10	0.10	0.11	0.12	0.13

# ================== 2) ROA podľa Forma ==================
roa_stats <- calc_stats(udaje, Forma, ROA)

roa_stats %>%
  kable(digits = 2, caption = "Základné štatistiky ROA podľa formy firmy") %>%
  kable_styling(full_width = FALSE,
                bootstrap_options = c("striped", "hover", "condensed")) %>%
  column_spec(1, bold = TRUE) %>%
  row_spec(0, bold = TRUE, background = "#f2f2f2") %>%
  add_header_above(c(" " = 2, "ROA – Štatistiky" = 7))

Základné štatistiky ROA podľa formy firmy

		ROA – Štatistiky
Forma	n	mean	sd	min	q25	median	q75	max
as	17	0.07	0.08	0.00	0.01	0.04	0.09	0.26
sro	36	0.10	0.15	-0.17	0.04	0.06	0.13	0.70

NA

# t-test: porovnanie priemerov ROE medzi dvoma formami firiem
t.test.result <- t.test(
  ROE ~ Forma,       # porovnávame ROE podľa dvoch skupín v stĺpci Forma
  data = udaje,
  var.equal = FALSE  # ak si nie si istá rovnosťou rozptylov
)

t.test.result

    Welch Two Sample t-test

data:  ROE by Forma
t = -0.0073638, df = 50.356, p-value = 0.9942
alternative hypothesis: true difference in means between group as and group sro is not equal to 0
95 percent confidence interval:
 -0.2115588  0.2100130
sample estimates:
 mean in group as mean in group sro 
        0.2027450         0.2035179 

anova.result <- aov(ROA ~ Forma, data = udaje)
summary(anova.result)

            Df Sum Sq Mean Sq F value Pr(>F)
Forma        1 0.0105 0.01047   0.594  0.444
Residuals   51 0.8985 0.01762               

# Lineárna regresia: predikcia ROE na základe ďalších ukazovateľov
model <- lm(ROE ~ ROA + EBITDAmarza + M + Z, data = udaje)
summary(model)

Call:
lm(formula = ROE ~ ROA + EBITDAmarza + M + Z, data = udaje)

Residuals:
     Min       1Q   Median       3Q      Max 
-2.26230 -0.07712 -0.01667  0.13934  0.79777 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) -0.001288   0.104697  -0.012 0.990238    
ROA          1.820819   0.486836   3.740 0.000491 ***
EBITDAmarza -0.485064   0.416720  -1.164 0.250176    
M            0.020364   0.014911   1.366 0.178417    
Z           -0.016741   0.039112  -0.428 0.670545    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.4191 on 48 degrees of freedom
Multiple R-squared:  0.2362,    Adjusted R-squared:  0.1725 
F-statistic:  3.71 on 4 and 48 DF,  p-value: 0.01037