Loại kiểm định Thống kê F Prob > chi2
Breusch-Pagan test 3,58 0,0585
White’s test 34,89 0,1141
Nguồn: Tác giả
Theo kết quả trong bảng .. thì cả với kiểm định Breusch-Pagan hay kiểm định White đều có Prob > 0,05, như vậy có thể kết luận mơ hình có phương sai sai số đồng nhất.
4.2.9. Kết quả kiểm định phân phối chuẩn của phần dư (Normality test)
Kết quả kiểm định phương sai cho thấy phương sai sai số của mơ hình là đồng nhất, tuy nhiên quy luật phân phối của sai số là chưa biết. Kết quả hồi quy sẽ đáng tin cậy khi sai số của ước lượng tuân theo quy luật phân phối chuẩn (tức là tổng của tất cả các sai số = 0). Để kiểm tra hiện tượng này, tác giả sử dụng kiểm định Normality test do Jarque & Bera đề xuất, với giả thuyết kiểm định được phát biểu dưới dạng:
Giả thuyết H1 : Mơ hình có phần dư khơng tuân theo quy luật phân phối chuẩn
Nếu trị thống kê F trong kiểm định Jarque-Bera có Prob < 0,05, tức là bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Kết quả kiểm định được minh họa trong bảng …
Bảng 4.11 Kết quả kiểm định Normality
Giả thuyết H0 Giá trị thống kê Jarque-Bera Prob
Phần dư có phân phối chuẩn
38,21 0,0003
Nguồn: Tác giả
Kết quả kiểm định Normality cho trị thống kê Jarque-Bera = 38,21 có Prob = 0,0003 < 0,05, như vậy là bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Tức là phần dư của mơ hình Pooled khơng tn theo quy luật phân phối chuẩn. Việc khắc phục khuyết tật này sẽ được trình bày chi tiết trong phần phân tích kết quả hồi quy chính thức.
Tác giả tổng kết các điều kiện của Gauss & Markov trong bảng .. để cung cấp đánh giá tổng quan về các khuyết tật mà mơ hình gặp phải.
Bảng 4.12 Tổng kết các kiểm định theo điều kiện của Gauss & Markor Các điều kiện cần phải thỏa mãn Kết quả thực nghiệm Các điều kiện cần phải thỏa mãn Kết quả thực nghiệm
Mẫu & dữ liệu được lấy ngẫu nhiên Thỏa mãn
Khơng có hiện tượng đa cộng tuyến hồn hảo Thỏa mãn
Phương sai sai số là đồng nhất Thỏa mãn
Khơng có hiện tượng tự tương quan Không thỏa mãn
Sai số tuân theo quy luật phân phối chuẩn Khơng thỏa mãn Mơ hình khơng bỏ xót các biến quan trọng Thỏa mãn
Nguồn: Tác giả
Với 6 giả thuyết cơ bản theo Gauss & Markov thì mơ hình Pooled thỏa mãn được 4 điều kiện. Tuy nhiên, như đã trình bày ở phần phương pháp ước lượng thì mơ hình Pooled khơng xem xét đến các đặc tính riêng của từng địa phương. Do vậy,
cần thiết phải tiến hàng thêm các kiểm định để lựa chọn được mơ hình tối ưu giữa ba mơ hình Pooled, FEM và REM.
4.2.10. Kết quả kiểm định lựa chọn giữa Pooled và FEM (F test)
Mơ hình Pooled được xây dựng dữa trên giả định các đơn vị chéo trong dữ liệu bảng là giống nhau, điều này hàm ý là không tồn tại khác biệt giữa 6 tỉnh thuộc Đơng Nam Bộ. Mơ hình FEM khắc phục bằng cách đưa thêm các đặc điểm riêng vào trong phần sai số, tức là tung độ góc của các địa phương là có sự khác biệt. Để biết được sự khác biệt này có ý nghĩa thống kê hay không, tác giả sử dụng kiểm định F với giả thuyết kiểm định được phát biểu như sau:
Giả thuyết H0: Khơng có sự khác biệt về tung độ góc giữa các đơn vị chéo Giả thuyết H1: Có sự khác biệt về tung độ góc giữa các đơn vị chéo
Nếu trị thống kê trong kiểm định F có Prob < 0,05, tức là bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Kết quả kiểm định F được minh họa trong bảng 4.13
Bảng 4.13 Kết quả kiểm định F
Giả thuyết H0 Thống kê F Prob
Khơng có sự khác biệt về tung độ góc
4,21 0,0026
Nguồn: Tác giả
Kết quả kiểm định cho thấy thống kê F = 4,21 có Prob = 0,0026 < 0,05, như vậy bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Tức là có sự khác nhau về tung độ góc giữa các địa phương đưa vào nghiên cứu. Hay nói cách khác, kết quả hồi quy bằng mơ hình FEM sẽ đáng tin cậy hơn kết quả hồi quy theo mơ hình Pooled.
4.2.11. Kết quả kiểm định lựa chọn giữa FEM và REM (Hausman test)
Kết quả lựa chọn giữa mơ hình FEM và mơ hình Pooled cho thấy mơ hình FEM hợp lý hơn. Tuy nhiên, nếu các ảnh hưởng cố định khơng thay đổi theo thời gian có tương quan với các biến giải thích thì chúng ta cần sử dụng các phương pháp ước lượng tác động cố định để kiểm soát hoặc loại bỏ nhằm giảm thiểu sự thiên chệch do các ảnh hưởng cố định này có tương quan với biến giải thích. Tuy nhiên, nếu các tác ảnh hưởng cố định khơng tương quan với các biến giải thích từ
các ước lượng tác động cố định trên sẽ không hiệu quả. Khi đó, cần xem xét sử dụng phương pháp ước lượng tác động ngẫu nhiên thay thế. Trong trường hợp này, ước lượng tác động ngẫu nhiên sẽ hiệu quả hơn so với ước lượng tác động cố định (cả 2 đều là các ước lượng tin cậy) bởi ước lượng REM bổ sung ràng buộc về sự không tương quan giữa các ảnh hưởng cố định với biến giải thích.
Như vậy, để lựa chọn mơ hình FEM và mơ hình REM chúng ta cần thiết phải kiểm tra sự tương quan giữa các ảnh hưởng cố định với các biến giải thích. Kiểm định Hausman sẽ thực hiện việc kiểm tra này. Với các giả thuyết được phát biểu như sau:
Giả thuyết H0: Khơng có sự tương quan giữa các ảnh hưởng cố định với các biến giải thích (tức là mơ hình REM phù hợp hơn mơ hình FEM)
Giả thuyết H1: Có sự tương quan giữa các ảnh hưởng cố định với các biến giải thích (mơ hình REM khơng phù hợp bằng mơ hình FEM).
Nếu giá trị chi2 trong kiểm định Hausman có Prob < 0,05, tức là bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Kết quả kiểm định Hausman được minh họa trong bảng 4.14
Bảng 4.14 Kết quả kiểm định Hausman
Giả thuyết H0 Giá trị chi2 Prob
REM phù hợp hơn FEM 16,83 0,0048
Nguồn: Tác giả
Kết quả kiểm định Hausman cho giá trị của chi2 = 16,83 và có Prob = 0,0048 < 0,05 như vậy bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Tức là kết quả hồi quy bằng mơ hình FEM sẽ đáng tin cậy hơn kết quả hồi quy bằng mơ hình REM.
Từ 2 kết quả kiểm định F test và Hausman test cho thấy mơ hình FEM là mơ hình tối ưu ứng với mẫu dữ liệu cho 6 tỉnh Đông Nam Bộ. Tác giả sẽ tiến hành các kiểm định bổ sung trước khi đưa ra kết quả chính thức.
4.3. Các kiểm định bổ sung
Sau khi lựa chọn được mơ hình FEM, tác giả tiến hành kiểm định các khuyết tật của mơ hình (nếu có) cũng dựa trên các điều kiện của Gauss & Markov nhưng áp dụng cho dữ liệu bảng và với phương pháp tác động cố định.
a. Kiểm định phương sai sai số đồng nhất
Để kiểm định phương sai sai số đồng nhất cho dữ liệu bảng, tác giả sử dụng kiểm định Wald hiệu chỉnh (Modified Wald). Kiểm định Wald được tiến hành bằng cách chạy hồi quy giữa phần dư Ut và U(t-1) với giả thuyết:
Giả thuyết H0 : Mơ hình có phương sai sai số đồng nhất Giả thuyết H1 : Mơ hình có phương sai sai số khơng đồng nhất
Nếu trị thống kê chi2 trong kiểm định Wald hiệu chỉnh có Prob < 0,05, tức là bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Kết quả kiểm định Wald hiệu chỉnh được minh họa trong bảng 4.15
Bảng 4.15 Kết quả kiểm định Wald hiệu chỉnh
Giả thuyết H0 Giá trị chi2 Prob
Mơ hình có phương sai sai số đồng nhất
187,87 0,0000
Nguồn: Tác giả
Kiểm định Wald hiệu chỉnh có chi2 = 187,87 và Prob = 0,0000 < 0,05 nên bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Tức là mơ hình FEM của nghiên cứu gặp phải hiện tượng phương sai sai số không đồng nhất.
b. Kiểm định tự tương quan
Để kiểm định hiện tượng tự tương quan cho dữ liệu bảng, tác giả sử dụng kiểm định Wooldridge. Kiểm định Wooldridge được tiến hành bằng cách chạy hồi quy giữa phần dư Ut và U(t-1) với giả thuyết:
Giả thuyết H0 : Mơ hình khơng có tự tương quan giữa các đơn vị chéo của phần dư
Nếu trị thống kê F trong kiểm định Wooldridge có Prob < 0,05, tức là bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Kết quả kiểm định Wooldridge được minh họa trong bảng 4.16
Bảng 4.16 Kết quả kiểm định Wooldridge
Giả thuyết H0 Thống kê F Prob
Mơ hình khơng có tự tương quan 0,353 0,5782
Nguồn: Tác giả
Kiểm định Wooldridge có F = 0,353 và Prob = 0,5782 > 0,05 nên không đủ bằng chứng thống kể để bác bỏ giả thuyết H0. Tức là mơ hình FEM của nghiên cứu khơng gặp phải hiện tượng tự tương quan giữa các đơn vị chéo của phần dư.
4.4. Kết quả hồi quy chính thức
Mơ hình FEM của nghiên cứu gặp phải hiện tượng phương sai sai số thay đổi. Hiện tượng phương sai sai số thay đổi thực sự không làm sai lệch hệ số hồi quy, các hệ số hồi quy của mơ hình vẫn khơng chệch. Tuy nhiên sai số chuẩn thu được bằng kỹ thuật áp dụng ma trận hiệp phương sai thông thường bị thiên lệch, dẫn tới các kiểm định t và F khơng cịn chính xác, và những suy luận thống kê dựa trên sai số chuẩn này là không đáng tin cậy. Luận văn áp dụng phương pháp xử lý phương sai sai sô thay đổi theo phương pháp do Driscoll & Kraay (1998) đề xuất. Phương pháp điều chỉnh của Driscoll & Kraay áp dụng phương pháp ước lượng ma trận hiệp phương sai không tham số dựa trên tiệm cận T (khoảng thời gian thu thập) của các quan sát, giúp cho sai số chuẩn có phương sai đồng nhất và được điều chỉnh một cách tổng quát nhất cho dữ liệu chéo theo không gian và thời gian. Điều chỉnh sai số chuẩn ước lượng theo cách này đã loại bỏ những ước lượng hiệp phương sai không phù hợp, đảm bảo các giá trị sai số chuẩn đạt độ tin cậy cao nhất.
Kết quả thực nghiệm chính thức các yếu tố quyết định đến số thu thuế của các tỉnh Đông Nam Bộ được minh họa trong bảng 4.17
Biến phụ thuộc:
Số thu thuế của tỉnh (Ln_thu)
Kết quả hồi quy
Mơ hình FEM Mơ hình FEM hiệu chỉnh
Biến độc lập Hệ số β Sai số Hệ số β Sai số
Thu nhập bình quân (Ln_gdp) 0,637***,,… 0,164 0,957*** 0,073 Tốc độ tăng dân số (gdanso) -0,134**,…, 0,073 0,019 0,012 Tỉ lệ lực lượng lao động (Ln_llld) 0,559 0,626 0,363** 0,118 Tỉ lệ GDP/FDI (gdpfdi) 0,401**,,…** 0,169 0,469** 0,143 Tỉ lệ hộ nghèo (tilengheo) -0,065,,… 0,047 0,010 0,012
Sân bay (sanbay) 0…,, omitted 0,363*** 0,048
Hệ số chặn -3,451 4,210 0,624*** 0,624
Độ phù hợp mơ hình
R2 squared 0,8160 0,9555
Thống kê F 48,79 4364,64
Prob (Thống kê F) 0,000 0,000
Ghi chú: ***, ** và * tương ứng với mức ý nghĩa 1%, 5% và 10%
Nguồn: Tác giả
Kết quả hồi quy theo phương pháp do Driscoll & Kraay (1998) đề xuất đã khắc phục được hiện tượng phương sai sai số không đồng nhất. Theo kết quả trong bảng .. thì thu nhập bình quân đầu người (biến Ln_gdp), tỉ lệ lực lượng trong độ tuổi lao động (biến Ln_llld), tỉ lệ GDP/FDI (biến gdp/fdi), sân bay + cảng biển quốc tế (biến sanbay) có tác động tích cực đến số thu thuế của địa phương và có ý nghĩa thống kê. Không đủ bằng chứng thống kê để kết luận tốc độ tăng dân số và tỉ lệ hộ nghèo của tỉnh có tác động đến số thu thuế.
4.5. Thảo luận kết quả
a. Thu nhập bình quân (Biến Ln_gdp)
Theo kết quả hồi quy chính thức thì thu nhập bình qn có hệ số β = 0,957 và có ý nghĩa thống kê ở mức 1%. Điều này hàm ý với các điều kiện khác khơng thay
đổi thì khi thu nhập bình quân đầu người của 6 tỉnh Đơng Nam Bộ tăng 1% thì số thu thuế của tỉnh tăng 0,957%. Theo tác giả điều này là phù hợp với thực tế, bởi với thu nhập bình qn đầu người của khu vực Đơng Nam Bộ cao gấp 2,5 lần bình quân của cả nước, tốc độ tăng trưởng GRDP cao hơn từ 1,4 đến 1,6 lần cả nước thì số thu thuế của khu vực phải thuận chiều với mức thu nhập.
Theo lý giải của Fox & Gurley (2005) khi thu nhập bình quân đầu người được cải thiện, người dân sẽ có niềm tin vào khả năng ổn định của bản thân và cả nền kinh tế do đó họ mạnh dạn hơn trong việc mua sắm hàng hóa và sử dụng dịch vụ. Từ đó làm tăng sức mua của cả nền kinh tế, các doanh nghiệp sản xuất tiêu thụ được sản phẩm nên cũng kích thích sản xuất phát triển. Đây là cơ sở để dự báo số thu thuế sẽ tăng tương ứng trong tương lai gần.
Castro & Ramírez (2014) cũng tìm thấy số thu thuế bị chị phối bởi thu nhập bình quân, thể chế và cấu trúc xã hội, nhưng lại lý giải theo cách khác. Nhóm tác giả cho rằng, khi thu nhập bình quân được cải thiện thì kích thích sản xuất phát triển. Điều này gián tiếp khuyến khích những cá nhân hoặc tổ chức thành lập mới doanh nghiệp để khai thác được cơ hội kinh doanh từ thị trường đang phát triển nóng. Số doanh nghiệp tăng lên thì số thu thuế của quốc gia/địa phương cũng được cải thiện theo chiều hướng tích cực.
b. Tốc độ tăng dân số (Biến gdanso)
Theo Bird và cộng sự (2008) khi nghiên cứu cho 110 quốc gia từ 1990-1999 thì tỉ lệ tăng trưởng dân số có tác động tiêu cực đến số thu về thuế, tỷ lệ tăng dân số càng cao, thu nhập người dân giảm dẫn đến số thu thuế cũng sẽ giảm. Trong nghiên cứu này, tác giả khơng tìm thấy bằng chứng thống kê để kết luận tốc độ tăng dân số có tác động đến số thu thuế của 6 tỉnh Đông Nam Bộ.
Năm 2015, tốc độ tăng dân số của Bình Phước là 1,27%, Tây Ninh 0,66%, Bình Dương 3,39%, Đồng Nai 2,28%, Bà Rịa 1,19% và thành phố Hồ Chí Minh là 1,83%. Sở dĩ Bình Dương, Đồng Nai và thành phố Hồ Chí Minh có tốc độ tăng dân số cao là do tăng dân số cơ học. Bởi cả 3 địa phương này là nơi thu hút rất nhiều học sinh, sinh viên, người lao động từ các địa phương khác trong cả nước đến để
học tập hoặc tìm kiếm cơng ăn việc làm. Về lý thuyết, việc tăng dân số tự nhiên sẽ tạo ra áp lực không chỉ cho các hộ gia đình về chi phí sinh hoạt mà ngân sách của địa phương cũng phải chi ra cho các hoạt động cơng ích, đầu tư mới bệnh viện, trạm y tế, trường học v.v… Việc này không giúp tăng số thu thuế của địa phương.
c. Tỉ lệ lực lượng lao động (Biến Ln_llld)
Không phải ai trong độ tuổi lao động cũng có việc làm. Tuy nhiên, theo quy định hiện hành của Việt Nam, những người lao động có thu nhập cao đều phải đóng thuế thu nhập cá nhân, do đó tỉ lệ lực lượng lao động thường có mối quan hệ thuận chiều với số thu thuế. Trong nghiên cứu này, tác giả tìm thấy bằng chứng thống kê để kết luận số người trong độ tuổi lao động tăng lên thì số thu thuế của 6 tỉnh Đơng Nam Bộ được cải thiện. Theo đó, với điều kiện các yếu tố khác khơng thay đổi, khi tỉ lệ lực lượng lao động tăng 1% thì số thu thuế của địa phương tăng 0,363%.
d. Tỉ lệ GDP/FDI (Biến gdp/fdi)
Đầu tư trực tiếp nước ngoài và số thu thuế của địa phương là chủ đề được quan tâm nhiều ở các quốc gia đang phát triển. Để đạt được mục tiêu tăng trưởng kinh tế, chính sách của mỗi nước có khác nhau nhưng tập trung khai thác vốn chủ yếu từ hai nguồn là vốn trong nước và vốn đầu tư từ nước ngoài. Nếu đầu tư gián tiếp có tác động kích thích thị trường tài chính thì đầu từ trực tiếp từ nước ngồi có vai trị thúc đẩy sản xuất, bổ sung vốn trong nước, tiếp thu cơng nghệ cao, hịa nhập