BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG o0o LUẬN ÁN TIẾN SĨ ĐÁNH GIÁ TÁC ĐỘNG CỦA ĐẶC ĐIỂM NHÂN KHẨU HỌC CỦA GIÁM ĐỐC ĐIỀU HÀNH (CEO), ƯU ĐÃI THUẾ VÀ PHI THUẾ ĐẾN KẾT QUẢ HOẠT ĐỘNG CỦA DOAN[.]
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG -o0o - LUẬN ÁN TIẾN SĨ ĐÁNH GIÁ TÁC ĐỘNG CỦA ĐẶC ĐIỂM NHÂN KHẨU HỌC CỦA GIÁM ĐỐC ĐIỀU HÀNH (CEO), ƯU ĐÃI THUẾ VÀ PHI THUẾ ĐẾN KẾT QUẢ HOẠT ĐỘNG CỦA DOANH NGHIỆP TRONG NGÀNH NGHIÊN CỨU KHOA HỌC VÀ PHÁT TRIỂN CÔNG NGHỆ TẠI VIỆT NAM Ngành: Quản trị kinh doanh Mã số: 93.40.101 Nghiên cứu sinh: Dương Thị Thanh Thuỷ Người hướng dẫn khoa học: TS Hồ Hồng Hải TS Nguyễn Thục Anh Hà Nội - 2022 LỜI CAM ĐOAN Luận án “Đánh giá tác động đặc điểm nhân học Giám đốc điều hành (CEO), ưu đãi thuế phi thuế đến kết hoạt động doanh nghiệp ngành nghiên cứu khoa học phát triển công nghệ Việt Nam” cơng trình nghiên cứu tơi thực giai đoạn 2017-2022 Tất liệu sơ cấp thứ cấp sử dụng nghiên cứu có nguồn gốc rõ ràng, trung thực, trích dẫn đầy đủ Tôi cam đoan luận án tôn trọng đầy đủ quy tắc đạo đức nghiên cứu quy định quyền tác giả Hà Nội, ngày … tháng … năm 2022 Tác giả luận án NCS Dương Thị Thanh Thuỷ LỜI CẢM ƠN Lời đầu tiên, xin chân thành cảm ơn hai thầy cô hướng dẫn khoa học tôi, TS Hồ Hồng Hải TS Nguyễn Thục Anh, người hết lòng bảo, hướng dẫn cho từ ngày đầu làm nghiên cứu, động viên, kiên nhẫn chặng đường nghiên cứu tôi, hỗ trợ thời gian khoảng cách, giúp vượt qua nhiều khó khăn, thử thách Sự trợ giúp khoa học cổ vũ tinh thần hai thầy cô giúp tơi can đảm vượt lên mình, bước chân vào đường nghiên cứu khoa học vốn chưa phẳng dễ dàng Tôi xin trân trọng cảm ơn thầy cô tổ mơn Quản trị Tài chính, Khoa Quản trị kinh doanh, Đại học Ngoại thương góp ý chân thành, thẳng thắn cho cơng trình khoa học tơi, giúp tơi bổ sung hồn thiện tốt có thể, đáp ứng yêu cầu khoa học luận án tiến sỹ Tôi xin cảm ơn Khoa Sau đại học, Đại học Ngoại thương trợ giúp tận tình, kịp thời vấn đề học tập, thủ tục, quy định suốt thời gian học tập thực nghiên cứu cho luận án Sau cùng, biết ơn gửi lời chúc thân thương tới mẹ, chồng hai tôi, người mong mỏi, ủng hộ, trợ giúp đường khoa học, chấp nhận hy sinh, chia sẻ thời gian sức lực để tơi tập trung cho cơng việc nghiên cứu Luận án cơng trình tơi tưởng nhớ đến cha, nhà toán học, người thầy, với tất tình cảm thương u, kính trọng! Tác giả luận án NCS Dương Thị Thanh Thuỷ MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC TỪ VIẾT TẮT TIẾNG VIỆT DANH MỤC TỪ VIẾT TẮT TIẾNG ANH DANH MỤC BẢNG DANH MỤC HÌNH PHẦN MỞ ĐẦU …………………………………………………………………… 1 Lý lựa chọn đề tài ……………………………………………………… Mục tiêu nhiệm vụ nghiên cứu ………………………………………… 3 Đối tượng phạm vi nghiên cứu ………………………………………… 4 Phương pháp nghiên cứu luận án …………………………………… Những đóng góp luận án ………………………………………… 5.1 Những đóng góp lý luận ……………………… …………….… 5.2 Những đóng góp thực tiễn ……………………………………… 6 Cấu trúc luận án ……………………………………………………… CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU …………………… 1.1 Tổng quan cơng trình nghiên cứu ……………………………………… 1.1.1 Các nghiên cứu mối liên hệ đặc điểm nhân học Giám đốc điều hành (CEO) kết hoạt động (KQHĐ) doanh nghiệp (DN) ………………………………………………………………… 1.1.2 Các nghiên cứu mối liên hệ ưu đãi thuế phi thuế với KQHĐ DN ……………………………….………………………….… 22 1.1.3 Các nghiên cứu liên quan tới DN ngành nghiên cứu khoa học phát triển công nghệ (NCKH&PTCN) Việt Nam ……… … 32 1.2 Khoảng trống định hướng nghiên cứu ……………………………… … 33 TỔNG KẾT CHƯƠNG ……………………………………………………… 36 CHƯƠNG 2: CƠ SỞ LÝ LUẬN VỀ TÁC ĐỘNG CỦA ĐẶC ĐIỂM NHÂN KHẨU HỌC CỦA CEO, ƯU ĐÃI THUẾ VÀ PHI THUẾ ĐẾN KQHĐ CỦA DN TRONG NGÀNH NCKH&PTCN ………………….…………………… …… 37 2.1 DN ngành NCKH&PTCN …………… ……………………… …… 37 2.1.1 Khái niệm Doanh nghiệp khoa học công nghệ ………………… 37 2.1.2 Phân loại DN ngành NCKH&PTCN……………………… 38 2.2 Cơ sở lý thuyết KQHĐ DN ngành NCKH&PTCN ………… 39 2.2.1 Khái niệm KQHĐ DN …………………………………… .… 39 2.2.2 Các lý thuyết quản trị nhóm nhân tố tác động đến KQHĐ DN …………… …………………….…………………… ……… 41 2.2.3 Các mơ hình đánh giá KQHĐ DN ………….……………… 45 2.2.4 Các số đánh giá KQHĐ DN ………….…………………… 47 2.2.5 Khái niệm công cụ luận án – KQHĐ nội hàm khái niệm … 49 2.3 Các nhóm nhân tố tác động đến KQHĐ DN ngành NCKH&PTCN Việt Nam ……………………………………………………………… ……… 51 2.3.1 Đặc điểm nhân học CEO ……………………………… 51 2.3.2 Ưu đãi thuế ………………………………………………………… 52 2.3.3 Ưu đãi phi thuế …………………………………………………… 54 TỔNG KẾT CHƯƠNG ………………………………………………………… 56 CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU ……………………………… 57 3.1 Thiết kế nghiên cứu ………………………………………………………… 57 3.2 Mô tả mẫu nghiên cứu ……………………………………………………… 58 3.2.1 Mẫu nghiên cứu nghiên cứu định lượng ………………… 58 3.2.2 Mẫu nghiên cứu nghiên cứu định tính ……………………… 61 3.3 Phương pháp nghiên cứu sử dụng …………………………………… 62 3.3.1 Phương pháp nghiên cứu định lượng …………………………… 62 3.3.2 Phương pháp nghiên cứu định tính ……………………………… 74 TỔNG KẾT CHƯƠNG ………………………………………………………… 76 CHƯƠNG 4: PHÂN TÍCH THỰC TRẠNG TÁC ĐỘNG CỦA ĐẶC ĐIỂM NHÂN KHẨU HỌC CỦA CEO, ƯU ĐÃI THUẾ VÀ PHI THUẾ ĐẾN KQHĐ DN ngành NCKH&PTCN TẠI VIỆT NAM GIAI ĐOẠN 2008-2019 ……………………………………………………… …………………………… 77 4.1 Hoạt động DN ngành NCKH&PTCN Việt Nam … ……… 77 4.1.1 Thể chế pháp lý hành DN ngành NCKH&PTCN ……………………………………………………………… ……… 77 4.1.2 Tình hình SXKD DN ngành NCKH&PTCN Việt Nam 80 4.1.3 Thống kê loại hình pháp lý DN ngành NCKH&PTCN Việt Nam …………………………………………………………… 82 4.2 Phân tích thực trạng tác động đặc điểm nhân học CEO, ưu đãi thuế phi thuế đến KQHĐ DN ngành NCKH&PTCN Việt Nam …………………………………………………………………………………… 83 4.2.1 Tác động đặc điểm nhân học CEO đến KQHĐ DN ngành NCKH&PTCN ………………….….……………… 83 4.2.2 Tác động ưu đãi thuế đến KQHĐ DNKHCN ………….…101 4.2.3 Đánh giá ưu đãi thuế phi thuế từ góc nhìn DN ……………… 115 TỔNG KẾT CHƯƠNG ……………………………………………………… 126 CHƯƠNG 5: KHUYẾN NGHỊ VÀ GIẢI PHÁP NÂNG CAO KQHĐ CỦA DN TRONG NGÀNH NCKH&PTCN TẠI VIỆT NAM ……………………….… 127 5.1 Chiến lược phát triển hoạt động KH&CN Việt Nam ………………… 127 5.2 Khuyến nghị đặc điểm nhân học CEO số đặc điểm DN ngành NCKH&PTCN …………… ………………… ………….…… 127 5.2.1 Khuyến nghị tới DN72 ……….……………………………………… 128 5.2.2 Khuyến nghị tới DNKHCN ………………………………………… 129 5.3 Đề xuất nhóm giải pháp thực hố ưu đãi phi thuế hoàn thiện ưu đãi thuế cho DNKHCN ………… …….…………………………………… … 132 5.3.1 Giải pháp truyền thông ………………………………………… 133 5.3.2 Giải pháp thể chế ………………………………………………… 134 5.3.3 Giải pháp trợ giúp pháp lý tư vấn ……………………………… 138 5.3.4 Giải pháp trợ giúp thương mại hoá mở rộng thị trường ……… 139 5.4 Các khuyến nghị sách tới quan quản lý Nhà nước tổ chức có liên quan ………………………………………………………………… ………… 140 5.4.1 Khuyến nghị tới liên Bộ - Bộ Khoa học công nghệ, Bộ Kế hoạch đầu tư, Bộ Tài Chính phủ ……………………….……… 140 5.4.2 Khuyến nghị tới Bộ KH&CN ……………………………………… 142 5.4.3 Khuyến nghị tới Hiệp hội DNKHCN ……………………………… 145 TỔNG KẾT CHƯƠNG ……………………………………………………… 146 KẾT LUẬN ……………………………………………………………………….147 DANH MỤC CƠNG TRÌNH CƠNG BỐ KẾT QUẢ NGHIÊN CỨU CỦA ĐỀ TÀI LUẬN ÁN ……………………………………………………………………150 TÀI LIỆU THAM KHẢO ……………………………………………………… 151 CÁC PHỤ LỤC (1-11) … ………………………………………………………162 i DANH MỤC TỪ VIẾT TẮT TIẾNG VIỆT Từ viết tắt Từ đầy đủ CHXHCN Cộng hoà xã hội chủ nghĩa Công ty CP Công ty cổ phần CP Chính phủ CSH Chủ sở hữu DN Doanh nghiệp DNNN Doanh nghiệp Nhà nước DNKHCN Doanh nghiệp khoa học công nghệ DN72 Doanh nghiệp ngành 72 GPHI Giải pháp hữu ích HĐQT Hội đồng quản trị HTX Hợp tác xã KH&CN Khoa học công nghệ KH&ĐT Kế hoạch đầu tư KQHĐ Kết hoạt động NCKH Nghiên cứu khoa học NCKH&PTCN Nghiên cứu khoa học phát triển công nghệ NC&PT Nghiên cứu phát triển NĐ Nghị định NK Nhập NSNN Ngân sách Nhà nước SHTT Sở hữu trí tuệ SXKD Sản xuất kinh doanh TNDN Thu nhập doanh nghiệp TNHH Trách nhiệm hữu hạn TP Thành phố TSCĐ Tài sản cố định TW Trung ương XK Xuất ii DANH MỤC TỪ VIẾT TẮT TIẾNG ANH Từ viết tắt CEO FE FGLS GDP GSO IPO IT M&A MBA OLS R&D RBT RDT RE ROA ROE ROI ROS RR SGMM SMEs SOEs UET VIF VSIC Từ đầy đủ Tiếng Anh Chief Executive Officer Fixed effects model Feasible generalized least squares Gross Domestic Products General Statistics Office Initial Public Offering Institution Theory Mergers and acquisitions Master of Business Administration Ordinary least squares Research and Development Resource-based Theory Resource Dependence Theory Random effects model Return on assets Return on equity Return on investment Return on sales Robust regression System Generalized Method of Moments Small and medium-sized enterprises State-owned enterprises Upper Echelon Theory Variance inflation factor Vietnam standard industrial classification system Nghĩa Tiếng Việt Giám đốc điều hành Mơ hình tác động cố định Phương pháp bình phương tổng quát tối thiểu Tổng sản phẩm quốc nội Tổng cục thống kê Chào bán cổ phiếu công chúng lần đầu Lý thuyết thể chế Thơn tính sáp nhập Thạc sỹ Quản trị kinh doanh Phương pháp bình phương nhỏ thơng thường Nghiên cứu phát triển Lý thuyết dựa vào nguồn lực Lý thuyết phụ thuộc nguồn lực Mơ hình tác động ngẫu nhiên Tỷ suất sinh lời tổng tài sản Tỷ suất sinh lời vốn chủ sở hữu Tỷ suất sinh lời vốn đầu tư Tỷ suất sinh lời doanh thu Hồi quy Robust Phương pháp moment tổng quát hệ thống Doanh nghiệp quy mô nhỏ vừa Doanh nghiệp thuộc sở hữu Nhà nước Lý thuyết nhà lãnh đạo cấp cao Hệ số phóng đại phương sai Hệ thống mã ngành kinh tế Việt Nam 220 UniDegree | (base) | CEOEdu#c.Age | College | 0012289 0104883 0.12 0.907 -.0195354 0219933 Doctor | 0047449 0023916 1.98 0.050 0000101 0094798 Intermediate | -.2454874 0061436 -39.96 0.000 -.2576502 -.2333246 Master | 0014099 0021807 0.65 0.519 -.0029073 0057271 OtherEdu | 0029466 0031396 0.94 0.350 -.0032692 0091624 | log_FirmAge | -.0004419 0111774 -0.04 0.969 -.0225705 0216866 log_TotalAssets | 0011942 0067536 0.18 0.860 -.0121764 0145647 log_Labour | -.0008918 0088186 -0.10 0.920 -.0183505 0165669 Leverage | 0242536 0285179 0.85 0.397 -.0322051 0807123 CorpTax | 1539855 0591161 2.60 0.010 0369497 2710214 ImportExport | 0145376 0379566 0.38 0.702 -.0606075 0896827 SpecialZone | -.0125522 0623768 -0.20 0.841 -.1360435 1109392 CenCity | -.030694 0269284 -1.14 0.257 -.0840058 0226177 _cons | 0120294 0629216 0.19 0.849 -.1125405 1365993 - Phụ lục 8p: Hồi quy robust với biến Gioitinh*Hocvan_DN72 (2017) rreg ROA Age i.Gender##i.CEOEdu log_FirmAge log_TotalAssets log_Labour Leverage CorpTax ImportExport SpecialZone CenCity note: 0.Gender#1.CEOEdu identifies no observations in the sample note: 1.Gender#1.CEOEdu omitted because of collinearity Huber Huber Huber Huber Huber Huber Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration Robust regression 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: maximum difference in weights = 80206008 maximum difference in weights = 44625971 maximum difference in weights = 23013383 maximum difference in weights = 13719521 maximum difference in weights = 08529672 maximum difference in weights = 03450388 maximum difference in weights = 29498431 maximum difference in weights = 45877267 maximum difference in weights = 24864358 maximum difference in weights = 28843118 maximum difference in weights = 24239358 maximum difference in weights = 1238174 maximum difference in weights = 03029245 maximum difference in weights = 0098479 Number of obs = 198 F( 19, 178) = 14.62 Prob > F = 0.0000 ROA| Coef Std Err t P>|t| [95% Conf Interval] + -Age | 000198 0002247 0.88 0.379 -.0002454 0006415 | Gender | | (base) | -.0167552 0068588 -2.44 0.016 -.0302903 -.00322 | CEOEdu | College | 0178778 0118389 1.51 0.133 -.0054849 0412405 Doctor | -.2502622 0190858 -13.11 0.000 -.2879256 -.2125987 Intermediate | 038791 0196011 1.98 0.049 0001105 0774715 Master | 0235245 0150012 1.57 0.119 -.0060786 0531277 OtherEdu | 001284 0258613 0.05 0.960 -.0497501 0523182 UniDegree | (base) | Gender#CEOEdu | 0#College | (empty) 1#College | (omitted) 1#Doctor | 258898 0224302 11.54 0.000 2146346 3031614 1#Intermediate | -.0928773 0286526 -3.24 0.001 -.1494198 -.0363349 1#Master | -.0002906 0179385 -0.02 0.987 -.03569 0351089 1#OtherEdu | 0024694 0333593 0.07 0.941 -.0633611 0683 | log_FirmAge | 0027236 0037588 0.72 0.470 -.0046939 0101411 log_TotalAssets | 0019183 001898 1.01 0.314 -.0018273 0056638 log_Labour | -.0005237 0030046 -0.17 0.862 -.006453 0054055 Leverage | 0146958 0105168 1.40 0.164 -.0060579 0354495 CorpTax | 0764712 0234796 3.26 0.001 030137 1228055 ImportExport | 0448241 0143332 3.13 0.002 0165393 0731089 SpecialZone | 006532 0182979 0.36 0.722 -.0295767 0426408 CenCity | 0008768 0099802 0.09 0.930 -.0188179 0205714 _cons | -.0328169 0209315 -1.57 0.119 -.0741228 008489 221 rreg ROE Age i.Gender##i.CEOEdu log_FirmAge log_TotalAssets log_Labour Leverage CorpTax ImportExport SpecialZone CenCity note: 0.Gender#1.CEOEdu identifies no observations in the sample note: 1.Gender#1.CEOEdu omitted because of collinearity Huber Huber Huber Huber Huber Huber Huber Huber Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: 16: 17: 18: 19: 20: 21: maximum difference in weights = 75136141 maximum difference in weights = 41201377 maximum difference in weights = 33881297 maximum difference in weights = 20815669 maximum difference in weights = 20077926 maximum difference in weights = 15299023 maximum difference in weights = 0801623 maximum difference in weights = 04526177 maximum difference in weights = 30132055 maximum difference in weights = 95424361 maximum difference in weights = 2549233 maximum difference in weights = 27072258 maximum difference in weights = 14811821 maximum difference in weights = 08066604 maximum difference in weights = 08626879 maximum difference in weights = 04406444 maximum difference in weights = 032566 maximum difference in weights = 0290303 maximum difference in weights = 01564718 maximum difference in weights = 01682504 maximum difference in weights = 00810018 Robust regression Number of obs = 198 F( 19, 178) = 14.50 Prob > F = 0.0000 ROE | Coef Std Err t P>|t| [95% Conf Interval] + -Age | 0001083 00022 0.49 0.623 -.0003259 0005425 | Gender | | (base) | -.0117267 0067158 -1.75 0.083 -.0249796 0015261 | CEOEdu | College | 0196892 011592 1.70 0.091 -.0031863 0425647 Doctor | -.004838 0186877 -0.26 0.796 -.041716 0320401 Intermediate | 0637642 0191924 3.32 0.001 0258904 1016381 Master | 018164 0146884 1.24 0.218 -.0108218 0471498 OtherEdu | 0000293 025322 0.00 0.999 -.0499406 0499991 UniDegree | (base) | Gender#CEOEdu | 0#College | (empty) 1#College | (omitted) 1#Doctor | 0145263 0219625 0.66 0.509 -.028814 0578667 1#Intermediate | -.1199153 0280551 -4.27 0.000 -.1752786 -.064552 1#Master | -.0046974 0175644 -0.27 0.789 -.0393586 0299639 1#OtherEdu | 0044493 0326636 0.14 0.892 -.0600084 068907 | log_FirmAge | 002472 0036804 0.67 0.503 -.0047908 0097349 log_TotalAssets | 0022883 0018585 1.23 0.220 -.0013792 0059558 log_Labour | -.0002789 002942 -0.09 0.925 -.0060845 0055267 Leverage | 0434918 0102975 4.22 0.000 0231709 0638127 CorpTax | 0599582 02299 2.61 0.010 0145902 1053262 ImportExport | 1366929 0140343 9.74 0.000 1089979 1643878 SpecialZone | -.0053729 0179163 -0.30 0.765 -.0407287 0299828 CenCity | -.0017136 009772 -0.18 0.861 -.0209976 0175703 _cons | -.0338249 020495 -1.65 0.101 -.0742694 0066195 rreg TSLNTT Age i.Gender##i.CEOEdu log_FirmAge log_TotalAssets log_Labour Leverage CorpTax ImportExport SpecialZone CenCity note: 0.Gender#1.CEOEdu identifies no observations in the sample note: 1.Gender#1.CEOEdu omitted because of collinearity Huber Huber Huber Huber Huber Huber Huber iteration iteration iteration iteration iteration iteration iteration 1: 2: 3: 4: 5: 6: 7: maximum maximum maximum maximum maximum maximum maximum difference difference difference difference difference difference difference in in in in in in in weights weights weights weights weights weights weights = = = = = = = 75160253 39597555 31225019 22499153 18540803 12836664 07998522 222 Huber Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration 8: maximum difference in weights = 04211157 9: maximum difference in weights = 29528973 10: maximum difference in weights = 92634859 11: maximum difference in weights = 36744603 12: maximum difference in weights = 24544924 13: maximum difference in weights = 09864663 14: maximum difference in weights = 07926553 15: maximum difference in weights = 05829784 16: maximum difference in weights = 04064176 17: maximum difference in weights = 02930337 18: maximum difference in weights = 02074601 19: maximum difference in weights = 0140633 20: maximum difference in weights = 00945111 Robust regression Number of obs = F( 19, 178) = Prob > F = 198 22.66 0.0000 TSLNTT | Coef Std Err t P>|t| [95% Conf Interval] + -Age | 0000702 0002235 0.31 0.754 -.000371 0005113 | Gender | | (base) | -.0125426 0068228 -1.84 0.068 -.0260066 0009213 | CEOEdu | College | 0185974 0117767 1.58 0.116 -.0046425 0418373 Doctor | -.0049294 0189854 -0.26 0.795 -.0423949 0325361 Intermediate | 0027028 0194981 0.14 0.890 -.0357744 04118 Master | 0152849 0149224 1.02 0.307 -.0141626 0447325 OtherEdu | -.0018526 0257254 -0.07 0.943 -.0526185 0489133 UniDegree | (base) | Gender#CEOEdu | 0#College | (empty) 1#College | (omitted) 1#Doctor | 0141246 0223123 0.63 0.528 -.0299062 0581554 1#Intermediate | -.0585609 028502 -2.05 0.041 -.1148061 -.0023156 1#Master | -.0051541 0178442 -0.29 0.773 -.0403676 0300593 1#OtherEdu | 0066983 0331839 0.20 0.840 -.0587862 0721828 | log_FirmAge | 0033798 003739 0.90 0.367 -.0039987 0107583 log_TotalAssets | 0020194 0018881 1.07 0.286 -.0017065 0057453 log_Labour | 0005233 0029888 0.18 0.861 -.0053748 0064214 Leverage | 0455909 0104616 4.36 0.000 0249463 0662355 CorpTax | 0638741 0233562 2.73 0.007 0177834 1099649 ImportExport | 1967494 0142578 13.80 0.000 1686133 2248856 SpecialZone | -.0000231 0182017 -0.00 0.999 -.035942 0358959 CenCity | -.0074524 0099277 -0.75 0.454 -.0270435 0121387 _cons | -.0255157 0208215 -1.23 0.222 -.0666045 015573 rreg TLLR Age i.Gender##i.CEOEdu log_FirmAge log_TotalAssets log_Labour Leverage CorpTax ImportExport SpecialZone CenCity note: 0.Gender#1.CEOEdu identifies no observations in the sample note: 1.Gender#1.CEOEdu omitted because of collinearity Huber Huber Huber Huber Huber Huber Huber Huber Huber Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: 16: 17: 18: maximum difference in weights = 81413055 maximum difference in weights = 49215522 maximum difference in weights = 53847944 maximum difference in weights = 19662068 maximum difference in weights = 12570107 maximum difference in weights = 13349492 maximum difference in weights = 09682413 maximum difference in weights = 05154386 maximum difference in weights = 03721615 maximum difference in weights = 27798117 maximum difference in weights = 98592916 maximum difference in weights = 4612568 maximum difference in weights = 08943465 maximum difference in weights = 02338564 maximum difference in weights = 01178492 maximum difference in weights = 01250216 maximum difference in weights = 01190665 maximum difference in weights = 01162092 223 Biweight iteration 19: Biweight iteration 20: Biweight iteration 21: Robust regression maximum difference in weights = 01136965 maximum difference in weights = 01107259 maximum difference in weights = 00520282 Number of obs = F( 19, 123) = Prob > F = 143 6.46 0.0000 TLLR| Coef Std Err t P>|t| [95% Conf Interval] + -Age | 0001017 0006463 0.16 0.875 -.0011776 001381 | Gender | | (base) | -.0294726 019779 -1.49 0.139 -.068624 0096788 | CEOEdu | College | 0297688 0313971 0.95 0.345 -.0323798 0919174 Doctor | -.0039532 0459628 -0.09 0.932 -.0949337 0870274 Intermediate | 02133 0479322 0.45 0.657 -.0735488 1162088 Master | 0582059 0426716 1.36 0.175 -.0262599 1426717 OtherEdu | 0762286 0615662 1.24 0.218 -.045638 1980952 UniDegree | (base) | Gender#CEOEdu | 0#College | (empty) 1#College | (omitted) 1#Doctor | 0547893 0567127 0.97 0.336 -.05747 1670485 1#Intermediate | -.7925087 097534 -8.13 0.000 -.9855713 -.5994461 1#Master | -.0131961 0500318 -0.26 0.792 -.1122309 0858387 1#OtherEdu | -.0506058 1078994 -0.47 0.640 -.2641861 1629745 | log_FirmAge | 0008454 0106795 0.08 0.937 -.0202939 0219848 log_TotalAssets | 001653 0067794 0.24 0.808 -.0117665 0150724 log_Labour | -.0057409 0085615 -0.67 0.504 -.0226878 0112061 Leverage | 0355929 026668 1.33 0.184 -.0171947 0883805 CorpTax | 1491377 0577405 2.58 0.011 0348439 2634316 ImportExport | 0152044 0377071 0.40 0.687 -.0594345 0898432 SpecialZone | -.0078864 0619724 -0.13 0.899 -.130557 1147842 CenCity | -.0340757 0250052 -1.36 0.175 -.0835719 0154205 _cons | -.0013238 0630782 -0.02 0.983 -.1261831 1235356 Phụ lục 8q: Hồi quy robust với biến Tuoi*Gioitinh_DN72 (2017) rreg ROA i.Gender##c.Age i.CEOEdu log_FirmAge log_TotalAssets log_Labour Leverage CorpTax ImportExport SpecialZone CenCity Huber Huber Huber Huber Huber Huber Huber Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration Robust regression 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: 16: 17: maximum difference in weights = 79100751 maximum difference in weights = 44633401 maximum difference in weights = 19185003 maximum difference in weights = 14945501 maximum difference in weights = 08071501 maximum difference in weights = 05843248 maximum difference in weights = 03473487 maximum difference in weights = 29600663 maximum difference in weights = 43261682 maximum difference in weights = 26300255 maximum difference in weights = 23994937 maximum difference in weights = 10340682 maximum difference in weights = 04717001 maximum difference in weights = 02900524 maximum difference in weights = 01527165 maximum difference in weights = 01089912 maximum difference in weights = 00621479 Number of obs = 198 F( 16, 181) = 5.82 Prob > F = 0.0000 ROA| Coef Std Err t P>|t| [95% Conf Interval] + -Gender | | (base) | -.0262559 0209692 -1.25 0.212 -.0676315 0151197 | 224 Age | -6.89e-06 0003794 -0.02 0.986 -.0007554 0007417 | Gender#c.Age | | 0002197 0004532 0.48 0.628 -.0006746 001114 | CEOEdu | College | 016697 0119192 1.40 0.163 -.0068215 0402154 Doctor | 0053728 0106673 0.50 0.615 -.0156753 026421 Intermediate | -.0517726 0146143 -3.54 0.001 -.0806089 -.0229362 Master | 0223429 0083016 2.69 0.008 0059625 0387233 OtherEdu | 0034353 0165432 0.21 0.836 -.0292071 0360777 UniDegree | (base) | log_FirmAge | 0047736 0037566 1.27 0.205 -.0026388 012186 log_TotalAssets | 0023286 0019121 1.22 0.225 -.0014444 0061015 log_Labour | -.0002864 0030081 -0.10 0.924 -.0062218 005649 Leverage | 0123892 0104526 1.19 0.237 -.0082354 0330139 CorpTax | 0682345 0235602 2.90 0.004 0217465 1147225 ImportExport | 0458941 0144295 3.18 0.002 0174224 0743658 SpecialZone | 0052915 0184444 0.29 0.775 -.0311021 0416851 CenCity | -.0095873 0098733 -0.97 0.333 -.0290689 0098943 _cons | -.018988 024272 -0.78 0.435 -.0668805 0289044 rreg ROE i.Gender##c.Age i.CEOEdu log_FirmAge log_TotalAssets log_Labour Leverage CorpTax ImportExport SpecialZone CenCity Huber Huber Huber Huber Huber Huber Huber Huber Huber Huber Huber Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration Robust regression 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: 16: 17: 18: 19: 20: 21: maximum difference in weights = 78221147 maximum difference in weights = 37735742 maximum difference in weights = 37344415 maximum difference in weights = 2765088 maximum difference in weights = 17656329 maximum difference in weights = 19482232 maximum difference in weights = 10209847 maximum difference in weights = 09696389 maximum difference in weights = 07743529 maximum difference in weights = 06630901 maximum difference in weights = 0400248 maximum difference in weights = 29712266 maximum difference in weights = 69929116 maximum difference in weights = 21003613 maximum difference in weights = 14619711 maximum difference in weights = 15527278 maximum difference in weights = 08737176 maximum difference in weights = 03281057 maximum difference in weights = 02133342 maximum difference in weights = 01391267 maximum difference in weights = 0082377 Number of obs = 198 F( 16, 181) = 16.44 Prob > F = 0.0000 ROE| Coef Std Err t P>|t| [95% Conf Interval] + -Gender | | (base) | -.023466 0199606 -1.18 0.241 -.0628513 0159194 | Age | -.0000494 0003611 -0.14 0.891 -.000762 0006631 | Gender#c.Age | | 0002268 0004314 0.53 0.600 -.0006245 001078 | CEOEdu | College | 0197499 0113459 1.74 0.083 -.0026373 0421371 Doctor | 0061539 0101541 0.61 0.545 -.0138818 0261896 Intermediate | -.0328362 0139113 -2.36 0.019 -.0602855 -.0053869 Master | 0145335 0079023 1.84 0.068 -.001059 030126 OtherEdu | 0026956 0157475 0.17 0.864 -.0283766 0337679 UniDegree | (base) | log_FirmAge | 0032457 0035759 0.91 0.365 -.0038102 0103015 log_TotalAssets | 0030452 0018201 1.67 0.096 -.0005463 0066366 log_Labour | -.0001663 0028634 -0.06 0.954 -.0058162 0054836 Leverage | 0420173 0099498 4.22 0.000 0223848 0616499 CorpTax | 0492507 0224269 2.20 0.029 0049988 0935025 ImportExport | 1360257 0137354 9.90 0.000 1089235 1631278 SpecialZone | -.0073097 0175572 -0.42 0.678 -.0419527 0273333 225 CenCity | -.0119987 0093984 -1.28 0.203 -.0305432 0065458 _cons | -.0223415 0231045 -0.97 0.335 -.0679303 0232472 rreg TSLNTT i.Gender##c.Age i.CEOEdu log_FirmAge log_TotalAssets log_Labour Leverage CorpTax ImportExport SpecialZone CenCity Huber Huber Huber Huber Huber Huber Huber Huber Huber Huber Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight Biweight iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: 16: 17: 18: 19: 20: maximum difference in weights = 7948747 maximum difference in weights = 34776994 maximum difference in weights = 38576482 maximum difference in weights = 28489278 maximum difference in weights = 17539528 maximum difference in weights = 1815694 maximum difference in weights = 10523715 maximum difference in weights = 09231324 maximum difference in weights = 06118854 maximum difference in weights = 04029751 maximum difference in weights = 29740882 maximum difference in weights = 64127072 maximum difference in weights = 30643341 maximum difference in weights = 12638705 maximum difference in weights = 06882963 maximum difference in weights = 05063535 maximum difference in weights = 03192695 maximum difference in weights = 02645305 maximum difference in weights = 01319387 maximum difference in weights = 00851331 Robust regression Number of obs = 198 F( 16, 181) = 24.77 Prob > F = 0.0000 TSLNTT | Coef Std Err t P>|t| [95% Conf Interval] + -Gender | | (base) | -.0275895 0215061 -1.28 0.201 -.0700245 0148455 | Age | -.0001126 0003891 -0.29 0.773 -.0008803 0006551 | Gender#c.Age | | 0003058 0004648 0.66 0.511 -.0006114 001223 | CEOEdu | College | 0200643 0122244 1.64 0.102 -.0040563 0441849 Doctor | 0059455 0109404 0.54 0.587 -.0156415 0275326 Intermediate | -.0327307 0149885 -2.18 0.030 -.0623054 -.0031561 Master | 0127382 0085142 1.50 0.136 -.0040617 029538 OtherEdu | 002073 0169668 0.12 0.903 -.0314052 0355511 UniDegree | (base) | log_FirmAge | 0041601 0038528 1.08 0.282 -.0034421 0117623 log_TotalAssets | 0030022 0019611 1.53 0.128 -.0008674 0068717 log_Labour | 0008746 0030851 0.28 0.777 -.0052128 006962 Leverage | 0441153 0107203 4.12 0.000 0229626 0652681 CorpTax | 0623763 0241635 2.58 0.011 014698 1100546 ImportExport | 1933378 014799 13.06 0.000 1641371 2225385 SpecialZone | -.0003318 0189166 -0.02 0.986 -.0376573 0369937 CenCity | -.0119427 0101261 -1.18 0.240 -.0319232 0080377 _cons | -.0216814 0248935 -0.87 0.385 -.0708002 0274373 rreg TLLR i.Gender##c.Age i.CEOEdu log_FirmAge log_TotalAssets log_Labour Leverage CorpTax ImportExport SpecialZone CenCity Huber Huber Huber Huber Huber Huber Huber Huber Huber Huber Huber Biweight Biweight Biweight Biweight iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration iteration 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: maximum difference in weights = 80477627 maximum difference in weights = 4805785 maximum difference in weights = 48103767 maximum difference in weights = 23928712 maximum difference in weights = 15323447 maximum difference in weights = 11921983 maximum difference in weights = 10148712 maximum difference in weights = 10721855 maximum difference in weights = 0718658 maximum difference in weights = 05384154 maximum difference in weights = 02966243 maximum difference in weights = 29207249 maximum difference in weights = 6113987 maximum difference in weights = 36016052 maximum difference in weights = 07397922 226 Biweight Biweight Biweight Biweight Biweight iteration iteration iteration iteration iteration Robust regression 16: 17: 18: 19: 20: maximum maximum maximum maximum maximum difference difference difference difference difference in in in in in weights weights weights weights weights = = = = = 01602758 01653609 01524228 01400906 00308226 Number of obs = 143 F( 16, 126) = 24.04 Prob > F = 0.0000 TLLR | Coef Std Err t P>|t| [95% Conf Interval] + -Gender | | (base) | -.0026266 0588697 -0.04 0.964 -.1191281 1138748 | Age | 0006639 0010699 0.62 0.536 -.0014534 0027811 | Gender#c.Age | | -.0006632 0012702 -0.52 0.603 -.0031768 0018504 | CEOEdu | College | 0299833 0315251 0.95 0.343 -.032404 0923706 Doctor | 0430933 0281918 1.53 0.129 -.0126975 0988841 Intermediate | -.7270424 0416517 -17.46 0.000 -.8094699 -.6446149 Master | 0480113 0215919 2.22 0.028 0052815 090741 OtherEdu | 0595885 0507398 1.17 0.242 -.0408241 160001 UniDegree | (base) | log_FirmAge | 0014172 0105439 0.13 0.893 -.0194489 0222832 log_TotalAssets | -.0000352 0066551 -0.01 0.996 -.0132053 013135 log_Labour | -.0038269 0084052 -0.46 0.650 -.0204605 0128067 Leverage | 0408433 0266183 1.53 0.127 -.0118336 0935202 CorpTax | 1430108 0575848 2.48 0.014 0290523 2569694 ImportExport | 0195293 0378259 0.52 0.607 -.055327 0943856 SpecialZone | -.0037988 0621284 -0.06 0.951 -.1267491 1191515 CenCity | -.0354786 0246967 -1.44 0.153 -.0843526 0133954 _cons | -.0159928 0709012 -0.23 0.822 -.1563042 1243185 - 227 Phụ lục 9: Kết nghiên cứu định lượng sử dụng mơ hình SGMM phân tích tác động ưu đãi thuế tới KQHĐ DNKHCN (ROA, ROE, TSLNTT, TLLR) giai đoạn 2008 - 2019 xtset FirmID Year,yearly panel variable: FirmID (strongly balanced) time variable: Year, 2008 to 2019 delta: year xtabond2 ROA l.ROA c.log_CorpTax##i.TaxIncentives log_FirmAge log_Labour log_AvTotalAssets log_Tangible Leve > rage log_TAGrowth log_TSGrowth i.Year,gmm(l.ROA, collapse)iv(c.log_CorpTax##i.TaxIncentives log_FirmAge log_ > Labour log_AvTotalAssets log_Tangible Leverage log_TAGrowth log_TSGrowth i.Year, equation(level)) nodiffsarg > an twostep robust orthogonal small Favoring space over speed To switch, type or click on mata: mata set matafavor speed, perm Warning: Two-step estimated covariance matrix of moments is singular Using a generalized inverse to calculate optimal weighting matrix for two-step estimation Dynamic panel-data estimation, two-step system GMM -Group variable: FirmID Number of obs = 340 Time variable : Year Number of groups = 83 Number of instruments = 32 Obs per group: = F(25, 82) = 30.48 avg = 4.10 Prob > F = 0.000 max = | Corrected ROA | Coef Std Err t P>|t| [95% Conf Interval] + -ROA | L1 | 2613911 0754211 3.47 0.001 1113544 4114277 | log_CorpTax | -.0327906 0054578 -6.01 0.000 -.0436479 -.0219333 | TaxIncentives | | (empty) | 0637095 0196452 3.24 0.002 0246289 1027901 | TaxIncentives#| c.log_CorpTax | | (empty) | 0192982 0062328 3.10 0.003 0068992 0316972 | log_FirmAge | 0079137 0066627 1.19 0.238 -.0053405 0211679 log_Labour | 0061154 0073848 0.83 0.410 -.0085753 0208062 log_AvTotalAssets | 0042521 0045615 0.93 0.354 -.0048222 0133264 log_Tangible | -3.98e-06 0048173 -0.00 0.999 -.0095872 0095792 Leverage | -.0471399 0189331 -2.49 0.015 -.0848038 -.009476 log_TAGrowth | -.0005252 0028105 -0.19 0.852 -.0061162 0050658 log_TSGrowth | 0064511 002732 2.36 0.021 0010163 0118859 | Year | 2008 | (empty) 2009 | 0979311 0169865 5.77 0.000 0641396 1317227 2010 | 0867098 0163197 5.31 0.000 0542447 1191749 2011 | 0863996 0174433 4.95 0.000 0516994 1210998 2012 | 0811272 0177753 4.56 0.000 0457665 1164878 2013 | 072906 0170153 4.28 0.000 039057 1067549 2014 | 0680034 0157522 4.32 0.000 0366673 0993395 2015 | (omitted) 2016 | 073176 0144771 5.05 0.000 0443764 1019756 2017 | 0660401 0163754 4.03 0.000 0334643 098616 2018 | 1285833 0227187 5.66 0.000 0833884 1737781 2019 | 0276259 024039 1.15 0.254 -.0201953 0754471 | _cons | -.1647305 0421157 -3.91 0.000 -.2485121 -.0809489 Instruments for orthogonal deviations equation GMM-type (missing=0, separate instruments for each period unless collapsed) L(1/11).L.ROA collapsed Instruments for levels equation 228 Standard log_CorpTax 0b.TaxIncentives 1.TaxIncentives 0b.TaxIncentives#co.log_CorpTax 1.TaxIncentives#c.log_CorpTax log_FirmAge log_Labour log_AvTotalAssets log_Tangible Leverage log_TAGrowth log_TSGrowth 2008b.Year 2009.Year 2010.Year 2011.Year 2012.Year 2013.Year 2014.Year 2015.Year 2016.Year 2017.Year 2018.Year 2019.Year _cons GMM-type (missing=0, separate instruments for each period unless collapsed) D.L.ROA collapsed -Arellano-Bond test for AR(1) in first differences: z = -1.65 Pr > z = 0.099 Arellano-Bond test for AR(2) in first differences: z = 0.68 Pr > z = 0.494 -Sargan test of overid restrictions: chi2(6) = 11.39 Prob > chi2 = 0.077 (Not robust, but not weakened by many instruments.) Hansen test of overid restrictions: chi2(6) = 5.54 Prob > chi2 = 0.476 (Robust, but weakened by many instruments.) xtabond2 ROE l.ROE c.log_CorpTax##i.TaxIncentives log_FirmAge log_Labour log_AvTotalAssets log_Tangible Leve > rage log_TAGrowth log_TSGrowth i.Year,gmm(l.ROE, collapse)iv(c.log_CorpTax##i.TaxIncentives log_FirmAge log_ > Labour log_AvTotalAssets log_Tangible Leverage log_TAGrowth log_TSGrowth i.Year, equation(level)) nodiffsarg > an twostep robust orthogonal small Favoring space over speed To switch, type or click on mata: mata set matafavor speed, perm Warning: Two-step estimated covariance matrix of moments is singular Using a generalized inverse to calculate optimal weighting matrix for two-step estimation Dynamic panel-data estimation, two-step system GMM -Group variable: FirmID Number of obs = 338 Time variable : Year Number of groups = 83 Number of instruments = 32 Obs per group: = F(25, 82) = 11.71 avg = 4.07 Prob > F = 0.000 max = | Corrected ROE | Coef Std Err t P>|t| [95% Conf Interval] + -ROE | L1 | 3661611 0852027 4.30 0.000 1966658 5356563 | log_CorpTax | -.0658418 0112989 -5.83 0.000 -.0883188 -.0433648 | TaxIncentives | | (empty) | 1303416 0384735 3.39 0.001 0538056 2068777 | TaxIncentives#| c.log_CorpTax | | (empty) | 0448669 0144574 3.10 0.003 0161066 0736272 | log_FirmAge | 0314535 0125469 2.51 0.014 0064937 0564132 log_Labour | 0149338 0171047 0.87 0.385 -.019093 0489605 log_AvTotalAssets | 0015546 0105125 0.15 0.883 -.0193582 0224674 log_Tangible | -.0020083 0091419 -0.22 0.827 -.0201944 0161778 Leverage | 0718704 0331813 2.17 0.033 0058622 1378786 log_TAGrowth | -.0057113 0051756 -1.10 0.273 -.0160071 0045846 log_TSGrowth | 0168523 0058907 2.86 0.005 0051337 0285708 | Year | 2008 | (empty) 2009 | 1693747 0420479 4.03 0.000 085728 2530213 2010 | 1399174 0364955 3.83 0.000 0673161 2125186 2011 | 1515468 034358 4.41 0.000 0831978 2198957 2012 | 118498 0338209 3.50 0.001 0512175 1857785 2013 | 1116063 0322524 3.46 0.001 047446 1757665 2014 | 1095681 0297014 3.69 0.000 0504825 1686537 2015 | (omitted) 2016 | 0967171 0315637 3.06 0.003 0339267 1595074 2017 | 1003488 0284586 3.53 0.001 0437356 1569621 2018 | 1090931 0363518 3.00 0.004 0367777 1814085 229 2019 | 072419 041964 1.73 0.088 -.0110607 1558987 | _cons | -.3694661 0948043 -3.90 0.000 -.5580621 -.1808702 Instruments for orthogonal deviations equation GMM-type (missing=0, separate instruments for each period unless collapsed) L(1/11).L.ROE collapsed Instruments for levels equation Standard log_CorpTax 0b.TaxIncentives 1.TaxIncentives 0b.TaxIncentives#co.log_CorpTax 1.TaxIncentives#c.log_CorpTax log_FirmAge log_Labour log_AvTotalAssets log_Tangible Leverage log_TAGrowth log_TSGrowth 2008b.Year 2009.Year 2010.Year 2011.Year 2012.Year 2013.Year 2014.Year 2015.Year 2016.Year 2017.Year 2018.Year 2019.Year _cons GMM-type (missing=0, separate instruments for each period unless collapsed) D.L.ROE collapsed -Arellano-Bond test for AR(1) in first differences: z = -2.74 Pr > z = 0.006 Arellano-Bond test for AR(2) in first differences: z = 1.43 Pr > z = 0.153 -Sargan test of overid restrictions: chi2(6) = 5.40 Prob > chi2 = 0.494 (Not robust, but not weakened by many instruments.) Hansen test of overid restrictions: chi2(6) = 9.17 Prob > chi2 = 0.164 (Robust, but weakened by many instruments.) xtabond2 Earnings l.Earnings c.log_CorpTax##i.TaxIncentives log_FirmAge log_Labour log_AvTotalAssets log_Tan > gible Leverage log_TAGrowth log_TSGrowth i.Year,gmm(l.Earnings, collapse)iv(c.log_CorpTax##i.TaxIncentives l > og_FirmAge log_Labour log_AvTotalAssets log_Tangible Leverage log_TAGrowth log_TSGrowth i.Year, equation(lev > el)) nodiffsargan twostep robust orthogonal small Favoring space over speed To switch, type or click on mata: mata set matafavor speed, perm Warning: Two-step estimated covariance matrix of moments is singular Using a generalized inverse to calculate optimal weighting matrix for two-step estimation Dynamic panel-data estimation, two-step system GMM -Group variable: FirmID Number of obs = 339 Time variable : Year Number of groups = 83 Number of instruments = 32 Obs per group: = F(25, 82) = 8.34 avg = 4.08 Prob > F = 0.000 max = | Corrected Earnings | Coef Std Err t P>|t| [95% Conf Interval] + -Earnings | L1 | 4041194 0914693 4.42 0.000 2221579 586081 | log_CorpTax | -.0659886 0121148 -5.45 0.000 -.0900889 -.0418884 | TaxIncentives | | (empty) | 1271086 0371381 3.42 0.001 0532291 2009882 | TaxIncentives#| c.log_CorpTax | | (empty) | 0423426 0142178 2.98 0.004 0140589 0706262 | log_FirmAge | 0355102 0146233 2.43 0.017 0064198 0646007 log_Labour | 0170428 0193918 0.88 0.382 -.0215336 0556193 log_AvTotalAssets | -.0014372 0111613 -0.13 0.898 -.0236406 0207662 log_Tangible | -.0023333 0096498 -0.24 0.810 -.0215298 0168631 Leverage | 0979383 0350724 2.79 0.007 028168 1677085 log_TAGrowth | -.0080516 0058416 -1.38 0.172 -.0196723 0035692 log_TSGrowth | 0202284 0063363 3.19 0.002 0076234 0328335 | Year | 2008 | (empty) 2009 | 1812686 0458856 3.95 0.000 0899874 2725497 2010 | 1423437 0384808 3.70 0.000 0657931 2188943 230 2011 2012 2013 2014 2015 2016 2017 2018 2019 | 1573853 0386853 4.07 0.000 0804279 2343427 | 116038 0365257 3.18 0.002 0433768 1886992 | 1111812 0374428 2.97 0.004 0366956 1856668 | 112961 0333848 3.38 0.001 046548 1793739 | (omitted) | 0965716 0397472 2.43 0.017 0175017 1756415 | 0913836 0335095 2.73 0.008 0247224 1580448 | 1218132 0393568 3.10 0.003 04352 2001063 | 0637914 0460704 1.38 0.170 -.0278573 1554401 | _cons | -.3648418 0966597 -3.77 0.000 -.5571287 -.1725549 Instruments for orthogonal deviations equation GMM-type (missing=0, separate instruments for each period unless collapsed) L(1/11).L.Earnings collapsed Instruments for levels equation Standard log_CorpTax 0b.TaxIncentives 1.TaxIncentives 0b.TaxIncentives#co.log_CorpTax 1.TaxIncentives#c.log_CorpTax log_FirmAge log_Labour log_AvTotalAssets log_Tangible Leverage log_TAGrowth log_TSGrowth 2008b.Year 2009.Year 2010.Year 2011.Year 2012.Year 2013.Year 2014.Year 2015.Year 2016.Year 2017.Year 2018.Year 2019.Year _cons GMM-type (missing=0, separate instruments for each period unless collapsed) D.L.Earnings collapsed -Arellano-Bond test for AR(1) in first differences: z = -2.76 Pr > z = 0.006 Arellano-Bond test for AR(2) in first differences: z = 1.11 Pr > z = 0.266 -Sargan test of overid restrictions: chi2(6) = 3.85 Prob > chi2 = 0.697 (Not robust, but not weakened by many instruments.) Hansen test of overid restrictions: chi2(6) = 6.89 Prob > chi2 = 0.331 (Robust, but weakened by many instruments.) xtabond2 NetProfitMargin l.NetProfitMargin c.log_CorpTax##i.TaxIncentives log_FirmAge log_Labour log_AvTotal > Assets log_Tangible Leverage log_TAGrowth log_TSGrowth i.Year,gmm(l.NetProfitMargin, collapse)iv(c.log_CorpT > ax##i.TaxIncentives log_FirmAge log_Labour log_AvTotalAssets log_Tangible Leverage log_TAGrowth log_TSGrowth > i.Year, equation(level)) nodiffsargan twostep robust orthogonal small Favoring space over speed To switch, type or click on mata: mata set matafavor speed, perm Warning: Two-step estimated covariance matrix of moments is singular Using a generalized inverse to calculate optimal weighting matrix for two-step estimation Dynamic panel-data estimation, two-step system GMM -Group variable: FirmID Number of obs = 340 Time variable : Year Number of groups = 83 Number of instruments = 32 Obs per group: = F(25, 82) = 22.97 avg = 4.10 Prob > F = 0.000 max = | Corrected NetProfitMargin | Coef Std Err t P>|t| [95% Conf Interval] + -NetProfitMargin | L1 | 2435708 0898289 2.71 0.008 0648725 4222692 | log_CorpTax | -.0218279 0039855 -5.48 0.000 -.0297564 -.0138994 | TaxIncentives | | (empty) | 0437584 0168708 2.59 0.011 0101969 0773199 | TaxIncentives#| c.log_CorpTax | | (empty) | 0121035 0042952 2.82 0.006 003559 020648 | log_FirmAge | 0078929 0054851 1.44 0.154 -.0030186 0188044 log_Labour | -.0072292 0039184 -1.84 0.069 -.0150241 0005656 log_AvTotalAssets | 0126843 0035647 3.56 0.001 0055931 0197755 log_Tangible | 0030174 0036321 0.83 0.409 -.0042081 0102429 231 Leverage | -.062878 0142935 -4.40 0.000 -.0913123 -.0344437 log_TAGrowth | 0008992 0022357 0.40 0.689 -.0035483 0053466 log_TSGrowth | 0018348 0017806 1.03 0.306 -.0017074 0053769 | Year | 2008 | (empty) 2009 | 0755683 0131123 5.76 0.000 0494837 1016529 2010 | 0741273 0130093 5.70 0.000 0482477 1000069 2011 | 067774 0134734 5.03 0.000 0409712 0945769 2012 | 0663103 012542 5.29 0.000 0413604 0912603 2013 | 0540019 013045 4.14 0.000 0280512 0799526 2014 | 0537918 0130471 4.12 0.000 0278369 0797467 2015 | (omitted) 2016 | 0518612 0101561 5.11 0.000 0316574 072065 2017 | 0528782 0108139 4.89 0.000 0313659 0743906 2018 | 0520214 0146218 3.56 0.001 022934 0811089 2019 | 0403714 0166083 2.43 0.017 0073322 0734107 | _cons | -.153787 0288815 -5.32 0.000 -.2112416 -.0963324 Instruments for orthogonal deviations equation GMM-type (missing=0, separate instruments for each period unless collapsed) L(1/11).L.NetProfitMargin collapsed Instruments for levels equation Standard log_CorpTax 0b.TaxIncentives 1.TaxIncentives 0b.TaxIncentives#co.log_CorpTax 1.TaxIncentives#c.log_CorpTax log_FirmAge log_Labour log_AvTotalAssets log_Tangible Leverage log_TAGrowth log_TSGrowth 2008b.Year 2009.Year 2010.Year 2011.Year 2012.Year 2013.Year 2014.Year 2015.Year 2016.Year 2017.Year 2018.Year 2019.Year _cons GMM-type (missing=0, separate instruments for each period unless collapsed) D.L.NetProfitMargin collapsed -Arellano-Bond test for AR(1) in first differences: z = -2.12 Pr > z = 0.034 Arellano-Bond test for AR(2) in first differences: z = 0.92 Pr > z = 0.355 -Sargan test of overid restrictions: chi2(6) = 7.41 Prob > chi2 = 0.285 (Not robust, but not weakened by many instruments.) Hansen test of overid restrictions: chi2(6) = 5.46 Prob > chi2 = 0.486 (Robust, but weakened by many instruments.) 232 Phụ lục 10: Kết đánh giá ưu đãi thuế phi thuế - Nghiên cứu định tính từ góc nhìn DN 233 234 Phụ lục 11: Bảng tổng kết biến đưa vào nghiên cứu định lượng Mơ hình (1) (2) Giả thuyết nghiên cứu Tên biến Biến phụ thuộc Tỷ suất sinh lời tổng tài sản Tỷ suất sinh lời vốn chủ sở hữu Tỷ suất lợi nhuận trước thuế Tỷ lệ lãi rịng Biến độc lập Tuổi CEO Giới tính CEO Học vấn CEO Tuổi DN Đòn bẩy Tổng tài sản Tăng trưởng tài sản Tăng trưởng doanh thu Thuế suất Lao động XNK Khu vực đặc biệt TP Trung ương TSCĐ Ưu đãi thuế Biến tương tác Tuổi & Học vấn CEO Giới tính & Học vấn CEO Tuổi & Giới tính CEO Ký hiệu Giả thuyết Dấu kỳ vọng Mơ hình ROA ROE TSLNTT TLLR - - (1) + (2) (1) + (2) (1) + (2) (1) + (2) Tuoi Gioitinh Hocvan TuoiDN Donbay TS TTTS TTDT Thue LĐ XNK KhuCN TPTW TSCĐ Ưuđãi H1 H2 H3 H4 H5 H6 H7 H8 H9 H10 H11 H12 H13 H14 H15 (-) Nữ (+) (+) (-) (+) (+) (+) (+) (+) (1) (-) (2) (+) (+) (+) (+) (+) (+) (1) (1) (1) (1) + (2) (1) + (2) (1) + (2) (2) (2) (1) + (2) (1) + (2) (1) (1) (1) (2) (2) Tuoi*Hocvan Gioitinh*Hocvan Tuoi*Gioitinh H1A H1B H1C (+) (+) (+) (1) (1) (1)