Tiểu Luận
Nhóm 12: Nguyen Quynh Anh_Tran My Duyen
CHƯƠNG 1: BỘ DỮ LIỆU CUSTOMER CHURN DATASET FOR LIFE INSURANCE INDUSTRY
## Warning: package 'readxl' was built under R version 4.4.3Đoạn mã R được sử dụng để nhập bộ dữ liệu Customen từ tệp Excel vào môi trường làm việc của R để chuẩn bị cho quá trình phân tích
1 GIỚI THIỆU VỀ DỮ LIỆU
Bộ dữ liệu được sử dụng trong tiểu luận này được thu thập từ nền tảng Kaggle, một kho lưu trữ dữ liệu trực tuyến phổ biến, được sử dụng rộng rãi trong các nghiên cứu học thuật và dự án phân tích dữ liệu. Bộ dữ liệu phản ánh thông tin của khách hàng trong lĩnh vực bảo hiểm nhân thọ, bao gồm nhiều đặc điểm nhân khẩu học, hành vi tiêu dùng và tình trạng rời bỏ dịch vụ (churn).
Việc sử dụng bộ dữ liệu này trong nghiên cứu nhằm phân tích và xác định các yếu tố có ảnh hưởng đáng kể đến khả năng rời bỏ của khách hàng, từ đó xây dựng mô hình dự báo churn có độ chính xác cao. Kết quả phân tích không chỉ giúp doanh nghiệp nhận diện nhóm khách hàng có nguy cơ rời bỏ, mà còn là cơ sở để đề xuất các chính sách chăm sóc, duy trì và phát triển khách hàng hiệu quả hơn. Ngoài ra, nghiên cứu cũng mang ý nghĩa thực tiễn khi thể hiện ứng dụng của phân tích dữ liệu trong ngành bảo hiểm nhân thọ, góp phần nâng cao hiệu quả hoạt động và năng lực cạnh tranh của doanh nghiệp trên thị trường.
2 PHẦN 1: THÔNG TIN CƠ BẢN VỀ BỘ DỮ LIỆU
2.2 Ý nghĩa các biến
## Warning: package 'knitr' was built under R version 4.4.3variable_meaning <- data.frame(
Variable = c(
"Index",
"Customer Name",
"Customer Address",
"Company Name",
"Claim Reason",
"Data confidentiality",
"Claim Amount",
"Category Premium",
"Premium/Amount Ratio",
"Claim Request output",
"BMI",
"Churn"
),
Meaning = c(
"Số thứ tự của khách hàng trong bộ dữ liệu",
"Tên khách hàng",
"Địa chỉ khách hàng",
"Tên công ty bảo hiểm quản lý hợp đồng",
"Lý do khách hàng yêu cầu bồi thường",
"Mức độ bảo mật dữ liệu của khách hàng",
"Số tiền khách hàng yêu cầu bồi thường",
"Mức phí bảo hiểm của khách hàng",
"Tỷ lệ giữa phí bảo hiểm và số tiền yêu cầu bồi thường",
"Kết quả xử lý yêu cầu bồi thường ",
"Chỉ số khối cơ thể",
"Khách hàng có rời công ty bảo hiểm hay không"
),
stringsAsFactors = FALSE
)
kable(variable_meaning, col.names = c("Variable", "Meaning"))| Variable | Meaning |
|---|---|
| Index | Số thứ tự của khách hàng trong bộ dữ liệu |
| Customer Name | Tên khách hàng |
| Customer Address | Địa chỉ khách hàng |
| Company Name | Tên công ty bảo hiểm quản lý hợp đồng |
| Claim Reason | Lý do khách hàng yêu cầu bồi thường |
| Data confidentiality | Mức độ bảo mật dữ liệu của khách hàng |
| Claim Amount | Số tiền khách hàng yêu cầu bồi thường |
| Category Premium | Mức phí bảo hiểm của khách hàng |
| Premium/Amount Ratio | Tỷ lệ giữa phí bảo hiểm và số tiền yêu cầu bồi thường |
| Claim Request output | Kết quả xử lý yêu cầu bồi thường |
| BMI | Chỉ số khối cơ thể |
| Churn | Khách hàng có rời công ty bảo hiểm hay không |
2.3 Kiểu dữ liệu các biến
# Tạo đối tượng tibble chứa thông tin tóm tắt
library(tibble)
data_types_summary <- tibble(
Ten_Cot = c("Index", "Customer Name", "Customer Address", "Company Name",
"Claim Reason", "Data confidentiality", "Claim Amount",
"Category Premium", "Premium/Amount Ratio", "Claim Request output",
"BMI", "Churn"),
Loai_Du_lieu_trong_R = c("num", "chr", "chr", "chr", "chr",
"chr", "num", "num", "num", "chr",
"num", "chr")
)
# Tải gói knitr và hiển thị bảng
library(knitr)
kable(data_types_summary,
caption = "Bảng Tóm Tắt Loại Dữ liệu",
col.names = c("Tên Cột", "Loại Dữ liệu trong R (R Type)")
)| Tên Cột | Loại Dữ liệu trong R (R Type) |
|---|---|
| Index | num |
| Customer Name | chr |
| Customer Address | chr |
| Company Name | chr |
| Claim Reason | chr |
| Data confidentiality | chr |
| Claim Amount | num |
| Category Premium | num |
| Premium/Amount Ratio | num |
| Claim Request output | chr |
| BMI | num |
| Churn | chr |
->Có 5 biến định lương (num) và 7 biến định tính(chr).
2.4 Thống kê mô tả các biến định lượng
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0 50000 100000 100000 149999 199999-> Đây là biến số thứ tự, nó không mang ý nghĩa thống kê
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1 245 1390 1120 1844 2299-> Giá trị Trung vị (Median = 1390) cao hơn đáng kể so với Giá trị Trung bình (Mean = 1120). Sự chênh lệch này (\(\text{Median} > \text{Mean}\)) chỉ ra rằng phân bố dữ liệu bị lệch trái.
Kết luận: Phần lớn các yêu cầu bồi thường đều có giá trị ở mức cao (gần \(1390\) đến \(2299\)). Giá trị Trung bình bị kéo xuống thấp hơn do sự tồn tại của một lượng nhỏ các yêu cầu có giá trị rất thấp (gần \(1\)). Điều này cho thấy công ty bảo hiểm phải xử lý một lượng lớn các yêu cầu bồi thường có giá trị lớn.
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 399 1875 14390 8964 14390 14390-> Phân tích thống kê mô tả cho biến Category Premium cho thấy một sự phân bố cực kỳ bất thường và lệch trái nghiêm trọng. Sự trùng khớp giữa Giá trị Trung vị (\(\text{Median} = 14390\)), Tứ phân vị thứ ba (\(\mathbf{3^{rd} Qu.} = 14390\)) và Giá trị Cao nhất (\(\mathbf{Max.} = 14390\)) chỉ ra rằng phần lớn (ít nhất \(\mathbf{75\%}\) ) các khách hàng đều đóng mức phí bảo hiểm cao nhất là \(14390\).
Giá trị Trung bình (\(\mathbf{Mean} = 8964\)) thấp hơn Trung vị rất nhiều, bị kéo xuống bởi một lượng nhỏ các khách hàng đóng phí thấp (chỉ từ \(\mathbf{399}\) đến \(1875\)). Điều này gợi ý rằng mô hình phí bảo hiểm đang có tính tập trung cao vào mức phí tối đa, hoặc hầu hết khách hàng thuộc nhóm phí cao nhất.
# Chuyển đổi biến từ kiểu character sang kiểu numeric
df$'Premium/Amount Ratio' <- as.numeric(df$'Premium/Amount Ratio')
# Tóm tắt biến Premium/Amount Ratio
summary(df$`Premium/Amount Ratio`)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.002506 0.106741 0.125122 0.125024 0.143155 0.248120-> Giá trị Trung vị (Median = 0.125122) và Giá trị Trung bình (Mean = 0.125024) gần như bằng nhau (\(\text{Median} \approx \text{Mean}\)). Điều này chỉ ra rằng sự phân bố tỷ lệ là rất đối xứng (không bị lệch đáng kể).
Khoảng phân tán (Range): Tỷ lệ nằm trong khoảng hẹp, từ tối thiểu \(\mathbf{0.0025}\) đến tối đa \(\mathbf{0.248}\).
Kết luận: Phần lớn các quan sát có tỷ lệ phí bảo hiểm trên số tiền yêu cầu bồi thường tập trung rất sát mức \(\mathbf{12.5\%}\) (\(0.125\)). Điều này cho thấy có một sự ổn định hoặc tính đồng nhất cao trong cách công ty bảo hiểm định giá phí so với rủi ro tiềm ẩn (số tiền bồi thường).
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 18.00 20.00 23.00 23.01 26.00 28.00-> Biến BMI có phân bố rất đối xứng, được xác định bởi sự trùng khớp giữa Giá trị Trung bình (\(\text{Mean} = 23.01\)) và Giá trị Trung vị (\(\text{Median} = 23.00\)).BMI của khách hàng dao động trong khoảng từ \(\mathbf{18.00}\) (thấp nhất) đến \(\mathbf{28.00}\) (cao nhất). Phần lớn chỉ số BMI tập trung chặt chẽ xung quanh mức \(23.00\), với \(50\%\) số khách hàng có BMI nằm trong khoảng \(\mathbf{20.00}\) đến \(\mathbf{26.00}\) (khoảng tứ phân vị).
Kết quả này cho thấy, về tổng thể, khách hàng trong bộ dữ liệu có chỉ số khối cơ thể tương đối đồng nhất và nằm chủ yếu trong phạm vi cân nặng khỏe mạnh đến thừa cân nhẹ, không có trường hợp BMI quá cực đoan.
2.5 Thống kê mô tả các biến định tính
Các biến Customer Name, Customer Address và Company Name không mang ý nghĩa thống kê
##
## Medical Other Phone Travel
## 109863 30187 30016 29934-> Medical (109863): Có 109863 trường hợp yêu cầu bồi thường liên quan đến lý do Y tế/Sức khỏe.
Other (30187): Có 30187 trường hợp yêu cầu bồi thường thuộc các lý do Khác (không được phân loại cụ thể).
Phone (30016): Có 30016 trường hợp yêu cầu bồi thường liên quan đến Điện thoại (có thể là hư hỏng, mất mát thiết bị, hoặc các vấn đề liên quan đến dịch vụ).
Travel (29934): Có 29934 trường hợp yêu cầu bồi thường liên quan đến Du lịch (có thể là hủy chuyến, mất hành lý, trễ giờ, v.v.).
Lý do phổ biến nhất là Medical, chiếm số lượng áp đảo so với các lý do khác. Điều này cho thấy các yêu cầu bồi thường y tế là vấn đề lớn nhất trong dữ liệu này.
Ba loại còn lại (Other, Phone, Travel) có số lượng khá tương đương nhau, dao động quanh mức 30000 trường hợp.
##
## High Low Medium Very low
## 109863 29934 30016 30187-> Dữ liệu cho thấy có một sự phân cực rõ rệt: phần lớn các bản ghi được coi là có mức độ bảo mật Cao, trong khi ba mức độ còn lại (Low, Medium, Very low) có số lượng bản ghi tương đương nhau và thấp hơn đáng kể so với mức High.
##
## No Yes
## 192994 7006-> Kết quả cho thấy một sự mất cân bằng rất lớn trong dữ liệu.
Số lượng yêu cầu bị từ chối (No) (199994) lớn hơn rất nhiều so với số lượng yêu cầu được chấp thuận (Yes) (7006).
##
## No Yes
## 72728 127272Kết quả cho thấy số lượng khách hàng rời bỏ (Yes) (127272) lớn hơn đáng kể so với số lượng khách hàng duy trì (72728).
Điều này chỉ ra rằng công ty đang đối mặt với một tỷ lệ khách hàng rời bỏ rất cao.
2.6 Kiểm tra dữ liệu bị thiếu
## Index Customer Name Customer_Address
## 0 0 0
## Company Name Claim Reason Data confidentiality
## 0 0 0
## Claim Amount Category Premium Premium/Amount Ratio
## 0 0 0
## Claim Request output BMI Churn
## 0 0 0Bộ dữ liệu không có giá trị bị thiếu
3 PHẦN 2: XỬ LÝ VÀ MÃ HÓA
## Warning: package 'dplyr' was built under R version 4.4.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union## Warning: package 'readr' was built under R version 4.4.33.1 Tách các Bang/tiểu Bang trong Customer Address
# 1. Tách Bang/Tiểu bang
data_step_1 <- data_start %>%
mutate(State = str_extract(Customer_Address, pattern = "(?<=,\\s)[A-Z]{2}(?=\\s\\d{5})|(?<=,\\s)[A-Z]{2}(?=\\d{5})")) %>%
mutate(State = ifelse(is.na(State), "Unknown", State))
data_step_13.2 Xóa cột Index và Address để làm sạch
# 2. Làm sạch Cột (Xóa cột Address và Index)
data_step_2 <- data_step_1 %>%
select(-Index, -Customer_Address)
data_step_23.3 Chuẩn hóa tên các công ty
# Sử dụng str_to_title() để chuẩn hóa văn bản
data_step_3 <- data_step_2 %>%
mutate('Company Name' = str_to_title(`Company Name`))
data_step_33.4 Đổi tên cột
# 4. Đổi tên cột (Chuẩn hóa)
data_step_4 <- data_step_3 %>%
rename(Customer_Name = 'Customer Name',
Company_Name='Company Name',
Claim_Request_Output = 'Claim Request output',
Data_Confidentiality = 'Data confidentiality',
Claim_Reason = 'Claim Reason',
Claim_Amount = 'Claim Amount',
Category_Premium = 'Category Premium')
data_step_43.5 Chuyển kiểu dữ liệu đảm bảo biến Claim Amount là số nguyên
# 5. Chuyển kiểu dữ liệu (Claim Amount sang Integer)
data_step_5 <- data_step_4 %>%
mutate(Claim_Amount = as.integer(Claim_Amount))
data_step_53.6 Mã hóa nhị phân ở Churn
# 6. Mã hóa Nhị phân cho Churn
data_step_6 <- data_step_5 %>%
mutate(Churn_Encoded = ifelse(Churn == "Yes", 1, 0))
data_step_63.7 Mã hóa thứ bậc cho Data Confidentiality
# 7. Mã hóa Thứ bậc cho Data_Confidentiality
confidentiality_levels <- c("Very low", "Low", "Medium", "High", "Very high")
data_step_7 <- data_step_6 %>%
mutate(Data_Conf_Encoded = factor(Data_Confidentiality,
levels = confidentiality_levels,
labels = 1:5,
ordered = TRUE))
data_step_73.9 Phân nhóm cho BMI
# 9. PHÂN NHÓM BMI (Tạo biến phân loại)
# Dựa trên tiêu chuẩn phân loại BMI:
# < 18.5: Dưới cân; 18.5 - 24.9: Bình thường; 25.0 - 29.9: Thừa cân; >= 30: Béo phì
data_step_9 <- data_step_8 %>%
mutate(BMI_Status = cut(BMI,
breaks = c(0, 18.5, 25, 30, Inf), # Các điểm cắt
labels = c("Underweight", "Normal", "Overweight", "Obese"), # Tên của 4 nhóm
include.lowest = TRUE,
right = FALSE))
data_step_9## # A tibble: 3 × 2
## BMI_Status n
## <fct> <int>
## 1 Underweight 18293
## 2 Normal 108979
## 3 Overweight 727283.10 Mã hóa cho các giá trị của Claim Reason
# 10. Mã hóa cho Claim Reason
reason_dummies <- model.matrix(~ Claim_Reason - 1, data = data_step_9) %>% as_tibble()
data_step_10 <- bind_cols(data_step_9, reason_dummies)
data_step_10 <- data_step_10 %>% rename_with(~ gsub("Claim_Reason", "Reason_", .x), starts_with("Claim_Reason"))
data_step_10-> Thao tác data_step_10 (One-Hot Encoding) có mục đích mã hóa cột lý do yêu cầu bồi thường (Claim_Reason) từ dữ liệu chữ thành dữ liệu số (1 và 0), bằng cách tạo ra các cột nhị phân mới (ví dụ: Reason_Medical, Reason_Travel) để dữ liệu có thể được sử dụng trong các mô hình học máy mà không ngụ ý bất kỳ thứ bậc nào giữa các lý do khác nhau.
4 PHẦN 3: CÁC THỐNG KÊ CƠ BẢN, PHÂN TÍCH VÀ TRỰC QUAN HÓA DỮ LIỆU
## Warning: package 'ggplot2' was built under R version 4.4.3## corrplot 0.95 loaded## Warning: package 'scales' was built under R version 4.4.3##
## Attaching package: 'scales'## The following object is masked from 'package:readr':
##
## col_factor4.1 Thống kê tỷ lệ khách hàng rời bỏ (Churn Rate)
4.1.1 Tỷ lệ Churn
churn_rate <- dff %>%
summarise(
Total_Customers = n(),
Churned_Customers = sum(Churn_Encoded),
Churn_Rate = mean(Churn_Encoded) * 100
)
churn_rate4.1.2 Phân bố biến mục tiêu Churn (Bar Plot)
ggplot(dff, aes(x = Churn, fill = Churn)) +
geom_bar() + # Layer 1: Đồ thị thanh
labs(title = "Phân Bố Khách Hàng Rời Bỏ (Churn)",
x = "Trạng thái Rời bỏ",
y = "Số lượng Khách hàng") + # Layer 2: Tiêu đề và nhãn
scale_fill_manual(values = c("Yes" = "#E41A1C", "No" = "#377EB8")) + # Layer 3: Đổi màu
geom_text(stat = 'count', aes(label = after_stat(count)), vjust = -0.5, size = 4) + # Layer 4: Gắn nhãn số lượng
theme_minimal() # Layer 5: Chủ đề tối giản
4.2 Phân bố Chỉ số Khối Cơ thể (BMI) (Histogram)
# 3. Biểu đồ Histogram cho BMI
ggplot(dff, aes(x = BMI)) +
geom_histogram(binwidth = 1, fill = "#4DAF4A", color = "white") + # Layer 1: Histogram, binwidth = 1
labs(title = "Phân Bố Chỉ Số Khối Cơ Thể (BMI)",
x = "Chỉ số BMI",
y = "Tần suất") + # Layer 2: Tiêu đề và nhãn
geom_vline(aes(xintercept = mean(BMI)), color = "red", linetype = "dashed", linewidth = 1) + # Layer 3: Đường trung bình
annotate("text", x = mean(dff$BMI) + 2, y = 30000, label = paste("Mean =", round(mean(dff$BMI), 2)), color = "red") + # Layer 4: Ghi chú trung bình
theme_classic() # Layer 5: Chủ đề cổ điển
4.3 So sánh Lượng Bồi thường theo Trạng thái Rời bỏ (Box Plot)
# 4. Biểu đồ Hộp (Box Plot) Claim Amount theo Churn
ggplot(dff, aes(x = Churn, y = Claim_Amount, fill = Churn)) +
geom_boxplot() + # Layer 1: Biểu đồ hộp
labs(title = "Phân Bố Số Tiền Yêu Cầu Bồi Thường theo Trạng thái Churn",
x = "Khách hàng Rời bỏ",
y = "Số tiền Bồi thường (Claim Amount)") + # Layer 2: Tiêu đề và nhãn
coord_flip() + # Layer 3: Xoay trục
scale_fill_manual(values = c("Yes" = "#E41A1C", "No" = "#377EB8")) + # Layer 4: Đổi màu
theme_bw() # Layer 5: Chủ đề đen trắng
4.4 Tỷ lệ Churn theo Mức độ Bảo mật Dữ liệu (Bar Plot Tỷ lệ)
# 5. Tỷ lệ Churn theo Data_Confidentiality
churn_by_conf <- dff %>%
group_by(Data_Confidentiality) %>%
summarise(Churn_Rate = mean(Churn_Encoded) * 100) %>%
mutate(Data_Confidentiality = factor(Data_Confidentiality, levels = c("Very low", "Low", "Medium", "High"))) # Đảm bảo thứ tự
ggplot(churn_by_conf, aes(x = Data_Confidentiality, y = Churn_Rate)) +
geom_col(fill = "#FF7F00") + # Layer 1: Đồ thị cột
labs(title = "Tỷ lệ Churn theo Mức độ Bảo mật Dữ liệu",
x = "Mức độ Bảo mật",
y = "Tỷ lệ Churn (%)") + # Layer 2: Tiêu đề và nhãn
geom_text(aes(label = paste0(round(Churn_Rate, 2), "%")), vjust = -0.5, size = 4) + # Layer 3: Gắn nhãn tỷ lệ
scale_y_continuous(limits = c(0, max(churn_by_conf$Churn_Rate) * 1.1)) + # Layer 4: Điều chỉnh trục Y
theme_minimal() # Layer 5: Chủ đề tối giản
4.5 Phân bố Phí Bảo hiểm (Category Premium) (Density Plot)
# 6. Biểu đồ mật độ (Density Plot) cho Category Premium
ggplot(dff, aes(x = Category_Premium)) +
geom_density(fill = "#984EA3", alpha = 0.7) + # Layer 1: Biểu đồ mật độ
labs(title = "Phân Bố Mức Phí Bảo Hiểm (Category Premium)",
x = "Mức Phí Bảo hiểm",
y = "Mật độ") + # Layer 2: Tiêu đề và nhãn
geom_rug(alpha = 0.5) + # Layer 3: Dấu gạch (rug plot) trên trục x
geom_vline(aes(xintercept = median(Category_Premium)), color = "darkgreen", linetype = "solid", linewidth = 1) + # Layer 4: Đường trung vị
theme_light() # Layer 5: Chủ đề sáng
4.6 Tỷ lệ Churn theo Kết quả Yêu cầu Bồi thường (Bar Plot So sánh)
# 7. Tỷ lệ Churn theo Claim Request Output
churn_by_claim_output <- dff %>%
group_by(Claim_Request_Output) %>%
summarise(Churn_Rate = mean(Churn_Encoded) * 100)
ggplot(churn_by_claim_output, aes(x = Claim_Request_Output, y = Churn_Rate, fill = Claim_Request_Output)) +
geom_col() + # Layer 1: Đồ thị cột
labs(title = "Tỷ lệ Churn khi Yêu cầu Bồi thường được/bị Chấp thuận",
x = "Kết quả Yêu cầu Bồi thường",
y = "Tỷ lệ Churn (%)") + # Layer 2: Tiêu đề và nhãn
scale_fill_manual(values = c("No" = "#E41A1C", "Yes" = "#4DAF4A")) + # Layer 3: Đổi màu
geom_text(aes(label = paste0(round(Churn_Rate, 2), "%")), vjust = -0.5, size = 4) + # Layer 4: Gắn nhãn tỷ lệ
theme_bw() # Layer 5: Chủ đề đen trắng
4.7 Số tiền Yêu cầu Bồi thường trung bình theo Lý do Bồi thường (Grouped Bar Plot)
4.7.1 Tính toán bồi thường trung bình cho từng lý do
# 8.Số tiền Yêu cầu Bồi thường Trung bình theo Lý do Bồi thường (Sử dụng cột đã mã hóa)
# Tính toán bồi thường trung bình cho từng lý do
mean_claim_by_reason_fixed <- dff %>%
summarise(
Medical = mean(Claim_Amount[Reason_Medical == 1]),
Other = mean(Claim_Amount[Reason_Other == 1]),
Phone = mean(Claim_Amount[Reason_Phone == 1]),
Travel = mean(Claim_Amount[Reason_Travel == 1])
) %>%
# Chuyển đổi từ dạng rộng sang dạng dài để vẽ biểu đồ
tidyr::pivot_longer(cols = everything(),
names_to = "Claim_Reason_Fixed",
values_to = "Mean_Claim_Amount")
mean_claim_by_reason_fixed4.7.2 Trực quan hóa
# Trực quan hóa
ggplot(mean_claim_by_reason_fixed, aes(x = Claim_Reason_Fixed, y = Mean_Claim_Amount, fill = Claim_Reason_Fixed)) +
geom_bar(stat = "identity") + # Layer 1: Đồ thị cột
labs(title = "Số tiền Bồi thường trung bình theo Lý do yêu cầu bồi thường ",
x = "Lý do Yêu cầu Bồi thường",
y = "Số tiền Bồi thường Trung bình") + # Layer 2: Tiêu đề và nhãn
scale_fill_brewer(palette = "Set1") + # Layer 3: Bảng màu
geom_text(aes(label = round(Mean_Claim_Amount, 0)), vjust = -0.5, size = 4) + # Layer 4: Gắn nhãn giá trị
theme_classic() + # Layer 5: Chủ đề cổ điển
theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Xoay nhãn x
4.8 Phân tích Tương quan giữa các biến số (Correlation Plot)
4.8.1 Chọn các biến số và tính ma trận tương quan
# Chọn lọc và đảm bảo dữ liệu là số
cor_data <- dff %>%
select(Claim_Amount, Category_Premium, `Premium/Amount Ratio`,
BMI, Claim_Premium_Ratio, Churn_Encoded) %>%
# Bắt buộc chuyển đổi tất cả sang numeric để tránh lỗi 'x' must be numeric
mutate(across(everything(), as.numeric))
# Tính Ma trận tương quan
# Cột 'Premium/Amount Ratio' có dấu cách nên cần dùng backticks (`)
M <- cor(cor_data, use = "complete.obs")
# CHUYỂN SANG BẢNG VÀ HIỂN THỊ KẾT QUẢ
correlation_table <- M %>%
as.data.frame() %>%
round(3) # Làm tròn 3 chữ số thập phân
# In bảng ra console
print(correlation_table)## Claim_Amount Category_Premium Premium/Amount Ratio BMI
## Claim_Amount 1.000 0.959 0.160 0.001
## Category_Premium 0.959 1.000 -0.001 0.001
## Premium/Amount Ratio 0.160 -0.001 1.000 -0.003
## BMI 0.001 0.001 -0.003 1.000
## Claim_Premium_Ratio 0.160 -0.001 1.000 -0.003
## Churn_Encoded 0.001 0.000 0.001 -0.836
## Claim_Premium_Ratio Churn_Encoded
## Claim_Amount 0.160 0.001
## Category_Premium -0.001 0.000
## Premium/Amount Ratio 1.000 0.001
## BMI -0.003 -0.836
## Claim_Premium_Ratio 1.000 0.001
## Churn_Encoded 0.001 1.000
4.9 Phân bố Claim_Premium_Ratio (Line/Density Plot)
4.9.1 Lập Bảng Tần Suất
# Tính toán các điểm cắt (breaks)
bin_width <- 0.005
min_val <- 0
max_val <- 0.5
breaks <- seq(min_val, max_val, by = bin_width)
# Tạo bảng tần suất (chỉ xem xét dữ liệu trong phạm vi 0 đến 0.5)
# Sử dụng dplyr::count để tạo bảng tần suất rõ ràng hơn
library(dplyr)
# Lọc dữ liệu trong phạm vi (0, 0.5]
dff_filtered <- dff %>%
filter(Claim_Premium_Ratio > 0 & Claim_Premium_Ratio <= 0.5)
# Phân loại vào các bins và đếm
frequency_table <- dff_filtered %>%
mutate(Bin = cut(Claim_Premium_Ratio,
breaks = breaks,
include.lowest = TRUE,
right = TRUE,
labels = FALSE)) %>%
# Tính toán giá trị trung tâm (center) của mỗi bin cho dễ hình dung
mutate(Bin_Center = breaks[Bin] + bin_width / 2) %>%
# Đếm tần suất
count(Bin, Bin_Center, name = "Frequency") %>%
# Chọn các cột cần thiết và đổi tên cột Bin_Center cho dễ hiểu
select(Bin_Center, Frequency) %>%
rename(`Claim/Premium Ratio Center` = Bin_Center, `Tần Suất` = Frequency)
# Hiển thị 10 dòng đầu của bảng tần suất
head(frequency_table, 10)4.9.2 Trực quan hóa biểu đồ tần suất Claim_Premium_Ratio
ggplot(dff, aes(x = Claim_Premium_Ratio)) +
geom_freqpoly(binwidth = 0.005, color = "#FF7F00", linewidth = 1.2) + # Layer 1: Đồ thị tần suất đường
labs(title = "Phân Bố Tỷ Lệ Bồi Thường/Phí Bảo Hiểm",
x = "Tỷ lệ Claim/Premium",
y = "Số lượng") + # Layer 2: Tiêu đề và nhãn
geom_density(aes(y = after_stat(count) * 0.005), alpha = 0.2, fill = "#FF7F00") + # Layer 3: Biểu đồ mật độ với scaling
geom_vline(aes(xintercept = median(Claim_Premium_Ratio)), color = "blue", linetype = "dashed") + # Layer 4: Đường trung vị
theme_minimal() + # Layer 5: Chủ đề tối giản
xlim(0, 0.5) # Giới hạn trục X để dễ quan sát hơn## Warning: Removed 2 rows containing missing values or values outside the scale range
## (`geom_path()`).
4.10 Tỷ lệ Churn theo Phân nhóm BMI (Bar Plot)
# 11. Tỷ lệ Churn theo BMI_Status
churn_by_bmi <- dff %>%
group_by(BMI_Status) %>%
summarise(Churn_Rate = mean(Churn_Encoded) * 100)
ggplot(churn_by_bmi, aes(x = BMI_Status, y = Churn_Rate, fill = BMI_Status)) +
geom_col() + # Layer 1: Đồ thị cột
labs(title = "Tỷ lệ Churn theo Tình trạng BMI",
x = "Tình trạng BMI",
y = "Tỷ lệ Churn (%)") + # Layer 2: Tiêu đề và nhãn
scale_fill_brewer(palette = "Dark2") + # Layer 3: Bảng màu
geom_text(aes(label = paste0(round(Churn_Rate, 2), "%")), vjust = -0.5, size = 4) + # Layer 4: Gắn nhãn tỷ lệ
theme_void() + # Layer 5: Chủ đề trống
theme(plot.title = element_text(hjust = 0.5)) # Căn giữa tiêu đề
4.11 Phân bố Phí Bảo hiểm theo Trạng thái Churn (Violin Plot)
# 12. Biểu đồ Violin cho Category Premium theo Churn
ggplot(dff, aes(x = Churn, y = Category_Premium, fill = Churn)) +
geom_violin(trim = FALSE) + # Layer 1: Biểu đồ Violin (trim=FALSE để giữ toàn bộ mật độ)
geom_boxplot(width = 0.1, color = "black", alpha = 0.8) + # Layer 2: Thêm biểu đồ hộp để thấy tứ phân vị
labs(title = "Phân Bố Phí Bảo hiểm theo Trạng thái Churn",
x = "Trạng thái Churn",
y = "Phí Bảo hiểm (Category Premium)") + # Layer 3: Tiêu đề và nhãn
scale_fill_manual(values = c("Yes" = "#E41A1C", "No" = "#377EB8")) + # Layer 4: Đổi màu
theme_minimal() # Layer 5: Chủ đề tối giản
4.12 PHÂN BỐ CLAIM AMOUNT THEO LÝ DO YÊU CẦU
4.12.1 Chuyển đổi dữ liệu và xử lý lỗi kiểu dữ liệu
claim_data_long <- dff %>%
select(Claim_Amount, starts_with("Reason_")) %>%
# Ép kiểu tất cả các cột Reason_... về số
mutate(across(starts_with("Reason_"), as.numeric)) %>%
# Chuyển đổi từ dạng rộng sang dạng dài
tidyr::pivot_longer(
cols = starts_with("Reason_"),
names_to = "Claim_Reason_Fixed",
values_to = "Is_Claim"
) %>%
# Lọc ra chỉ những hàng có yêu cầu bồi thường (Is_Claim = 1)
filter(Is_Claim == 1) %>%
# Làm sạch nhãn
mutate(Claim_Reason_Fixed = gsub("Reason_", "", Claim_Reason_Fixed))## Warning: There was 1 warning in `mutate()`.
## ℹ In argument: `across(starts_with("Reason_"), as.numeric)`.
## Caused by warning:
## ! NAs introduced by coercion# In bảng thống kê số lượng Claim
print(claim_data_long %>% count(Claim_Reason_Fixed) %>% rename(Num_Claims = n))## # A tibble: 4 × 2
## Claim_Reason_Fixed Num_Claims
## <chr> <int>
## 1 Medical 109863
## 2 Other 30187
## 3 Phone 30016
## 4 Travel 299344.12.2 Trực quan hóa Biểu đồ Hộp (Box Plot)
ggplot(claim_data_long, aes(x = Claim_Reason_Fixed, y = Claim_Amount, fill = Claim_Reason_Fixed)) +
geom_boxplot(outlier.shape = NA) + # Layer 1: Biểu đồ hộp (ẩn outlier để gọn)
labs(title = "Phân Bố Claim Amount theo Lý do Yêu cầu",
x = "Lý do Bồi thường",
y = "Số tiền Bồi thường (Claim Amount)") + # Layer 2: Tiêu đề và nhãn
scale_fill_brewer(palette = "Set2") + # Layer 3: Bảng màu
theme_bw() + # Layer 4: Chủ đề đen trắng
theme(legend.position = "none") # Layer 5: Ẩn chú giải
4.13 Tổng hợp Churn theo Lý do Claim (Ordered Bar Plot)
4.13.1 TỶ LỆ CHURN THEO LÝ DO CLAIM
# 1. Tính toán Tỷ lệ Churn bằng cách Chuyển đổi dữ liệu và Nhóm
churn_rate_by_reason_fixed <- dff %>%
select(Churn_Encoded, starts_with("Reason_")) %>%
#ÉP KIỂU SỐ
mutate(across(starts_with("Reason_"), as.numeric)) %>%
# Chuyển đổi từ dạng rộng sang dạng dài
tidyr::pivot_longer(
cols = starts_with("Reason_"),
names_to = "Claim_Reason_Fixed",
values_to = "Is_Claim"
) %>%
# Lọc (chỉ giữ lại những hàng có yêu cầu bồi thường) và Làm sạch nhãn
filter(Is_Claim == 1) %>%
mutate(Claim_Reason_Fixed = gsub("Reason_", "", Claim_Reason_Fixed)) %>%
# Nhóm và Tính toán tỷ lệ Churn
group_by(Claim_Reason_Fixed) %>%
summarise(
Churn_Rate = mean(Churn_Encoded) * 100
) %>%
arrange(desc(Churn_Rate))## Warning: There was 1 warning in `mutate()`.
## ℹ In argument: `across(starts_with("Reason_"), as.numeric)`.
## Caused by warning:
## ! NAs introduced by coercion## # A tibble: 4 × 2
## Claim_Reason_Fixed Churn_Rate
## <chr> <dbl>
## 1 Travel 64.1
## 2 Medical 63.6
## 3 Other 63.6
## 4 Phone 63.34.13.2 Trực quan hóa Biểu đồ Cột
ggplot(churn_rate_by_reason_fixed,
aes(x = reorder(Claim_Reason_Fixed, -Churn_Rate), y = Churn_Rate, fill = Claim_Reason_Fixed)) +
geom_col() + # Layer 1: Đồ thị cột
labs(title = "Tỷ lệ Churn theo Lý do Yêu cầu Bồi thường ",
x = "Lý do Claim",
y = "Tỷ lệ Churn (%)") + # Layer 2: Tiêu đề và nhãn
scale_fill_brewer(palette = "Accent") + # Layer 3: Bảng màu
geom_text(aes(label = paste0(round(Churn_Rate, 2), "%")), vjust = -0.5) + # Layer 4: Gắn nhãn tỷ lệ
theme_classic() + # Layer 5: Chủ đề cổ điển
theme(legend.position = "none")
4.14 Phân bố Địa lý của Khách hàng (Top 10 State)
# 15. Top 10 Bang/Tiểu bang
top_10_states <- dff %>%
count(State, sort = TRUE) %>%
head(10)
ggplot(top_10_states, aes(x = reorder(State, n), y = n, fill = State)) +
geom_col() + # Layer 1: Đồ thị cột
labs(title = "Top 10 Bang/Tiểu bang có nhiều khách hàng",
x = "Bang/Tiểu bang",
y = "Số lượng Khách hàng") + # Layer 2: Tiêu đề và nhãn
coord_flip() + # Layer 3: Xoay trục
scale_fill_hue(l = 50) + # Layer 4: Bảng màu sắc thái
geom_text(aes(label = n), hjust = -0.1, size = 4) + # Layer 5: Gắn nhãn số lượng
theme_light()
4.15 Tương tác đa chiều 4 biến (Small Multiples Scatter Plot)
# Biểu đồ Lưới Nhỏ 4 Biến (Small Multiples Scatter Plot)
ggplot(dff, aes(x = Category_Premium, y = Claim_Amount)) +
geom_point(aes(color = Claim_Premium_Ratio), alpha = 0.3) + # Layer 1: Biểu đồ phân tán (màu theo Ratio)
scale_color_viridis_c() + # Layer 2: Bảng màu Viridis cho Ratio
facet_grid(Claim_Request_Output ~ Churn, scales = "free") + # Layer 3: Chia theo 2 biến (4 ô)
geom_smooth(method = "lm", color = "red", se = FALSE, linewidth = 1) + # Layer 4: Đường xu hướng
labs(title = "Tương tác Premium vs Claim, phân tách theo Churn và Claim Output",
x = "Phí Bảo hiểm (Category Premium)", y = "Số tiền Bồi thường (Claim Amount)") + # Layer 5: Tiêu đề và nhãn
theme_bw()## `geom_smooth()` using formula = 'y ~ x'
4.16 So sánh Claim_Premium_Ratio theo Trạng thái Churn (Grouped Density Plot)
# Biểu đồ Mật độ cho Claim_Premium_Ratio theo Churn
ggplot(dff, aes(x = Claim_Premium_Ratio, fill = Churn)) +
geom_density(alpha = 0.6) + # Layer 1: Biểu đồ mật độ (alpha để thấy sự chồng lấp)
labs(title = "Phân Bố Tỷ lệ Claim/Premium theo Trạng thái Churn",
x = "Tỷ lệ Claim/Premium",
y = "Mật độ") + # Layer 2: Tiêu đề và nhãn
scale_fill_manual(values = c("Yes" = "#E41A1C", "No" = "#377EB8")) + # Layer 3: Đổi màu
geom_vline(data = dff %>% group_by(Churn) %>% summarise(mean_ratio = mean(Claim_Premium_Ratio)),
aes(xintercept = mean_ratio, color = Churn), linetype = "dashed") + # Layer 4: Đường trung bình cho mỗi nhóm
theme_classic() + # Layer 5: Chủ đề cổ điển
xlim(0, 0.4) # Giới hạn trục X
4.17 Sự thay đổi Median Premium (Slope Chart)
# Biểu đồ Dạng Dốc (Slope Chart)
slope_data <- dff %>%
group_by(BMI_Status, Churn) %>%
summarise(Median_Premium = median(Category_Premium), .groups = 'drop')
ggplot(slope_data, aes(x = BMI_Status, y = Median_Premium, group = Churn, color = Churn)) +
geom_line(linewidth = 1.5) + # Layer 1: Đường nối
geom_point(size = 4) + # Layer 2: Điểm
labs(title = "Sự thay đổi Premium Trung vị theo BMI Status và Churn",
x = "Tình trạng BMI", y = "Trung vị Phí Bảo hiểm (Category Premium)") + # Layer 3: Tiêu đề và nhãn
scale_color_manual(values = c("Yes" = "#E41A1C", "No" = "#377EB8")) + # Layer 4: Đổi màu theo Churn
theme_bw() + # Layer 5: Chủ đề đen trắng
theme(axis.text.x = element_text(angle = 45, hjust = 1))
4.18 Phân bố Claim_Amount theo Bang/Tiểu bang (Top 5 Median)
# Median Claim Amount theo Top 5 Bang
top_5_states_list <- (dff %>% count(State, sort = TRUE) %>% head(5))$State
median_claim_by_state <- dff %>%
filter(State %in% top_5_states_list) %>%
group_by(State) %>%
summarise(Median_Claim_Amount = median(Claim_Amount))
ggplot(median_claim_by_state, aes(x = reorder(State, Median_Claim_Amount), y = Median_Claim_Amount, fill = State)) +
geom_col() + # Layer 1: Đồ thị cột
labs(title = "Số tiền Bồi thường theo trung vị trong Top 5 Bang",
x = "Bang/Tiểu bang",
y = "Số tiền Bồi thường theo trung vị") + # Layer 2: Tiêu đề và nhãn
coord_flip() + # Layer 3: Xoay trục
scale_fill_brewer(palette = "Pastel1") + # Layer 4: Bảng màu Pastel
geom_text(aes(label = round(Median_Claim_Amount, 0)), hjust = -0.1, size = 4) + # Layer 5: Gắn nhãn giá trị
theme_minimal()
4.19 Phân bố Claim Amount theo BMI Status và Churn (Faceted Density Plot)
# Phân bố Claim Amount theo BMI Status và Churn (Faceted Density Plot)
ggplot(dff, aes(x = Claim_Amount, fill = Churn)) +
geom_density(alpha = 0.6) + # Layer 1: Biểu đồ mật độ (alpha để thấy sự chồng lấp)
facet_wrap(~ BMI_Status, scales = "free_y", ncol = 2) + # Layer 2: Chia đồ thị theo BMI_Status, trục Y độc lập
labs(title = "Phân Bố Claim Amount theo Tình trạng BMI và Trạng thái Churn",
x = "Số tiền Bồi thường (Claim Amount)",
y = "Mật độ") + # Layer 3: Tiêu đề và nhãn
scale_fill_manual(values = c("Yes" = "#E41A1C", "No" = "#377EB8")) + # Layer 4: Đổi màu theo Churn
theme_bw() # Layer 5: Chủ đề đen trắng
4.20 Tỷ lệ Churn theo Tình trạng BMI (Lollipop Chart)
4.20.1 Tỷ lệ Churn chi tiết theo Tình trạng BMI
# Tỷ lệ Churn chi tiết theo BMI Status
churn_by_bmi_detail <- dff %>%
group_by(BMI_Status) %>%
summarise(
Total_Customers = n(),
Churned_Customers = sum(Churn_Encoded),
Churn_Rate = mean(Churn_Encoded) * 100
) %>%
arrange(desc(Churn_Rate))
print(churn_by_bmi_detail)## # A tibble: 3 × 4
## BMI_Status Total_Customers Churned_Customers Churn_Rate
## <fct> <int> <dbl> <dbl>
## 1 Underweight 18293 18293 100
## 2 Normal 108979 108979 100
## 3 Overweight 72728 0 04.20.2 Tỷ lệ Churn theo Tình trạng BMI (Lollipop Chart)
# Tỷ lệ Churn theo BMI Status (Lollipop Chart)
churn_by_bmi_plot <- dff %>%
group_by(BMI_Status) %>%
summarise(Churn_Rate = mean(Churn_Encoded) * 100, .groups = 'drop')
ggplot(churn_by_bmi_plot, aes(x = BMI_Status, y = Churn_Rate)) +
geom_segment(aes(x = BMI_Status, xend = BMI_Status, y = 0, yend = Churn_Rate),
color = "gray", linewidth = 1) + # Layer 1: Đường nối
geom_point(aes(color = BMI_Status), size = 5) + # Layer 2: Điểm (Lollipop)
labs(title = "Tỷ lệ Churn theo Tình trạng BMI",
x = "Tình trạng BMI",
y = "Tỷ lệ Churn (%)") + # Layer 3: Tiêu đề và nhãn
scale_color_brewer(palette = "Set1") + # Layer 4: Bảng màu
geom_text(aes(label = paste0(round(Churn_Rate, 1), "%")), vjust = -1, size = 3) + # Layer 5: Gắn nhãn tỷ lệ
theme_minimal()
CHƯƠNG 2: PHÂN TÍCH BÁO CÁO TÀI CHÍNH ABS
5 Giới thiệu về dữ liệu
options(repos = c(CRAN = "https://cloud.r-project.org"))
install.packages(c(
"readxl",
"dplyr",
"DT",
"knitr",
"ggplot2",
"scales",
"janitor",
"magrittr",
"kableExtra"
))## Warning: packages 'readxl', 'dplyr', 'knitr', 'ggplot2', 'scales' are in use
## and will not be installed## Installing packages into 'C:/Users/DELL/AppData/Local/R/win-library/4.4'
## (as 'lib' is unspecified)## package 'DT' successfully unpacked and MD5 sums checked
## package 'janitor' successfully unpacked and MD5 sums checked
## package 'magrittr' successfully unpacked and MD5 sums checked## Warning: cannot remove prior installation of package 'magrittr'## Warning in file.copy(savedcopy, lib, recursive = TRUE): problem copying
## C:\Users\DELL\AppData\Local\R\win-library\4.4\00LOCK\magrittr\libs\x64\magrittr.dll
## to
## C:\Users\DELL\AppData\Local\R\win-library\4.4\magrittr\libs\x64\magrittr.dll:
## Permission denied## Warning: restored 'magrittr'## package 'kableExtra' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\DELL\AppData\Local\Temp\RtmpA70Gt8\downloaded_packages6 Phần 1: giới thiệu bộ dữ liệu
6.1 Đọc dữ liệu
- Ý nghĩa thống kê: Đây là bước “nạp” dữ liệu thô vào môi trường R để chuẩn bị phân tích.
6.2 đọc toàn bộ sheet names
# Đọc và hiển thị tên của tất cả các sheet trong file
sheets <- excel_sheets("D:/thầy Tường/bctcabs.xlsx")
print(sheets)## [1] "bctc abs"- Ý nghĩa thống kê: Các file báo cáo tài chính (BCTC) thường chứa nhiều sheet (ví dụ: “Bảng Cân đối kế toán”, “Báo cáo KQKD”, “Lưu chuyển tiền tệ”, “Thuyết minh”). Lệnh này giúp tổng quan file Excel có bao nhiêu sheet và tên của chúng là gì, từ đó quyết định sẽ đọc sheet nào vào để phân tích.
6.3 Đọc sheet chính
# Đọc dữ liệu từ sheet đầu tiên
bc_raw <- read_excel ("D:/thầy Tường/bctcabs.xlsx", sheet = sheets[1]) - Ý nghĩa thống kê: Việc đọc dữ liệu bằng hàm read_excel() là bước đầu tiên trong quy trình phân tích thống kê, giúp đưa dữ liệu thực tế từ file Excel vào môi trường R để xử lý và phân tích. Dữ liệu bc_raw được xem là mẫu quan sát gốc, làm cơ sở cho các bước thống kê mô tả, kiểm định và mô hình hóa sau này. Việc chọn sheet = sheets[1] đảm bảo tính thống nhất khi tệp có nhiều bảng dữ liệu khác nhau.
6.4 Xem cấu trúc
# Xem cấu trúc của data frame:tổng số quan sát (dòng), tổng số biến (cột), tên của từng cột và quan trọng nhất là kiểu dữ liệu (data type) của cột đó (ví dụ: numeric, character, dttm).
str(bc_raw)## tibble [10 × 11] (S3: tbl_df/tbl/data.frame)
## $ Năm/Biến : num [1:10] 2015 2016 2017 2018 2019 ...
## $ Tài sản ngắn hạn : num [1:10] 1.22e+13 1.07e+13 1.37e+13 1.47e+13 1.92e+13 ...
## $ Tiền và các khoản tương đương tiền : num [1:10] 7.94e+12 3.44e+12 2.64e+12 4.47e+12 4.12e+12 ...
## $ Các khoản đầu tư tài chính ngắn hạn : num [1:10] 9.43e+11 3.17e+12 6.56e+12 7.54e+12 1.24e+13 ...
## $ Tài sản dài hạn : num [1:10] 9.38e+12 8.48e+12 8.33e+12 7.68e+12 7.80e+12 ...
## $ Tổng tài sản : num [1:10] 2.16e+13 1.92e+13 2.20e+13 2.24e+13 2.70e+13 ...
## $ Tổng nợ phải trả : num [1:10] 7.51e+12 6.76e+12 7.59e+12 6.25e+12 6.89e+12 ...
## $ Vốn chủ sở hữu : num [1:10] 1.41e+13 1.24e+13 1.44e+13 1.61e+13 2.01e+13 ...
## $ Doanh thu thuần về bán hàng
## và cung cấp dịch vụ: num [1:10] 2.71e+13 3.06e+13 3.44e+13 3.59e+13 3.79e+13 ...
## $ Lợi nhuận gộp về bán hàng
## và cung cấp dịch vụ : num [1:10] 7.56e+12 8.27e+12 8.87e+12 8.08e+12 9.55e+12 ...
## $ Doanh thu hoạt động tài chính : num [1:10] 4.19e+11 7.51e+11 5.06e+11 6.30e+11 8.90e+11 ...- Ý nghĩa thống kê: Đây là bước kiểm tra dữ liệu (data sanity check) then chốt. Nó giúp xác nhận các cột chứa chỉ tiêu tài chính (ví dụ: “Tài sản”, “Nợ”) đã được R nhận diện đúng là kiểu numeric. Nếu R đọc nhầm một cột số thành character, điều đó cho thấy sự tồn tại của các ký tự phi số (ví dụ: dấu phẩy, “N/A”) cần phải được làm sạch trước khi tính toán.
6.5 Xem số liệu bộ dữ liệu
- ý nghĩa thống kê: Trực quan số liệu 10 năm của Báo Cáo Tài Chính ABS
6.6 Xác định số dòng
## Số dòng: 10- Ý nghĩa thống kê: Xác định số dòng
6.7 Xác định số cột
## Số cột: 11- Ý nghĩa thống kê: Xác định số cột
6.8 Kiểm tra kiểu dữ liệu mỗi cột
## Năm/Biến
## "numeric"
## Tài sản ngắn hạn
## "numeric"
## Tiền và các khoản tương đương tiền
## "numeric"
## Các khoản đầu tư tài chính ngắn hạn
## "numeric"
## Tài sản dài hạn
## "numeric"
## Tổng tài sản
## "numeric"
## Tổng nợ phải trả
## "numeric"
## Vốn chủ sở hữu
## "numeric"
## Doanh thu thuần về bán hàng\r\nvà cung cấp dịch vụ
## "numeric"
## Lợi nhuận gộp về bán hàng\r\nvà cung cấp dịch vụ
## "numeric"
## Doanh thu hoạt động tài chính
## "numeric"- Ý nghĩa thống kê: Đây là điều kiện tiên quyết cho mọi phân tích định lượng. Các mô hình thống kê và các phép toán (tính trung bình, phương sai) chỉ hoạt động trên các biến số (numeric). Nếu một cột chỉ tiêu bị R đọc nhầm là character, nó sẽ bị loại bỏ khỏi mọi phân tích toán học.
6.9 Kiểm tra các giá trị duy nhất của cột năm
## [1] 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024- Ý nghĩa thống kê: Thao tác này trích xuất cột đầu tiên của bộ dữ liệu (giả định là một biến phân loại như “Năm” hoặc “Chỉ tiêu”) và sử dụng hàm unique để lọc ra danh sách các giá trị duy nhất (không trùng lặp).
Mục đích là để kiểm tra tính nhất quán (consistency) và phạm vi (scope) của biến. Trong phân tích, nếu có lỗi nhập liệu (ví dụ: “Tiền mặt” và “Tiền mặt” - thừa dấu cách), R sẽ hiểu đây là hai nhóm (factors) riêng biệt. Điều này dẫn đến việc “pha loãng” dữ liệu, khiến các phép thống kê gộp nhóm (group_by) hoặc đếm tần suất (count) bị chia tách và cho ra kết quả sai lệch. Thao tác này giúp phát hiện sớm các lỗi trên để tiến hành chuẩn hóa dữ liệu.
6.10 Kiểm tra giá trị trùng lặp (toàn bộ hàng)
# Hàm duplicated được sử dụng để rà soát toàn bộ bộ dữ liệu và xác định các hàng (quan sát) bị trùng lặp y hệt (giống nhau trên tất cả các biến).
dup_rows <- sum(duplicated(bc_raw))
cat('Số hàng trùng lặp toàn bộ:', dup_rows, "\n")## Số hàng trùng lặp toàn bộ: 0- Ý nghĩa thống kê: Các quan sát trùng lặp vi phạm giả định về tính độc lập của các quan sát. Nếu không bị loại bỏ, chúng sẽ làm tăng một cách giả tạo kích thước mẫu (n), dẫn đến việc các ước lượng thống kê (như sai số chuẩn - standard errors) bị báo cáo thấp hơn thực tế.
6.11 Giải thích ý nghĩa các biến
# gọi thư viện
library(knitr)
# lập bảng giải thích các biến
variable_description <- data.frame(
Ten_Bien = names(bc_raw),
Ten_TiengAnh = c(
"Year",
"Current Assets",
"Cash and Cash Equivalents",
"Short-term Financial Investments",
"Non-current Assets",
"Total Assets",
"Total Liabilities",
"Owner’s Equity",
"Net Revenue from Sales and Services",
"Gross Profit from Sales and Services",
"Financial Income"),
Mo_Ta = c(
"Biến chỉ năm tài chính (2015–2020).",
"Tổng giá trị tài sản ngắn hạn có thể chuyển đổi thành tiền trong vòng một năm.",
"Tiền mặt và các khoản tương đương tiền của doanh nghiệp.",
"Các khoản đầu tư tài chính ngắn hạn như cổ phiếu, trái phiếu ngắn hạn.",
"Tổng tài sản dài hạn (nhà xưởng, thiết bị, bất động sản…).",
"Tổng giá trị tài sản mà doanh nghiệp sở hữu.",
"Tổng nghĩa vụ tài chính mà doanh nghiệp phải thanh toán.",
"Nguồn vốn thuộc cổ đông – phần chênh giữa tài sản và nợ phải trả.",
"Doanh thu thuần từ hoạt động bán hàng và cung cấp dịch vụ.",
"Khoản lợi nhuận sau khi trừ giá vốn hàng bán.",
"Doanh thu từ các hoạt động tài chính như lãi tiền gửi, cổ tức, đầu tư."))
# in bảng giải thích
kable(variable_description, caption = "Bảng giải thích các biến trong dữ liệu")| Ten_Bien | Ten_TiengAnh | Mo_Ta |
|---|---|---|
| Năm/Biến | Year | Biến chỉ năm tài chính (2015–2020). |
| Tài sản ngắn hạn | Current Assets | Tổng giá trị tài sản ngắn hạn có thể chuyển đổi thành tiền trong vòng một năm. |
| Tiền và các khoản tương đương tiền | Cash and Cash Equivalents | Tiền mặt và các khoản tương đương tiền của doanh nghiệp. |
| Các khoản đầu tư tài chính ngắn hạn | Short-term Financial Investments | Các khoản đầu tư tài chính ngắn hạn như cổ phiếu, trái phiếu ngắn hạn. |
| Tài sản dài hạn | Non-current Assets | Tổng tài sản dài hạn (nhà xưởng, thiết bị, bất động sản…). |
| Tổng tài sản | Total Assets | Tổng giá trị tài sản mà doanh nghiệp sở hữu. |
| Tổng nợ phải trả | Total Liabilities | Tổng nghĩa vụ tài chính mà doanh nghiệp phải thanh toán. |
| Vốn chủ sở hữu | Owner’s Equity | Nguồn vốn thuộc cổ đông – phần chênh giữa tài sản và nợ phải trả. |
| Doanh thu thuần về bán hàng | ||
| và cung cấp dịch vụ | Net Revenue from Sales and Services | Doanh thu thuần từ hoạt động bán hàng và cung cấp dịch vụ. |
| Lợi nhuận gộp về bán hàng | ||
| và cung cấp dịch vụ | Gross Profit from Sales and Services | Khoản lợi nhuận sau khi trừ giá vốn hàng bán. |
| Doanh thu hoạt động tài chính | Financial Income | Doanh thu từ các hoạt động tài chính như lãi tiền gửi, cổ tức, đầu tư. |
- Ý nghĩa thống kê: giải thích nội dung và ý nghĩa từng biến mà ta đi phân tích.
6.12 Lấy mô tả sơ lược bằng summary
## Năm/Biến Tài sản ngắn hạn Tiền và các khoản tương đương tiền
## Min. :2015 Min. :1.071e+13 Min. :2.637e+12
## 1st Qu.:2017 1st Qu.:1.394e+13 1st Qu.:3.485e+12
## Median :2020 Median :1.934e+13 Median :4.093e+12
## Mean :2020 Mean :1.913e+13 Mean :4.252e+12
## 3rd Qu.:2022 3rd Qu.:2.452e+13 3rd Qu.:4.475e+12
## Max. :2024 Max. :2.686e+13 Max. :7.936e+12
## Các khoản đầu tư tài chính ngắn hạn Tài sản dài hạn Tổng tài sản
## Min. :9.428e+11 Min. :7.503e+12 Min. :1.919e+13
## 1st Qu.:6.805e+12 1st Qu.:7.627e+12 1st Qu.:2.210e+13
## Median :1.347e+13 Median :7.830e+12 Median :2.717e+13
## Mean :1.159e+13 Mean :8.061e+12 Mean :2.719e+13
## 3rd Qu.:1.688e+13 3rd Qu.:8.361e+12 3rd Qu.:3.270e+13
## Max. :1.941e+13 Max. :9.378e+12 Max. :3.447e+13
## Tổng nợ phải trả Vốn chủ sở hữu
## Min. :6.160e+12 Min. :1.243e+13
## 1st Qu.:6.791e+12 1st Qu.:1.484e+13
## Median :7.550e+12 Median :2.065e+13
## Mean :7.650e+12 Mean :1.954e+13
## 3rd Qu.:8.402e+12 3rd Qu.:2.398e+13
## Max. :9.874e+12 Max. :2.549e+13
## Doanh thu thuần về bán hàng\r\nvà cung cấp dịch vụ
## Min. :2.637e+13
## 1st Qu.:2.859e+13
## Median :3.122e+13
## Mean :3.176e+13
## 3rd Qu.:3.484e+13
## Max. :3.790e+13
## Lợi nhuận gộp về bán hàng\r\nvà cung cấp dịch vụ Doanh thu hoạt động tài chính
## Min. :7.558e+12 Min. :4.186e+11
## 1st Qu.:8.130e+12 1st Qu.:6.605e+11
## Median :8.683e+12 Median :9.321e+11
## Mean :8.762e+12 Mean :8.880e+11
## 3rd Qu.:9.261e+12 3rd Qu.:1.085e+12
## Max. :1.077e+13 Max. :1.433e+12- Ý nghĩa thống kê: Cung cấp cái nhìn tổng quan đầu tiên về phân phối (distribution) của dữ liệu:
Tính các giá trị Min và Max, đánh giá Độ lệch (Skewness) bằng cách so sánh Mean (Trung bình) và Median (Trung vị), ta có thể đánh giá sơ bộ độ lệch của phân phối. Nếu Mean chênh lệch đáng kể so với Median, dữ liệu có khả năng bị lệch (skewed), vi phạm giả định về phân phối chuẩn của nhiều mô hình, và có thể đòi hỏi các phép biến đổi (víT dụ: lấy logarit) trước khi phân tích.
7 Phần 2: Xử lý dữ liệu thô, mã hóa dữ liệu
7.1 Đọc lại dữ liệu gốc
# gọi thư viện
library(readxl)
# đọc lại và xem dữ liệu gốc
bc <- read_excel("D:/thầy Tường/bctcabs.xlsx", sheet = 1)
names(bc)## [1] "Năm/Biến"
## [2] "Tài sản ngắn hạn"
## [3] "Tiền và các khoản tương đương tiền"
## [4] "Các khoản đầu tư tài chính ngắn hạn"
## [5] "Tài sản dài hạn"
## [6] "Tổng tài sản"
## [7] "Tổng nợ phải trả"
## [8] "Vốn chủ sở hữu"
## [9] "Doanh thu thuần về bán hàng\r\nvà cung cấp dịch vụ"
## [10] "Lợi nhuận gộp về bán hàng\r\nvà cung cấp dịch vụ"
## [11] "Doanh thu hoạt động tài chính"- Ý nghĩa thống kê: đọc lại dữu liệu gốc để bắt đầu xử lý dữ liệu.
7.2 Chuẩn hóa tên cột (xóa ký tự đặc biệt, thay khoảng trắng bằng “_“)
## Warning: package 'janitor' was built under R version 4.4.3##
## Attaching package: 'janitor'## The following objects are masked from 'package:stats':
##
## chisq.test, fisher.test## [1] "nam_bien"
## [2] "tai_san_ngan_han"
## [3] "tien_va_cac_khoan_tuong_duong_tien"
## [4] "cac_khoan_dau_tu_tai_chinh_ngan_han"
## [5] "tai_san_dai_han"
## [6] "tong_tai_san"
## [7] "tong_no_phai_tra"
## [8] "von_chu_so_huu"
## [9] "doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu"
## [10] "loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu"
## [11] "doanh_thu_hoat_dong_tai_chinh"- Ý nghĩa thống kê:
7.3 Đổi tên cột đầu tiên cho ngắn gọn hơn
- Ý nghĩa thống kê: Giúp dễ dàng hơn trong việc viết và phân tích dữ liệu.
7.4 Chuyển biến “Nam” sang dạng số nguyên
- Ý nghĩa thống kê: Đây là bước đảm bảo kiểu dữ liệu (data type integrity). Biến “Năm” về bản chất là một biến thứ tự. Việc chuyển về kiểu integer đảm bảo R hiểu đúng bản chất của nó, giúp biến này hoạt động chính xác trong các mô hình chuỗi thời gian, các phép lọc (ví dụ: filter(Nam > 2018)), hoặc khi dùng làm trục (axis) trong biểu đồ và tối ưu hóa bộ nhớ so với kiểu numeric. ## Kiểm tra NA tổng thể
# Đếm tổng số ô bị trống (giá trị NA - Not Available) trong toàn bộ bảng dữ liệu
total_na <- sum(is.na(bc_raw))
cat('Tổng số giá trị NA:', total_na, "\n")## Tổng số giá trị NA: 0- Ý nghĩa thống kê:Đây là bước đánh giá tính đầy đủ (completeness) của dữ liệu. Dữ liệu khuyết là một vấn đề nghiêm trọng trong phân tích. Hầu hết các mô hình thống kê (như hồi quy) sẽ tự động loại bỏ toàn bộ hàng (listwise deletion) nếu hàng đó chứa dù chỉ một giá trị NA. Nếu dữ liệu khuyết ở mức cao, điều này sẽ làm giảm kích thước mẫu hiệu dụng (effective sample size), từ đó làm giảm sức mạnh thống kê (statistical power) của mô hình.
7.5 Lọc bỏ các hàng có toàn NA (nếu có)
- Ý nghĩa thống kê: Làm sạch dữ liệu (data cleaning) an toàn. Các hàng trống không chứa bất kỳ thông tin thống kê nào . Chúng là “nhiễu” (noise) và có thể gây lỗi trong một số thuật toán. Việc loại bỏ chúng giúp dọn dẹp bộ dữ liệu mà không làm mất thông tin vì chúng không đại diện cho một quan sát hợp lệ nào.
7.6 Tạo biến mới: Tỷ lệ lợi nhuận gộp = Lợi nhuận gộp / Doanh thu thuần
##
## Attaching package: 'magrittr'## The following object is masked from 'package:tidyr':
##
## extract# Sử dụng hàm mutate (từ gói dplyr) để tạo một cột mới tên là TyLeLoiNhuanGop, với giá trị được tính bằng cách lấy cột "lợi nhuận gộp về bán hàng và cung cấp dịch vụ" chia cho cột "doanh thu thuần về bán hàng và cung cấp dịch vụ"
bc <- bc %>%
mutate(TyLeLoiNhuanGop = loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu /
doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu)
names(bc)## [1] "Nam"
## [2] "tai_san_ngan_han"
## [3] "tien_va_cac_khoan_tuong_duong_tien"
## [4] "cac_khoan_dau_tu_tai_chinh_ngan_han"
## [5] "tai_san_dai_han"
## [6] "tong_tai_san"
## [7] "tong_no_phai_tra"
## [8] "von_chu_so_huu"
## [9] "doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu"
## [10] "loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu"
## [11] "doanh_thu_hoat_dong_tai_chinh"
## [12] "TyLeLoiNhuanGop"- Ý nghĩa thống kê: Trong phân tích tài chính, các giá trị tuyệt đối (như “Lợi nhuận gộp”) thường khó so sánh giữa các công ty có quy mô khác nhau (vấn đề về tính không đồng nhất). Bằng cách tạo ra một biến tỷ lệ (ratio variable), Biến tỷ lệ này có ý nghĩa kinh tế sâu sắc hơn, phản ánh hiệu quả hoạt động và cho phép so sánh công bằng giữa các doanh nghiệp.
7.7 Mã hóa dữ liệu quy mô theo phân loại (tình huống tự đặt)
# Tạo cột mới quy mô. Dùng hàm case_when để gán nhãn "Nhỏ", "Vừa", "Lớn" dựa trên các ngưỡng giá trị của cột tổng tài sản
bc <- bc %>%
mutate(QuyMo = case_when( tong_tai_san < 1e9 ~ "Nhỏ", tong_tai_san < 5e9 ~ "Vừa", TRUE ~ "Lớn" ))
# in bảng thống kê tần suất từng nhóm quy mô
table(bc$QuyMo)##
## Lớn
## 10- Ý nghĩa thống kê:
7.8 Chuẩn hóa kiểu dữ liệu (đảm bảo số liệu là numeric)
cols_to_num <- c("tai_san_ngan_han", "tong_tai_san", "von_chu_so_huu",
"doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu",
"loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu")
bc[cols_to_num] <- lapply(bc[cols_to_num], as.numeric) - Ý nghĩa thống kê:
7.9 Kiểm tra lại dữ liệu sau xử lý
## tibble [10 × 13] (S3: tbl_df/tbl/data.frame)
## $ Nam : int [1:10] 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
## $ tai_san_ngan_han : num [1:10] 1.22e+13 1.07e+13 1.37e+13 1.47e+13 1.92e+13 ...
## $ tien_va_cac_khoan_tuong_duong_tien : num [1:10] 7.94e+12 3.44e+12 2.64e+12 4.47e+12 4.12e+12 ...
## $ cac_khoan_dau_tu_tai_chinh_ngan_han : num [1:10] 9.43e+11 3.17e+12 6.56e+12 7.54e+12 1.24e+13 ...
## $ tai_san_dai_han : num [1:10] 9.38e+12 8.48e+12 8.33e+12 7.68e+12 7.80e+12 ...
## $ tong_tai_san : num [1:10] 2.16e+13 1.92e+13 2.20e+13 2.24e+13 2.70e+13 ...
## $ tong_no_phai_tra : num [1:10] 7.51e+12 6.76e+12 7.59e+12 6.25e+12 6.89e+12 ...
## $ von_chu_so_huu : num [1:10] 1.41e+13 1.24e+13 1.44e+13 1.61e+13 2.01e+13 ...
## $ doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu: num [1:10] 2.71e+13 3.06e+13 3.44e+13 3.59e+13 3.79e+13 ...
## $ loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu : num [1:10] 7.56e+12 8.27e+12 8.87e+12 8.08e+12 9.55e+12 ...
## $ doanh_thu_hoat_dong_tai_chinh : num [1:10] 4.19e+11 7.51e+11 5.06e+11 6.30e+11 8.90e+11 ...
## $ TyLeLoiNhuanGop : num [1:10] 0.278 0.27 0.257 0.225 0.252 ...
## $ QuyMo : chr [1:10] "Lớn" "Lớn" "Lớn" "Lớn" ...- Ý nghĩa thống kê:
7.10 Xem mô tả thống kê cơ bản
## Nam tai_san_ngan_han tien_va_cac_khoan_tuong_duong_tien
## Min. :2015 Min. :1.071e+13 Min. :2.637e+12
## 1st Qu.:2017 1st Qu.:1.394e+13 1st Qu.:3.485e+12
## Median :2020 Median :1.934e+13 Median :4.093e+12
## Mean :2020 Mean :1.913e+13 Mean :4.252e+12
## 3rd Qu.:2022 3rd Qu.:2.452e+13 3rd Qu.:4.475e+12
## Max. :2024 Max. :2.686e+13 Max. :7.936e+12
## cac_khoan_dau_tu_tai_chinh_ngan_han tai_san_dai_han tong_tai_san
## Min. :9.428e+11 Min. :7.503e+12 Min. :1.919e+13
## 1st Qu.:6.805e+12 1st Qu.:7.627e+12 1st Qu.:2.210e+13
## Median :1.347e+13 Median :7.830e+12 Median :2.717e+13
## Mean :1.159e+13 Mean :8.061e+12 Mean :2.719e+13
## 3rd Qu.:1.688e+13 3rd Qu.:8.361e+12 3rd Qu.:3.270e+13
## Max. :1.941e+13 Max. :9.378e+12 Max. :3.447e+13
## tong_no_phai_tra von_chu_so_huu
## Min. :6.160e+12 Min. :1.243e+13
## 1st Qu.:6.791e+12 1st Qu.:1.484e+13
## Median :7.550e+12 Median :2.065e+13
## Mean :7.650e+12 Mean :1.954e+13
## 3rd Qu.:8.402e+12 3rd Qu.:2.398e+13
## Max. :9.874e+12 Max. :2.549e+13
## doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu
## Min. :2.637e+13
## 1st Qu.:2.859e+13
## Median :3.122e+13
## Mean :3.176e+13
## 3rd Qu.:3.484e+13
## Max. :3.790e+13
## loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu doanh_thu_hoat_dong_tai_chinh
## Min. :7.558e+12 Min. :4.186e+11
## 1st Qu.:8.130e+12 1st Qu.:6.605e+11
## Median :8.683e+12 Median :9.321e+11
## Mean :8.762e+12 Mean :8.880e+11
## 3rd Qu.:9.261e+12 3rd Qu.:1.085e+12
## Max. :1.077e+13 Max. :1.433e+12
## TyLeLoiNhuanGop QuyMo
## Min. :0.2249 Length:10
## 1st Qu.:0.2607 Class :character
## Median :0.2835 Mode :character
## Mean :0.2774
## 3rd Qu.:0.2969
## Max. :0.3079- Ý nghĩa thống kê:
8 Phần 3: Thực hiện thống kê cơ bản
8.1 Tính trung bình tổng tài sản
## Trung bình Tổng tài sản: 2.719308e+138.2 Tính trung vị tổng tài sản
## Trung vị Tổng tài sản: 2.716872e+138.3 Tính độ lệch chuẩn Tổng tài sản
## Độ lệch chuẩn Tổng tài sản: 5.731623e+128.4 Tính phương sai Tổng tài sản
## Phương sai Tổng tài sản: 3.28515e+258.5 Tính hệ số biến thiên CV (biến động tương đối)
## Hệ số biến thiên CV: 0.21077518.6 Tính giá trị nhỏ nhất và lớn nhất
## [1] 1.919287e+13## [1] 3.446508e+138.7 Mô tả thống kê cho từng biến chính
## tong_tai_san tong_no_phai_tra von_chu_so_huu
## Min. :1.919e+13 Min. :6.160e+12 Min. :1.243e+13
## 1st Qu.:2.210e+13 1st Qu.:6.791e+12 1st Qu.:1.484e+13
## Median :2.717e+13 Median :7.550e+12 Median :2.065e+13
## Mean :2.719e+13 Mean :7.650e+12 Mean :1.954e+13
## 3rd Qu.:3.270e+13 3rd Qu.:8.402e+12 3rd Qu.:2.398e+13
## Max. :3.447e+13 Max. :9.874e+12 Max. :2.549e+138.8 Tính tổng Doanh thu thuần theo từng năm
bc %>% group_by(Nam) %>% summarise(Tong_DT = sum(doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu, na.rm = TRUE))8.9 Tính lợi nhuận trung bình theo năm
bc %>% group_by(Nam) %>%
summarise (LoiNhuanTB = mean(loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu, na.rm = TRUE))8.10 Xác định năm có Tổng tài sản cao nhất
8.11 Xác định năm có Tổng tài sản thấp nhất
8.12 Tính tỷ lệ Tổng nợ / Tổng tài sản
bc <- bc %>% mutate(TyLeNoTaiSan = tong_no_phai_tra / tong_tai_san)
bc[, c("Nam", "tong_tai_san", "tong_no_phai_tra", "TyLeNoTaiSan")]8.14 Tính ROA
bc$ROA <- bc$loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu / bc$tong_tai_san * 100
bc[, c("Nam", "ROA")]8.15 tính ROE
bc$ROE <- bc$loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu / bc$von_chu_so_huu * 100
bc[, c("Nam", "ROE")]8.16 ROA và ROE trung bình
## [1] 33.17722## [1] 47.080568.17 Tính tương quan giữa Tổng tài sản và Tổng nợ
## [1] 0.74453768.19 Tính lợi nhuận gộp bình quân
## [1] 8.761549e+128.20 Thêm biến tốc độ tăng trưởng Tổng tài sản (%)
bc <- bc %>%
arrange(Nam) %>%
mutate(TangTruong_TS = (tong_tai_san - lag(tong_tai_san)) / lag(tong_tai_san) * 100)
bc[, c("Nam", "tong_tai_san", "TangTruong_TS")]8.22 Tạo bảng tổng hợp chỉ tiêu tài chính quan trọng
tonghop <- bc %>%
summarise(
TB_TS = mean(tong_tai_san, na.rm = TRUE),
TB_TN = mean(tong_no_phai_tra, na.rm = TRUE),
TB_VCSH = mean(von_chu_so_huu, na.rm = TRUE),
TB_ROA = mean(ROA, na.rm = TRUE),
TB_ROE = mean(ROE, na.rm = TRUE) )
print(tonghop)## # A tibble: 1 × 5
## TB_TS TB_TN TB_VCSH TB_ROA TB_ROE
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2.72e13 7.65e12 1.95e13 33.2 47.19 Phần 4: Vẽ biểu đồ
9.1 BIỂU ĐỒ 1: Đường xu hướng Doanh thu theo năm
## Warning: package 'ggplot2' is in use and will not be installedlibrary(ggplot2)
library(scales)
ggplot(bc, aes(x = Nam, y = tong_tai_san)) +
geom_line(linewidth = 1.2, color = "blue") +
geom_point(size = 3, color = "red") +
geom_text(aes(label = round(tong_tai_san,0)), vjust = -0.6, size = 3.2) +
labs(title = "Xu hướng Tổng tài sản (2015–2024)",
x = "Năm", y = "Tổng tài sản (tỷ đồng)") +
scale_x_continuous(breaks = 2015:2024) +
scale_y_continuous(labels = comma) +
theme_minimal(base_size = 13)
9.2 BIỂU ĐỒ 2: Tài sản ngắn hạn theo năm
ggplot(bc, aes(x = Nam, y = tai_san_ngan_han)) +
geom_area(fill = "lightblue", alpha = 0.4) +
geom_line(color = "darkblue", linewidth = 1.2) +
geom_point(color = "red", size = 3) +
geom_text(aes(label = round(tai_san_ngan_han,0)), vjust = -0.6) +
labs(title = "Tài sản ngắn hạn (2015–2024)", x = "Năm", y = "Giá trị (tỷ đồng)") +
scale_x_continuous(breaks = 2015:2024) +
theme_light()
9.3 Biểu đồ 3: Tài sản dài hạn theo năm
ggplot(bc, aes(x = Nam, y = tai_san_dai_han)) +
geom_col(fill = "steelblue") +
geom_text(aes(label = round(tai_san_dai_han,0)), vjust = -0.6, color = "black") +
geom_line(aes(y = tai_san_dai_han), color = "red", linewidth = 1) +
labs(title = "Tài sản dài hạn (2015–2024)", x = "Năm", y = "Tỷ đồng") +
scale_x_continuous(breaks = 2015:2024) +
theme_bw()
9.4 Biểu đồ 4: Tỷ lệ nợ trên tài sản
library(scales)
ggplot(bc, aes(x = Nam, y = TyLeNoTaiSan)) +
geom_area(fill = "pink", alpha = 0.5) +
geom_line(color = "darkred", linewidth = 1.2) +
geom_point(color = "black", size = 3) +
geom_text(aes(label = round(TyLeNoTaiSan,2)), vjust = -0.6) +
labs(title = "Tỷ lệ Nợ/Tổng tài sản (2015–2024)",
x = "Năm", y = "Tỷ lệ (%)") +
scale_x_continuous(breaks = 2015:2024) +
scale_y_continuous(labels = percent_format(scale = 1)) +
theme_minimal()
9.5 Biểu đồ 5: Doanh thu thuần theo năm
ggplot(bc, aes(x = Nam, y = doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu)) +
geom_line(color = "darkgreen", linewidth = 1.2) +
geom_point(color = "orange", size = 3) +
geom_text(aes(label = round(doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu,0)), vjust = -0.6) +
labs(title = "Doanh thu thuần (2015–2024)", x = "Năm", y = "Tỷ đồng") +
scale_x_continuous(breaks = 2015:2024) +
theme_classic()
9.6 Biểu đồ 6: Lợi nhuận gộp
ggplot(bc, aes(x = Nam, y = loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu)) +
geom_col(fill = "seagreen3") +
geom_text(aes(label = round(loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu, 0)), vjust = -0.6) +
labs(title = "Lợi nhuận gộp qua các năm", x = "Năm", y = "Tỷ đồng") +
scale_x_continuous(breaks = 2015:2024) +
theme_minimal()
9.7 Biểu đồ 7. ROA theo năm
ggplot(bc, aes(x = Nam, y = ROA)) +
geom_line(color = "purple", linewidth = 1.2) +
geom_point(color = "darkorange", size = 3) +
geom_text(aes(label = round(ROA, 2)), vjust = -0.6) +
labs(title = "Tỷ suất sinh lời trên tài sản (ROA)", x = "Năm", y = "%") +
scale_x_continuous(breaks = 2015:2024) +
theme_bw()
9.8 Biểu đồ 8: ROE theo năm
ggplot(bc, aes(x = Nam, y = ROE)) +
geom_line(color = "darkcyan", linewidth = 1.2) +
geom_point(color = "black", size = 3) +
geom_text(aes(label = round(ROE, 2)), vjust = -0.6) +
labs(title = "Tỷ suất sinh lời trên vốn chủ sở hữu (ROE)", x = "Năm", y = "%") +
scale_x_continuous(breaks = 2015:2024) +
theme_light()
9.9 Biểu đồ 9: Tăng trưởng tài sản
bc_clean <- na.omit(bc)
ggplot(bc_clean, aes(x = Nam, y = TangTruong_TS)) +
geom_col(fill = "darkseagreen") +
geom_text(aes(label = paste0(round(TangTruong_TS,1), "%")), vjust = -0.6) +
labs(title = "Tăng trưởng tài sản (%)", x = "Năm", y = "%") +
scale_x_continuous(breaks = 2015:2024) +
theme_minimal()
9.10 Biểu đồ 10: Tỷ lệ lợi nhuận gộp
ggplot(bc, aes(x = Nam, y = TyLeLoiNhuanGop)) +
geom_line(color = "red", linewidth = 1.2) +
geom_point(color = "black", size = 3) +
geom_text(aes(label = paste0(round(TyLeLoiNhuanGop,1), "%")), vjust = -0.6) +
labs(title = "Tỷ lệ lợi nhuận gộp (%)", x = "Năm", y = "%") +
scale_x_continuous(breaks = 2015:2024) +
theme_classic()
9.11 Biểu đồ 11: ROA vs ROE
ggplot(bc, aes(x = Nam)) +
geom_line(aes(y = ROA, color = "ROA"), linewidth = 1.2) +
geom_line(aes(y = ROE, color = "ROE"), linewidth = 1.2, linetype = "dashed") +
geom_point(aes(y = ROA, color = "ROA"), size = 3) +
geom_point(aes(y = ROE, color = "ROE"), size = 3) +
labs(title = "So sánh ROA và ROE (2015–2024)",
x = "Năm", y = "Tỷ lệ (%)",
subtitle = "Hai chỉ tiêu phản ánh hiệu quả sinh lời khác nhau",
color = "Chỉ tiêu") +
scale_x_continuous(breaks = 2015:2024) +
theme_minimal(base_size = 13)
9.12 Biểu đồ 12: Ảnh hưởng của tỷ lệ nợ đến ROE
ggplot(bc, aes(x = Nam)) +
geom_col(aes(y = TyLeNoTaiSan * 100), fill = "lightblue", alpha = 0.6) +
geom_line(aes(y = ROE, color = "ROE"), linewidth = 1.2) +
geom_point(aes(y = ROE, color = "ROE"), size = 3) +
scale_y_continuous(sec.axis = sec_axis(~ ., name = "Tỷ lệ nợ (%)")) +
labs(title = "Ảnh hưởng của Tỷ lệ nợ đến ROE (2015–2024)",
subtitle = "Tỷ lệ nợ tăng cao thường kéo ROE biến động mạnh",
x = "Năm", y = "ROE (%)", color = "") +
scale_x_continuous(breaks = 2015:2024) +
theme_light()
9.13 Biểu đồ 13: Doanh thu và lợi nhuận gộp
ggplot(bc, aes(x = Nam)) +
geom_line(aes(y = doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu/1000, color = "Doanh thu"), linewidth = 1.2) +
geom_line(aes(y = loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu/1000, color = "Lợi nhuận gộp"), linewidth = 1.2, linetype = "dashed") +
geom_point(aes(y = doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu/1000, color = "Doanh thu"), size = 3) +
geom_point(aes(y = loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu/1000, color = "Lợi nhuận gộp"), size = 3) +
labs(title = "Doanh thu và Lợi nhuận gộp (2015–2024)",
subtitle = "Quan hệ giữa doanh thu thuần và lợi nhuận gộp",
x = "Năm", y = "Giá trị (nghìn tỷ đồng)", color = "Chỉ tiêu") +
scale_x_continuous(breaks = 2015:2024) +
theme_minimal()
9.14 Biểu đồ 14: Tài sản vs Vốn chủ sở hữu
ggplot(bc, aes(x = Nam)) +
geom_line(aes(y = tong_tai_san/1000, color = "Tổng tài sản"), linewidth = 1.2) +
geom_line(aes(y = von_chu_so_huu/1000, color = "Vốn chủ sở hữu"), linewidth = 1.2, linetype = "dashed") +
geom_point(aes(y = tong_tai_san/1000, color = "Tổng tài sản"), size = 3) +
geom_point(aes(y = von_chu_so_huu/1000, color = "Vốn chủ sở hữu"), size = 3) +
labs(title = "Tổng tài sản và Vốn chủ sở hữu (2015–2024)",
x = "Năm", y = "Giá trị (nghìn tỷ đồng)", color = "Chỉ tiêu") +
scale_x_continuous(breaks = 2015:2024) +
theme_bw()
9.15 Biểu đồ 15: Tài sản ngắn hạn vs dài hạn
ggplot(bc, aes(x = Nam)) +
geom_area(aes(y = tai_san_ngan_han/1000, fill = "Ngắn hạn"), alpha = 0.4) +
geom_area(aes(y = tai_san_dai_han/1000, fill = "Dài hạn"), alpha = 0.4) +
geom_line(aes(y = tai_san_ngan_han/1000, color = "Ngắn hạn"), linewidth = 1.2) +
geom_line(aes(y = tai_san_dai_han/1000, color = "Dài hạn"), linewidth = 1.2) +
labs(title = "Tài sản ngắn hạn vs dài hạn (2015–2024)",
x = "Năm", y = "Giá trị (nghìn tỷ đồng)", color = "Loại tài sản") +
scale_x_continuous(breaks = 2015:2024) +
theme_minimal()
9.16 Biểu đồ 16: Ảnh hưởng của Quy mô đến Tổng tài sản
ggplot(bc, aes(x = Nam, y = tong_tai_san/1000, color = QuyMo)) +
geom_line(linewidth = 1.2) +
geom_point(size = 3) +
labs(title = "Ảnh hưởng của Quy mô doanh nghiệp đến Tổng tài sản",
subtitle = "Nhóm quy mô Lớn - Vừa - Nhỏ",
x = "Năm", y = "Tổng tài sản (nghìn tỷ đồng)", color = "Quy mô") +
scale_x_continuous(breaks = 2015:2024) +
theme_light()
9.17 Biểu đồ 17: Quy mô và Doanh thu
ggplot(bc, aes(x = Nam, y = doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu/1000, color = QuyMo)) +
geom_line(linewidth = 1.2) +
geom_point(size = 3) +
labs(title = "Ảnh hưởng của Quy mô đến Doanh thu thuần (2015–2024)",
x = "Năm", y = "Doanh thu (nghìn tỷ đồng)", color = "Quy mô") +
scale_x_continuous(breaks = 2015:2024) +
theme_minimal()
9.18 Biểu đồ 18:Quy mô và ROA
ggplot(bc, aes(x = Nam, y = ROA, color = QuyMo)) +
geom_line(linewidth = 1.2) +
geom_point(size = 3) +
labs(title = "Ảnh hưởng của Quy mô doanh nghiệp đến ROA",
x = "Năm", y = "ROA (%)", color = "Quy mô") +
scale_x_continuous(breaks = 2015:2024) +
theme_classic()
9.19 Biểu đồ 19: Tỷ lệ nợ tài sản và ROA
ggplot(bc, aes(x = Nam)) +
geom_col(aes(y = TyLeNoTaiSan * 100), fill = "skyblue", alpha = 0.6) +
geom_line(aes(y = ROA, color = "ROA"), linewidth = 1.2) +
geom_point(aes(y = ROA, color = "ROA"), size = 3) +
labs(title = "Tỷ lệ nợ và ROA (2015–2024)",
subtitle = "Phản ánh tác động của đòn bẩy tài chính đến hiệu quả sinh lời",
x = "Năm", y = "Tỷ lệ (%)", color = "") +
scale_x_continuous(breaks = 2015:2024) +
theme_minimal()
9.20 Biểu đồ 20: ROE và Tăng trưởng tài sản
bc_clean <- na.omit(bc)
ggplot(bc_clean, aes(x = Nam)) +
geom_col(aes(y = TangTruong_TS), fill = "lightgreen", alpha = 0.6) +
geom_line(aes(y = ROE, color = "ROE"), linewidth = 1.2) +
geom_point(aes(y = ROE, color = "ROE"), size = 3) +
labs(title = "Tăng trưởng tài sản và ROE (2015–2024)",
subtitle = "Mức tăng tài sản thường ảnh hưởng đến hiệu suất sinh lời vốn chủ",
x = "Năm", y = "Tỷ lệ (%)", color = "") +
scale_x_continuous(breaks = 2015:2024) +
theme_light()
9.21 Biểu đồ 21: Phân phối ROA
ggplot(bc, aes(x = ROA)) +
geom_histogram(fill = "skyblue", color = "black", bins = 8) +
labs(title = "Phân phối ROA", x = "ROA (%)", y = "Tần suất") +
theme_light()
9.22 Biểu đồ 22: Phân phối ROE
ggplot(bc, aes(x = ROE)) +
geom_density(fill = "pink", alpha = 0.5) +
labs(title = "Phân phối ROE", x = "ROE (%)", y = "Mật độ") +
theme_minimal()
9.23 Biểu đồ 23: Boxplot ROA theo năm
ggplot(bc, aes(x = factor(Nam), y = ROA)) +
geom_boxplot(fill = "#9be09b", color = "skyblue", width = 0.6) +
labs(title = "Phân bố ROA theo năm", x = "Năm", y = "ROA (%)") +
theme_minimal(base_size = 13) +
theme( panel.border = element_rect(color = "black", fill = NA, linewidth = 0.8))
9.24 Biểu đồ 24: Doanh thu và Lợi nhuận gộp (song hành)
ggplot(bc) +
geom_line(aes(x = Nam, y = doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu, color = "Doanh thu")) +
geom_line(aes(x = Nam, y = loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu, color = "Lợi nhuận")) +
scale_color_manual(values = c("Doanh thu" = "blue", "Lợi nhuận" = "red")) +
labs(title = "Doanh thu và Lợi nhuận gộp (2015–2024)", x = "Năm", y = "Tỷ đồng", color = "Chỉ tiêu") +
scale_x_continuous(breaks = 2015:2024) +
theme_minimal()
9.25 Biểu đồ 25: Biểu đồ tổng hợp đa tuyến
ggplot(bc) +
geom_line(aes(x = Nam, y = tong_tai_san/1000, color = "Tổng tài sản"), linewidth = 1.2) +
geom_line(aes(x = Nam, y = doanh_thu_thuan_ve_ban_hang_va_cung_cap_dich_vu/1000, color = "Doanh thu"), linewidth = 1.2) +
geom_line(aes(x = Nam, y = loi_nhuan_gop_ve_ban_hang_va_cung_cap_dich_vu/1000, color = "Lợi nhuận gộp"), linewidth = 1.2) +
labs(title = "Tổng hợp: Tài sản, Doanh thu, Lợi nhuận (2015–2024)",
subtitle = "Đơn vị: nghìn tỷ đồng", x = "Năm", y = "Giá trị (nghìn tỷ đồng)", color = "Chỉ tiêu") +
scale_x_continuous(breaks = 2015:2024) +
theme_minimal()