CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.1 Mơ hình nghiên cứu
3.2.1 Tính tốn biến kiệt quệ tài chính
Để có thể có nhiều so sánh đối với kết quả thì trong đề tài này, tác giả sẽ sử dụng hai phương pháp để đo lường tình trạng kiệt quệ tài chính là đo lường chỉ số ZSCORE theo mơ hình phân tích đa biến của Altman (1968) và xác suất Ohlson theo mơ hình phân tích logit của Ohlson (1980). Cụ thể cách đo lường của hai phương pháp được trình bày cụ thể như sau:
3.2.1.1 Cách 1: Biến Zscore theo mơ hình phân tích đa biến của Altman (1968)
Như mục 2.1.4 đã trình bày về phương trình dự báo tình trạng kiệt quệ tài chính thì hàm phân biệt của Altman được tính như sau:
Zscore = 0,012WCTA + 0,014RETA + 0,033EBIT + 0,006METL+ 0,999STA Trong đó:
WCTA = Vốn luân chuyển
= Tài sản ngắn hạn - nợ ngắn hạn
Tổng tài sản Tổng tài sản
RETA =
Thu nhập giữ lại
= Lợi nhuận sau thuế và lãi vay - cổ tức
Tổng tài sản Tổng tài sản
EBIT =
EBIT
= Lợi nhuận trước thuế và lãi vay
Tổng tài sản Tổng tài sản
METL = Vốn hóa thị trường
= Số lượng x giá trị thị trường 1 Cổ phiếu
Nợ phải trả Nợ phải trả
STA =
Doanh thu Tổng tài sản
Zscore là chỉ số tổng thể. Dựa trên tính tốn chỉ số Zscore thì Altman cho rằng tất cả các cơng ty có tỷ số Zscore ≤ 1.81 được xem là các cơng ty có vấn đề nghiêm trọng về tài chính, các cơng ty có 1.81 < Zscore < 2.99 được xem là khơng có vấn đề trong ngắn hạn, tuy nhiên cần phải xem xét điều kiện tài chính một cách thận trọng và cuối cùng là các cơng ty có Zscore ≥ 2.99 được xem là các doanh nghiệp có tài chính lành mạnh. Như vậy, đối với biến này, trong bài nghiên cứu, chỉ số Zscore càng thấp thì tình trạng kiệt quệ càng nghiêm trọng và có mối quan hệ nghịch biến (đồng biến) với biến đo lường hành vi tránh thuế thu nhập nhập doanh nghiệp CTA (ETR).
3.2.1.2 Cách 2: Biến Ohlson theo mơ hình phân tích logit của Ohlson (1980)
Như mục 2.1.4 đã trình bày về phương trình dự báo tình trạng kiệt quệ tài chính thì mơ hình tính xác suất kiệt quệ của Ohlson (1980) có dạng như sau:
𝑂 = −1,32 − 0,407𝑆𝐼𝑍𝐸 + 6,03𝑇𝐿𝑇𝐴 − 1,43𝑊𝐶𝑇𝐴 + 0,0757𝐶𝐿𝐶𝐴 − 2,37𝑁𝐼𝑇𝐴 − 1,83𝐹𝑈𝑇𝐿 + 0,285𝐼𝑁𝑇𝑊𝑂 − 1,72𝑂𝐸𝑁𝐸𝐺 − 0,521𝐶𝐻𝐼𝑁
Trong đó:
SIZE = Log ( Tổng tài sản ) chỉ số giảm phát TLTA = Tổng nợ vay
= Tổng tài sản
WCTA = Vốn luân chuyển
= Tài sản ngắn hạn - nợ ngắn hạn
Tổng tài sản Tổng tài sản
NITA = Thu nhập ròng
= Lợi nhuận sau thuế và lãi vay
Tổng tài sản Tổng tài sản
FUTL =
Dòng tiền hoạt động Tổng tài sản
INTWO = 1 nếu thu nhập ròng âm hai năm liên tiếp, còn lại bằng 0 OENEG = 1 ( nếu Tổng tài sản ) và ngược lại = 0
chỉ số giảm phát
CHIN = Thu nhập ròng năm (t)-thu nhập ròng năm (t-1) |Thu nhập ròng năm (t)+thu nhập ròng năm (t-1)| Từ O tính được ở trên ta tính cơng thức xác suất sau:
Ohlson = 𝑃(𝑂) = 1
1 + 𝑒−𝑜
Tất cả các cơng ty có biến Ohlson = xác suất 𝑃(𝑂) ≤ 0,5 được xem là không kiệt quệ và ngược lại các cơng ty có biến Ohlson = xác suất 𝑃(𝑂) > 0,5 xem là bị kiệt quệ tài chính. Như vậy, trong đề tài nghiên cứu, biến Ohlson càng cao thì tình trạng kiệt quệ tài chính càng nghiêm trọng, có mối quan hệ đồng biến (nghịch biến) với biến đo lường hành vi tránh thuế thu nhập nhập doanh nghiệp CTA (ETR).
3.2.2 Tính tốn biến tránh thuế
Trong phần này, tác giả sử dụng 02 phương pháp tính tốn biến thể hiện sự tránh thuế của cơng ty theo cách tính của Gupta & Newberry (1997), Rego (2003) và Richardson và các cộng sự (2014), cụ thể:
3.2.2.1 Tránh thuế theo Gupta & Newberry (1997) và Rego (2003)
Theo Gupta & Newberry (1997) và Rego (2003) thì tỷ suất thuế thực sẽ là thước đo hành vi tránh thuế của doanh nghiệp:
ETR = Chi phí thuế thu nhập Thu nhập trước thuế
Các tác giả cho rằng các nhà quản trị các công ty nhận thức được việc hoạch định thuế hiệu quả nhằm tối thiểu số thuế phải chi trả nên thước đo này phản ảnh chiến lược của các nhà quản trị là trì hỗn thuế phải trả sang các năm sau nhưng không làm ảnh hưởng đến chi phí thuế thu nhập doanh nghiệp trong các báo cáo tài chính. Do đó, tỷ số này có ý nghĩa như là một cơng cụ đo lường hành vi tránh thuế và tỷ số càng thấp thể hiện hành vi tránh thuế càng cao.
3.2.2.2 Tránh thuế theo Richardson và các cộng sự (2014)
Trong bài nghiên cứu Richardson và các cộng sự (2014) về tác động của kiệt quệ tài chính lên việc tránh thuế của 300 cơng ty niêm yết trên sàn chứng khốn Australia trong giai đoạn 2006 – 2010 thì tránh thuế được các tác giả đo lường bằng việc điều chỉnh thu nhập dựa trên khoản chênh lệch giữa lợi nhuận kế toán trước thuế và thu nhập chịu thuế và tổng giá trị kế tốn dồn tích, cụ thể các bước thực hiện để đo lường biến tránh thuế thu nhập doanh nghiệp như sau:
Bước 1: Đầu tiên, các tác giả xác định thu nhập chịu thuế thực từ số liệu chi phí thuế
thực tế trên báo cáo tài chính và mức thuế suất cơng ty phải nộp theo luật định:
TI (thu nhập chịu thuế thực) = ITE (Chi phí thuế thực tế) CTR (Mức thuế xuất thuế TNDN) Trong đó:
- TI là thu nhập chịu thuế thực tế;
- ITE là chi phí thuế thu nhập doanh nghiệp thực tế ghi nhận báo cáo kết quả hoạt động kinh doanh;
- CTR là mức thuế suất thuế thu nhập doanh nghiệp phải nộp theo quy định của Cơ quan thuế.
Bước 2: Tính khoảng trống thuế sổ sách:
𝐵𝑇𝐺 = 𝐴𝐼 − 𝑇𝐼
Trong đó:
- BTG là khoảng trống thuế sổ sách;
- AI là thu nhập chịu thuế ghi nhận trên báo cáo kết quả hoạt động kinh doanh; - TI là thu nhập chịu thuế thực được tính theo cơng ở trên.
Bước 3: Tính tốn các khoản dồn tích
Khoảng trống sổ sách về thuế này, theo Desai và Dharmapala (2006), ngoài việc thể hiện sự khác biệt về thuế như phân tích trên thì cịn có thể bởi hoạt động quản lý thu
nhập của các nhà quản lý để đạt được những mục tiêu về lợi nhuận, phần thưởng, tránh báo cáo lỗ, và đạt được những mục tiêu khác.
Do đó, từ khoảng trống sổ sách trên, để xác định được chính xác được bản chất của tránh thuế thì cần loại bỏ phần trăm đóng góp bởi hoạt động quản lý thu nhập. Theo DeAngelo (1986) thì tổng các khoản dồn tích được xác định bằng chênh lệch giữa số liệu của chỉ tiêu lợi nhuận sau thuế được trình bày trong báo cáo kết quả hoạt động kinh doanh và số liệu của dòng tiền hoạt động kinh doanh được trình bày trong báo cáo lưu chuyển tiền tệ:
TA = NI – CFO Trong đó:
- TA là tổng các khoản dồn tích - NI là là lợi nhuận sau thuế - CFO là dòng tiền hoạt động
Bước 4: Hồi quy để xác định được CTA
Để xác định được thành phần trong BTG được đóng góp bởi hoạt động quản lý thu nhập, do bị giới hạn bởi số liệu (chuỗi số liệu của các Công ty chỉ dài 10 năm từ năm 2006 đến 2015) nên theo Desai (2004), tác giả sẽ hồi quy theo mơ hình OLS với ảnh hưởng tác động cố định (firm fixed effects)
BTG = C + βTA + ε Trong đó:
- BTG : Khoảng trống thuế sổ sách năm t trên tổng tài sản năm t-1 - TA : Tổng các khoản dồn tích năm t trên tổng tài sản năm t-1
Khi đó, hành vi tránh thuế CTA của cơng ty được thể hiện thơng qua phần dư của mơ hình trên:
CTA = ε
CTA là thước đo thành phần của BTG – khoảng trống thuế sổ sách khơng được đóng góp bởi biến thiên trong tổng các khoản dồn tích hay gọi là hành vi quản trị lợi nhuận
của Công ty. Nếu giá trị CTA càng cao thì hành vì tránh thuế thu nhập doanh nghiệp của công ty càng cao.
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.
3.3 Dữ liệu nghiên cứu
Luận văn sử dụng dữ liệu bảng là sự kết hợp giữa dữ liệu chéo và dữ liệu thời gian. Bằng việc kết hợp hai dữ liệu này, dữ liệu bảng mang lại những ưu điểm là cho các kết quả ước lượng các của tham số trong mơ hình tin cậy hơn. Điều này có thể được giải thích bởi:
- Dữ liệu bảng cho phép chúng ta kiểm sốt các yếu tố khơng quan sát được. Các yếu tố này có thể khác nhau giữa đối tượng nhưng không thay đổi theo thời gian hoặc thay đổi theo thời gian nhưng lại không khác nhau giữa các đối tượng. Điều này có thể rất cần thiết để giảm sự thiên chệch trong ước lượng. - Thơng thường có nhiều sự biến động trong dữ liệu bảng hơn dữ liệu chéo hoặc
- Thơng thường, có ít sự đa cộng tuyến giữa các biến giải thích khi sử dụng dữ liệu bảng hơn so với sử dụng riêng lẻ dữ liệu thời gian hoặc dữ liệu chéo. Điều này cũng có thể làm cho kết quả của việc ước lượng các tham số dữ liệu bảng chính xác hơn.
Bảng 3.2 mơ tả quá trình chọn mẫu của tác giả. Tác giả bắt đầu phân tích các cơng ty niêm yết trên sàn chứng khoán Tp.HCM trong giai đoạn 2006 đến 2015. Từ số lượng các công ty niêm yết thu nhập từ Thomson Reuter là 308 Công ty. Tác giả bắt đầu thu thập số liệu từ Báo cáo tài chính, Data Stream và Thomson Reuters. Sau khi rà soát lại bộ dữ liệu, do giới hạn về thời gian nên tác giả loại trừ các Công ty thuộc lĩnh vực tài chính, ngân hàng, bảo hiểm cũng như các cơng ty chưa đủ dữ liệu của tất cả các biến (như cổ tức hoặc dữ liệu các công ty không đủ về mặt thời gian) thì mẫu cuối cùng để xem xét là 64 cơng ty.
Bảng 3.2 Tóm tắt quy trình chọn mẫu nghiên cứu
Nội dung Số lượng
Công ty niêm yết trên sàn chứng khốn Tp.HCM theo Thomson Reuter 308 Cơng ty đã hủy niêm yết hoặc chuyển sàn Upcom 2 Cơng ty thuộc lĩnh vực tài chính, ngân hàng, bảo hiểm 17
Công ty không đủ dữ liệu 225
Mẫu cuối cùng 64
Tổng mẫu quan sát (64 Công ty *10 năm) 640
Với 640 mẫu quan sát, tác giả sẽ thu thập toàn bộ số liệu từ các nguồn trên và tính tốn cho tất cả các biến. Tổng hợp tất cả các biến và nguồn lấy dữ liệu được mô tả trong bảng 3.3 như sau:
Bảng 3.3 Tóm tắt về các dữ liệu nghiên cứu
Stt Mơ
hình Biến Mơ tả
Nguồn lấy số
I Altman (1968)
WCTA Tỷ số vốn luân chuyển chia cho tổng tài sản Data Stream và BCTC Công ty RETA Tỷ số thu nhập giữ lại chia cho tổng tài
sản
EBIT Tỷ số thu nhập trước thuế và lãi vay chia cho tổng tài sản
METL Tỷ số giá trị thị trường của vốn cổ phần chia cho giá trị sổ sách của tổng nợ STA Tỷ số doanh thu chia cho tổng tài sản
II Ohlson (1980)
SIZE Log của tổng tài sản chia cho chỉ số giảm phát GNP
TLTA Tổng nợ chia cho tổng tài sản
WCTA Vốn luân chuyển chia cho tổng tài sản FUTL Dòng tiền hoạt động chia cho tổng nợ INTWO Bằng 1 nếu thu nhập ròng là âm trong 2
năm, bằng 0 nếu ngược lại
OENEG Bằng 1 nếu tổng nợ lớn hơn tổng tài sản,