5.2 Regressionsanalyse
5.2.1 OLS Modell
F¨ur die Durchf¨uhrung der Analyse wurde die Regressionsgleichung dahingehend modifi-ziert, dass die Kontrollvariable Verschuldungsgrad (LEV) ausgeschlossen wurde. Die ver-wendeten Gleichungen f¨ur die in weiterer Folge durchgef¨uhrten Berechnungen stellen sich daher wie folgt dar:
Fall 1: ohne Kategorisierung der staatlichen Beteiligung (Variable ¨ OFFENT-LICH 1)
Regressionsgleichung (1)
ET Ri,t = β0+β1∗OEF F EN T LICH1i,t +β2∗ROAi,t +β3∗P P Ei,t+β4 ∗SIZEi,t + DummyJahr + DummyIndustrie + DummyLand +i,t
90 Vgl. Cleff (2015), S.143-144.
91 Vgl. Cleff (2015), S.135-164.
Fall 2: Kategorisierung der staatlichen Beteiligung (Variable ¨OFFENTLICH 2)
Regressionsgleichung (1a)
ET Ri,t = β0+β1∗OEF F EN T LICH1i,t +β2∗ROAi,t +β3∗P P Ei,t+β4 ∗SIZEi,t + DummyJahr + DummyIndustrie + DummyLand +i,t
Tabelle 7 zeigt den ersten Durchgang der Regressionsanalyse (Fall1, Regressionsgleichung 1) in der betrachtet wird, ob ein Unterschied in der Steuervermeidungspolitik zwischen Unternehmen mit einer staatlichen Beteiligung (ab einer Beteiligung von 0%) und privaten Unternehmen festzustellen ist. Wie aus der Tabelle ersichtlich ist, zeigt das Modell keine signifikanten Werte, d.h. es gibt keinen Hinweis darauf, dass staatliche Unternehmen sich hinsichtlich ihrer Steuervermeidungspolitik anders verhalten als private Unternehmen.
Auch die Kontrollvariablen haben laut Aussage der Tabelle keinen signifikanten Einfluss auf die H¨ohe des effektiven Steuersatzes. Entsprechend den Erwartungen hat die Renta-bilit¨at ein positives Vorzeichen, was einen h¨oheren effektiven Steuersatz bei rentableren Unternehmen bedeuten w¨urde. Bei der Gr¨oße des Unternehmens wurde aufgrund der Einsch¨atzung von Jaafar/Thornten (2015) und Kraft (2014), die in ihren Studien eu-rop¨aische Unternehmen behandeln, mit einem positiven Vorzeichen gerechnet. Da der Zusammenhang aber in der bisherigen Literatur stark diskutiert wird und die Ergebnisse bisheriger Studien nicht eindeutig in eine Richtung tendieren, ist das negative Vorzeichen keine Besonderheit.92
92 siehe Kapitel 4 zu Unternehmensgr¨oße.
Abbildung 8: Regressionsanalyse Fall 1: OLS Modell
Dieselben Ergebnisse lassen sich bei Durchf¨uhrung der Regressionsanalyse anhand der Kategorisierung der staatlichen Beteiligung (Fall 2, Regressionsgleichung 1a), wie aus Tabelle 8 zu entnehmen ist, ableiten. Auch in diesem Fall sind keine signifikanten Werte abzulesen. Die H¨ohe des effektiven Steuersatzes ist also auch unabh¨angig vom Ausmaß der staatlichen Beteiligung. Die Vorzeichen der Kontrollvariablen verhalten sich entsprechend dem Fall 1.
Abbildung 9: Regressionsanalyse Fall 2: OLS Modell
5.2.2
”Fixed-effects“ Modelle vs.
”Random-effects“ Modelle
Die Datenlage ist so beschaffen, dass f¨ur jedes Unternehmen (unter der Voraussetzung, dass durchg¨angig Werte vorhanden waren) ¨uber einen Zeitraum von sieben Jahren, j¨ ahr-lich dieselben Daten erhoben wurden. Die Struktur der Daten weist also m¨oglicherweise darauf hin, dass ein OLS Modell nicht ausreichend ist, weil es aufgrund von einerseits unternehmensspezifischen und andererseits zeitlichen Fehlern in der Datenstruktur, kei-ne effizienten Sch¨atzer bereitstellen kann. Das OLS Modell kann diese beiden Fehlerarten nicht trennen. Des weiteren kann daher mit einer Paneldatenanalyse vorgegangen werden, die dem Problem entgegenwirkt.93
Die Regressionsanalyse wurde einmal mit einem fixed-effects Modell (siehe Tabelle 7a) und einmal mit einem random-effects Modell (siehe Tabelle 7b) durchgef¨uhrt. Beide Modelle analysieren die Regressionsgleichung 1, in der noch keine Kategorisierung der staatlichen Beteiligung vorgenommen wird.
Zur Auswahl des ad¨aquaten Modells wurde der Hausman Spezifikationstest angestellt, der auf die G¨ute der Sch¨atzer in den Modellen ausgerichetet ist. Bei dem random-effects Modell konnte so eine Signifikanz bei p<0.005 nachgewiesen werden, was eine Verzerrung der Sch¨atzer in diesem Modell bedeutet. Das random-effects Modell sollte, aufgrund der verzerrten Sch¨atzer, verworfen werden und somit in weiterer Folge mit dem fixed-effects Modell gearbeitet werden.94
Fall 1: Analyse ohne Differenzierung nach dem Ausmaß der staatlichen Betei-ligung Das fixed-effects Modell der Regressionsgleichung 1 (Tabelle 7a) f¨uhrt allerdings ebenso wie das OLS Modell zu keinen signifikanten Ergebnissen, weder f¨ur den Zusam-menhang der Eigenschaft des Anteilseigners der Unternehmen mit dem effektiven Steu-ersatz, noch f¨ur den der Kontrollvariablen. Die Vorzeichen der Kontrollvariablen SIZE (Unternehmensgr¨oße) und PPE (Anteil des Sachanlageverm¨ogens) entsprechen in diesem Szenario den zuvor beschriebenen Erwartungen. Durch einen h¨oheren Anteil an Sachanla-gen k¨onnen aufgrund von Abschreibungen bzw. auch durch die Finanzierung der Anlagen Steuervorteile lukriert werden. Die Rentabilit¨at wirft wider Erwarten ein negatives Vor-zeichen auf, was in ¨ahnlichen Studien aber durchaus auch zu beobachten war.95
93 Vgl. Hsiao (2005), S.1-41, Baltagi (1995), S.1-42.
94 Vgl. Hsiao (2005), S.49-51.
95 siehe Kapitel 4 zu Rentabilit¨at.
Abbildung 10: Regressionsanalyse Fall 1: Fixes-effects Modell
Fall 2: Analyse anhand der Kategorisierung ¨offentlicher Unternehmen nach dem Ausmaß der staatlichen Beteiligung Tabelle 8a zeigt die Regressionsanalyse der Regressionsgleichung 2, in der nach dem Ausmaß der staatlichen Beteiligung unter-schieden wird. Die Variable ¨OFFENLTICH 2 ist in vier Kategorien unterteilt. Die Tabelle ist so zu lesen, dass die Kategorie ¨OFFFENTLICH 2 = 1 f¨ur g¨anzlich private Unterneh-men steht, ¨OFFFENTLICH 2 = 2 dr¨uckt einen staatlichen Anteil von >0%−25% aus, OFFFENTLICH 2 = 3 einen von¨ >25%−>50% und in die Kategorie ¨OFFFENTLICH 2 = 4 fallen Unternehmen deren Anteile zu ¨uber 50% in staatlichem Besitz sind. Ebenso wie in der Analyse der Gleichung 1 sind keine signifikanten Werte festzustellen d.h. es ist nicht zu erkennen, das ¨offentliche Unternehmen eine aggressivere oder weniger aggressive Steuervermeidungspolitik betreiben als private Unternehmen, unabh¨angig vom Ausmaß der Beteiligung. Man kann aus den Ergebnissen schließen, dass es hinsichtlich der
Steuer-Abbildung 11: Regressionsanalyse Fall 1: Random-effects Modell
vermeidung keinen Unterschied macht, ob die Anteile eines Unternehmens privat gehalten werden oder der Staat eine Beteiligung h¨alt. Im Gegensatz zu anderen Studien96und auch der Studie von Chen et al. (2010) haben auch die Kontrollvariablen keine nennenswerte Auswirkung auf die H¨ohe des effektiven Steuersatzes. Entsprechend den Erwartungen hat die Variable SIZE ein positives Vorzeichen, was bedeuten w¨urde, je gr¨oßer das Unter-nehmen umso h¨oher der effektive Steuersatz. Der Anteil des Sachanlageverm¨ogens hat, wie erwartet, ein negatives Vorzeichen, was ausdr¨ucken w¨urde, dass je h¨oher der An-teil der Sachanlagen am Unternehmensverm¨ogens ist, umso geringer f¨allt der effektive Steuersatz aus. Die Vorzeichen der Variablen sind konsistent mit den Untersuchungen eu-rop¨aischer Unternehmen von Jaafar/Thornton (2015) und Kraft (2014). Wider Erwarten
96 siehe Kapitel
”Verwandte Literatur“
hat die Rentabilit¨at auch in diesem Fall ein negatives Vorzeichen, was aber den Einwurf von Manzon/Plesko (2002) bekr¨aftigt, die rentableren Firmen eine effizienter Nutzung diverser M¨oglichkeiten der Steuervermeidung zuschreiben.
Abbildung 12: Regressionsanalyse Fall 2: Fixes-effects Modell
6 Robustheitstests
Im folgenden Kapitel werden zur Validierung der Ergebnisse weitere Modelle erstellt. Zum einen wird die Kontrollvariable
”Verschuldungsgrad“ in die Regressionsgleichung wieder aufgenommen, zum anderen wird in der Gleichung alternativ die abh¨angige Variable CF ETR, die
”cash effective tax rate“, verwendet.
6.1 Validierung der Ergebnisse unter Einbeziehung der Kontrollvariable
” Verschuldungsgrad“ und der CF ETR
Die Tabelle 9 zeigt die Ergebnisse der Regressionsanaylse f¨ur den Fall 1. Die Regressions-gleichung 1 wurde auf die Weise adaptiert, dass einmal (2) die Variable LEV (Verschul-dungsgrad) wieder eingef¨ugt wird. Dadurch reduziert sich die Zahl der Beobachtungen dra-stisch, da, wie bei allen Auswertungen, so vorgegangen wurde, dass alle F¨alle mit einem fehlenden Wert zur G¨anze ausgeschlossen wurden. F¨ur die n¨achsten beiden Durchl¨aufe wurde die alternative Messgr¨oße der
”cash effective tax rate“ zur Messung der Steuerver-meidung eingesetzt und wieder einmal ohne LEV (3) und einmal mit LEV (4) ausgewertet.
Fall 1:ohne Kategorisierung der staatlichen Beteiligung (Variable ¨ OFFENT-LICH 1)
Regressionsgleichung (2)
ET Ri,t =β0+β1∗OEF F EN T LICH1i,t+β2∗ROAi,t+β3∗LEVi,t+β4∗P P Ei,t+β5∗ SIZEi,t+ DummyJahr + DummyIndustrie + DummyLand +i,t
Regressionsgleichung (3)
CF ET Ri,t =β0+β1∗OEF F EN T LICH1i,t+β2∗ROAi,t+β3∗P P Ei,t+β5∗SIZEi,t+ DummyJahr + DummyIndustrie + DummyLand +i,t
Regressionsgleichung (4)
CF ET Ri,t =β0+β1∗OEF F EN T LICH1i,t+β2∗ROAi,t+β3∗LEVi,t+β4∗P P Ei,t+ β5∗SIZEi,t+ DummyJahr + DummyIndustrie + DummyLand +i,t
Abbildung 13: Robustheitstest 1: Fall 1
Aus der Tabelle sind wieder die Koeffizienten der Variablen abzulesen. Die Unterneh-mensgr¨oße SIZE zeigt, wie erwartet, ein positives Vorzeichen. Ebenso entspricht das ne-gative Vorzeichen des Rentabilit¨ats- sowie des Verschuldungsgradskoeffizienten den Er-wartungen. Die Auswertungen der Zusammenh¨ange sind konsistent mit jenen der zuvor im Kapitel 5 durchgef¨uhrten Messungen. Es werden auch in diesen Auswertungen keine signifikanten Werte festgestellt.
Fall 2: Kategorisierung der staatlichen Beteiligung (Variable ¨OFFENTLICH 2)
Regressionsgleichung (2a)
ET Ri,t =β0+β1∗OEF F EN T LICH2i,t+β2∗ROAi,t+β3∗LEVi,t+β4∗P P Ei,t+β5∗ SIZEi,t+ DummyJahr + DummyIndustrie + DummyLand +i,t
Regressionsgleichung (3a)
CF ET Ri,t =β0+β1∗OEF F EN T LICH2i,t+β2∗ROAi,t+β3∗P P Ei,t+β5∗SIZEi,t+ DummyJahr + DummyIndustrie + DummyLand +i,t
Regressionsgleichung (4a)
CF ET Ri,t =β0+β1∗OEF F EN T LICH2i,t+β2∗ROAi,t+β3∗LEVi,t+β4∗P P Ei,t+ β5∗SIZEi,t+ DummyJahr + DummyIndustrie + DummyLand +i,t
Auch im Fall 2 unter Kategorisierung der staatlichen Beteiligung (Ersatz der Variable OFFENLTICH 1 durch die Variable ¨¨ OFFENLTICH 2 in den o.a. Regressionsgleichungen 2-4) ¨andern sich die Ergebnisse im Vergleich zum Fall 1 nicht (siehe Tabelle 10). Es k¨onnen keine Zusammenh¨ange (keine signifikanten Werte) festgestellt werden.
Abbildung 14: Robustheitstest 1: Fall 2