Kiểm định sự phù hợp của mơ hình, đa cộng tuyến Kiểm định Hausman, lựa
chọn FEM hay REM Kiểm định phương sai
thay đổi trong REM Hồi quy GMM với các
biến về thuế
Hồi quy GMM khi đưa thêm biến kiểm soát
Kiểm định Sagan và Arellano-Bond
So sánh FEM và GMM
Bảng 2.2: Hệ thống phương pháp nghiên cứu
2.2.1Kiểm định giả thuyết cơ sở
Nhằm đảm bảo mơ hình khơng có sự vi phạm giả thiết cơ sở, chúng tôi đã lần lượt thực hiện các kiểm định cơ bản gồm: Kiểm định đa cộng tuyến, kiểm định sự phù hợp của mơ hình.
2.2.1.1Kiểm định đa cộng tuyến
Được thực hiện để kiểm tra xem trong mơ hình có biến giải thích nào tương quan với biến giải thích khác hay khơng. Theo đó, tác giả sử dụng nhân tử phóng đại phương sai (VIF- variance inflationfactor) để kiểm tra tốc độ gia tăng của phương sai và hiệp phương sai.
VIF =1−R12 (2.6)
Với Rj2 Là giá trị của R2 trong hàm hồi quy của các biến giải thích trong mơ hình. Nếu giá trị VIF càng lớn thì mơ hình có khả năng xảy ra hiện tượng đa cộng tuyến cao. Theo kinh nghiệm nghiên cứu trước, nếu VIF của một biến vượt quá 10 thì biến này được xem là có xảy ra đa cộng tuyến cao
2.2.1.2Kiểm định sự phù hợp của mơ hình
Kiểm định R2: Thơng thường đại lượng R2 của mơ hình sẽ cho chúng ta thấy được mức độ phù hợp của mơ hình hồi quy. Để biết được R2 khác khơng có ý nghĩa thống kê hay khơng hay mơ hình được đưa ra có phù hợp hay không ta tiến hành kiểm định giả thiết với
H0: R2=0 ~ H0: ∀βj = 0 H1: R2≠0 ~ H1: ∃βj ≠ 0
Với mức ý nghĩa miền bác bỏ là: p-value < 5%
Chấp nhận H1: Mơ hình phù hợp, Bác bỏ H0: Mơ hình khơng phù hợp.
2.2.2Kiểm định Hausman
Hai phương pháp REM và FEM được tiến hành kiểm định Hausman dựa trên mơ hình 2.5 đã đề cập ở mục 2.1.2 chương 1
∆LogGRGDPit=β0 + β1LogGRGDPit-1 + β2LogGTGTit + β3LogTNCNit +
β4LogTNDNit +β5LogXNKit + β6LogCPIit + β7LogLLDit + β8LogDTTNit + εit
∆LogGRGDPit Log của tổng sản phẩm nội địa của tỉnh i năm t, trong đó GDP được tính theo tỷ giá thực tế đại diện cho tăng trưởng kinh tế
LogGDPit-1 Log của tổng sản phẩm nội địa của tỉnh i năm t-1
LogTNDNit Log của Thuế thu nhập cá nhân thu được của tỉnh i năm t LogGTGTit Log của Thuế giá trị gia tăng thu được của tỉnh i năm t LogTNCNit Log của Thuế thu nhập cá nhân thu được của tỉnh i năm t LogXNKit Log của Thuế xuất nhập khẩu thu được của tỉnh i năm t
LogLLDit Log của Lực lượng lao động của tỉnh i năm t
LogCPIit Log của Chỉ số giá tiêu dùng của tỉnh i năm t
Log của Tổng vốn đầu tư khu vực ngoài nhà nước (ngoại trừ FDI) của
LogDTTNit
tỉnh i năm t
εit Nhiễu trắng
Dữ liệu bảng có thể được ước lượng thơng qua hai (02) mơ hình tác động cố định (FEM) và tác động ngẫu nhiên (REM). Để biết mơ hình nào phù hợp hơn với bài nghiên cứu, tác giả sử dụng kiểm định Hausman để xem xét tương quan có thể có giữa thành phần sai số εit và các biến độc lập trong mơ hình hồi quy và xem xét lựa chọn giữa FEM và REM.
H0: Khơng có tương quan giữa εit và các biến độc lập trong mơ hình, chọn REM H1: Có sự tương quan giữa εit và các biến độc lập trong mơ hình, chọn FEM.
Khi giá trị P-value < 0.05 ta bác bỏ H0, nghĩa là có sự tương quan giữa εit và các biến độc lập trong mơ hình, nghĩa là chọn FEM. Ngược lại, ta sẽ chọn mơ hình REM.
2.2.3Kiểm định Pesaran
Kiểm định Pesaran nhằm kiểm định tính độc lập của đơn vị chéo trong mơ hình hồi quy tác động cố định FEM được lựa chọn. Có thể lưu ý rằng FEM theo mơ hình 2.6 dưới đây giả định rằng các hệ số dốc của các biến hồi quy độc lập là không thay đổi giữa các địa phương theo thời gian.
Mơ hình hồi quy tác động cố định FEM ( Mơ hình 1)
LogGRGDPit = β0 + β1LogGDPit-1 + β2LogGTGTit + β3LogTNCNit + β4LogTNDNit
+β5LogXNKit + β6LogCPIit + β7LogLLDit + β8LogDTTNit + γi + Ti
+ εit (2.6)
Chúng ta kiểm định giả thuyết
H0: Các đơn vị chéo trong mơ hình FEM khơng tương quan H1: Các đơn vị chéo trong mơ hình FEM có tương quan
Từ đây, ta tìm được p – value. Nếu P-value <0.05, bác bỏ H0, tức là chấp nhận H1, các đơn vị chéo trong mơ hình tương quan với nhau
2.2.4 Kiểm định tự tương quan
Nếu mơ hình được lựa chọn là mơ hình FEM, mơ hình này chỉ quan tâm đến những khác biệt mang tính cá nhân đóng góp vào mơ hình nên sẽ khơng có hiện tượng tự tương quan.
2.2.5Kiểm định phương sai thay đổi
Kiểm định Heteroskedasticity nhằm xem xét trong mẫu gồm các địa phương
khác nhau với dữ liệu bảng có xảy ra hiện tượng phương sai thay đổi trong mơ hình hồi quy tác động cố định FEM (Mơ hình 1) hay khơng
LogGRGDPit = β0 + β1LogGDPit-1 + β2LogGTGTit + β3LogTNCNit + β4LogTNDNit
+β5LogXNKit + β6LogCPIit + β7LogLLDit + β8LogDTTNit + γi + Ti +
εit
H0: Mơ hình khơng xảy ra hiện tượng phương sai thay đổi H1: Mơ hình xảy ra hiện tượng phương sai thay đổi
Với mức ý nghĩa miền bác bỏ là: p-value < 5%, ta Bác bỏ H0, chấp nhận H1: Mơ hình xảy ra hiện tượng phương sai thay đổi.
2.2.6Kiểm định Sargan và kiểm định Arellano-Bond trong mơ hình GMM
Ước lượng GMM (Difference Generalized Method of Moments) của Arellano- Bond (1991) được sử dụng để đáp ứng trong điều kiện dữ liệu bảng có mảng thời gian ngắn (T=10) và mảng không gian lớn (N=50). Trong nghiên cứu này, biến LogGDP được cho là nội sinh được công cụ bằng việc lấy giá trị độ trễ của chúng. Và để kiểm định Sargan khơng bị suy yếu thì số lượng các cơng cụ được lựa chọn về nguyên tắc phải nhỏ hơn hoặc bằng số lượng các nhóm.
Trong phương pháp GMM, tác giả sắp xếp các biến LogGDPit-1, LogTNDN, LogXNK vào nhóm biến được cơng cụ theo phương pháp GMM vì tác giả tiên liệu các biến này bị nội sinh. Còn các biến LogTNCN, LogGTGT và các biến cơng cụ thêm vào (nếu có) thì xếp vào nhóm biến cơng cụ (IV).
Mơ hình hồi quy GMM chỉ bao gồm các biến cơ bản (Mơ hình 2)
∆LogGRGDPit =β0+ β1LogGDPit-1 + β2LogGTGTit + β3LogTNCNit + β4LogTNDNit
+β5LogXNKit + εit (2.7)
Mơ hình hồi quy GMM khi có thêm các biến kiểm sốt (Mơ hình 3)
∆LogGRGDPit=β0+β1LogGDPit-1+β2LogGTGTit+ β3∆ogTNCNit +
β4LogTNDNit +
β5LogXNKit + β6LogCPIit + β7LogLLDit + β8LogDTTNit + εit (2.8)
Bằng sự chuyển hóa các biến hồi quy ở sai phân bậc nhất thì hiệu ứng cố định đặc thù của địa phương sẽ được loại trừ.
Tính hợp lý của các cơng cụ được sử dụng trong phương pháp GMM được đánh giá qua:
(1) Kiểm định Sargan: xác định tính chất phù hợp của các biến cơng cụ trong mơ hình GMM dựa vào giả thuyết
H1: Biến cơng cụ là nội sinh
Nếu giá trị P-value của thống kê Sargan càng càng lớn >0.05 thì chúng ta sẽ chấp nhận giả thuyết H0, mơ hình khơng có biến ngoại sinh, tốt.
(2) Kiểm định Arellano-Bond: kiểm tra tính chất tự tương quan của phương sai sai số mơ hình GMM ở dạng sai phân bậc 1. Do đó, chuỗi sai phân khảo sát mặc nhiên có tương quan bậc 1, AR(1) nên kết quả của kiểm định được bỏ qua. Tương quan bậc 2, AR(2) được kiểm định trên chuỗi sai phân của sai số để phát hiện hiện tượng tự tương quan của sai số ở bậc 1 với giả thuyết
H0: Khơng có hiện tượng tự tương quan của phương sai sai số H1: Có hiện tượng tự tương quan của phương sai sai số
Nếu giá trị P-value của kiểm định Arellano-Bond cao > 0.05 thì chúng ta chấp nhận giả thuyết H0 Khơng có hiện tượng tự tương quan của phương sai sai số, mơ hình tốt và được chấp nhận
2.2.7So sánh hai phương pháp hồi quy bằng mơ hình FEM và GMM
Nghiên cứu sử dụng phương pháp định lượng để kiểm định tác động của các thành phần của thuế đến tăng trưởng kinh tế. Phương pháp hồi quy thể hiện trong bài nghiên cứu là phương pháp tác động cố định FEM và so sánh phương pháp này với phương pháp hồi quy GMM.
Tác giả tiến hành đồng thời cả hai phương pháp FEM và GMM để theo dõi sự khác biệt trong nghiên cứu này. Với kỹ thuật hồi quy GMM của Peter Hansen (1982) và được Erickson và Whited điều chỉnh (2000),
Khi đưa vào các biến về độ trễ thì các lượng trong mơ hình FEM sẽ bị chệch trong mơ hình khi chuỗi thời gian nhỏ, từ 2004-2013 (Judson và cộng sự.,1996). Như vậy, các kết quả của mơ hình FEM chỉ cho kết quả tốt khi chuỗi thời gian của dữ liệu bảng lớn.
Ngoài ra, sự xuất hiện của biến trễ LogGDPit-1 trong mơ hình sẽ dẫn đến hiện
tượng tự tương quan khi chúng ta hồi quy với phương pháp FEM nhưng GMM lại khắc phục được nhược điểm này.
Một điều nữa ở phương pháp FEM là các biến trong mơ hình có thể bị nội sinh bởi tác động qua lại giữa các biến độc lập trong mơ hình. Như vậy, khi hồi quy các biến này chúng ta có thể bị tự tương quan và sai số.
Một cách tổng quát, GMM là một kỹ thuật toàn diện khắc phục được các hạn chế như hiện tượng nội sinh tiềm năng, phương sai thay đổi, đa cộng tuyến và tự tương quan. Ngay cả trong điều kiện nội sinh bị vi phạm, phương pháp GMM cũng cho ra các hệ số ước lượng vững. Mơ hình GMM tạo ra các biến công cụ, các biến này tương quan với cả biến phụ thuộc và biến độc lập nhưng không tương quan với phần dư như mơ hình tác động cố định.
KẾT LUẬN CHƯƠNG 2
Chương 2 trình bày mơ hình phương pháp nghiên cứu của đề tài bao gồm các phương pháp định lượng được sử dụng hay các kiểm định để kiểm tra về tính phù hợp, tính tương quan hay mơ hình có xảy ra hiện tượng phương sai thay đổi hay khơng. Đề tài sử dụng mơ hình nền tảng của Young Lee & Roger Gordon (2005) và Richard Kneller, Michael F. Bleaney, Norman Gemmell (1999). Bằng kỹ thuật hồi quy tác động cố định và so sánh kết quả với phương pháp hồi quy GMM để đánh giá kết quả của bài nghiên cứu. Kết quả nghiên cứu sẽ được trình bày trong chương tiếp theo của bài luận văn để biết được tác động cụ thể của các biến độc lập tác động đến biến phụ thuộc như thế nào đối với dữ liệu đã thu được. Đồng thời, trình bày nguồn gốc của dữ liệu nghiên cứu, thống kê mô tả các biến nghiên cứu để hiểu rõ hơn về các biến dữ liệu này.
CHƯƠNG III
DỮ LIỆU VÀ KẾT QUẢ THỰC NGHIỆM
3.1Dữ liệu nghiên cứu
Mục tiêu nghiên cứu của bài viết về các thành phần của thuế và tăng trưởng của nền kinh tế ở Việt Nam bằng cách sử dụng dữ liệu bảng từ 2004-2013 được thu thập theo từng tỉnh thành riêng của Việt Nam. Tổng cộng có 50 tỉnh thành được thu thập từ nguồn dữ liệu từ ngân hàng phát triển Châu Á và Niên giám thống kê của cục thống kê Việt Nam từ năm 2004 đến năm 2013 do vậy đảm bảo được tính đồng nhất và đáng tin cậy trong việc thực hiện kiểm định với mơ hình nghiên cứu đã đưa ra. Trong quá trình xử lý dữ liệu, tác giả đã bỏ đi dữ liệu của 14 địa phương do số liệu về số thu thuế ở các địa phương này không được đầy đủ. Như vậy, dữ liệu bảng được tác giả thu thập có thời gian T=10 năm và N=50 địa phương, số quan sát của bảng là 500 quan sát. Tuy nhiên, khi tạo biến phụ thuộc về tăng trưởng kinh tế bằng cách lấy LogGDP trừ đi LogGDP với độ trễ bằng 1 thì có 50 giá trị được bỏ qua ở năm đầu tiên của mỗi địa phương. Vì vậy biến tăng trưởng kinh tế trong mơ hình chỉ gồm 450 quan sát.
Thơng tin được thu thập được lấy log của các biến: Tăng trưởng kinh tế, Tổng sản phẩm GDP với độ trễ bằng 1, Thuế GTGT, Thuế TNDN, Thuế TNCN, Thuế XNK và các yếu tố khác như Chỉ số giá tiêu dùng CPI đại diện cho lạm phát, Lực lượng lao động, nguồn vốn đầu tư tư nhân của từng địa phương ảnh hưởng đến tốc độ tăng trưởng kinh tế.
Việc sử dụng dữ liệu bảng giúp bài nghiên cứu có nhiều thơng tin hơn, ít xảy ra hiện tượng đa cộng tuyến giữa các biến số, nhiều bậc tự do hơn và hiệu quả hơn cho bài nghiên cứu. Dữ liệu bảng có thể phát hiện và đo lường tốt hơn những tác động mà chúng ta khó có thể quan sát khi sử dụng dữ liệu thời gian hoặc dữ liệu chéo.
Bảng 3.1 : Thống kê mơ tả các biến trong mơ hình Ký hiệu Số quan sát Trung bình Độ lệch chuẩn Nhỏ nhất Lớn nhất LogGRGDPit 450 0.2015783 0.795979 -0.2359991 0.5348034 LogGDPit-1 450 9.612261 1.120376 6.706252 13.39832 LogTNDNit 500 5.034895 1.867244 -2.244316 11.17465 LogGTGTit 500 6.252985 1.340703 2.427013 10.55263 LogTNCNit 499 3.547981 2.331568 -3.170086 10.02792 LogXNKit 500 4.890566 2.95676 -2.302585 11.18442 LogLLDit 500 6.393126 .5838224 5.034645 8.290865 LogCPIit 500 4.711174 .0502629 4.602591 4.941642 LogDTTNit 500 8.123679 1.141107 4.425936 12.05477
(Nguồn: Tổng hợp của tác giả từ phần mềm Stata 12)
Bảng 3.1 thống kê mô tả cho các biến dữ liệu với các giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất và số quan sát trong mơ hình cho từng biến trong giai đoạn 10 năm từ 2004-2013 và khảo sát cho 50 tỉnh thành ở Việt Nam.
Tất cả các biến đều được lấy giá trị Log, bởi vì tỷ lệ phần trăm thay đổi của biến phụ thuộc LogGRGDP được giải thích bằng tỷ lệ phần trăm thay đổi của các biến giải thích cịn lại trong mơ hình và nhằm phẳng hóa dữ liệu nghiên cứu.
3.1.2Mơ tả các biến trong mơ hình nghiên cứu
Hệ số tốc độ tăng trưởng bình quân đầu người ở mức trung bình là 0.2 có thể thấy rằng chỉ có sự thay đổi nhỏ trong tốc độ tăng trưỡng kinh tế với 450 quan sát thu được trong dữ liệu mà tác giả thu thập được từ năm 2004-2013. Độ lệch chuẩn về tốc độ tăng trưởng bình quân đầu người là 0.795979, giá trị lớn nhất là 0.5348034 (Bảng 3.1 và phụ lục 11 Hình 3.5). Tốc độ tăng trưởng kinh tế theo số liệu thu thập của tác giả thống kê được cao nhất là ở các vùng Đơng
Nam Bộ (Bình Phước, Bà Rịa Vũng Tàu) hay ở một số tỉnh Đồng bằng sông Hồng (Hải Dương, Ninh Bình, Vĩnh Phúc).
Chỉ số giá tiêu dùng có giá trị trung bình là 4.711174, độ lệch chuẩn là 0.0502629, giá trị CPI nhỏ nhất ở Tỉnh Bà Rịa Vũng Tàu với giá trị 4.602591 và giá trị cao nhất 4.941642 ở Yên Bái, các Tỉnh ở Trung du và miền núi phía Bắc khác như Cao Bằng, Lạng Sơn hay ở một số tỉnh Tây Nguyên khác.
Log GDP có giá trị trung bình là 9.612261, độ lệch chuẩn 1.120376, giá trị nhỏ nhất 6.706252 và giá trị lớn nhất tại Hồ Chí Minh vào năm 2013 là 13.39832. Hồ Chí Minh và Hà Nội là hai địa phương có GDP cao nhất cả nước. Phụ lục 12 Hình 3.2 và phụ lục 12,13 Hình 3.6 và Hình 3.7 sẽ biểu diễn Log của hai hệ số CPI và GDP
Lực lượng lao động và đầu tư tư nhân chủ yếu cũng tập trung tại hai thành phồ lớn của cả nước là Hồ Chí Minh và Nội, giá trị trung bình tác giả tính được theo Log lực lượng lao động là 6.393126, thấp nhất 5.034645 ở các Tỉnh trung du miền núi phía bắc và cao nhất 8.290865. Có thể thấy, ở hai thành phố lớn nhất cả nước này, nguồn lực đầu tư dồi dào, được cung cấp đầy đủ trang thiết bị, mức sống có thể nói là cao hơn so với những nơi khác nên dân cư tập trung đơng, có một lực lượng lao động dồi dào vì vậy đầu tư tư nhân ở hai thành phồ này cũng chiếm vị trí nhất nhì của cả nước. Việc dồi dào về cả nguồn lao động và cả nguồn vốn đầu tư tư nhân tập trung ở các địa phương này khiến Hồ Chí Minh (Khu vực Đông nam bộ) và Hà Nội (Khu vực đồng bằng sông hồng) cũng tác động rất nhiều đến tốc độ tăng trưởng kinh tế của hai thành phố này, trở thành một trong số những địa phương có GDP và tốc độ