Аннотация. Автором статьи разработан комплекс методик, позволяющий создать множественные линейные модели с использованием ИАС «Налоги РФ» и произвести оценку степени влияния социально-экономических факторов на налоговые поступления в региональный бюджет Белгородской области для определения значимых направлений в социально-экономической политике данной области.

Ключевые слова: налоги, налоговые поступления, бюджеты субъектов Российской Федерации, статистические данные, социально-экономические показатели, социально-экономические факторы, интеллектуальный анализ данных, моделирование, эластичность, информационная система.

SET OF TECHNIQUES FOR DETECTION FACTORS INFLUENCED ON TAXES INCOME IN BUDGET AND ESTIMATE FACTORS SIGNIFICANCES (BELGORODSKAYA REGION)

Abstract. Author of this article took a set of techniques for detection factors influenced on taxes income in budget, for create multiply linier models created by IAS «Taxes RF» and for estimate factors significances (Belgorodskaya region).

Keywords: taxes, tax income, budgets of subjects, statistics tax reports statistic data, socio-economic indexes, socially economic factors, data mining information system, modeling, IAS “Taxes RF”.

Введение. В материале представлен комплекс методик, предназначенный для выявления значимых социально-экономических факторов, которые оказывают влияние на налоговые поступления и апробация на примере Белгородской области. Особенность данного комплекса методик заключается в использовании специального программного инструментария для этой цели – информационно-аналитическая система «Налоги РФ».

Комплекс состоит из трёх частей: сбор и обработка первичных статистических данных, агрегация и анализ статистической информации, и представление аналитической информации о моделях и их параметрах в удобном для чтения виде.

Первые два этапа выполняются в интерактивном режиме с программой. На последнем этапе же программа поможет рассчитать оптимальные, с точки зрения выполнения условий и предпосылок МНК, параметры модели и их характеристики.

Рассмотрим первый этап по порядку, это сбор и обработка статистических данных о налоговых поступлениях и о социально-экономических показателях. Методика заключается в том, чтобы подготовить статистические налоговые отчётности (1-НМ, 1-НОМ, 4-НМ и 4-НОМ) и сгруппировать их по папкам со следующей структурой:

1. <Название федерального округа>
   1. <Название субъекта>
      1. 1<вариант отчёта><год>.xls
      2. 4<вариант отчёта><год>.xls
      3. 1.3.1<вариант отчёта>-forecast-<число месяцев в отчёте>-<год>.xls
      4. 1.4.4<вариант отчёта>-forecast-<число месяцев в отчёте>-<год>.xls

Допускаются следующие комбинации вариантов отчётов: 1nm2006 (1-НМ за 2006 год), 1nm-forecast-9-2006 (1-НМ за 9 месяцев в 2006 году), 4nom2006 (форма 4-НОМ за 2006 год) и 4nm2006 (форма 4-НМ за 2006 год). Обозначение «forecast» в наименование файла означает, что отчёт содержит неполные данные, а за определённое количество месяцев и требуется дополнить методом вычисления среднего за месяц до годового значения: значение / количество месяцев * 12.

            Помимо годовой отчётности по субъектам в отдельности предусмотрена групповая загрузка по сводным отчётам, предоставляемых ФНС России для контроля и корректировки итоговых значений.

            Следующий тип статистических данных, который воспринимает система, это социально-экономические показатели субъектов. Для того, чтобы система произвела обработку и загрузила данные в базу данных, их необходимо собрать в единой таблице, где:

• наименование листа – наименование показателя по базе данных;
• в первом столбце расположены субъекты;
• второй и последующий – годы;
• на пересечении субъекта и года – значение социально-экономического показателя.

Перечень социально-экономических показателей, подгружаемых системой приведён в таблице 2.

Второй этап отвечает за расчёт статистических и аналитических показателей, таких как: доли, темпы роста и прироста, коэффициенты и индексы. Благодаря автоматизации данный процесс проходит без человеческого участия.

Третий этап подразумевает запуск специальной программной обработки для поиска статистически значимых социально-экономических факторов, а также построение множественных линейных моделей. В основе моделей лежат статистические данные о налоговых поступлениях региональные бюджеты субъектов Российской Федерации [3], данные об изменении социально-экономических показателей [4, 5] и некоторые другие коэффициенты, относительные показатели и индексы. Построенные уравнения множественной линейной регрессии с использованием ИАС «Налоги РФ» индивидуальны для Белгородской области. Это означает, что они не подходят для объяснения результирующего признака в других субъектах. Однако методика построения такого рода уравнений универсальна и позволяет производить моделирование и для других субъектов Российской Федерации.

Проблема в решении задачи о нахождении значимых социально-экономических факторах, влияющих тем или иным образом на налоговые поступления в бюджет, заключается в трудоёмкости их отбора, вычисления статистических показателей и формирования множественного линейного уравнения регрессии. Поэтому перед нами стояла задача в построении методики и реализации алгоритма в ИАС «Налоги РФ» так, чтобы снизить вероятные человеческие ошибки в процессе расчёта, анализа больших данных и ускорить данный процесс. В данной статье построены множественные линейные уравнения регрессии и выявлены наиболее значимые социально-экономические факторы и определена их значимость при формировании налоговых поступлений в региональный бюджет Белгородской области в разрезе видов налогов.

Рассмотрим структуру налоговых поступлений Белгородской области поступающих в региональный бюджет за 2012 год (таблица 1).

Таблица 1  

Структура налоговых поступлений в региональный бюджет Белгородской области в 2012 г.

 Набольшую долю налоговых поступлений в региональном бюджете занимают следующие налоги: налог на прибыль (51,54%), налог на доходы физических лиц – 24,39%, налог на имущество организаций – 14,71%, налог, взимаемый при упрощённой системе налогообложения – 3,71% и налог на транспорт – 3,08%.

Результаты исследования. В таблице 3 представлены распространённые статистические и относительные показатели, коэффициенты и индексы. По нашему мнению, любой из приведённых показателей может прямо или косвенно оказывать определённое влияние на налоговые поступления. Поэтому анализируются и отбираются все показатели. С целью увеличения точности подбора объясняющих переменных список факторов может изменяться в дальнейшем.

 Таблица 2

Перечень социально-экономических показателей

№	Наименование показателя	№	Наименование показателя
1	Валовый региональный продукт (ВРП)	17	Занятое население (ЗН)
2	Индекс потребительских цен (ИПЦ)	18	Безработное население (БН)
3	Стоимость основных фондов	19	Общая численность населения (ОН)
4	Инвестиции в основной капитал	20	Экономически активное население (ЭАН)
5	Фактическое потребление домашних хозяйств	21	Уровень безработицы
6	Износ основных фондов	22	Число предприятий и организаций
7	Уровень собираемости налогов	23	Средние душевые доходы
8	Объем продукции сельского хозяйства	24	Число собственных легковых машин на 1 тыс. чел.
9	Объем платных услуг	25	Средние душевые расходы
10	Уровень заболеваемости	26	Средняя пенсия
11	Число пенсионеров	27	Средний показатель зарплаты
12	Относительный показатель налоговой нагрузки (ОПНН)	28	Собственные финансовые ресурсы
13	Индекс налоговых рисков	29	Индекс налогового потенциала
14	Налоговые доходы бюджетов	30	Индекс ОПНН
15	Коэффициент отношения долей совокупных налоговых поступлений и занятого населения субъекта относительно федерального округа (кДол)	31	Коэффициент отношения долей совокупных налоговых поступлений и занятого населения субъекта относительно страны (общий кДол)
16	Индекс ОПНН по видам экономической деятельности

 

Рассмотрим имеющиеся в системе модели по порядку с набольшей долей налоговых поступлений в бюджет – налог на прибыль организаций.

Формула (1) модели ниже отражает наиболее значимые по влиянию на налоговые поступления факторы. Приведённый ниже вариант уравнения весьма интересен тем, что содержит в себе сложные относительные показатели. Рассмотрим её более подобно (формула 1, таблицы 4-5).

, где

(1)

X1 – относительный показатель налоговой нагрузки (ОПНН),

X2 – коэффициент долей относительно совокупных налоговых поступлений и численности занятого населения.

Расчёт показателя ОПНН представлен в формуле (2).

, где

(2)

СНП – совокупные налоговые поступления: сумма налоговых поступлений в федеральный бюджет, региональный и местный,

ЧЗ – численность занятого населения.

Расчёт показателя ОПНН представлен в формуле (3).

, где

(3)

ДСНП – доля совокупных налоговых поступлений относительно страны.

ДЧЗ – доля численности занятого населения относительно страны.

 Таблица 3  

Параметры модели

Примечание: составлено автором с использованием ИАС «Налоги РФ» α = 0,05

По данным таблицы 4 видно, что точность подбора уравнения регрессии – высокая (0,94). Гипотезу об одновременном равенстве нулю всех коэффициентов регрессии при объясняющих переменных, а именно H0: β1 = β2 = ... = βm = 0, отклоняем, так как . Отсюда следует, что коэффициент детерминации статистически значим и уравнение регрессии статистически надёжно. Также автокорреляция остатков отсутствует и дисперсия случайных отклонений остатков постоянна (отсутствие гетероскедастичности). Это обстоятельство указывает нам на то, что объясняющие переменные подобраны качественно.

Таблица 4

Оценка параметров уравнения регрессии

Примечание: составлено автором с использованием ИАС «Налоги РФ» α = 0,05

Проверка гипотез относительно коэффициентов уравнения регрессии с использованием t-статистики указывает нам на статистическую их значимость (таблица 5). Однако применение данного комплекса методик не совсем корректно, так как распределения показателей ненормальны, поэтому, значимость строится на предположении нормальности распределения при увеличении выборки. Проверка на наличие гетероскедастичности для объясняющей переменной относительно квадратов её отклонения при помощи ранговой корреляции Спирмена указывает нам на её отсутствие, так как коэффициент стремится к нулю. Отсюда следует, что предпосылка МНК о постоянной дисперсии отклонений (гомоскедастичность) выполняется.

Анализ частных коэффициентов эластичности позволил выявить степень влияния объясняющих переменных на темп роста налоговых поступлений в бюджет Белгородской области по налогу прибыль организаций при увеличении темпа их роста на 1%: относительный показатель кДол – 2,48% и относительный показатель налоговой нагрузки субъекта – 0,76%.

Следующие уравнение множественно линейной регрессии помогает нам разобраться во влиянии социально-экономических факторов на налоговые поступления в бюджет Белгородской области по транспортному налогу. Формула уравнения представлена ниже (формула 4).

 

, где

(4)

X1 – индекс потребительских цен,

X2 – средняя заработная плата.

Таблица 5  

Параметры модели

 Примечание: составлено автором с использованием ИАС «Налоги РФ» α = 0,05

По данным таблицы 4 видно, что точность подбора уравнения регрессии – высокая (0,77). Гипотеза об одновременном равенстве нулю всех коэффициентов регрессии при объясняющих переменных, а именно H0: β1 = β2 = ... = βm = 0, отклоняется, так как . Отсюда следует, что коэффициент детерминации статистически значим и уравнение регрессии статистически надёжно. Автокорреляция остатков отсутствует и дисперсия случайных отклонений остатков постоянна (отсутствие гетероскедастичности). Это обстоятельство указывает нам на то, что объясняющие переменные подобраны качественно. Проверка автокорреляции по критерию Дарбина-Уотсона не проводилась из-за отсутствия достаточного объёма выборки данных

В таблице 6 представлены оценочные показатели относительно коэффициентов уравнения регрессии.

Таблица 6

Оценка параметров уравнения регрессии

 Примечание: составлено автором с использованием ИАС «Налоги РФ» α = 0,05

Проверка гипотез относительно коэффициентов уравнения регрессии с использованием t-статистики указывает нам на их статистическую значимость (таблица 2). Однако применение данного метода не совсем корректно, так как распределения показателей ненормальны. Поэтому, значимость строится на предположении нормальности распределения при увеличении выборки. Коэффициенты ранговых корреляций Спирмена для квадратов отклонений Y(X) и объясняющих переменных X указывает нам на отсутствие гетероскедастичности. Отсюда следует, что предпосылка МНК о постоянной дисперсии отклонений (гомоскедастичность) выполняется.

Результат анализа множественных линейных уравнений регрессий показал (формула 1 и 4), что при исключении какого-либо фактора из уравнения приводит к уменьшению значения коэффициента множественной регрессии. Поэтому подбор состава переменных для уравнений можно назвать адекватным.

Анализ степени влияния с использованием частных коэффициентов эластичности показывает нам, что индекс потребительских цен в регионе вносит существенный вклад в рост налоговых поступлений по данному налогу, а именно: снижает темп роста на 6,8% при увеличении темпа роста данного показателя на 1%. Увеличение темпа роста на 1% для средней зарплаты снижает в свою очередь темп роста поступлений на 0,71%.

Заключение. В данной статье был применён авторский комплекс методик для выявления значимых социально-экономических факторов, влияющих на налоговые поступления в региональный бюджет (на примере Белгородской области), и опыт применения можно считать успешным по двум причинам. Во-первых, комплекс методик помог опуститься на уровень субъекта и регионального бюджета, а также провести анализ структуры налоговых поступлений. Во-вторых, были найдены объясняющие тот или иной уровень налоговых поступлений по виду налога социально-экономические факторы, построены адекватные математические модели и показана степень влияния того или иного фактора на результат. Достоверность полученных результатов подкрепляет адекватность построенных моделей и качество подобранных показателей (таблицы 3-6). Также следует отметить, что аналитические материалы и расчётные показатели не ограничиваются одним субъектом РФ, поскольку ИАС «Налоги РФ» содержит в себе сведения по всем регионам России.

 

Список литературы

1. Зюзина Н.В., 2012, Электронный научный журнал «Управление экономическими системами». Моделирование налоговых поступлений регионов РФ. [Электронный ресурс] / Режим доступа: http://uecs.ru/finansi-i-kredit/item/1895-2012-12-26-10-55-37
2. Сайт Федеральной налоговой службы [Электронный ресурс] / Режим доступа: http://www.nalog.ru.
3. Регионы России. Социально-экономические показатели. 2012: 
4. Статистический сборник / Росстат. - М., 2012.
5. Сайт Федеральной службы государственной статистики [Электронный ресурс] / Режим доступа: http://www.gks.ru.

Источник:

Косарев И.М. Комплекс методик выявления факторов, влияющих на налоговые поступления в региональный бюджет и оценка их значимости (на примере Белгородской области) / Косарев И.М. // Научно-практическая интернет-конференция
«Проблемы экономического ростаи устойчивого развития территорий» [Электронный доступ]: URL: http://forum-ic.isert-ran.ru/viewtopic.php?f=16&t=72 – 2016. г. Вологда, ИСЭРТ РАН, 27 – 29 апреля 2016 г. – 0,42 п.л.