Det finns olika statistiska och matematiska metoder som kan ligga till grund för denna undersökning. De som är utvalda till denna uppsats presenteras nedan.
Regressionsanalys
Regressionsanalys är en statistisk modell som hjälper dig analysera om det föreligger ett samband mellan variabler. Analysen bygger på̊ en beroende variabel som man vill bestämma med hjälp av andra, så kallade oberoende variabler. Finns det bara en regressor betecknas modellen som en enkel regressionsmodell och finns det två̊ eller fler regresser kallas modellen för multipel regressionsmodell.51 En central frågeställning gällande
regressionsanalysen är: ”hur en förändring i en förklarande variabel påverkas av en annan beroende variabel”52.
52 Westerlund 2005, Introduktion till ekonometri.
Multipel regressionsmodell
Icke Experimentell data är insamlad data. Tre underliggande kategorier;
tvärsnittsdata, tidsseriedata och paneldata. 53
Tvärsnittsdata
Samlas in vid en enda tidpunkt och består av flera enheter (länder, företag, personer). Exempel alla OECD-‐länders BNP år 2010.
Tidsseriedata
Samlas in vid flera punkter och består av en enhet. Exempel: Sveriges BNP-‐nivå mellan 2000-‐2014.
Paneldata
Data som innehåller både ett tvärsnitt och tidsseriedata. Exempelvis: BNP nivå för alla OECD-‐länder mellan 2000-‐2014.
3.1 Paneldata
53 Westerlund 2005
Räknas i sin modell med individuell heterogenitet dvs. gör det möjligt att kontrollera för variabler man inte kan observera eller mäta. (T.ex. kulturella faktorer eller olikheter inom företagspraxis.)54 Det finns olika tekniker för att analysera paneldata: Fixed Effects Model och Random Effects Model.
Fixed Effect Model. F. E-‐Modellen
När man vill ta hänsyn till individspecifika och/eller skillnad i beteende över tid i paneldataanalysen så kan man tillåta att några av regressionskoefficienterna varierar över individer och/eller över tid. Regressionskoefficienterna är då okända medan man i modellen använder fixa parametrar. När de fixa
parametrarna tillåts variera i en eller fler dimensioner så har föreligger en FE-‐
modell55. FE-‐modellen antar att med de tidsoberoende egenskaperna är unika och att detta inte kommer korrelera med andra egenskaper i modellen. Varje enhet är olika och därför är individens felterm och konstanten som fångat individernas egenskaper inte korrelerade med de andra variablerna.56 Regressionskoefficienterna kan anta två olika former i modellen; alla
koefficienter kan tillåtas ha ett eget intercept eller en egen lutning. När man har ett eget intercept så kallas modellen en kovariansmodell.57
Det finns alltså tre olika variabler som ingår i modellen vilka är;
Individspecifika (time-‐invariant) – oberoende av tid. Exempelvis kön eller utbildning.
𝑥!" = 𝑥! för alla t.
Tidsspecifika – Individoberoende, varierar över tid. Exempelvis arbetslöshet eller inflationsnivå.
𝑥!" = 𝑥! för alla i.
54 Wooldridge 2002, MIT
55 Marques, J (2008)
56 Wooldridge, JM (2002)
57 Marques, J (2008) sid 23.
Individ och tidsspecifika – Varierar både över tid och mellan individer. Te.x årlig konsumtion av en produkt.
𝑥!" = 𝑥!" för alla i och t.58
Random Effect Model. R. E-‐ modellen
Genom att kombinera alla enheter genom så tas de individuella egenskaperna bort. Det saknas heterogenitet och antagandet är därför att alla länder är lika.
Kortfattat betyder det att alla länder behandlas som ett enda land.
Hausman Test
En statistisk modell som hjälper dig utgöra vilken modell som är bäst av Fixed Effect och Random Effect Model. Med hjälp av en Nollhypotes estimerar den koefficienterna och utgår att resultatet från Random Effects Model är samma som Fixed Effects Model. Om de är insignifikanta med χ! , chi två, större än 0,05 så är Random Effect bäst modell och om du får signifikant värde så är F. E modellen bättre.
Följande avsnitt kommer att ha en notering efter sig som hänvisar till den modell i programmet R som föreligger under kapitlet bilagor. Det innebär att à R2 är den andra modellen under kapitlet ”Bilagor till R”.
Inledningsvis presenteras en kort summering på våra ingående variabler. De ingående variablerna presenteras under bilagor i sjätte kapitlet.
Till analysen har jag valt följande:
y = tax rate à Beroende variabeln x = FDI income, GDP/Capita, investmentfreedom. à Förklarande variabler
Tolkning Benämning i text
Om bolagsskattesatsen justeras nedåt, dvs sänks à positivt Om bolagsskattesatsen justeras uppåt, dvs höjs à negativt
Υ! = 𝛽! + 𝛽!Χ!
Där 𝛽! ä𝑟 𝑖𝑛𝑡𝑒𝑟𝑐𝑒𝑝𝑡𝑒𝑡 𝑜𝑐ℎ 𝛽! 𝑙𝑢𝑡𝑛𝑖𝑛𝑔𝑒𝑛 𝑜𝑐ℎ 𝑋𝑖 𝑣ä𝑟𝑑𝑒𝑛𝑎 𝑝å 𝑋.
4.1 Sammanfattning av data
Högsta skattesatsen åren 96-‐13 ligger på 56 procent och motsvarar Tysklands skattesats år 1996. Lägst idag har Irland på 12,5 procent som avrundats till 13 procent. Bolagsskattesatsens medelvärde genom åren landar på 31,24 procent.
De länder som varit som mest stängda för investeringar och kapitalrörelser är Grekland 1996 och Japan år 2005, de hade då båda två en öppenhet för
kapitalrörelser motsvarande 30 procent. Enligt listan är Japan med sina 50 procent det land som fortfarande är mest negativt till kapitalrörelser inom OECD-‐länderna.
De tre ingående variablerna undersöks i relation till bolagsskattesatsen enskilt och gör en enkel regressionsmodell. Nedan följer en förenklad modell, ordinarie bild i R ses under R1-‐R3.
Modell R1. Υ = Tax rate i relation till FDI. Income.
Modell R2. Υ = Tax rate i relation till GDP. CAPITA
Modell R3. Υ = Tax rate i relation till Investmentfreedom.
R1 Estimat t-‐värde Pr(>|t|)
Y ~FDI.INCOME
Intercept 0,3041 38,188 < 2𝑒!!"
FDI.INCOME 0,000000364 1,975 0,051
R2 Estimat t-‐värde Pr(>|t|)
Y ~GDP.CAPITA
Intercept 0,3554 25,067 < 2𝑒!!"
GDP.CAPITA -‐0,000001317 -‐3,418 0,000905
INVESTM.FREE -‐0,14232 -‐3,587 0,000513
BNP per capita samt investmentfreedom justerar bolagsskattesatsen nedåt eftersom koefficienterna är negativa medan FDI per capita höjer
bolagsskattesatsen då modellens koefficient är positiv59. Detta kan tolkas som att både öppenhet och BNP per capita är positivt för bolagsskattesatsen60. Ju mer öppet ett land är och desto större landet är desto mer ur positiv synvinkel
påverkar det bolagsskattesatsen. FDI är dock något svårare att förklara. Att ett land har en hög andel utländska direktinvesteringar kan tyda på att landet har en attraktiv bolagsskattesats och därför har många länder valt att investera och redovisa vinst i landet. Det kan också betyda att landet i sig kommit på en så pass hög nivå att de skulle kunna öka skattesatsen eftersom inflödet av
59 Se t.ex. intercept och FDI.INCOME i modell II
60 se sid 21.
investeringar kommer in till landet oavsett. Kanske spelar teorin kring
ekonomisk geografi in här. Länder som är mer centralt belägna med attraktivare infrastruktur och närhet till leverantörer kan ta ut en högre bolagsskattesats61. Likaså spelar eventuellt den metastudie De Mooij och Ederveens presenterade 2005 in i modellen62. De visade att större marknader inte nödvändigtvis behöver påverkas av FDI. FDI kopplat till bolagsskattesats kan därför vara en faktor värd att titta närmare på.
4.3 Multipel regressionsanalys à R4
En multipel regressionsanalys genomförs och visar förhållandet mellan bolagsskattesatsen och de tre ingående variablerna; FDI, GDP/Capita och Investmentfreedom.
Ekvationen blir
Y= 0,4410 -‐ Landets konstant + (-‐0,0000005872) x FDI + (-‐0,000001259) x GDP/Capita + (-‐0,1443) x Investmentfreedom.
Exempel: Danmark 2009 och 2013
2009 2013
Y(Danmark 2009) = 0,4410 + (-‐0,0000005872) x 3942,232 + (-‐0,000001259) x 1522,126+ (-‐0,1443) x 0,9 = 0,306899
61 Krugman (1993)
62 Se under kapitel ”Tidigare Studier”
Y(Danmark 2013) = 0,4410 + (-‐0,0000005872) x 6797,462 + (-‐0,000001259) x 7011,0245 + (-‐0,1443) x 0,9 = 0,298
Resultatet är nästan 6 procent högre än Danmarks aktuella skattesats i modellen för 2009 och nästan 5 procent högre år 2013.
4.4 Random Effect Model, R. E-‐modellen à R5
Ingen heterogenitet tillåts i modellen à alla länder antas vara lika.
Då alla länderna antas vara lika, behandlas de som ett enda gemensamt land när denna regression sammanställs. Modellen förklaras godtyckligt då samtliga p-‐
värden är signifikanta63. P-‐value står för helheten av regressionen är signifikant då den är väldigt liten med sina 0,00000062702. Investmentfreedom är inte signifikant på 95 procent signifikansnivå men är godtagbar på 90 procents signifikansnivå. FDI är i modellen inte alls signifikant. Modellen visar att både GDP/Capita och Investmentfreedom justerar bolagsskattesatsen nedåt ju större både GDP per capita är och ju större öppenhet det är. FDI inkomsten påverkar även här bolagsskattesatsen negativt då den skjuts uppåt ju större de utländska direktinvesteringarna är. Det ger alltså samma resultat för FDI som under enkel regressionsmodell.
Räkneexempel Sverige.
63Titta i modellen under kategorin Pr(>|t|)
År 1996 faktiska Svenska bolagsskattesats var 28 procent vilket är nästan fem procent högre i modellen. År 2005 och 2013 bolagsskattesatser i modellen närmar sig den faktiska där Sverige år 2005 hade en bolagsskattesats om 26,3 och 2013 på 22 procent. I modellen ligger Sverige år 2013 under nivån med 22 procent om man skulle anta att den föredragna bolagsskattesatsen var 25,3 procent.
4.5 Fixed Effect Model, F. E-‐modellen à R6
Heterogenitet tillåts i denna modell där alla länder behandlas som sitt eget à alla länder är olika
Varken FDI eller Investmentfreedom är signifikant i denna modell. Det är endast GDP per capita som är signifikant. Samtliga variabler är negativa och påverkar alltså skattesatsen positivt enligt tidigare vald tolkning. Summan av F. E totalt sett är att den är signifikant då det är ett väldigt litet p-‐värde. Modellen visar nu att FDI är positivt för skattesatsen, dvs. en ökning i FDI ger en sänkning i
bolagsskattesatsen. Ett nytt resultat har framkommit jämfört med tidigare
undersökningar. Men på grund av modellens signifikans gällande XFDI. INCOME kan man inte påstå att FDI per capita har effekt på bolagsskattesatsen.
I modellen används åter igen av multipel regressionsanalys med hjälp av Fixed Effect Model. Vilket visar här att den är mest signifikant av de modeller som hittills producerats och sammanställts i uppsatsen. Här tillåts samtliga länder att ha sitt egna intercept, dvs. sin egen startpunkt för bolagsskattesatsen. Samtliga tre variabler, FDI income, GDP per capita samt Investmentfreedom påverkar då bolagsskattesatsen positivt ju större dessa inflöden är.
Exempel Sverige år 96-‐09
ÅR 1996 = 0,3865 + (-‐0,00000002704)*5436,56 + (-‐0,000002221)* 31269,79+
(-‐0,04527)*0,5 = 0,294268
64 Investment Freedom
𝐻! förkastas när p-‐value < 0,05
Slutsats: förkasta 𝐻! à Fixed Effect Model är mest lämplig.
Här förkastas alltså också 𝐻!.
5.0 Diskussion och förslag på vidare studier
Enligt teorin om skattekonkurrens65 antas alla länder vara identiska och bortser från att det finns andra faktorer än skatter som påverkar vart ett företag väljer att vara aktivt66. Enligt teorier om ekonomisk geografi kan länder som är mer centralt belägna och med bättre infrastruktur, bättre tillgång till leverantörer och t.ex. arbetskraft ta ut en högre bolagsskatt än de som anses har sämre läge. För länder med sämre läge blir skatten således ett viktigt konkurrensmedel och kan på marginalen spela relativt stor roll när ett företag står inför investering och lokaliseringsbeslut67.
Sammantaget påverkas alltså Sverige och företagsklimatet i flera led av en bolagsskattesänkning; företagens skuldsättning och kapitalstruktur påverkas, de inhemska investeringarna liksom de utländska direktinvesteringarna påverkas.
BNP påverkas på både kort och lång sikt enligt den neoklassiska tillväxtteorin68.
Modellen som angav bäst signifikanta resultat var Fixed Effect Model där man kan kontrollera för dummyvariabler69 och låta respektive land ha sitt egna intercept. Modellerna avspeglar att ju mer öppet ett land är, i kombination med storleken på dess BNP, så tenderar skattesatsen att vara lägre. Understöd till Fixed Effects modellen kommer från Pooled OLS70 där jag också fick signifikanta resultat. Pooled OLS tillåter inte någon heterogenitet, vilket innebär att alla länder behandlas som ett land. Detta tolkas därför positivt då jag generellt ville
65 Tax Competition http://www.adamsmith.org/sites/default/files/images/stories/tax-‐competition.pdf (hämtad 2014-‐11-‐20)