Finančné podmienky a vznik nových podnikov

1. Téma a cieľ

Téma sa zameriava na vzťah medzi finančnými podmienkami a vznikom nových podnikov. Cieľom je pomocou ekonometrických metód preskúmať, či úroková sadzba súvisí s počtom novovzniknutých podnikov na Slovensku.

Hypotéza: Vyššie úrokové sadzby znižujú počet registrácií nových podnikov.

2. Zdroj a popis dát

Dáta pochádzajú z Eurostatu, sú štvrťročné a pokrývajú obdobie 2015-Q1 až 2026-Q3 (47 pozorovaní).

Premenná	Dataset Eurostatu	Filter	Jednotka
Registrácie nových podnikov (závislá)	sts_rb_q	geo = SK, indic_bt = REG	index, 2021 = 100, sezónne a kalendárne očistený
3-mesačná medzibanková sadzba (vysvetľujúca)	irt_st_q	geo = EA, int_rt = IRT_M3	% p. a.

Slovensko používa euro, preto je ako úroková sadzba použitá sadzba eurozóny (EA).

3. Načítanie a spojenie dát

# CSV súbory musia byť v rovnakom priečinku ako tento .qmd súbor
reg <- read.csv("sts_rb_q$defaultview_linear_2_0.csv", check.names = FALSE)
irt <- read.csv("irt_st_q$defaultview_linear_2_0.csv", check.names = FALSE)

dim(reg)

[1] 7887   23

dim(irt)

[1] 921  17

Filtrovanie potrebných riadkov

reg_sk <- reg[reg$geo == "SK" & reg$indic_bt == "REG" & reg$unit == "I21",
              c("TIME_PERIOD", "OBS_VALUE", "OBS_FLAG")]
names(reg_sk) <- c("obdobie", "registracie", "priznak")

irt_ea <- irt[irt$geo == "EA" & irt$int_rt == "IRT_M3",
              c("TIME_PERIOD", "OBS_VALUE")]
names(irt_ea) <- c("obdobie", "urok")

nrow(reg_sk)

[1] 47

nrow(irt_ea)

[1] 47

Spojenie podľa štvrťroka

data <- merge(reg_sk, irt_ea, by = "obdobie")
data <- data[order(data$obdobie), ]
head(data)

  obdobie registracie priznak     urok
1 2015-Q1        65.3       i  0.04568
2 2015-Q2        71.7       i -0.00670
3 2015-Q3        73.2       i -0.02768
4 2015-Q4        69.1       i -0.08920
5 2016-Q1        72.3       i -0.18673
6 2016-Q2        76.6       i -0.25823

4. Kontrola kvality dát

# chýbajúce hodnoty
colSums(is.na(data))

    obdobie registracie     priznak        urok 
          0           0           0           0 

# duplicity v čase
sum(duplicated(data$obdobie))

[1] 0

# typy premenných
str(data)

'data.frame':   47 obs. of  4 variables:
 $ obdobie    : chr  "2015-Q1" "2015-Q2" "2015-Q3" "2015-Q4" ...
 $ registracie: num  65.3 71.7 73.2 69.1 72.3 76.6 75.4 77.7 88.3 93.9 ...
 $ priznak    : chr  "i" "i" "i" "i" ...
 $ urok       : num  0.0457 -0.0067 -0.0277 -0.0892 -0.1867 ...

# príznaky kvality (i = hodnota doplnená Eurostatom)
table(data$priznak, useNA = "ifany")

 i 
47 

summary(data[, c("registracie", "urok")])

  registracie          urok        
 Min.   : 51.60   Min.   :-0.5669  
 1st Qu.: 83.80   1st Qu.:-0.3298  
 Median : 96.90   Median :-0.2982  
 Mean   : 92.53   Mean   : 0.7639  
 3rd Qu.:101.10   3rd Qu.: 2.0776  
 Max.   :125.20   Max.   : 3.9592  

Zistenia: V dátach nie sú chýbajúce hodnoty ani duplicity. Všetky hodnoty registrácií majú príznak i, teda ide o hodnoty doplnené Eurostatom, čo je obmedzenie pre interpretáciu výsledkov.

5. Prvý pohľad na dáta

par(mfrow = c(2, 1), mar = c(3, 4, 2, 1))
plot(data$registracie, type = "l", main = "Registrácie nových podnikov (SK, 2021 = 100)",
     xlab = "", ylab = "index")
plot(data$urok, type = "l", main = "3-mesačná sadzba (eurozóna)",
     xlab = "štvrťrok od 2015-Q1", ylab = "%")

cor(data$registracie, data$urok)

[1] 0.2199599

6. Plán ďalšieho spracovania

1. Test stacionarity (ADF test) oboch radov.
2. Odhad regresného modelu (OLS, prípadne model s oneskoreniami).
3. Diagnostika rezíduí (autokorelácia, heteroskedasticita, normalita).
4. Interpretácia výsledkov vzhľadom na hypotézu.