인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 朴基丁
- 발행연도
- 2020
- 저작권
- 경남대학교 논문은 저작권에 의해 보호받습니다.
이용수0
초록· 키워드
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
본 연구는 2001년부터 2018년 사이에 유가증권시장에 상장된 기업을 대상으로 한국상장회사협의회의 TS2000을 통해 재무자료를 수집한 688개 기업(7,880개 기업-연도의 표본)을 대상으로, 다수의 잠재 모집단을 가정하는 유한혼합모델(FMM) 분석방법을 사용하여 유효세율의 영향요인에 관한 지금까지의 연구결과를 다른 관점에서 재해석하고자 한 것이다.
지금까지 유효세율의 영향요인에 관한 연구는 대부분 동질적인 단일의 모집단을 가정함으로써 기업특성요인이 유효세율에 양(+)의 영향을 미친다거나, 아니라면 음(-)의 영향을 미친다거나, 혹은 아무런 영향을 미치지 못한다(무영향)는 결론이 연구자별로 상이하게 나타났다. 이러한 혼합된 결과에 대하여 본 연구는 전통적인 연구방법에서 가정하는 단일 모집단에 대해 문제점을 찾고자 하였다. 즉 연구대상 모집단이 단일의 모집단이 아니라 이질적인 두 개 혹은 다수의 모집단으로 구성된다고 가정하는 것이다. 이렇게 존재하는 다수의 잠재 모집단을 관찰하기 어려워 단일의 모집단으로 가정하여 분석하는 것이 전통적인 연구방법이다. 이럴 경우, 잘못된 결론에 도달할 가능성이 상당히 높을 것으로 예상된다. 관찰할 수 없는 다수의 잠재 모집단을 식별해주는 연구방법이 FMM이다.
본 연구는 관찰하기 어려운 다수의 잠재 모집단을 가정하는 FMM을 사용하여 지금까지 유효세율의 영향요인으로 검토된 9개의 기업특성요인에 대하여 그 결과를 재해석하고자 하였다. 본 연구에서 검토한 9개의 기업특성요인은 기업규모, 부채비율, 자본집약도, 재고자산 집약도, 연구개발 집약도, 총자산이익률, 수출비중, 외국인지분율, 대형 감사인 여부 이다. 이들에 대해 단일의 모집단을 가정하는 전통적인 연구방법에서의 실증결과와 세 개의 잠재적 모집단을 가정하는 FMM에서의 실증결과는 다음과 같다.
기업규모: 단일의 모집단을 가정하는 전통적인 연구에서의 기업규모는 양(+)의 영향(회귀계수= 0.9311, p= .001)인 것으로 나타났다. 이에 비하여 세 개의 잠재적 모집단을 가정하는 FMM에서는 첫 번째 잠재 모집단은 양(+)의 영향(회귀계수= 1.9372, p= .000)을, 두 번째 잠재 모집단에서는 음(-)의 영향(회귀계수= -0.5780, p= .022)을, 세 번째 잠재 모집단에서는 무영향(회귀계수= 0.4010, p= .800)인 것으로 나타났다. 각기 구성비율은 57%, 36%, 7%이다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
부채비율: 단일의 모집단을 가정하는 전통적인 연구에서의 부채비율은 무영향(회귀계수= -0.0393, p= .221)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 구성비율 순으로 살펴보면 음(-)의 영향(회귀계수= -0.1847, p= .000), 양(+)의 영향(회귀계수= 0.0981, p= .005), 무영향(회귀계수= 0.3028, p= .076)의 잠재 모집단이 존재하며, 각기 구성비율은 56%, 36%, 8%로 나타났다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
자본집약도: 단일의 모집단을 가정하는 전통적인 연구에서의 자본집약도는 무영향(회귀계수= -0.0029, p= .878)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= -0.1738, p= .125)을, 두 번째 잠재 모집단에서도 무영향(회귀계수= 0.0032, p= .807)을, 세 번째 잠재 모집단에서도 무영향(회귀계수= 0.0276, p= .275)인 것으로 나타났다. 모두가 무영향이므로 FMM에서도 단일 모집단의 가정이 채택된다.
재고자산 집약도: 단일의 모집단을 가정하는 전통적인 연구에서의 재고자산 집약도는 양(+)의 영향(회귀계수= 0.1191, p= .001)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= 0.0118, p= .366)을, 두 번째 잠재 모집단에서는 양(+)의 영향(회귀계수= 0.0842, p= .000)을, 세 번째 잠재 모집단에서는 무영향(회귀계수= 0.0262, p= .884)인 것으로 나타났다. 각기 구성비율은 16%, 75%, 9%이다. 영향별 구성비율은 양(+)의 영향 75%, 음(-)의 영향 25%이다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
연구개발 집약도: 단일의 모집단을 가정하는 전통적인 연구에서의 연구개발 집약도는 무영향(회귀계수= -0.1190, p= .354)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= 0.7361, p= .289)을, 두 번째 잠재 모집단에서도 무영향(회귀계수= -0.2185, p= .064)을, 세 번째 잠재 모집단에서도 무영향(회귀계수= -.2249, p= .131)인 것으로 나타났다. 모두가 무영향이므로 FMM에서도 단일 모집단의 가정이 채택된다.
총자산이익률: 단일의 모집단을 가정하는 전통적인 연구에서의 총자산이익률은 음(-)의 영향(회귀계수= -0.1751, p= .000)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 음(-)의 영향(회귀계수= -2.8408, p= .000)을, 두 번째 잠재 모집단에서는 양(+)의 영향(회귀계수= 0.1462, p= .000)을, 세 번째 잠재 모집단에서는 양(+)의 영향(회귀계수= 0.0294, p= .015)인 것으로 나타났다. 각기 구성비율은 12%, 73%, 15%이다. 영향별 구성비율은 양(+)의 영향 88%, 음(-)의 영향 12%이다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
수출비중: 단일의 모집단을 가정하는 전통적인 연구에서의 수출비중은 음(-)의 영향(회귀계수= -0.0418, p= .000)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= -0.7797, p= .135)을, 두 번째 잠재 모집단에서는 음(-)의 영향(회귀계수= -0.0178, p= .004)을, 세 번째 잠재 모집단에서는 무영향(회귀계수= -0.0055, p= .070)인 것으로 나타났다. 각기 구성비율은 9%, 76%, 15%이다. 영향별 구성비율은 음(-)의 영향 76%, 무영향 24%이다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
외국인지분율: 단일의 모집단을 가정하는 전통적인 연구에서의 외국인지분율은 무영향(회귀계수= 0.01992, p= .393)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우 첫 번째 잠재 모집단에서는 무영향(회귀계수= 0.0016, p= .914)을, 두 번째 잠재 모집단에서도 무영향(회귀계수= 0.0251, p= .075)을, 세 번째 잠재 모집단에서도 무영향(회귀계수= -0.0561, p= .668)인 것으로 나타났다. 모두가 무영향이므로 FMM에서도 단일 모집단의 가정이 채택된다.
대형 감사인 여부: 단일의 모집단을 가정하는 전통적인 연구에서의 대형 감사인 여부는 무영향(회귀계수= 0.7228, p= .258)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= 0.7361, p= .289)을, 두 번째 잠재 모집단에서도 무영향(회귀계수= -0.2185, p= .064)을, 세 번째 잠재 모집단에서도 무영향(회귀계수= -0.2249, p= .131)인 것으로 나타났다. 모두가 무영향이므로 FMM에서도 단일 모집단의 가정이 채택된다.
최종적으로 9개의 기업특성요인에 대한 FMM의 적용 결과, 자본집약도, 연구개발 집약도, 외국인지분율, 대형 감사인 여부의 4개 기업특성요인에 대해서는 단일의 모집단을 가정하는 전통적인 연구방법을 적용해도 무방하지만, 기업규모, 부채비율, 재고자산 집약도, 총자산이익률, 수출비중의 5개 기업특성요인에 대해서는 다수의 잠재 모집단을 가정하는 FMM을 적용해야 타탕한 결론을 도출해 낼 수 있음을 발견하였다.
본 연구에서는 추가분석으로 기업특성요인과 유효세율간의 관계가 산업에 따라 차이를 보이는지와 시간의 경과에 따라 차이를 보이는지를 검토하였다. 분석 결과 제조업과 비제조업에 있어, 그리고 2010년 이전인 IFRS 도입전과 2011년 이후인 IFRS 도입후에 있어 FMM의 결과가 상당한 차이를 보이는 것으로 나타났다.
본 연구의 공헌점으로는 기업특성요인과 유효세율간의 관계에 있어 최초로 단일의 모집단이 아닌 다수의 잠재 모집단을 가정하는 FMM을 적용하였다는 점이다. 본 연구를 계기로 모든 실증 세무연구에 FMM이 광범위하게 적용되기를 바라며, FMM의 결과를 실무적으로 보다 잘 활용할 수 있도록 하는 연구를 기대한다.
This study attempts to reinterpret the results of previous studies on the determinants of effective tax rates using the finite mixture model (FMM) which assumes latent populations. This study is based on a sample of 688 companies, (7,880 companies-years) which collected financial data through TS2000 of the Korea Listed Companies Council for companies listed on the securities market between 2001 and 2018.
To date, previous studies on the determinants of effective tax rates have been made on the assumption of a single homogeneous population, so that these studies conclude one of three relationships: positive, negative, and no effect. Thus, the conclusions from researchers are different and show mixed results. For these mixed results, this study attempted to find a problem in the assumptions about the population in traditional research methods. In other words, it would be more reasonable to assume that the population consists of two or more heterogeneous latent populations rather than a single homogeneous one. The traditional research method assumes a single population since latent populations cannot be observed. In this case, of course, there is a higher possibilities of reaching the wrong conclusion. The finite mixture model is a method of identifying multiple latent populations that cannot be observed in the traditional research methods.
The purpose of this study is to reinterpret the analysis results of the nine firm-specific characteristics that have been examined as the determinants of the effective tax rate using the finite mixture model, which assumes multiple latent populations. The nine firm-specific characteristics that were examined in this study were firm size, debt ratio, capital intensity, inventory intensity, R&D intensity, return on assets, exports, foreign ownership, and large auditors. The empirical results from both the traditional research method and the FMM are as follows.
Firm size: Traditional studies assuming a single population showed that firm size had a positive effect (regression coefficient = 0.9311, p = .001). On the other hand, in FMM that assuming three latent populations, the first latent population has a positive effect (regression coefficient = 1.9372, p = .000) and the second latent population has a negative effect (regression coefficient = -0.5780, p = .022), and the third latent population had no effect (regression coefficient = 0.4010, p = .800). The composition ratio is 57%, 36%, and 7%, respectively. Thus, according to the FMM, the single population assumption is rejected.
Debt ratio: Traditional studies that assuming a single population showed that debt ratio had no effect (regression coefficient = -0.0393, p = .221). On the other hand, assuming three latent populations, the order of composition ratios shows negative effects (regression coefficient = -0.1847, p = .000), positive effects (regression coefficient = 0.0981, p = .005 ), and no effect (regression coefficient = 0.3028, p = .076). There were 56%, 36%, and 8% of the composition, respectively. Thus, according to the FMM, the single population assumption is rejected.
Capital intensity: Traditional studies assuming a single population showed that capital intensity had no effect (regression coefficient = -0.0029, p = .878). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = -0.1738, p = .125) and the second latent population had no effect (regression coefficient = 0.0032, p = .807). The third latent population also had no effect (regression coefficient = 0.0276, p = .275) either. Since all is not affected, the single population assumption is adopted in the FMM.
Inventory intensity: A traditional study that assumes a single population has shown that inventory intensity had a positive effect (regression coefficient = 0.1191, p = .001). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = 0.0118, p = .366) and the second latent population had a positive effect (regression coefficient = 0.0842, p =. 000), and the third latent population had no effect (regression coefficient = 0.0262, p = .884) either. The composition ratio is 16%, 75%, and 9%, respectively. Composition ratios that give impact are 75% positive and 25% negative. Thus, according to the FMM, the single population assumption is rejected.
R&D intensity: Traditional research that assuming a single population showed that R&D intensity had no effect (regression coefficient = -0.1190, p = .354). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = 0.7361, p = .289) and the second latent population had no effect (regression coefficient = -0.2185, p = .064) either. The third latent population also had no effect (regression coefficient = -.2249, p = .131). Since all is not affected, the single population assumption is adopted in the FMM.
Return on asset: The traditional study assuming a single population showed that return on asset had a negative effect (regression coefficient = -0.1751, p = .000). In contrast, assuming three latent populations, the first latent population had a negative effect (regression coefficient = -2.8408, p = .000) and the second latent population has a positive effect (regression coefficient = 0.1462, p = .000), and the third latent population had a positive effect (regression coefficient = 0.0294, p = .015). The composition ratio is 12%, 73%, and 15%, respectively. Composition ratios that give impact are 88% positive and 12% negative. Thus, according to the FMM, a single population assumption is rejected.
Export ratio: The traditional study assuming a single population showed that the export ratio had a negative effect (regression coefficient = -0.0418, p = .000). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = -0.7797, p = .135), the second latent population had a negative effect (regression coefficient = -0.0178, p). = .004), and the third latent population had no effect (regression coefficient = -0.0055, p = .070). The composition ratio is 9%, 76%, and 15%, respectively. The composition ratio that gives impact is negative (76%) and no effect (24%). Thus, according to the FMM, the single population assumption is rejected.
Foreign ownership ratio: The traditional studies assuming a single population showed that the foreign ownership ratio had no effect (regression coefficient = 0.01992, p = .393). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = 0.0016, p = .914) and the second latent population had no effect (regression coefficient = 0.0251, p = .075), too. The third latent population also had no effect (regression coefficient = -0.0561, p = .668). Since all is not affected, the single population assumption is adopted in the FMM.
Large auditors: The traditional study that assumed a single population showed that large auditors had no effect (regression coefficient = 0.7228, p = .258). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = 0.7361, p = .289) and the second latent population had no effect (regression coefficient = -0.2185, p = .064), too. The third latent population also had no effect (regression coefficient = -0.2249, p = .131). Since all is not affected, the single population assumption is adopted in the FMM.
Finally, as a result of applying the FMM to the nine firm-specific characteristics, the traditional research method that assumes a single population can be applied to the four characteristics such as capital intensity, R&D intensity, foreign share ratio, and large auditors. However, it was found that a valid conclusion could be drawn only by applying a FMM that assumes a large number of latent populations for the five characteristics such as size, debt ratio, inventory intensity, return on asset, and export ratio.
As an additional analysis, we examined the relationship between the characteristics of firms and the effective tax rate differed by industry and by time. The results of FMM show significant differences in manufacturing and non-manufacturing industries and before and after the introduction of IFRS.
The contribution of this study is to apply the FMM that assumes multiple latent populations rather than a single one in the relationship between firm-specific characteristics and effective tax rates for the first time. In light of this study, we expect that FMM can be applied widely to the empirical tax studies, and look forward to studies that will make better use of the FMM results.
지금까지 유효세율의 영향요인에 관한 연구는 대부분 동질적인 단일의 모집단을 가정함으로써 기업특성요인이 유효세율에 양(+)의 영향을 미친다거나, 아니라면 음(-)의 영향을 미친다거나, 혹은 아무런 영향을 미치지 못한다(무영향)는 결론이 연구자별로 상이하게 나타났다. 이러한 혼합된 결과에 대하여 본 연구는 전통적인 연구방법에서 가정하는 단일 모집단에 대해 문제점을 찾고자 하였다. 즉 연구대상 모집단이 단일의 모집단이 아니라 이질적인 두 개 혹은 다수의 모집단으로 구성된다고 가정하는 것이다. 이렇게 존재하는 다수의 잠재 모집단을 관찰하기 어려워 단일의 모집단으로 가정하여 분석하는 것이 전통적인 연구방법이다. 이럴 경우, 잘못된 결론에 도달할 가능성이 상당히 높을 것으로 예상된다. 관찰할 수 없는 다수의 잠재 모집단을 식별해주는 연구방법이 FMM이다.
본 연구는 관찰하기 어려운 다수의 잠재 모집단을 가정하는 FMM을 사용하여 지금까지 유효세율의 영향요인으로 검토된 9개의 기업특성요인에 대하여 그 결과를 재해석하고자 하였다. 본 연구에서 검토한 9개의 기업특성요인은 기업규모, 부채비율, 자본집약도, 재고자산 집약도, 연구개발 집약도, 총자산이익률, 수출비중, 외국인지분율, 대형 감사인 여부 이다. 이들에 대해 단일의 모집단을 가정하는 전통적인 연구방법에서의 실증결과와 세 개의 잠재적 모집단을 가정하는 FMM에서의 실증결과는 다음과 같다.
기업규모: 단일의 모집단을 가정하는 전통적인 연구에서의 기업규모는 양(+)의 영향(회귀계수= 0.9311, p= .001)인 것으로 나타났다. 이에 비하여 세 개의 잠재적 모집단을 가정하는 FMM에서는 첫 번째 잠재 모집단은 양(+)의 영향(회귀계수= 1.9372, p= .000)을, 두 번째 잠재 모집단에서는 음(-)의 영향(회귀계수= -0.5780, p= .022)을, 세 번째 잠재 모집단에서는 무영향(회귀계수= 0.4010, p= .800)인 것으로 나타났다. 각기 구성비율은 57%, 36%, 7%이다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
부채비율: 단일의 모집단을 가정하는 전통적인 연구에서의 부채비율은 무영향(회귀계수= -0.0393, p= .221)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 구성비율 순으로 살펴보면 음(-)의 영향(회귀계수= -0.1847, p= .000), 양(+)의 영향(회귀계수= 0.0981, p= .005), 무영향(회귀계수= 0.3028, p= .076)의 잠재 모집단이 존재하며, 각기 구성비율은 56%, 36%, 8%로 나타났다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
자본집약도: 단일의 모집단을 가정하는 전통적인 연구에서의 자본집약도는 무영향(회귀계수= -0.0029, p= .878)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= -0.1738, p= .125)을, 두 번째 잠재 모집단에서도 무영향(회귀계수= 0.0032, p= .807)을, 세 번째 잠재 모집단에서도 무영향(회귀계수= 0.0276, p= .275)인 것으로 나타났다. 모두가 무영향이므로 FMM에서도 단일 모집단의 가정이 채택된다.
재고자산 집약도: 단일의 모집단을 가정하는 전통적인 연구에서의 재고자산 집약도는 양(+)의 영향(회귀계수= 0.1191, p= .001)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= 0.0118, p= .366)을, 두 번째 잠재 모집단에서는 양(+)의 영향(회귀계수= 0.0842, p= .000)을, 세 번째 잠재 모집단에서는 무영향(회귀계수= 0.0262, p= .884)인 것으로 나타났다. 각기 구성비율은 16%, 75%, 9%이다. 영향별 구성비율은 양(+)의 영향 75%, 음(-)의 영향 25%이다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
연구개발 집약도: 단일의 모집단을 가정하는 전통적인 연구에서의 연구개발 집약도는 무영향(회귀계수= -0.1190, p= .354)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= 0.7361, p= .289)을, 두 번째 잠재 모집단에서도 무영향(회귀계수= -0.2185, p= .064)을, 세 번째 잠재 모집단에서도 무영향(회귀계수= -.2249, p= .131)인 것으로 나타났다. 모두가 무영향이므로 FMM에서도 단일 모집단의 가정이 채택된다.
총자산이익률: 단일의 모집단을 가정하는 전통적인 연구에서의 총자산이익률은 음(-)의 영향(회귀계수= -0.1751, p= .000)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 음(-)의 영향(회귀계수= -2.8408, p= .000)을, 두 번째 잠재 모집단에서는 양(+)의 영향(회귀계수= 0.1462, p= .000)을, 세 번째 잠재 모집단에서는 양(+)의 영향(회귀계수= 0.0294, p= .015)인 것으로 나타났다. 각기 구성비율은 12%, 73%, 15%이다. 영향별 구성비율은 양(+)의 영향 88%, 음(-)의 영향 12%이다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
수출비중: 단일의 모집단을 가정하는 전통적인 연구에서의 수출비중은 음(-)의 영향(회귀계수= -0.0418, p= .000)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= -0.7797, p= .135)을, 두 번째 잠재 모집단에서는 음(-)의 영향(회귀계수= -0.0178, p= .004)을, 세 번째 잠재 모집단에서는 무영향(회귀계수= -0.0055, p= .070)인 것으로 나타났다. 각기 구성비율은 9%, 76%, 15%이다. 영향별 구성비율은 음(-)의 영향 76%, 무영향 24%이다. 따라서 FMM에 의하면 단일 모집단의 가정은 기각된다.
외국인지분율: 단일의 모집단을 가정하는 전통적인 연구에서의 외국인지분율은 무영향(회귀계수= 0.01992, p= .393)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우 첫 번째 잠재 모집단에서는 무영향(회귀계수= 0.0016, p= .914)을, 두 번째 잠재 모집단에서도 무영향(회귀계수= 0.0251, p= .075)을, 세 번째 잠재 모집단에서도 무영향(회귀계수= -0.0561, p= .668)인 것으로 나타났다. 모두가 무영향이므로 FMM에서도 단일 모집단의 가정이 채택된다.
대형 감사인 여부: 단일의 모집단을 가정하는 전통적인 연구에서의 대형 감사인 여부는 무영향(회귀계수= 0.7228, p= .258)인 것으로 나타났다. 이에 비하여 세 개의 잠재 모집단을 가정하는 경우, 첫 번째 잠재 모집단에서는 무영향(회귀계수= 0.7361, p= .289)을, 두 번째 잠재 모집단에서도 무영향(회귀계수= -0.2185, p= .064)을, 세 번째 잠재 모집단에서도 무영향(회귀계수= -0.2249, p= .131)인 것으로 나타났다. 모두가 무영향이므로 FMM에서도 단일 모집단의 가정이 채택된다.
최종적으로 9개의 기업특성요인에 대한 FMM의 적용 결과, 자본집약도, 연구개발 집약도, 외국인지분율, 대형 감사인 여부의 4개 기업특성요인에 대해서는 단일의 모집단을 가정하는 전통적인 연구방법을 적용해도 무방하지만, 기업규모, 부채비율, 재고자산 집약도, 총자산이익률, 수출비중의 5개 기업특성요인에 대해서는 다수의 잠재 모집단을 가정하는 FMM을 적용해야 타탕한 결론을 도출해 낼 수 있음을 발견하였다.
본 연구에서는 추가분석으로 기업특성요인과 유효세율간의 관계가 산업에 따라 차이를 보이는지와 시간의 경과에 따라 차이를 보이는지를 검토하였다. 분석 결과 제조업과 비제조업에 있어, 그리고 2010년 이전인 IFRS 도입전과 2011년 이후인 IFRS 도입후에 있어 FMM의 결과가 상당한 차이를 보이는 것으로 나타났다.
본 연구의 공헌점으로는 기업특성요인과 유효세율간의 관계에 있어 최초로 단일의 모집단이 아닌 다수의 잠재 모집단을 가정하는 FMM을 적용하였다는 점이다. 본 연구를 계기로 모든 실증 세무연구에 FMM이 광범위하게 적용되기를 바라며, FMM의 결과를 실무적으로 보다 잘 활용할 수 있도록 하는 연구를 기대한다.
This study attempts to reinterpret the results of previous studies on the determinants of effective tax rates using the finite mixture model (FMM) which assumes latent populations. This study is based on a sample of 688 companies, (7,880 companies-years) which collected financial data through TS2000 of the Korea Listed Companies Council for companies listed on the securities market between 2001 and 2018.
To date, previous studies on the determinants of effective tax rates have been made on the assumption of a single homogeneous population, so that these studies conclude one of three relationships: positive, negative, and no effect. Thus, the conclusions from researchers are different and show mixed results. For these mixed results, this study attempted to find a problem in the assumptions about the population in traditional research methods. In other words, it would be more reasonable to assume that the population consists of two or more heterogeneous latent populations rather than a single homogeneous one. The traditional research method assumes a single population since latent populations cannot be observed. In this case, of course, there is a higher possibilities of reaching the wrong conclusion. The finite mixture model is a method of identifying multiple latent populations that cannot be observed in the traditional research methods.
The purpose of this study is to reinterpret the analysis results of the nine firm-specific characteristics that have been examined as the determinants of the effective tax rate using the finite mixture model, which assumes multiple latent populations. The nine firm-specific characteristics that were examined in this study were firm size, debt ratio, capital intensity, inventory intensity, R&D intensity, return on assets, exports, foreign ownership, and large auditors. The empirical results from both the traditional research method and the FMM are as follows.
Firm size: Traditional studies assuming a single population showed that firm size had a positive effect (regression coefficient = 0.9311, p = .001). On the other hand, in FMM that assuming three latent populations, the first latent population has a positive effect (regression coefficient = 1.9372, p = .000) and the second latent population has a negative effect (regression coefficient = -0.5780, p = .022), and the third latent population had no effect (regression coefficient = 0.4010, p = .800). The composition ratio is 57%, 36%, and 7%, respectively. Thus, according to the FMM, the single population assumption is rejected.
Debt ratio: Traditional studies that assuming a single population showed that debt ratio had no effect (regression coefficient = -0.0393, p = .221). On the other hand, assuming three latent populations, the order of composition ratios shows negative effects (regression coefficient = -0.1847, p = .000), positive effects (regression coefficient = 0.0981, p = .005 ), and no effect (regression coefficient = 0.3028, p = .076). There were 56%, 36%, and 8% of the composition, respectively. Thus, according to the FMM, the single population assumption is rejected.
Capital intensity: Traditional studies assuming a single population showed that capital intensity had no effect (regression coefficient = -0.0029, p = .878). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = -0.1738, p = .125) and the second latent population had no effect (regression coefficient = 0.0032, p = .807). The third latent population also had no effect (regression coefficient = 0.0276, p = .275) either. Since all is not affected, the single population assumption is adopted in the FMM.
Inventory intensity: A traditional study that assumes a single population has shown that inventory intensity had a positive effect (regression coefficient = 0.1191, p = .001). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = 0.0118, p = .366) and the second latent population had a positive effect (regression coefficient = 0.0842, p =. 000), and the third latent population had no effect (regression coefficient = 0.0262, p = .884) either. The composition ratio is 16%, 75%, and 9%, respectively. Composition ratios that give impact are 75% positive and 25% negative. Thus, according to the FMM, the single population assumption is rejected.
R&D intensity: Traditional research that assuming a single population showed that R&D intensity had no effect (regression coefficient = -0.1190, p = .354). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = 0.7361, p = .289) and the second latent population had no effect (regression coefficient = -0.2185, p = .064) either. The third latent population also had no effect (regression coefficient = -.2249, p = .131). Since all is not affected, the single population assumption is adopted in the FMM.
Return on asset: The traditional study assuming a single population showed that return on asset had a negative effect (regression coefficient = -0.1751, p = .000). In contrast, assuming three latent populations, the first latent population had a negative effect (regression coefficient = -2.8408, p = .000) and the second latent population has a positive effect (regression coefficient = 0.1462, p = .000), and the third latent population had a positive effect (regression coefficient = 0.0294, p = .015). The composition ratio is 12%, 73%, and 15%, respectively. Composition ratios that give impact are 88% positive and 12% negative. Thus, according to the FMM, a single population assumption is rejected.
Export ratio: The traditional study assuming a single population showed that the export ratio had a negative effect (regression coefficient = -0.0418, p = .000). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = -0.7797, p = .135), the second latent population had a negative effect (regression coefficient = -0.0178, p). = .004), and the third latent population had no effect (regression coefficient = -0.0055, p = .070). The composition ratio is 9%, 76%, and 15%, respectively. The composition ratio that gives impact is negative (76%) and no effect (24%). Thus, according to the FMM, the single population assumption is rejected.
Foreign ownership ratio: The traditional studies assuming a single population showed that the foreign ownership ratio had no effect (regression coefficient = 0.01992, p = .393). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = 0.0016, p = .914) and the second latent population had no effect (regression coefficient = 0.0251, p = .075), too. The third latent population also had no effect (regression coefficient = -0.0561, p = .668). Since all is not affected, the single population assumption is adopted in the FMM.
Large auditors: The traditional study that assumed a single population showed that large auditors had no effect (regression coefficient = 0.7228, p = .258). In contrast, assuming three latent populations, the first latent population had no effect (regression coefficient = 0.7361, p = .289) and the second latent population had no effect (regression coefficient = -0.2185, p = .064), too. The third latent population also had no effect (regression coefficient = -0.2249, p = .131). Since all is not affected, the single population assumption is adopted in the FMM.
Finally, as a result of applying the FMM to the nine firm-specific characteristics, the traditional research method that assumes a single population can be applied to the four characteristics such as capital intensity, R&D intensity, foreign share ratio, and large auditors. However, it was found that a valid conclusion could be drawn only by applying a FMM that assumes a large number of latent populations for the five characteristics such as size, debt ratio, inventory intensity, return on asset, and export ratio.
As an additional analysis, we examined the relationship between the characteristics of firms and the effective tax rate differed by industry and by time. The results of FMM show significant differences in manufacturing and non-manufacturing industries and before and after the introduction of IFRS.
The contribution of this study is to apply the FMM that assumes multiple latent populations rather than a single one in the relationship between firm-specific characteristics and effective tax rates for the first time. In light of this study, we expect that FMM can be applied widely to the empirical tax studies, and look forward to studies that will make better use of the FMM results.
목차
- 국문요약제1장 서 론 = 1제1절 연구의 배경 및 목적 = 1제2절 연구의 범위 및 방법 = 4제2장 이론적 배경 및 선행연구의 검토 = 6제1절 유효세율의 개념 = 61. 기업의 조세부담 = 62. 유효세율의 정의와 한계점 = 8제2절 유효세율의 영향요인과 선행연구 = 101. 유효세율과 기업규모 = 112. 기업의 영업활동 및 재무, 투자활동 의사결정 = 133. 기타의 기업특성요인 = 15제3절 유한혼합모델 = 181. FMM의 의의 = 182. FMM의 구조와 추정 = 213. FMM의 정보기준 통계량 = 224. FMM에 대한 선행연구 = 23제3장 연구설계 = 26제1절 연구가설의 설정 = 271. 기업규모에 대한 가설설정 = 272. 부채비율에 대한 가설설정 = 283. 자본집약도에 대한 가설설정 = 294. 재고자산 집약도에 대한 가설설정 = 295. 연구개발 집약도에 대한 가설설정 = 306. 총자산이익률에 대한 가설설정 = 317. 수출비중에 대한 가설설정 = 328. 외국인지분율에 대한 가설설정 = 339. 대형 감사인 여부에 대한 가설설정 = 35제2절 표본기업의 선정과 변수의 측정 = 371. 표본기업의 선정 = 372. 변수의 측정 = 39제3절 FMM의 분석절차 = 441. FMM의 사전작업 = 442. FMM의 적용과정 = 45제4장 실증분석 = 47제1절 기술통계량 = 49제2절 가설검증 = 511. 기업규모 변수에 대한 가설검증 = 512. 부채비율 변수에 대한 가설검증 = 553. 자본집약도 변수에 대한 가설검증 = 584. 재고자산 집약도 변수에 대한 가설검증 = 615. 연구개발 집약도 변수에 대한 가설검증 = 646. 총자산이익률 변수에 대한 가설검증 = 677. 수출비중 변수에 대한 가설검증 = 708. 외국인지분율 변수에 대한 가설검증 = 739. 대형 감사인 여부 변수에 대한 가설검증 = 76제3절 추가분석 = 811. 제조업과 비제조업의 비교 = 812. IFRS 도입전과 도입후의 비교 = 94제5장 결 론 = 109참고문헌 = 114ABSTRACT = 121
최근 본 자료
