CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU
4.2. Kiểm định các giả thuyết của phương pháp OLS
Trước khi kiểm định kết quả nghiên cứu từ phép phân tích hồi quy đa biến, mối quan hệ lẫn nhau giữa các biến trong mô hình cũng cần được xem xét.
Bước đầu tiên trong khi tiến hành phân tích hồi quy là xem xét các mối tương quan tuyến tính giữa biến phụ thuộc (thuế TNDN) với 11 biến độc lập: Doanh thu xuất khẩu trong tổng doanh thu, đầu vào mua từ công ty mẹ trong tổng đầu vào, DN FDI có giao dịch liên kết, kinh nghiệm DN của DN FDI, doanh thu DN phản ánh quy mô DN, DN vi phạm thuế bị phát hiện truy thu, DN được ưu đãi thuế, chi phí lãi vay từ công ty mẹ, chi phí quản lý từ công ty mẹ, đầu tư TSCĐ, ngành nghề kinh doanh; đồng thời xét mối quan hệ tuyến tính giữ 11 biến độc lập với nhau thông qua ma trận tương quan.
Bảng 4.2 Phân tích tương quan giữa các biến
Y X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11
Y 1,00
X1 -0,05 1,00
X2 0,17 0,19 1,00
X3 0,16 0,17 0,78 1,00
X4 0,21 -0,12 -0,05 0,02 1,00
X5 0,79 -0,03 0,19 0,24 0,28 1,00
X6 0,12 -0,11 0,14 0,12 0,07 0,09 1,00
X7 0,28 0,00 0,08 0,16 0,18 0,42 0,09 1,00
X8 0,30 -0,05 0,10 0,11 0,25 0,50 0,05 0,08 1,00
X9 0,58 -0,03 0,24 0,24 0,21 0,47 0,35 0,08 0,24 1,00
X10 0,57 -0,06 0,21 0,16 0,13 0,56 0,38 0,10 0,38 0,29 1,00
X11 0,14 -0,09 0,09 0,06 -0,02 0,17 -0,04 0,05 0,09 0,09 0,08 1,00 Một phương pháp chung để đánh giá giá trị phân biệt là kiểm nghiệm ma trận tương quan cho các biến độc lập và phụ thuộc. Kết quả hệ số tương quan nhỏ hơn 0,8 chỉ ra rằng giá trị phân biệt có khả năng tồn tại giữa 2 biến (John and Benet- Martinez, 2000). Bảng 4.2 tóm tắt mối tương quan thống kê Pearson giữa các biến giải thích. Tất cả hệ số tương quan giữa các biến dao động từ [-0,12, 0,79], trong đó cao nhất là tương quan giữa biến doanh thu và biến thuế TNDN là 0,79, biến tỷ lệ đầu vào mua từ công ty mẹ trong tổng đầu vào và biến DN FDI có giao dịch liên kết là 0,78, tuy nhiên các hệ số này đều không vượt quá hệ số điều kiện 0,8. Điều đó chứng minh rằng giá trị phân biệt đă đạt yêu cầu. Hay nói cách khác, không có hiện tượng tự tương quan giữa các biến. Vì vậy, các biến độc lập này có thể đưa vào mô hình để cùng tác động lên yếu tố thuế TNDN.
4.2.2.Kiểm định đa cộng tuyến của mô hình Bảng 4.3 Đo lường đa cộng tuyến
STT Biến VIF 1/VIF
1 X1 1,09 0,92
2 X2 2,75 0,36
3 X3 2,71 0,37
4 X4 1,17 0,86
5 X5 2,93 0,34
6 X6 1,47 0,68
7 X7 1,39 0,72
8 X8 1,43 0,70
9 X9 1,62 0,62
10 X10 1,94 0,52
11 X11 1,06 0,95
Giá trị trung bình VIF 1,78
Hệ số phóng đại phương sai (VIF – Variance Inflation Factor) nếu có giá trị vượt 10 là dấu hiệu của hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2011). Hậu quả của đa cộng tuyến: Kết quả hồi quy sẽ rất nhạy cảm với chỉ một thay đổi nhỏ trong phương trình hồi quy ban đầu, khoảng tin cậy của các hệ số ước lượng sẽ trở nên rất rộng, ý nghĩa thống kê có được sẽ không chính xác và việc đưa ra kết luận dựa trên những kết quả này là không phù hợp. Tuy nhiên, kết quả phân tích VIF (xem bảng 4.3) cho thấy tất cả các giá trị VIF của các biến đều nhỏ hơn 10 (lớn nhất là 2,75). Do đó, ta có thể kết luận mô hình hồi quy không xảy ra hiện tượng đa cộng tuyến.
4.2.3.Kiểm định sự thừa biến trong mô hình
Đánh giá tác động của chuyển giá đến thuế TNDN thì có rất nhiều các yếu tố tác động đến thuế TNDN. Bài nghiên cứu này tác giả chọn ra 11 biến để xem xét tác động của chuyển giá đến thuế TNDN, tuy nhiên sẽ có hiện tượng là một số biến độc lập có thể không tác động hay tác động yếu kém đến thuế TNDN. Lệnh Test được dùng để kiểm định sự thừa biến trong mô hình.
H0: xảy ra hiện tượng thừa biến H1: không thừa biến
Kết quả kiểm định sự thừa biến của các biến đã chọn:
( 1) x1 - x2 = 0 ( 2) x1 - x3 = 0 ( 3) x1 - x4 = 0 ( 4) x1 - x5 = 0 ( 5) x1 - x6 = 0 ( 6) x1 - x7 = 0 ( 7) x1 - x8 = 0 ( 8) x1 - x9 = 0 ( 9) x1 - x10 = 0 (10) x1 - x11 = 0 (11) x1 = 0
F( 11, 346) = 162.51 Prob > F = 0.0000
Kết quả kiểm định P-value = Prob > F = 0.0000 nhỏ hơn 5%, bác bỏ giả thiết H0 và chấp nhận giả thiết H1. Kết quả phân tích cho thấy các biến đều quan trọng hay không có hiện tượng thừa biến trong phương trình hồi quy.
4.2.4.Kiểm định phương sai thay đổi trong mô hình
Một trong các giả thiết chủ yếu cho phương trình OLS là sự thuần nhất của phương sai phần dư (phương sai hằng/phương sai không thay đổi). Nếu mô hình khá phù hợp thì sẽ không có vấn đề gì khi vẽ đồ thị phần dư đối với giá trị phù hợp.
Nếu phương sai phần dư không phải là một hằng số thì được coi là phương sai thay đổi. Thông qua phương pháp Breusch-Pagan với lệnh hettest để kiểm định giả thiết:
H0: phương sai không thay đổi H1: Phương sai bị thay đổi
Kết quả kiểm định phương sai thay đổi:
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance
Variables: fitted values of y chi2(1) = 3313.00 Prob > chi2 = 0.0000
Kết quả kiểm định P-value = Prob > chi2 = 0.0000 nhỏ hơn 5%, bác bỏ giả thiết H0 và chấp nhận giả thiết H1. Kết quả phân tích cho thấy đã xảy ra hiện tượng phương sai bị thay đổi trong phương trình hồi quy. Để khắc phục hiện tượng phương sai bị thay đổi tác giả sử dụng phương pháp WLS regression, đây là một phương pháp hồi quy tự động khắc phục phương sai thay đổi.