Книги по разным темам Pages:     | 1 |   ...   | 14 | 15 | 16 | 17 | 18 |   ...   | 22 |

По результатам оценки, объясняющие свойствамодели возросли. Теперь модель объясняет более 95% дисперсии налоговыхобязательств. Более того, исчезли значимые выбросы – плохо объясняемые значенияналоговых обязательств. Таким образом, по всей видимости, налоговыеобязательства по акцизам и ресурсным платежам следует моделироватьотдельно.

В соответствии с полученной формой(нелинейной) зависимости, доля налоговых обязательств в ВРП растет с ростомсамого продукта. Это может быть вызвано различиями структур налоговых баз в ВРПразного уровня и различиями структуры отраслей в регионах. Так, например, доляприбыли промышленных предприятий в ВРП может быть выше, чем в сельскомхозяйстве. В таком случае доля налогов в ВРП предприятий промышленностиокажется выше, чем в сельском хозяйстве за счет более высокой налоговой ставкиприбыли по сравнению с заработной платой. Следующий вариант модели для оценкиналогового потенциала будет основан на разбиении валовой добавленной стоимостипо отраслям. Это еще один из способов дезагрегации данных. Поскольку данных офактических базах налогов у нас нет, учесть их различия по регионам в какой-томере можно в отраслевом разрезе. Данный шаг является вполне оправданным, еслисуществуют значимые различия налоговых баз по отраслям.

Оценка налогового потенциала с учетом
отраслевой структурыВРП

Итак, построим линейную модель, учитываяструктуру ВРП:

, (13)

где

— валовой региональный продуктпромышленности;

— валовой региональный продуктстроительства;

— валовой региональный продуктрыночных услуг.

Результаты оценки модели приведены втаблице 14, диаграмма фактических и предсказанных значений приводится нарисунке 14.

Таблица 14

Результаты оценки коэффициентов
модели (13) для 1997агода

Как видно из результатов оценки, константаполучилась незначимой. Поэтому ее можно удалить из модели. Оценки коэффициентовв данном случае меняются незначительно (см. таблицу 15).

Таблица 15

Результаты оценки коэффициентов
модели (12) без константы, 1997аг.

Рисунок 14

Диаграмма рассеяния фактических ипредсказанных значений налоговых обязательств модели (13), 1997аг.

Необъясненный процент дисперсии приопределенных допущениях (правильный выбор модели и наличие всех существенныхпеременных) можно считать различием налоговых усилий властей, а отклонение оттеоретического значения налоговых обязательств будет означать более высокие,либо более низкие налоговые усилия.

Фискальные усилия властей можно разбить надве составляющие: усилия по сбору начисленных налогов и налоговое бремя врегионе (в пределах дифференциации местных налоговых ставок и льгот). Налоговыеусилия по сбору начисленных налогов характеризуются размерами недоимки. В нашемслучае, налоговые обязательства учитывают объем недоимки, поэтому ошибка врегрессии может трактоваться как различия налогового бремени. Налоговое бремяхарактеризуется величиной налоговых ставок, которые могут варьировать впределах полномочий региональных и местных властей. На фискальные усилия влияети наличие всевозможных налоговых льгот и освобождений. Чем больше в регионельгот по налогообложению и чем меньше местные налоги, тем меньше данный регионприлагает фискальных усилий. Практически такой регион обладает большимналоговым потенциалом, чем собирает налогов. Его фискальные усилия ниже среднихпо России, если фактические налоговые обязательства ниже теоретических,найденных из модели.

Надо также отметить, что полученная оценканалогового потенциала не рассчитывалась отдельно для автономных образований.Связано это с тем, что валовой региональный продукт для них не рассчитываетсяГоскомстатом отдельно. Но мы получили агрегированную оценку налоговыхобязательств для территориальных образований совместно с автономными округами.Так, например, для Тюменской области получена оценка налогового потенциаласовместно с Ямало-Ненецким и Таймырским автономными округами. Чтобы получитьналоговые обязательства каждого из этих регионов в отдельности, можно разделитьполученный налоговый потенциал в соответствии с фактическими долями налоговыхпоступлений этих регионов. Ошибка в данном случае будет одинаковой дляназванных регионов в относительном выражении. Фактически эта процедура отвечаетраспределению валового регионального продукта в соответствии с найденныминалоговыми обязательствами из модели. Действительно, если модель верна, тофактический ВРП можно распределить согласно налоговым поступлениям. Недостатокданного распределения только один. Он состоит в том, что налоговые усилия(ошибка) в данных регионах (автономных округах и вышестоящей территории) будутравны. Существует и достоинство данного метода, состоящее в учете спецификимежбюджетных распределений вышестоящих территорий и автономныхобразований.

Таблица 16

Результаты оценки модели (13) сраспределением
ВРП автономных округовпропорционально
объемам производствотраслей

Рисунок 15

Диаграмма рассеяния фактических ипредсказанных значений налоговых обязательств территориального бюджета сдооценкой ВРП автономных округов

Альтернативным методом дооценки региональногопродукта по округам может быть его распределение в соответствии с объемамипроизводств соответствующих отраслей регионов. Распределим ВРП промышленности всоответствии с объемами промышленного производства, ВРП строительства– в соответствии сдолей объемов подрядных услуг строительства, иат.д. Оценки коэффициентов модели(13), полученные на разделенных данных ВРП, приведены в таблице 16,соответствующая диаграмма рассеяния представлена на рисунке 15.

Как видно из результатов оценки, объясняющиесвойства модели снизились. Основные выбросы наблюдаются по автономнымокругам, по которым производилась дооценка отраслевых региональных продуктов.По всей видимости, распределение ВРП отраслей таким образом не оправдываетсебя.

Из таблиц 14-16аможно заметить, что междуобъясняющими переменными наблюдается высокая мультиколлинеарность(VIF-статистика >>1). Это не позволяет интерпретировать полученныекоэффициенты как уровень налоговой нагрузки отраслей. Для того чтобы избежатьэтого оценим налоговые обязательства для каждой отрасли отдельно, включаясельское хозяйство. Однако теперь мы не будемвыделять из налоговых обязательств акцизы и рентные платежи, как мы это делалиранее, из-за отсутствияданной статистики по отраслям. Итак, оценим налоговые обязательства для каждой отрасли отдельно:

, (14)

, (15)

, (16)

, (17)

где

— налоговые обязательства втерриториальный бюджет предприятий промышленности;

— налоговые обязательства втерриториальный бюджет предприятий сельского хозяйства;

— налоговые обязательства втерриториальный бюджет предприятий строительной отрасли;

— налоговые обязательства втерриториальный бюджет предприятий поставщиков рыночных услуг;

— валовой региональный продуктпромышленности;

— валовой региональный продуктсельского хозяйства;

— валовой региональный продуктстроительства;

— валовой региональный продуктрыночных услуг.

Общие налоговые обязательства втерриториальный бюджет будут определяться суммой налоговых обязательствотраслей:

, (18)

или

(19)

Результаты оценок коэффициентов моделейвзвешенным методом наименьших квадратов приводится в таблицах 17-20, диаграммырассеяния фактических и предсказанных значений приведены на рисунках15-18.

Таблица 17

Результаты оценки модели (14),1997аг.

Рисунок 16

Диаграмма рассеяния фактических ипредсказанных значений налоговых обязательств модели (14), 1997аг.

Таблица 18

Результаты оценки модели (15),1997аг.

Рисунок 17

Диаграмма рассеяния фактических ипредсказанных
значений налоговых обязательствмодели (15), 1997аг.

Таблица 19

Результаты оценки модели (16),1997аг.

Рисунок 18

Диаграмма рассеяния фактических ипредсказанных значений налоговых обязательств модели (16), 1997аг.

Таблица 20

Результаты оценки модели (17),1997аг.

Рисунок 19

Диаграмма рассеяния фактических ипредсказанных значений налоговых обязательств модели (17), 1997аг.

Рисунок 20

Диаграмма рассеяния фактических ипредсказанных
значений налоговых обязательств
(суммарных по всем отраслям), модель (19),1997аг.

Диаграмма рассеяния фактических ипредсказанных суммарных налоговых обязательств, определяемых как сумманалоговых обязательств в территориальные бюджеты по отраслям, приведена нарисунке 20.

По результатам расчетов, налоговая нагрузкав разных отраслях различна. Наименьшей налоговой нагрузкой в ВПР обладаетсельское хозяйство (2,7%), наибольшей – промышленность (22,7%). Доляналоговых изъятий в ВРП строительства и рыночных услуг составляютсоответственно 12,3% и 15,4%.

Итак, мы получили несколько вариантов оценкиналогового потенциала регионов. На наш взгляд, наиболее простым и понятным (чтонемаловажно при его использовании) вариантом оценки налогового потенциаласубъектов Федерации является оценка, построенная на основе добавленнойстоимости основных отраслей. К тому же этот метод обладает хорошимистатистическими свойствами и хорошо интерпретируется. Чтобы перейти теперь кдоходному потенциалу необходимо сложить оценки всех доходный бюджетных статейрегионов (за исключением безвозмездных перечислений). В отличие от налоговыхсборов, неналоговые доходы регионов сложнее моделировать, поэтому на данномэтапе работы будем использовать фактические неналоговые доходы (их долю)регионов в качестве оценки. В приложении приводятся таблица расчета налоговогопотенциала регионов в соответствии с моделями (14) — (19) и контрольные значенияошибки.

Приложение 1.
Оценки налоговогопотенциала регионов

Регион	ВРПпромышленности	Доля налоговых изъятийв промышленности, %	Налоговыеобязательства промышленности	ВРП сельскогохозяйства	Доля налоговых изъятий в сельском хозяйстве,%	Налоговыеобязательства сельского хозяйства
Северныйрайон
1.РеспубликаКарелия	3 040 720,7	22,7%	690 243,6	465 582,5	2,7%	12 570,7
2. РеспубликаКоми	8 767 579,1	22,7%	1 990 240,5	747 796,9	2,7%	20 190,5
3. Архангельскаяобласть	4 795 721,5	22,7%	1 088 628,8	1 211 740,3	2,7%	32 717,0
4. Ненецкий авт.округ	1 071 845,0	22,7%	243 308,8	18 879,9	2,7%	509,8
5. Вологодскаяобласть	9 779 300,5	22,7%	2 219 901,2	1 822 981,4	2,7%	49 220,5
6. Мурманскаяобласть	7 806 083,9	22,7%	1 771 981,0	203 545,5	2,7%	5 495,7
Северо-Западныйрайон
7. г.Санкт-Петербург	16 324 977,6	22,7%	3 705 769,9	0,0	2,7%	0,0
8. Ленинградскаяобласть	6 881 177,9	22,7%	1 562 027,4	2 886 144,7	2,7%	77 925,9
9. Новгородскаяобласть	2 853 097,6	22,7%	647 653,2	786 328,4	2,7%	21 230,9
10. Псковскаяобласть	1 553 865,5	22,7%	352 727,5 Pages:     | 1 |   ...   | 14 | 15 | 16 | 17 | 18 |   ...   | 22 |    Книги по разным темам