Biến Ký hiệu Nguồn Kì vọng dấu
Biến phụ thuộc
Tránh thuế 1 (CTA1) Tính tốn của tác giả dựa trên báo cáo tài chính của doanh nghiệp
Tránh thuế 2 (CTA2) Tính tốn của tác giả dựa trên báo cáo tài chính của doanh nghiệp
Tránh thuế 3 (CTA3) Tính tốn của tác giả dựa trên báo cáo tài chính của
doanh nghiệp
Tránh thuế 4 (CTA4) Tính tốn của tác giả dựa trên báo cáo tài chính của doanh nghiệp
Biến độc lập
Tỷ lệ sở hữu nước ngồi
fo1 Tính tốn của tác giả dựa trên thông tin của doanh nghiệp
Tỷ lệ sở hữu nước ngồi
fo2 Tính tốn của tác giả dựa trên thông tin của doanh nghiệp.
Yếu tố chính trị Polcon Tính tốn của tác giả dựa trên thông tin của doanh nghiệp
+
Quy mơ doanh nghiệp
Fsize Tính tốn của tác giả dựa trên báo cáo tài chính của doanh nghiệp
+
Lợi nhuận Profit Tính tốn của tác giả dựa trên báo cáo tài chính của doanh nghiệp
-
Địn bẩy Lev Tính tốn của của tác giả dựa trên báo cáo tài chính của doanh nghiệp
Cường độ vốn Capint Tính tốn của tác giả dựa trên báo cáo tài chính của doanh nghiệp
-
(Nguồn: Tổng hợp của tác giả) 3.3 Phƣơng pháp phân tích
Trong mơ hình hồi quy cổ điển, chúng ta cần xem xét các lỗi có thể xảy ra của mơ hình như: (1) vấn đề đa cộng tuyến do các biến độc lập lại phụ thuộc lẫn nhau; (2) vấn đề phương sai sai số thay đổi do phần dư của mơ hình là không ổn định và phụ thuộc vào các biến độc lập; (3) Tự tương quan do phần dư của mơ hình lại biểu diễn được qua các phần dư cấp n của chính nó.
Tuy nhiên trong các mơ hình hồi quy hiện đại, chúng ta cịn phải xem xét thêm các vấn đề khác của mơ hình như vấn đề nội sinh - do các tính chất, quy luận thực tiễn của các biến gây ra, mà khiến một vài biến lại sinh ra từ chính mơ hình. Về mặt thống kê, ước lượng, vấn đề nội sinh mơ hình được coi là một trong những vi phạm nghiêm trọng các giả định hồi quy. Và để xem xét mơ hình có gặp vấn đề nội sinh hay không chúng ta thường xem xét: Mối quan hệ tương quan của biến độc lập và phần dư của mô hình. Vấn đề nội sinh trong mơ hình thường xuất hiện dưới 3 dạng sau:
- Thiếu vắng biến độc lập trong mơ hình và do đó phần giải thích của biến này sẽ nằm ở sai số (phần dư). Khi đó có mối tương quan chặt giữa biến độc lập và phần dư.
- Sai số trong đo lường hay sai lệch do lựa chọn. - Vấn đề đồng thời và hệ phương trình đồng thời.
Để giải quyết vấn đề nội sinh, ta có thể sử dụng một số cách cơ bản sau để xử lý:
- Sử dụng dữ liệu bảng với một mơ hình có thể giải quyết vấn đề nội sinh (tức là chọn phương pháp xử lý dữ liệu phù hợp với vấn đề)
- Tìm một biến đại diện khác phù hợp để giải quyết mơ hình
- Sử dụng mơ hình với biến cơng cụ chẳng hạn như: Hồi quy 2 giai đoạn 2SLS, Hồi quy 3 giai đoạn 3SLS, Hồi quy GMM, System GMM, Difference GMM. Thông thường khi tiến hành nghiên cứu với dữ liệu bảng, mơ hình ảnh hưởng cố định FEM và mơ hình các ảnh hưởng ngẫu nhiên REM thường là phương pháp được sử dụng nhiều nhất. Sau khi tiến hành ước lượng theo hai mơ hình trên, các nghiên cứu này sẽ sử dụng kiểm định Hausman để đánh giá và lựa chọn mơ hình. Tuy nhiên, đối với trường hợp dữ liệu dạng bảng với số quan sát lớn nhưng lại trong khoảng thời gian ngắn thường phát sinh hiện tượng phương sai sai số thay đổi. Hơn thế nữa, việc tồn tại vấn đề nội sinh trong mơ hình sẽ làm cho các ước lượng FEM và REM khơng cịn hiệu quả. Cụ thể, tác giả tiến hành xem xét hiện tượng nội sinh của mơ hình dữ liệu bảng động như sau:
Mơ hình dữ liệu bảng động có dạng:
Yit = β0 + β1X1it + β2X2it + … + βkXkit + Uit+ γYit-1 + Uit (1)
(với Uit thỏa các giả thiết cổ điển)
Yit-1: dữ liệu bảng có chứa biến trễ của biến phụ thuộc đóng vai trị là một biến độc lập. Xét trƣờng hợp 1: Nếu phƣơng trình (1) là REM
Đặt vit = αi + uit là sai số gộp
Khi đó Yit-1 có chứa αi (vì Yit-1= β1 + β2X2it-1 + β3X3it-1 + … + βkXkit-1 + αi + Uit-1) Và vit = αi + uit
Yit-1 có tương quan với sai số gộp vit nên Yit-1 bị nội sinh • Xét trƣờng hợp 2: Nếu phƣơng trình (1) là FEM
Ta có 3 cách ước lượng:
- Cách 1: Dùng LSDV
Nickell (1981) chứng tỏ rằng khi n lớn, nếu dùng LSDV để ước lượng FEM thì ước lượng thu được sẽ bị chệch và không vững trong trường hợp mơ hình có dạng bảng động.
- Cách 2: Dùng hồi quy trong cùng nhóm (within regression)
Yit = β1 + β2X2it + … + βkXkit + γYi t-1 + αi + Uit
Yi = β1 + β2X2i + … + βkXki + γYi t-1 + αi + Ui
Yit - Yi = β2(X2it - X2i )+ … + βk(Xkit - Xki) + γ(Yi t-1 - Yi t-1) + (Uit – Ui )
Nhận xét: Yi t-1= ∑ có chứa các Uit-1 nên tương quan với Ui = ∑ . Từ đó suy ra (Yi t-1 - Yi t-1) có tương quan với (Uit – Ui) dẫn đến nội sinh
- Cách 3: Dùng phương trình sai phân
Yit = β1 + β2X2it + … + βkXkit + γYi t-1 + αi + Uit
Yi t-1 = β1 + β2X2i t-1 + … + βkXki t-1 + γYi t-2 + Ui t-1 ΔYit = β2ΔX2it + … + βkΔXkit + γΔYi t-1 + ΔUit
Vì ΔYi t-1 = (Yi t-1 - Yi t-2) có tương quan với ΔUit = Uit - Ui t-1 dẫn đến nội sinh.
Để khắc phục hiện tượng trên, nghiên cứu này sẽ tiến hành kiểm định các khuyết tật của các mơ hình nghiên cứu, sau đó sử dụng mơ hình ước lượng GMM được phát triển bởi các nhà nghiên cứu Arellano và Bond (1991) và sau đó là Arellano và Bover (1995) để phân tích chiều hướng ảnh hưởng của các nhân tố.
Với dạng dữ liệu bảng động không cân với rất nhiều quan sát (353 công ty), dữ liệu bảng này cho phép kiểm soát những khác biệt không quan sát được giữa các công ty và các yếu tố không quan sát được theo thời gian.
Như mơ hình đã đề xuất, nghiên cứu có sử dụng biến trễ của biến phụ thuộc. Việc đưa thêm biến trễ của biến phụ thuộc tỷ lệ thuế thu nhập doanh nghiệp vào nhằm xử lý hiện tượng tự tương quan trong dữ liệu bảng (Arellano, 2003; Baltagi, Song, Jung, và Koh, 2007). Với dữ liệu bảng cho nhiều doanh nghiệp có thể xuất hiện hiện tượng phương sai thay đổi, đồng thời đó các biến sẽ có mối quan hệ tương hỗ (Ahmed, 2010; Berdiev và cộng sự, 2013), do đó sẽ tồn tại hiện tượng nội sinh nếu sử dụng các kỹ thuật ước lượng như OLS, FEM và REM cho dữ liệu bảng. Để xử lý hiện tượng nội sinh trong dữ liệu bảng, bài viết sử dụng kỹ thuật ước lượng GMM. Phương pháp GMM được sử dụng phổ biến trong các ước lượng dữ liệu bảng động tuyến tính hoặc các dữ liệu bảng vi phạm tính chất phương sai thay đổi và tự tương quan. Khi đó, các ước lượng tuyến tính cổ điển của mơ hình dữ liệu bảng như tác động cố định hoặc tác động ngẫu nhiên sẽ khơng cịn kết quả ước lượng tin cậy, hiệu quả.
Sau khi tiến hành hồi quy theo phương pháp GMM, tác giả sử dụng kiểm định Sargan/Hansen kiểm tra tính bền vững của ước lượng GMM hệ thống và kiểm định tương quan chuỗi bậc 2 AR(2) (Getzmann và Cộng sự).
CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1 Thống kê mô tả
Bảng 4.1 Bảng thống kê mô tả các biến định lƣợng trong mẫu dữ liệu
Biến Trung bình Độ lệch chuẩn nhỏ nhất Giá trị lớn nhất Số quan sát Giá trị
cta1 0.183437 0.11337 0 0.958968 3049 cta2 0.127421 0.152665 0 0.992941 2994 cta3 0.175261 0.189477 0 0.994524 2412 cta4 0.109726 0.170027 0 0.988527 2662 fo1 0.098706 0.135799 0 0.6462 3155 fo2 0.50206 0.500075 0 1 3155 polcon 0.258085 0.236316 0 0.913613 3155 Fsize 26.87025 1.508743 23.38136 32.99603 3155 Profit 0.067639 0.086984 -0.85259 0.7837 3155 Lev 0.079172 0.128494 0 0.759472 3155 Capint 0.22383 0.203231 0 0.977612 3155
Nguồn: Thống kê của tác giả dựa trên mẫu phân tích
Theo thống kê mơ tả ở bảng 4.1, ta có một số nhận định sau:
- Biến CTA1 được quan sát có mức trung bình là 18,34%. Điều này cho thấy rằng các công ty niêm yết trên sàn chứng khốn Việt Nam có một phần 18,34% tổng thu nhập dùng cho nghĩa vụ thuế.
- Biến CTA2 cho thấy tỷ lệ chi phí chi trả cho thuế thu nhập doanh nghiệp trên tổng thu nhập trước thuế của cơng ty có trung bình là 12,74%. Nói cách khác, một phần 12,74% thu nhập của công ty dùng để chi trả thuế thu nhập doanh nghiệp.
- Biến CTA3 cho biết phần dòng tiền hoạt động thực sự được dùng để chi trả thuế là 17,52%.
- Biến CTA4 cho biết tỷ lệ tiền mặt dùng để trả thuế thực sự từ dòng tiền hoạt động là 10,97%.
Nói chung, trung bình của bốn biện pháp này thấp hơn thuế suất thuế thu nhập doanh nghiệp theo luật định hiện hành là 20%. Điều này cho thấy gánh nặng thuế trong hầu hết các công ty là không lớn. Lý giải cho điều này là do các chính sách ưu đãi thuế cho các công ty này, hoặc cũng có thể là do sự hiện diện của việc tránh thuế thu nhập doanh nghiệp.
- Biến fo1 có mức trung bình là 9,87%, thể hiện số cổ phần của 353 cơng ty được niêm yết trên sàn chứng khốn Việt Nam được nắm giữ bởi các nhà đầu tư nước ngồi. Nhìn vào bảng thống kê mơ tả, ta có thể thấy một số cơng ty có tỷ lệ sở hữu nước ngoài cao, với giá trị tối đa là 64,62%. Trong số này, có 50,2% các doanh nghiệp được lấy mẫu có sự hiện diện của cổ đơng nước ngồi, thể hiện bằng biến giải thích thứ hai fo2. Điều này cho thấy sự hiện diện của các nhà đầu tư nước ngồi trong các cơng ty lớn của Việt Nam. Xác định được nguồn vốn đầu tư từ nước ngoài là một yếu tố quan trọng, trở thành một trong những động lực quan trọng thúc đẩy phát triển kinh tế - xã hội Việt Nam, Chính phủ đã ban hành nhiều cơ chế chính sách nhằm thúc đẩy và hỗ trợ doanh nghiệp, ưu đãi về khu vực đầu tư, thuế,… Vì thế, Việt Nam trở thành một khu vực hấp dẫn vốn đầu tư nước ngoài, thu hút được một lượng lớn các nhà đầu tư ở các quốc gia và vùng lãnh thổ khác nhau.
- Kết nối chính trị (polcon) có giá trị trung bình là 25,80%, cho thấy một tỷ lệ trung bình 25,80% cổ phiếu của cơng ty được sở hữu bởi chính phủ. Giá trị tối đa mà chính phủ đầu tư vốn vào một cơng ty là 91,63%. Qua thống kê này ta thấy chính phủ vẫn nắm vai trò quan trọng trong điều hành và kiểm soát các doanh nghiệp.
- Quy mô doanh nghiệp (fsize): có giá trị trung bình 26.87. Điều này cho thấy rằng các công ty được lấy mẫu là có quy mơ lớn.
- Lợi nhuận (profit): giá trị trung bình là 6,764%, điều này cho thấy từ 1 đơn vị tài sản đầu tư sẽ tạo ra 0.6764 đơn vị lợi nhuận, đây là yếu tố quyết định đến số thuế TNDN phải trả của các công ty. Số liệu này cho thấy mẫu quan sát đa phần là các cơng ty có lợi nhuận lớn, với giá trị nhỏ nhất là -0,85 và cao nhất là 0,78. - Đòn bẩy (Lev): giá trị 0,07917 được ghi nhận là giá trị trung bình, tức trung
bình 7,917% tổng tài sản của các công ty được tài trợ thông qua nợ dài hạn. Điều này cho thấy tỷ lệ tài sản được tài trợ bằng nợ của các công ty được lấy mẫu là rất lớn. Việc này ảnh hưởng rất nhiều đến số thuế TNDN của doanh nghiệp vì lá chắn nợ là công cụ hữu hiệu cho việc tránh thuế. Giá trị thấp nhất của đòn bẩy là 0% và cao nhất lên đến 75,94%.
- Cường độ vốn (Capint): giá trị trung bình là 0,2238 cho thấy trung bình 22,38% tổng tài sản của công ty là tài sản cố định. Điều này tiếp tục chứng minh cho quy mô của các doanh nghiệp được lấy mẫu là rất lớn và và cho thấy sự liên quan của biến số này trong việc ảnh hưởng gánh nặng thuế doanh nghiệp do các ưu đãi về thuế đối với chi phí khấu hao tài sản cố định.
4.2 Phân tích bằng đồ thị
Trước khi tiến hành hồi quy để tìm ra tác động của biến độc lập tỷ lệ sở hữu nước ngoài đến tránh thuế TNDN, tác giả tiến hành vẽ đồ thị mối liên hệ giữa biến độc lập và biến phụ thuộc để tìm ra giả thiết về mối quan hệ giữa các biến.
Hình 4-2 CTA1 và fo1 Hình 4-1 CTA2 và fo1
Từ các đồ thị trên, tác giả thấy được có một mối quan hệ cùng chiều giữa sở hữu nước ngoài và tỷ lệ số thuế TNDN đã nộp, qua đó cho thấy mối quan hệ ngược chiều
Hình 4-8 CTA4 và fo2 Hình 4-5 CTA1 và fo2 Hình 4-6 CTA2 và fo2
giữa tỷ lệ sở hữu nước ngoài này với hành động tránh thuế TNDN. Vì vậy, hiện tại, ta có cơ sở đưa ra giả thiết sau:
H1. Sở hữu nước ngồi có quan hệ ngược chiều với việc tránh thuế doanh nghiệp ở các doanh nghiệp Việt Nam
Trước khi thực hiện hồi qui mơ hình, tác giả tiến hành phân tích tương quan giữa các nhân tố độc lập với nhân tố phụ thuộc. Việc này giúp chọn những nhân tố độc lập thực sự có tương quan với nhân tố phụ thuộc và đưa những nhân tố đó vào hồi quy. Ở đây nghiên cứu sử dụng ma trận tương quan để đo lường mức độ tương quan tuyến tính giữa các biến. Theo đó, nếu các biến độc lập có mối tương quan chặt, mạnh với nhau thì sẽ có hiện tượng đa cộng tuyến, đó là hiện tượng các biến độc lập trong mơ hình phụ thuộc lẫn nhau và thể hiện được dưới dạng hàm số.Trong nghiên cứu này, tác giả kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến độc lập có tương quan chặt với nhau thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy.
Kết quả phân tích được thể hiện trong bảng 4.2
Bảng 4.2 Ma trận hệ số tƣơng quan giữa các biến
Cta1 Cta2 Cta3 Cta4 Fo1 Fo2 polcon fsize profit Lev Capint
Cta1 1.0000 Cta2 0.3429 1.0000 Cta3 0.3240 0.1423 1.0000 Cta4 0.1560 0.5824 0.5812 1.0000 Fo1 - 0.0012 0.1135 0.1575 0.2415 1.0000 Fo2 - 0.1302 0.1553 0.2122 0.6496 1.0000
0.0025 Plco n 0.0825 0.0964 0.0413 0.0520 - 0.1042 - 0.0048 1.0000 Fsize 0.0737 0.2370 - 0.0154 0.1849 0.3310 0.2744 0.0335 1.0000 Profi t 0.0111 - 0.0098 0.3106 0.2045 0.2084 0.2222 0.1075 - 0.0280 1.0000 Lev - 0.0174 0.0327 - 0.1669 - 0.0879 - 0.0814 - 0.0410 0.1211 0.3749 -0.1960 1.0000 Capi nt - 0.0740 0.0258 - 0.1597 - 0.0342 - 0.0329 - 0.0334 0.2075 0.0866 -0.0079 0.4623 1.0000
(Nguồn: Tổng hợp của tác giả từ phần mềm Stata)
Như thể hiện ở bảng 4.2, sử dụng tương quan Pearson để kiểm tra tương quan giữa các biến. Hệ số tương quan có giá trị từ -1 đến 1. Hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số khơng có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Nếu giá trị của hệ số tương quan là âm có nghĩa là khi một biến tăng cao thì một biến giảm (và ngược lại, khi một biến giảm thì biến kia tăng); nếu giá trị hệ số tương quan là dương có nghĩa là khi một biến tăng cao thì biến kia cũng tăng và ngược lại.
Như kết quả, các biến này có tương quan nhưng trong giới hạn nhất định. Gujarati và Porter (2009) cho rằng độ lớn của hệ số tương quan phải nhỏ hơn 0,8 để ngăn chặn vấn đề đa cộng tuyến. Dựa trên kết quả phân tích, tác giả nhận thấy các hệ