CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.1 Mơ hình nghiên cứu
3.2.3 Phương pháp ước lượng
Sau khi tính tốn biến đo lường hành vi tránh thuế và biến xác định tình trạng kiệt quệ tài chính và thu thập các dữ liệu cho các biến cịn lại thì được dạng dữ liệu bảng2, do đó, tác giả sử dụng mơ hình phân tích dữ liệu bảng để đạt được những kết quả tốt nhất vì dữ liệu bảng cung cấp nhiều thơng tin hơn, biến thiên hơn, ít có sự đa cộng tuyến giữa các biến số, bậc tự do cao hơn và hiệu quả hơn.
Bước 01: Đầu tiên, tác giả sử dụng hai phương pháp ước lượng là Fixed effects model
(FEM) và Random effects model (REM) để ước lượng cho các phương trình sau: Phương trình (1):
CTA = αit+ β1ZSCOREit+ β2FACEit+ β3SIZE + β4LEVit+ β5CINTit + β6INVINTit+ β7MKTBKit+ εit
Phương trình (2):
CTA = αit+ β1OHLSONit+ β2FACEit + β3SIZE + β4LEVit+ β5CINTit + β6INVINTit+ β7MKTBKit+ εit
Phương trình (3):
ETR = αit+ β1ZSCOREit+ β2FACEit+ β3SIZE + β4LEVit+ β5CINTit + β6INVINTit+ β7MKTBKit+ εit
Phương trình (4):
ETR = αit+ β1OHLSONit+ β2FACEit+ β3SIZE + β4LEVit+ β5CINTit + β6INVINTit+ β7MKTBKit+ εit
Trong mơ hình tác động cố định (FEM), mỗi thực thể có những đặc điểm riêng biệt, có thể ảnh hưởng tới các biến giải thích. Mơ hình này đưa ra các giả thiết rằng có sự
tương quan giữa phần dư của mỗi thực thể (có chứa đặc điểm riêng biệt) với các biến giải thích. Mặt khác, FEM có thể kiểm sốt và tách ảnh hưởng của các đặc điểm riêng biệt (không đổi theo thời gian) này ra khỏi các biến giải thích lên biến phụ thuộc. Tuy nhiên, FEM cũng có những hạn chế là có q nhiều biến được tạo ra trong mơ hình, do đó có khả năng làm giảm bậc tự do và làm tăng đa cộng tuyến của mơ hình, FEM không đo lường các nhân tố thay đổi theo thời gian.
Đối với mơ hình tác động ngẫu nhiên, REM, đặc điểm riêng giữa các thực thể được giả sử là ngẫu nhiên và khơng liên quan đến các biến giải thích, REM xem các phần dư của mỗi thực thể (khơng tương quan với biến giải thích) là một biến giải thích mới.
Bước 02: Kiểm định Hausman để lựa chọn giữa mơ hình FEM và REM
Do FEM và REM đều có những ưu điểm và nhược điểm riêng nên tiếp sau đó tác giả sẽ sử dụng phương pháp kiểm định Hausman, phương pháp này cho phép ta lựa chọn giữa mơ hình ước lượng FEM và REM:
- Giả thuyết H0 làm nền tảng cho kiểm định Hausman là tác động cá biệt của mỗi đơn vị chéo khơng gian khơng có tương quan với các biến độc lập khác trong mơ hình.
- Nếu giả thuyết H0 bị bác bỏ, tức có tương quan, ước lượng mơ hình hồi quy theo REM khơng vững vì có hiện tượng nội sinh và sẽ cho kết quả bị thiên lệch, vì vậy chọn mơ hình theo FEM sẽ tốt hơn và ngược lại.
- Khi chấp nhận giả thuyết H0, tức là khơng có tương quan giữa tác động cá biệt với các biến độc lập khác trong mơ hình, ước lượng bằng FEM chỉ đạt được tính vững cịn đối với REM thì đạt được cả tính vững và hiệu quả vì dùng GLS, cho nên lựa chọn REM sẽ tốt hơn.
Bước 3: Kiểm định tính vững của mơ hình đã chọn ở bước 2. Để tăng độ tin cậy của
ước lượng, tiếp sau đó, tác giả thực hiện thêm các kiểm định sau:
Kiểm định nhân tử Lagrange: dùng để kiểm định hiện tượng tự tương quan chuỗi
- Giả thuyết H0: mơ hình khơng có hiện tượng tự tương quan. Sau khi thực hiện kiểm định, nếu giá trị p-value < 0.05 thì giả thuyết H0 bị bác bỏ, tức là trong mơ hình khơng xảy ra hiện tượng tương quan chuỗi.
- Ngược lại, mơ hình có xuất hiện hiện tượng tự tương quan nếu giá trị p- value > 0.05 (giả thuyết H0 được chấp nhận).
Kiểm định Breusch-Pagan Lagrange Multiplier: dùng để kiểm định hiện tượng
phương sai sai số thay đổi trong mơ hình:
- Giả thuyết H0: mơ hình khơng có hiện tượng phương sai sai số thay đổi. Kết quả sau khi kiểm định, nếu giá trị p-value < 0.05, thì giả thuyết H0 bị bác bỏ, có nghĩa là tồn tại hiện tượng phương sai sai số thay đổi trong mơ hình. - Ngược lại, nếu p-value > 0.05, thì chấp nhận giả thuyết H0, có nghĩa là sẽ
khơng có hiện tượng phương sai sai số thay đổi.
Bước 4: Nếu có xảy ra hiện tượng tự tương quan và phương sai sai số thay đổi, tác
giả sẽ sử dụng phương pháp FGLS trong luận văn. Việc sử dụng số liệu theo panel data và FGLS sẽ tái cấu trúc lại mơ hình để góp phần hạn chế hiện tượng đa cộng tuyến giữa các biến.