CC BY
191
Налоговая политика
МЕТОДИКА ОЦЕНКИ НАЛОГОВОГО ПОТЕНЦИАЛА НА ПРИМЕРЕ РЕСПУБЛИКИ БУРЯТИЯ
В. В. ДОРЖИЕВА, кандидат экономических наук, доцент кафедры экономики E-mail: vv2006uu@yandex. ru Бурятский государственный университет Е. Ц. ЧИМИТДОРЖИЕВА, старший преподаватель кафедры математических и естественно-научных дисциплин E-mail: katrin_c@mail. ru Российский государственный гуманитарный университет,
г. Улан-Удэ Б. В. кАРПУШЕВ, консультант аппарата полномочного представителя
президента Республики Бурятия в народном Хурале Республики Бурятия E-mail: karpushev@rambler. ru
В статье подчеркивается, что в настоящий момент существует необходимость в мониторинге и системном анализе структуры экономического развития, основной целью которых выступает создание благоприятной среды для комплексного социально-экономического развития. Достижение этой цели предполагает оценку налогового потенциала региона. В настоящей работе на примере Республики Бурятия предлагается методика оценки налогового потенциала на основе эконометрических методов.
Ключевые слова: бюджет, налоговый потенциал, эконометрический метод, оценка.
налоговый потенциал играет весомую роль в совершенствовании межбюджетных отношений вообще и в определении порядка предоставления трансфертов в частности. Если реально определены налоговые возможности регионов, то тем самым резко уменьшается вероятность субъективного подхода к оценке действительной потребности в
помощи, повышается самостоятельность регионов в использовании своего налогового потенциала, снимаются в какой-то мере противоречия между центром и регионами, так как устраняется главная причина — несправедливость в распределении финансовой помощи.
В экономической литературе конца 1990-х гг. налоговый потенциал рассматривался как основа финансовой самостоятельности бюджетов субъектов рФ, и от его правильной оценки зависело решение региональных задач бюджетного финансирования [6, с. 17]. В мировой практике налоговый потенциал трактуется как способность базы налогообложения формировать доходную часть бюджета с помощью основной составляющей — налоговых поступлений.
ряд авторов трактуют налоговый потенциал как «совокупность объектов налогообложения в рамках действующей налоговой системы, расположенных на территории субъекта» [3, с. 32].
финансы и кредит
41
Очевидно, что сложность расчета этого показателя и низкая достоверность полученного значения снижают ценность такого подхода к определению налогового потенциала.
Другие специалисты считают, что налоговый потенциал — это максимально возможная в условиях действующего налогового законодательства сумма начислений налогов, которая учитывает суммы налогов, подлежащих уплате в рассматриваемом периоде, и доначисленные налоги по результатам контрольной работы налоговых органов [11].
Авторы настоящей работы под налоговым потенциалом понимают меру возможностей территории по воспроизводству налоговых поступлений в бюджетную систему, рассчитанную с учетом экономических особенностей региона, без отрицательного воздействия на хозяйствующие субъекты.
Расчет налогового потенциала является важной составляющей в бюджетном процессе, и региональные власти справедливо отмечают в своей нормативно-правовой базе важность данного показателя. Анализ современных публикаций показал, что разные авторы придерживаются различных подходов к оценке налогового потенциала региона. Следует отметить, что существует и несоответствие между содержанием, которое отражается в определении сущности налогового потенциала, и тем, что оценивается.
По мнению некоторых ученых, все методы количественной оценки налогового потенциала можно разделить, используя в качестве классификационного признака способ вычисления. Например, С. И. Ислямутдинов [5, с. 35], выделяет три группы методов оценки налогового потенциала территории. данная классификация также может применяться и к методам оценки налогового потенциала региона, так как подходы в первом и втором случае совпадают.
Первая группа — аддитивные методы определения налогового потенциала. В основе этих методов лежит предпосылка о том, что налоговый потенциал есть абсолютная величина налоговых доходов территории, как реализованных, так и недополученных по тем или иным причинам. данные методы используют информацию о налоговых обязательствах, фактических поступлениях налогов, задолженности по платежам, деятельности территориальных властей по администрированию налогообложения.
Таким образом, исследователи [1, 7, 13, 15], применяющие данные методы, в основной своей массе придерживаются результативного методо-
логического подхода при определении налогового потенциала территории. Анализ публикаций авторов, использующих данный метод, показал, что в формализованном виде его ключевая содержательная составляющая может быть представлена следующим образом:
НП=НД+Р,
где НП — налоговый потенциал;
НД — налоговые доходы;
Р — резервы увеличения налоговых поступлений.
Вторая формула, учитывающая резервную часть с помощью корректировочного коэффициента к, имеет вид:
НП=кНД.
не меняя сути аддитивного метода, такая его модификация позволяет охватить большее количество факторов, влияющих на формирование налогового потенциала.
К перечисленным способам оценки налогового потенциала данный автор предлагает отнести репрезентативную налоговую систему (РНС), которая позволяет преодолеть указанные выше ограничения. По его мнению, РНС нельзя назвать методом, так как рассматриваемый прием используется для снижения размерности исходного объема информации и в лучшем случае является одним из частных принципов, используемых при оценке налогового потенциала. Кроме этого, следует отметить, что ключевым моментом данного метода является концепция о величине налоговых поступлений, которую собрал регион, если бы прилагался средний по стране уровень фискальных усилий. для оценки налогового потенциала по единому уровню собираемости предполагается формула:
т
. УП
нп = У н . -и—,
т
г= У Н
1=1
где НП — налоговый потенциал региона;
Н — начисления по г-му налогу в регионе;
П у — поступление г-го налога в ч'-м регионе;
Ну — начисление г-го налога в у'-м регионе.
При расчете по единой отдаче от налоговой базы определяется репрезентативная налоговая ставка, которая показывает, какой объем налогов реально поступает в бюджет с единицы налоговой базы, и определяется как отношение фактических налоговых поступлений к налоговой базе. Данные о размере налоговых баз предоставляются налого-
выми органами. Ставки определяются средние по стране. Использование средних ставок позволяет подсчитать объем доходных поступлений, который собрал регион, если бы прилагал средний уровень фискальных усилий:
НПф
СТ стр =-^ ,
с1р НБ
где НПф — фактические налоговые поступления
по РФ;
НБ — налоговая база по данному налогу по
всем регионам.
налоговый потенциал, рассчитанный по этому методу, равен налоговой базе региона, умноженной на среднероссийскую репрезентативную налоговую ставку по данному виду налога:
т
У п..
п У
НП = УНБ:—- ,
где НП — налоговый потенциал региона;
НБ{ — налоговая база по /-му налогу в регионе;
П. — поступление /-го налога в .-м регионе;
НБ. — начисление /-го налога в .-м регионе.
Налоговый потенциал в результате определяется сложением налоговых баз по отдельным налогам в регионе и средних ставок для данного налога, рассчитанных по стране в целом.
На наш взгляд, использование средних по стране ставок в репрезентативной налоговой системе недостаточно корректно. Это связано с особенностями экономического развития регионов. Большинство регионов РФ испытывает нехватку в собственных средствах.
В основе второй группы методов, выделяемых С. И. Ислямутдиновым, лежит регрессионный анализ. Ключевыми характеристиками этих методов являются поступления налогов и сборов, образованная задолженность по платежам, в том числе — недоимка и отсроченные платежи, выпадающие суммы налоговых доходов от предоставления льгот, а также макроэкономические показатели. различиями аддитивного и регрессионного методов являются форма связи ресурсных и результативных характеристик налогового потенциала и степень дезагрегированности исходных данных. Почти во всех без исключения работах предлагается использовать линейную регрессионную модель, которая обобщенно имеет следующий вид:
НП= а0 + а1 х1 + а2х2 +... + а{х{ +... + апхп + е , где а0 — свободный член;
а1, а2,...,ап — коэффициенты уравнения регрессии;
х1, х2,..., хп — факторы, налогового потенциала региона, характеризующие налоговую базу; е — стохастическая составляющая, которая интегрирует влияние неучтенных факторов. Результатом расчетов приведенного регрессионного уравнения выступает теоретическое значение налоговых доходов (налоговых доходов на душу населения), исходя из среднего уровня использования налоговых ресурсов и среднего уровня налоговых усилий территориальных властей, которое принимается за налоговый потенциал.
В качестве «точек наблюдения» в такой модели используются территории, входящие в рассматриваемую совокупность. Для обеспечения сопоставимости различных показателей и территорий большинство авторов предлагают использовать в модели не абсолютные значения показателей факторов налогового потенциала и налоговых доходов, а удельные — приходящиеся на душу населения.
Регрессионный метод определения налогового потенциала территории (региона) обладает рядом преимуществ по сравнению с аддитивным методом.
Во-первых, при его применении требуется значительно меньшая по объему информационная база, основным источником которой являются публикуемые данные официальной статистики, как в разрезе субъектов РФ, так и в разрезе муниципальных образований.
Во-вторых, оценки налоговых обязательств, получаемые при помощи данного метода, образуют единую систему показателей, включенных в модель, и, следовательно, являются сопоставимыми между собой.
В-третьих, данный метод позволяет осуществлять прогнозные расчеты на краткосрочном и среднесрочном временном интервале.
В-четвертых, в отличие от аддитивного метода, оперирующего громоздкой системой формул, применение данного метода предполагает построение относительно несложной модели.
Тем не менее регрессионный метод имеет собственные формальные ограничения, которые могут затруднить его применение на практике. Среди них можно выделить следующие:
— данный метод обладает весьма высокой чувствительностью результатов к однородности и составу исходной совокупности территориальных образований. Поскольку в основе метода лежит усреднение параметров формирования и использова-
ния налоговых обязательств территорий (региона), важным условием проявления корреляционной связи и, следовательно, применимости регрессионных моделей является необходимость обеспечения надежной и устойчивой закономерности между средними величинами результативного и факторного признаков. Из теории статистики известно, что для этого необходима достаточно качественная однородность исследуемой совокупности;
— существенным условием применимости регрессионного метода, обеспечивающим надежность получаемых результатов, является необходимость подчинения распределения совокупности территорий по результативному и факторным признакам, нормальному закону распределения вероятностей.
В случае невыполнения данных требований регрессионные модели, рассмотренные выше, будут иметь неудовлетворительные качественные характеристики, а результаты расчетов окажутся малоценными и малопригодными к использованию в практической деятельности.
Последняя группа представлена структурным методом определения налогового потенциала региона, который был разработан специалистами Министерства финансов РФ в рамках создания системы распределения дотаций из Федерального фонда финансовой поддержки субъектов РФ. На его основе, начиная с 2001 г., производится официальный ежегодный расчет валовых налоговых ресурсов субъектов РФ (далее — ВНР) и индексов их налогового потенциала (далее — ИНП). Оба показателя являются количественной оценкой налогового потенциала регионов страны с одним ключевым различием: ВНР определяется как абсолютная величина потенциальных налоговых доходов консолидированных бюджетов, приходящаяся на душу населения, а ИНП является относительной оценкой возможности экономики региона генерировать данные налоговые доходы по сравнению со среднероссийским значением.
Большинство ученых используют в качестве классификационного признака информацию, необходимую для оценки налогового потенциала региона.
Так, в работе Е. Б. Дьяковой [4, с. 87] выделяется четыре группы методов, первая из которых в качестве входящей информации использует макроэкономические показатели; вторая группа — методы оценки на основе преобразованных данных официальных форм налоговой отчетности; третья группа — методы, базирующиеся на
основе корректировки фактически собранных в регионе платежей в базовом году. Четвертая группа представлена одним способом оценки налогового потенциала — методом репрезентативной налоговой системы, который основан на использовании информации о среднем уровне налоговых усилий территориальных властей.
Данную классификацию усовершенствовали Н. Н. Куницына и В. В. Рощупкина [9]. В их трактовке все методы оценки можно разделить на четыре группы:
— методы оценки с использованием показателей экономического дохода;
— методы оценки на основе построения репрезентативной налоговой системы;
— методы оценки на основе данных форм налоговой отчетности и корректировки сумм фактически собранных налогов;
— методы оценки с использование индекса налогового потенциала.
Методы первой группы оценивают налоговый потенциал на основании показателя среднедушевых доходов населения, валового регионального продукта и совокупных налогооблагаемых ресурсов. Вторая группа методов использует корреляционно-регрессионный анализ и репрезентативную систему налоговых показателей. Третья группировка представлена методами, опирающимися на аддитивное свойство налогового потенциала, упрощенным методом и плановым методом. В последнюю группу попали методы, использующие индекс налогового потенциала.
В диссертационной работе Е. Н. Орловой [10, с. 146] представлена достаточно интересная классификация. Все способы оценки налогового потенциала разбиваются на методы, использующие детерминированную информацию (базирующиеся на свершившихся фактах), и методы, основанные на неопределенной информации (базирующиеся на прогнозировании). В качестве входящей информации первая группа методов использует данные о макроэкономических показателях, налоговых платежах и налоговых базах. Вторая группа методов — только данные о налоговых базах.
Другой автор Д. Р. Попенков [12, с. 47] в диссертационной работе выделяет группы методов, основывающиеся на оценке фактически собранных налоговых доходов в регионе, заключающиеся в построении репрезентативной налоговой системы и использующие информацию о макроэкономических показателях. Последняя группа, основанная на оценке суммарного налогового потенциала, на наш взгляд,
выделена недостаточно корректно, так как в качестве классификационного признака здесь выступает способ подсчета, а не используемая информация. Данные методы можно отнести либо к первой, либо к третьей группе.
На основании проведенного анализа нами предлагается следующая классификация методов оценки (рис. 1).
В первую группу данной классификации попали методы непосредственного подсчета налогового потенциала. Во вторую труппу вошли способы оценки налогового потенциала с применением статистических методов, таких как регрессионный анализ, корреляционный анализ, компонентный анализ и т. д. Последняя группа методов для расчетов применяет подходы, используемые первой и второй группировками. Метод оценки налогового потенциала, представленный в данной работе, принадлежит к последней группе методов.
Таким образом, проведенное исследование способов оценки налогового потенциала региона показало большое их разнообразие. Однако на сегодняшний день отсутствуют методы, учитывающие особенности развития регионов и структуру их налогового потенциала.
Для более точной оценки налогового потенциала региона будем использовать подход, основанный на применении репрезентативной налоговой системы. Повышение точности методов расчета налогового потенциала необходимо в первую очередь регионам с низким уровнем налоговых доходов, таким как Республика Бурятия.
В качестве основной расчетной формулы будет выступать формула:
Рис. 1. Классификация методов оценки налогового потенциала региона
НП =У к ■НД1 ,
г=1
где НП — налоговый потенциал;
к — поправочный коэффициент для /-го вида налога,
НД1 — поступления по /-му виду налога. Поясним экономический смысл поправочного коэффициента к. Репрезентативная налоговая система создавалась с целью упрощения расчетов. Коэффициент к показывал средний уровень собираемости основных видов налогов, рассчитанный по всем регионам страны. Однако данный подход не совсем верен из-за большой дифференциации регионов РФ. Поэтому предлагается использовать
не средний по стране коэффициент к,, а средний по кластеру, содержащему субъекты с примерно одинаковой структурой и величиной налоговых доходов. Количественная оценка коэффициента к осуществляется на основе уравнения парной регрессии, где в качестве зависимой переменной выступают налоговые доходы, а независимой является валовой региональный продукт.
В дальнейших расчетах будем использовать систему, содержащую пять основных налогов, поступивших в консолидированные бюджеты регионов в 2007 г.: налог на прибыль (НП), налог на доходы физических лиц (НДФЛ), акцизы, налог на имущество (НИ) и налог на пользование природными ресурсами (НППР). Все значения рассчитаны на душу населения.
Проведение кластеризации методом к-сред-них по пяти основным налогам для трех кластеров показало, что в первую группировку попали следующие регионы: Ненецкий автономный округ, Ханты-Мансийский автономный округ, Москва, Ямало-Ненецкий автономный округ. Во второй кластер — Московская область, Республика Коми, Вологодская область, Мурманская область, Санкт-Петербург, Свердловская область, Тюменская область, Красноярский край, Республика Саха (Якутия), Камчатский край, Магаданская область, Сахалинская область, Чукотский автономный округ В третий кластер попали оставшиеся регионы.
На рис. 2 представлен график средних значений для каждого кластера.
График средних значений показывает, что величина и структура налоговых доходов первого кластера имеет существенное различие со вторым и третьим кластерами. Наибольший вклад в общую сумму налоговых доходов в первой группировке имеет налог
50 000,00п 45 000,00 40 000,00 35 000,00 30 000,00 25 000,00 20 000,00 15 000,00 10 000,00 5 000,00 0,00
НП
НИ
НППР
НДФЛ Акцизы —■— 1-й кластер —А— 2-й кластер —♦— 3-й кластер Рис. 2. График средних значений для трех кластеров, руб.
на прибыль, в то время как для второго и третьего кластеров аналогичную роль выполняет налог на доходы физических лиц. Также следует отметить, что величина акцизов во всех трех кластерах имеют приблизительно одинаковое значение (табл. 1).
Отметим, что Республика Бурятия попадает в третий кластер. Поэтому дальнейшие вычисления были проведены по данному кластеру.
Для расчета поправочных коэффициентов k¡, необходимых для оценки потенциалов основных налогов рассматриваемого региона, мы построили уравнения парной регрессии. В качестве независимой переменной будет выступать ВРП регионов, вошедших в соответствующий кластер, в качестве зависимой переменной — основные налоги. Затем определили k 1 как отношение теоретического значения величины налога, рассчитанного по уравнению регрессии, к фактическому (табл. 2).
На основании проведенного регрессионного анализа были получены поправочные коэффициенты для двух видов налогов, рассчитанных по Республике
Бурятия. Как показывают расчеты, собираемость по налогу на прибыль в Республике Бурятия ниже, чем средний показатель по кластеру. Аналогичная ситуация наблюдается с налогом на имущество. По остальным видам налоговых доходов республика демонстрирует собираемость выше среднего по кластеру. Их значение показывает, во сколько раз собранная сумма налогов меньше, чем средняя по кластеру. Как показали расчеты, резервы поступлений есть по налогу на прибыль и налогу на имущество. По остальным группам налогов собираемость в регионе выше, чем средняя по кластеру. Далее фактические налоговые доходы необходимо скорректировать на рассчитанные коэффициенты для получения величины налогового потенциала (рис. 3).
Не менее важной проблемой на практике является получение эффективного прогноза налогового потенциала на краткосрочную перспективу. Почти все авторы для достижения данной цели склоняются к использованию регрессионного анализа.
Однако для получения прогноза предлагаем использовать адаптивные методы прогнозирования, основанные на понятии временного ряда. Это связано с тем, что в современных условиях широкого интереса к теории и практике экономического прогнозирования продолжает оставаться актуальной задача сравнительного исследования разнообразных подходов к получению прогнозов.
Изучение опыта регионов показало, что адаптивное моделирование для прогнозирования налогового потенциала практически не применяется. Основные причины этого:
— неустойчивость экономического развития России и регионов в 1990-е гг., а также изменения
Таблица 1
Средние значения налоговых доходов, приходящиеся на душу населения, по кластерам, руб.
Кластер НП нфдл Акцизы Налог на имущество НППР
1-й 46 321,35 30 854,04 1 557,46 21 953,01 4 438,17
2-й 10 998,88 14 093,63 1 351,60 3 766,02 2 491,59
3-й 3 760,251 5 510,821 1 117,716 1 800,015 185,875
Таблица 2
Значения поправочных коэффициентов
Виды налогов Фактическое значение Теоретическое значение Поправочные коэффициенты k.
Налог на прибыль 2 494,11 3 931,63 1,57
Налог на доходы физических лиц и акцизы 7 071,54 6 580,95 —
Налог на имущество 1 349,75 1 767,46 1,31
Налоги на пользование природными ресурсами 176,055 143,15 —
2 500 0002 000 000 1 500 0001 000 000500 000 0
я
я
я
я
я
----Налоговый потенциал.
-Налоговые доходы консолидированного бюджета
Рис. 3. Налоговый потенциал и налоговые доходы консолидированного бюджета Республики Бурятия в 2004—2008 гг., тыс. руб.
в налоговой системе, не позволяющие выбрать достаточно длинный временной лаг;
— небольшая инерционность данных о налоговых доходах бюджетов субъектов Федерации, тем более органов местного самоуправления, не позволяющая четко выделить основную тенденцию развития;
— неудобная система отчетности, создающая значительные трудности по формированию базы данных о поступлениях налогов с квартальной и месячной периодичностью;
— неготовность практических работников к применению сложных методов эконометрики и прикладной статистики, а также к использованию компьютерных технологий обработки данных.
Тем не менее с 1999 г. Россия вступила в относительно стабильный период развития экономики, более устойчивой стала и налоговая система. Применение месячных данных формально удлиняет временные ряды до требуемых размеров. Изучение сезонности поступления налогов имеет и самостоятельную ценность, поскольку позволяет улучшить планирование расходной части бюджета, в частности избежать непроизводительных потерь вследствие кассовых разрывов.
Для принятия достаточно обоснованного и адекватного решения лицо, принимающее это решение, должно быть поддержано не одним техническим прогнозом, а достаточно широким их спектром. Это утверждение касается и оценки налогового потенциала региона. Поэтому одной из целей данной работы является оценивание имеющихся в нашем распоряжении методов прогнозирования
и выбор оптимального в зависимости от ситуации. для сравнения были получены расчеты на основе моделей авторегрессии и проинтегрированного скользящего среднего (АРПСС) и на основе моделей экспоненциального сглаживания.
С целью получения адекватных эко-нометрических моделей прогнозирование налогового потенциала Республики Бурятия сначала осуществлялось на исторических данных. В качестве исходного временного ряда выступали ежемесячные значения налогового потенциала с 2004 по 2007 г, строился прогноз на 2008 г, расчетные значения сравнивались с фактическими. Затем полученные модели применялись к данным 2004—2008 гг., выстраивался прогноз на 2009 г
Прогнозирование суммарной величины налогового потенциала Республики Бурятия на 2008 г. методом экспоненциального сглаживания показало, что оптимальной для данного ряда динамики является модель с демпфированным трендом и аддитивной сезонностью Средняя ошибка прогноза составляет 28,1 %, что является неудов -летворительным результатом. Прогнозирование на основе моделей АРПСС показало, что расхождение суммарной фактической величины налогового потенциала с расчетной составляет 5,5 %.
Полученные результаты можно заметно улучшить, если применить предварительную обработку данных с помощью компонентного анализа.
для этого рассмотрим систему, содержащую потенциалы пяти основных налогов, поступающих в консолидированный бюджет Республики Бурятия: налога на прибыль (НП), налога на доходы физических лиц (НДФЛ), акцизов, налога на имущество (НИ) и налога на пользование природными ресурсами (НППР). Для повышения устойчивости исходного временного ряда объединим потенциалы налогов по признаку вариативности.
Проведение компонентного анализа для системы, содержащей потенциалы пяти видов налогов, показало, что количество переменных может быть сокращено до двух. При этом первая переменная будет являться суммой потенциалов налога на прибыль и налога на доходы физических лиц. Вторая — суммой потенциалов налога на имущество, акцизов и налога на пользование природными ресурсами.
После проведения компонентного анализа был построен прогноз с помощью моделей АРПСС и экспоненциального сглаживания для каждой новой переменной. Затем результаты прогнозирования
2 500 0002 000 0001 500 0001 000 000500 000 0
1 2 3 4 5 6 7 8 9 10 11 12
Месяцы
-Фактическое значение налогового потенциала. —•— Прогноз
Рис. 4. Прогноз суммарной величины налогового потенциала с учетом раздельного прогнозирования методом АРПСС на 2008 г., тыс. руб.
просуммировали и подставили в исходную модель по следующему правилу:
1) первые 24 значения переносим из первого сводного показателя со сдвигом вперед на 12 мес.;
2) дополняем полученный ряд прогнозными значениями, которые являются суммой прогнозных значений первой и второй переменной. На рис. 4 представлен прогноз, полученный с помощью модели АРПСС, с учетом предварительной обработки данных методом главных компонент.
Сравнивая полученные результаты с исследованием, проведенным по исходным данным, приходим к выводу, что полученная модель является более устойчивой, так как остаточная сумма квадратов, характеризующая влияние неучтенных факторов, уменьшается на 30 %. Также следует отметить снижение уровня значимости в 2,6 раза и стандартной ошибки на 2,3 %. Расчетное значение
11
12
23456789 10 Месяцы
- Фактическое значение налогового потенциала -Прогноз
Рис. 5. Прогноз суммарной величины налогового потенциала с учетом раздельного прогнозирования методом экспоненциального сглаживания на 2008 г., тыс. руб.
общей суммы потенциалов, вычисленное с помощью раздельного прогнозирования, отличается от фактического на 0,12 %.
Итоговый прогноз, рассчитанный как сумма частных оценок, полученных с помощью экспоненциального сглаживания на 2008 г., представлен на рис. 5. Как показали расчеты, наилучшей для данного временного ряда является модель с затухающим трендом и аддитивной сезонностью. Относительная ошибка аппроксимации в данной ситуации составляет 18 %, что значительно лучше результата, полученного на исходных данных. Анализ отклонения фактического суммарного значения налогового потенциала от расчетного показал, что погрешность составляет 1,6 %. Данный результат в 7,6 раза превосходит аналогичный показатель, полученный по исходным данным.
Результаты прогнозирования налогового потенциала Республики Бурятия на 2009 г. представлены в табл. 3.
Таким образом, проведенное исследование показало, что прогнозирование налогового потенциала на исходных данных дает худший результат по сравнению с раздельным прогнозированием.
Для повышения устойчивости временных рядов в работе использовался компонентный анализ — метод снижения размерности исходного признакового пространства. При этом интерпретация факторных нагрузок главных компонент служила мерой тесноты связи между исходными признаками (классификация признаков).
Моделирование сгруппированных таким образом признаков повышало точность прогнозных моделей временных рядов, полученных объединением соответствующих исходных признаков. Повышается и точность прогноза потенциалов по всем видам налогов, полученного как сумма прогнозов устойчивых (обладающих одинаковой колеблемостью) сгруппированных признаков. Применять такой способ усиления регулярной составляющей временных рядов необходимо с определенной осторожностью, так как необязательно близость признаков к главной компоненте означает близость признаков друг к другу. В качестве другого способа определения тесноты связи между признаками можно выбрать метод канонических корреляций, при этом механически разделив массу исходных признаков на правую и левую части.
Таблица 3
Прогноз значений первого, второго показателей и суммарной величины налогового потенциала
Республики Бурятия на 2009 г., тыс. руб.
Точечные оценки Точечные оценки Точечные оценки
Месяц для первой переменной для второй переменной для общей суммы НП
АРПСС ЭС АРПСС ЭС АРПСС ЭС
Январь 848 931 1 046 746 21 330,2 260 641,3 870 261 1 307 388
Февраль 1 023 630 957 599 134 476,0 151 269,6 1 158106 1 108 869
Март 915 276 924 090 153 540,2 192 538,1 106 8816 1 116 628
Апрель 982 481 1 048 734 140 463,9 259 803,9 1 122 945 1 308 538
Май 940 798 95 8196 149 433,1 151 018,4 1 090231 1 109214
Июнь 966 651 924 269 143 281,0 192 462,7 1 109 932 1 116 731
Июль 95 0616 1 048 788 147 500,8 259 781,3 1 098 117 1 308 569
Август 960 561 958 212 144 606,4 151 011,6 1 105 168 1 109 223
Сентябрь 954393 924274 146591,7 192460,7 1100985 1116734
Октябрь 958 219 1 048 789 145 230,0 259 780,7 1 103 449 1 308 570
Ноябрь 955 846 958 212 146 164,0 151 011,4 1 102 010 1 109 224
Декабрь 957 318 924 274 145 523,3 192 460,6 1 102 841 1 116 734
Суммарная величина 11 414 720 1 618 141 1 1722 183 2 414 240 13 032 860 14 136 423
Также отметим, что во многом результаты прогнозирования налогового потенциала будут зависеть от выбранного метода расчетов. Как показало исследование, метод экспоненциального сглаживания вел себя хуже, чем метод Бокса—Дженкинса. Модели, построенные с помощью экспоненциального сглаживания, часто имели автокорреляцию в остатках и медленнее улавливали изменения в поведении временного ряда.
Использование предложенной методики на основе экономико-математических методов существенно повышает качество оценки налогового потенциала региона. Что в свою очередь обеспечивает объективность в процессе бюджетного планирования и в межбюджетных отношениях, позволяет учитывать сезонность поступления налогов. Это приводит к повышению эффективности планирования бюджетных расходов, учитывает основную тенденцию развития, на сегодня определяемую субъективно, позволяет повысить качество прогнозирования и бюджетного планирования.
Список литературы
1. Алехин С. Н. Методика оценки налогового потенциала территории // Российский налоговый курьер. 2005. № 6. С. 63—70.
2. Богачева О. В. Налоговый потенциал и региональные счета // Финансы. 2000. № 2.
3. Бюджетная система Российской Федерации: учебник // под ред. О. В. Врублевской, М. В. Романовского. М.: Юрайт-Издат. 2003.
4. Дьякова Е. Б. Формирование и оценка налогового потенциала региона (на примере Волгоградской области): дис... канд. эконом. наук. Волгоград. 2002.
5. Ислямутдинов С. И. Налоговый потенциал территории: методологические аспекты формирования и использования: дис... канд. эконом. наук. Самара. 2007.
6. Карташова Н. Г. Об оценке эффективности функционирования налоговых органов или концептуальных подходов к некоторым аспектам аналитической работы в сфере налогообложения // Налоговый вестник. 1999. № 1.
7. Кашина Н. В. Использование налогового потенциала региона в системе государственного финансового планирования (на примере Амурской области): дис...канд. эконом. наук: Хабар. гос. академия экон. и права. Хабаровск. 2002.
8. Коломиец А. Л., Новикова А. И. О соотношении финансового и налогового потенциалов в региональном разрезе // Налоговый вестник. 2000. № 1.
9. Куницына Н. Н, Рощупкина В. В. Проблемы оценки налогового потенциала региона // Налоги и налогообложение. 2008. № 2 (59). С. 49—53.
10. Орлова Е. Н. Формирование налогового потенциала в регионе: дис. канд. эконом. наук. Иркутск. 2006. С. 146.
11. Паскачев А. Б., Садыгов Ф. К., Мишин В. И., Саакян Р. А., Бессчетная О. А., Засько В. Н., Новикова А. И. Анализ и планирование налоговых поступлений: Теория и практика. М.: Издательство экономико-правовой литературы. 2004.
12. Попенков Д. Р. Налоговый потенциал субъекта Федерации: оценка и прогнозирование по комплексным макроэкономическим показателям: дис. кан. экон. наук. Владивосток. 2006.
13. Солдатова Е. Анализ форм и методов оценки налогового потенциала // Управленческое консультирование. 2002. № 1. С. 23—28.
14. Тарасов М. Усиление роли государства по ограничению теневой экономики в России. URL: http://rusref. nm. ru/indexpub132.htm.
15. Юткина Т. Ф. Налоги и налогообложение: учебник. М.: Инфра-М. 2001. 429 с.
