CC BY
32
УДК 336.221(571.54) Е.Ц. ЧИМИТДОРЖИЕВА
ББК 65.216.41(2Р-6Бу) преподаватель филиала
Российского государственного гуманитарного университета,
г. Улан-Удэ e-mail: [email protected]
РАНЖИРОВАНИЕ МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ РЕСПУБЛИКИ БУРЯТИЯ ПО СТРУКТУРЕ НАЛОГООБЛАГАЕМОЙ БАЗЫ
Рассматривается один из способов рейтинговой оценки муниципальных образований субъекта Федерации по структуре налогооблагаемой базы. При этом для получения критериальных признаков был использован компонентный анализ.
Ключевые слова: налоговые доходы, ранжирование, компонентный анализ.
E.TS. CHIMITDORZHIYEVA
lecturer of the branch of Russian State Humanitarian University,
Ulan-Ude e-mail: [email protected]
THE REPUBLIC OF BURYATIA MUNICIPAL ESTABLISHMENTS RANKING ON THE TAX BASE STRUCTURE
In this article one of the ways of municipal establishments rating assessment of a Federation subject on the tax base structure is considered. The component analysis has been used to obtain criteria features.
Keywords: tax receipts, ranking, component analysis.
В настоящее время субъекты РФ испытывают определенные трудности, связанные с сильным расслоением их муниципальных образований по величине налоговых доходов. Основными причинами, обусловливающими серьезные диспропорции в бюджетной системе, можно назвать многоканальность предоставления централизованной финансовой помощи и неравномерность размещения налоговой базы1. Данная проблема наблюдается и в Республике Бурятия. Поэтому одной из главных задач деятельности региональных органов власти является создание эффективного механизма регионального выравнивания. Один из способов ее решения — проведение трансфертной политики на основе рейтинговой оценки муниципальных образований.
Далее решим задачу ранжирования муниципальных образований Республики Бурятия.
В качестве основного инструмента будем использовать компонентный анализ, относящийся к многомерным статистическим методам. Он позволит рассчитать обобщенные значения факторов, определяющих дифференциацию районов по налоговому потенциалу. В качестве исходных данных будем использовать систему из десяти укрупненных налогов: налога на прибыль (НП), подоходного налога (НДФЛ), единого налога (ЕН), налога на добавленную стоимость (НДС), акцизов всех видов, налога на имущество всех видов (НИОФЛ), налога на природные ресурсы всех видов (НПР), земельного налога (ЗН), единого социального налога (ЕСН) и прочих налогов. Компонентный анализ, на наш взгляд, целесообразно применять на основе данных, полученных по районам за ряд лет (2005 и 2006 гг.).
© Е.Ц. Чимитдоржиева, 2009
Таблица 1
Результаты расчета факторной модели налоговых поступлений, полученной по данным за 2005 г.
№ Налог Собственные значения Процент Накопленные собственные значения Накопленный процент
1 2 3 4 5
1 НП 8,212 260 82,122 60 8,212 26 82,122 6
2 ЕН 1,229 932 12,299 32 9,442 19 94,421 9
3 НДФЛ 0,208 247 2,082 47 9,650 44 96,504 4
4 НИОФЛ 0,181 546 1,815 46 9,831 98 98,319 8
5 НДС 0,131 006 1,310 06 9,962 99 99,629 9
6 Акцизы 0,023 496 0,234 96 9,986 49 99,864 9
7 ЗН 0,006 845 0,068 45 9,993 33 99,933 3
8 НПР 0,003 705 0,037 05 9,997 04 99,970 4
9 ЕСН 0,002 212 0,022 12 9,999 25 99,992 5
10 Прочие налоги 0,000 752 0,007 52 10,000 00 100,000 0
Результаты компонентного анализа, проведенного с использованием данных за 2005 г., отражены в табл. 1. Расчеты выполнены в программном пакете <^ТАТ^-Т1СА 6.0».
На основании данных табл. 1 можно сделать вывод о том, что оптимальное количество главных компонентов, выбранных для анализа и ранжирования, будет равно двум. На это указывает число собственных значений, больших единицы, и накопленный процент, который показывает, что доля дисперсии исходных данных, описываемая двумя первыми главными компонентами, равна 94% (табл. 1, стб. 5, стр. 2). Номера главным компонентам присваиваются согласно номеру строки табл. 1.
Анализ значений факторных нагрузок в пространстве двух главных компонентов показал, что первый главный компонент коррелирует с семью переменными — налогом на прибыль, подоходным налогом, единым налогом, налогом на добавленную стоимость, акцизами всех видов, земельным налогом, единым социальным налогом. Поэтому данные налоги объединяем в одну группу. Второй коррелирует с прочими налогами и налогом на природные ресурсы. Данные налоги определяем во вторую группу. Таким образом, получаем классификацию налогов на основе компонентного анализа, проведенного для двух главных компонентов, по данным за 2005 г. (табл. 2).
Таблица 2 Значения факторных нагрузок в пространстве двух главных компонентов (после вращения), полученные по данным за 2005 г.
Налог Первый главный компонент Второй главный компонент
НП 0,824 362 0,471 677
ЕН 0,970 695 0,199 320
НДФЛ 0,964 888 0,246 051
НИОФЛ 0,613 679 0,699 369
НДС 0,954 722 0,241 863
Акцизы 0,965 366 0,204 473
ЗН 0,966 822 0,227 912
НПР 0,916 541 0,062 492
ЕСН 0,985 786 0,087 408
Прочие налоги 0,045 011 0,972 152
Результаты компонентного анализа, проведенного с использованием данных за 2006 г., отражены в табл. 3.
Данные табл. 3 позволяют сделать вывод о том, что оптимальное количество факторов должно быть равно двум, так как собственные значения, большие единицы, находятся в первой и второй строках, накопленный процент по этим же строкам составляет 90%. Проведенное исследование значений факторных нагрузок в пространстве четырех, трех и двух факторов показало сходную с предыдущим случаем ситуацию. Поэтому выбираем число главных компонентов равным двум (табл. 4).
Таблица 3
Результаты расчета факторной модели налоговых поступлений, полученной по данным за 2006 г.
№ Налог Собственные значения Процент Накопленные значения Накопленный процент
1 2 3 4 5
1 НП 6,401 831 64,018 31 6,401 83 64,018 3
2 ЕН 2,621 494 26,214 94 9,023 32 90,233 2
3 НДФЛ 0,572 852 5,728 52 9,596 18 95,961 8
4 НИОФЛ 0,214 978 2,149 78 9,811 16 98,111 6
5 НДС 0,077 584 0,775 84 9,888 74 98,887 4
6 Акцизы 0,053 612 0,536 12 9,942 35 99,423 5
7 ЗН 0,029 742 0,297 42 9,972 09 99,720 9
8 НПР 0,017 329 0,173 29 9,989 42 99,894 2
9 ЕСН 0,010 170 0,101 70 9,999 59 99,995 9
10 Прочие налоги 0,000 407 0,004 07 10,000 00 100,000 0
Таблица 4
Значения факторных нагрузок в пространстве двух главных компонентов (после вращения), полученные по данным за 2006 г.
Налог Первый главный компонент Второй главный компонент
НП 0,800 428 0,095 316
ЕН 0,976 719 0,046 440
НДФЛ 0,881 054 0,267 008
НИОФЛ 0,968 636 0,193 148
НДС 0,769 244 0,552 348
Акцизы 0,932 004 -0,280 567
ЗН 0,808 667 -0,568 217
НПР 0,123 146 0,955 083
ЕСН -0,054 833 -0,024 412
Прочие налоги 0,968 420 0,951 069
Анализ данных табл. 4 показал, что первый главный компонент коррелирует с семью налогами: налогом на прибыль, единым налогом, налогом на доходы физических лиц, налогом на имущество всех видов, налогом на добавленную стоимость, акцизами, земельным налогом. Поэтому данные налоги можно объединить в одну группу. Второй главный компонент оказывает существенное влияние на налог, начисляемый за пользование природными ресурсами, и прочие налоги. Данные налоги определяем во вторую группу. Таким образом, получаем классификацию налогов с помощью компонентного анализа по данным за 2006 г. Приходим к выводу, что классификации налогов, составленные по данным табл. 2 и табл. 4, сущес-
твенно не отличаются. Это говорит о том, что в течение рассматриваемого периода (с
2005 по 2006 г.) экономика районов не претерпела значительных изменений. Первый главный компонент будем интерпретировать как размер предприятий, а второй — как природный потенциал. По второму главному компоненту поясним, что в классификации
2006 г., составленной по данным табл. 4, прочие налоги и налог на природные ресурсы оказались в одной группе. Причем прочие налоги содержат сборы, которые косвенно или напрямую зависят от природных условий, например курортный сбор.
Далее проведем ранжирование районов по двум показателям, которые мы определили в результате классификации 2006 г. (размер предприятий, природный потенциал). Наименьший номер (ранг) будем присваивать району с наибольшим значением показателя. Проследим изменение рангов на протяжении трех лет — с 2004 по 2006 г. (табл. 5).
Таблица 5
Ранжирование муниципальных образований Республики Бурятия по двум показателям
№ Район (город) Размер предприятий Природный потенциал
2004 2005 2006 2004 2005 2006
1 Баргузинский 10 11 8 12 8 7
2 Баунтовский 22 6 12 11 7 9
3 Бичурский 16 15 17 17 15 14
4 Еравнинский 15 14 14 20 13 12
5 Заиграевский 6 10 7 9 9 4
6 Джидинский 9 17 13 19 22 17
Окончание табл. 5
№ Район (город) Размер предприятий Природный потенциал
2004 2005 2006 2004 2005 2006
7 г. Северо-байкальск 1 1 1 3 18 8
8 Иволгинский 14 19 18 16 17 15
9 Кабанский 4 5 2 7 4 3
10 Кижингинский 18 22 20 18 20 19
11 Курумканс- кий 17 3 16 15 12 21
12 Кяхтинский 7 9 9 10 6 11
13 Мухорши- бирский 8 7 19 4 5 6
14 Муйский 2 2 3 2 2 5
15 Окинский 13 4 5 8 3 1
16 Прибайкаль- ский 11 12 11 5 1 16
17 Селенгинский 3 8 6 1 10 10
18 Тарбагатай- ский 21 18 22 22 19 18
19 Тункинский 12 16 10 21 21 22
20 Хоринский 20 20 15 13 16 13
21 Закаменский 19 21 21 14 14 20
22 Северобай- кальский 5 3 4 6 11 2
На основании проведенного исследования можно сделать вывод о том, что распределение районов и г. Северобайкальска по первому показателю происходило достаточно стабильно, т.е. рейтинговые оценки (ранги) у большинства районов на протяжении 2004-2006 гг. значительно не менялись (разница между максимальным и минимальным рангом составляла не более 4 пунктов). Лидирующие позиции у промышленно развитых муниципальных образований — г. Северо-
байкальска, Северобайкальского, Муйского, Селенгинского, Кабанского районов. Поэтому будем данные муниципальные образования относить к территориям с высоким налоговым потенциалом. Остальные районы имеют сельскохозяйственную направленность, в связи с чем демонстрируют отставание. Эти территории будут обладать низким налоговым потенциалом.
По второму фактору наблюдается неустойчивое распределение районов, так как у половины районов разница между максимальным и минимальным рангом составляла более 4 пунктов. Но при этом можно выделить лидеров. Ими оказались Муйский, Мухоршибирский, Окинский районы.
Таким образом, ранжирование муниципальных образований на основе компонентного анализа, проводимого с использованием данных за определенное время, позволяет не только выявить районы с высоким или низким налоговым потенциалом, но и проследить, насколько в них стабильна экономическая ситуация. Кроме этого, применение компонентного анализа на различных временных промежутках позволяет увидеть, как меняется причинно-следственная связь главных компонентов и переменных, а также выявить наиболее устойчивые компоненты. Проведенное исследование имеет практическую значимость и может быть использовано для осуществления трансфертной политики в регионе.
Примечание
1 Бюджетная политика и межбюджетные отношения в субъектах РФ. М., 2007. С. 159.
Bibliography
Budget policy and interbudget relations in the RF subjects. M., 2007.
