Сетевое издание
Международный студенческий научный вестник
ISSN 2409-529X

ВЛИЯНИЕ НАЛОГОВЫХ ПЛАТЕЖЕЙ ЭКОНОМИЧЕСКИ АКТИВНОГО НАСЕЛЕНИЯ Г.О. ЖУКОВСКИЙ НА ДОХОДНУЮ ЧАСТЬ БЮДЖЕТА

Сызоненко И.С. 1
1 Финансовый университет при Правительстве РФ
Прогнозирование налоговых поступлений является одним из элементов налогового менеджмента как системы управления социально-экономическим развитием страны и ее регионов и ориентировано на максимально возможный уровень взимания налогов и сборов. Показателем, характеризующим данную величину, служит налоговый потенциал. Под налоговым потенциалом в мировой практике обычно понимают «потенциальный бюджетный доход на душу населения, который может быть получен органами власти за финансовый год, при применении единых на всей территории страны условий налогообложения. Моделирование налогового потенциала и налоговых поступлений в бюджеты разных уровней может осуществляться разными методами, в том числе с использованием регрессионных моделей, которые позволяют учесть влияние одного или нескольких признаков-факторов, представленных, например, показателями комплексного социально-экономического развития территории.
налоги
эконометрическая модель
бюджет
доходы населения
1. Учебное пособие «Эконометрика», Бывшев В.А. - Финансы и статистика, М., 2008;
2. Международный журнал «Молодой ученый», Рыскаль Н. В. Эконометрическое моделирование влияния социально-экономических факторов на объем налоговых поступлений в бюджет РФ. — 2015. — №22. — С. 475-478
3. Федеральная служба государственной статистики, [Электронный ресурс]. – Режим доступа: http://www.gks.ru/;
4. Федеральная налоговая служба, [Электронный ресурс]. – Режим доступа: https://www.nalog.ru/rn50/

Проблема налогов как главного источника доходной части бюджета любой страны всегда была актуальной и вызывала широкие дискуссии в научных кругах. Переход к рыночной экономике, социально-экономические преобразования в РФ в последние десятилетия повысили интерес к данной проблеме. Моделирование налогового потенциала и налоговых поступлений в бюджеты разных уровней может осуществляться разными методами, в том числе с использованием регрессионных моделей, которые позволяют учесть влияние одного или нескольких признаков-факторов, представленных, например, показателями комплексного социально-экономического развития территории. В своей работе я хотела бы более детально рассмотреть местный бюджет городского округа Жуковский. Согласно проведенного мною исследования социально-экономического развития города Жуковский одним из основных приоритетных направлений 2017 года является сохранение стабильности в экономике и социальной сфере г.о. Жуковский, обеспечение дальнейшего устойчивого развития и социально-экономического благополучия населения г.о. Жуковский за счёт увеличение налогового потенциала города [3]. Основными направлениями проводимой бюджетной политики на 2017-2019 годы являются, в части реализации налоговой политики - продолжение работы по увеличению потенциала по местным налогам городского округа Жуковский, увеличение налоговой базы по подоходному налогу, продолжение работы по сокращению недоимок в бюджет по налогам и сборам, освоение присоединенных территорий. На особом контроле Администрации городского округа находятся вопросы стабильности финансового положения муниципальных учреждений и вопросы недопущения задолженности по заработной плате.

Таким образом, перейдём к модели прогнозирования развития бюджета г.о. Жуковский в зависимости от налоговых платежей экономически активного населения, для того чтобы спланировать бюджет в будущем. Для этого мы рассматриваем эконометрическую модель парной регрессии на основе линейной функции :

- составив спецификацию модели:

- проведя сбор необходимой статистической информации. Для того чтобы найти необходимую мне информацию, я рассмотрела «Отчёт о налоговой базе и структуре начислений по местным бюджетам с 2011 по 2016 годы г.о. Жуковский»[4]. Далее я проанализировала полученную статистику и сгруппировала, в итоге получила налоговые расходы в процентах в зависимости от среднедушевых доходов экономически-активного населения. Следовательно, выборка стала равная 72, из которых обучающая выборка составила 69, а контролирующая выборка – 3 элемента [1].

- оценив параметры:

1) с помощью МНК или же применив функцию ЛИНЕЙН в Excel.

Рисунок 1. Применение функции ЛИНЕЙН в Excel

n=1

0,0002001

2,103060518

n=2

2,327E-05

0,976557277

n=3

0,5137582

1,212630364

n=4

73,961295

70

n=5

108,75804

102,933068

 

Таким образом, получили оцененный вид модели:

2) оценив качество спецификации при помощи F- теста и показателя R2

В данной модели R2 = 0,5138 => получили среднюю объясняющую способность, значит регрессоры в рамках данной модели не всегда способны объяснить значения эндогенной переменной. Fкр = 3,98 (находится при помощи функции F.ОБР.ПХ Excel при количествах степеней свободы: ν1 = k =1, ν2 = n – (k+1) = 70) – распределение Фишера.

F > Fкр => модель качественная, спецификация составлена верно.

3) построив диаграмму рассеивания

Рисунок 3. Диаграмма рассеяния и линия тренда

Благодаря линии тренда мы и получаем возможность ответить на вопрос о том, есть ли связь между среднедушевыми доходами населения г.о. Жуковский в рублях и налоговыми платежами населения г.о. Жуковский в % от среднедушевых доходов.

Таким образом, согласно графической интерпретации, можно сделать вывод о том, что все точки на графике сконцентрировались веретенообразно поблизости от линии тренда, следовательно, корреляция есть, а значит имеется связь между показателями.

- проверив адекватность модели:

1) за счёт тестирования предпосылок теоремы Гаусса-Маркова о гомоскедастичности случайного остатка в модели. и , что даёт возможность более точно прогнозировать уровень налоговых платежей экономически-активного населения г.о. Жуковский, а значит, можно будет узнать на сколько сможет увеличиться местный бюджет муниципального образования. Тест Дарбина-Уотсона показывает, что значение DW попадает в интервал M3 => значит получили адекватное условие, т.е. предпосылка адекватна, остатки не коррелируют.

Рисунок 5. Интервал попадания величины DW

Следовательно, можно предположить, что спецификация модели составлено верно.

2) за счёт проверки значимости регрессоров и T-критерия.

, значит регрессор значимый;

, значит регрессор значимый

Следовательно, оба регрессора модели значимы, и экзогенные переменные справедливо включены в эконометрическую модель.

3) за счёт интервального прогнозирования для трёх последних месяцев 2016 года.

Таблица 1. Контролирующая выборка модели за 2016 год

октябрь

50214,3

9,6

ноябрь

52147,4

11,5

декабрь

53520,3

13,7

 

Таким образом, метод интервального прогнозирования показал, что данная модель позволяет получить адекватные значения с 95-% вероятностью. То есть можно сказать об увеличение доходов экономически-активного населения г.о. Жуковский, а значит и росте налоговых поступлений в бюджет муниципального образования.

Согласно проведенного мною исследования социально-экономического развития города Жуковский одним из основных приоритетных направлений 2017 года является сохранение стабильности в экономике и социальной сфере г.о. Жуковский, обеспечение дальнейшего устойчивого развития и социально-экономического благополучия населения г.о. Жуковский за счёт увеличение налогового потенциала города, что является оправданным, так как данная эконометрическая модель имеет место на существование, в связи с тем, что она является абсолютно адекватной по всем, рассмотренным мною критериям и тестам [2].

Таким образом, можно сделать вывод о росте среднедушевых доходов в последние 3 месяца 2016 года, что положительно скажется на состоянии доходной части бюджета г.о. Жуковский.


Библиографическая ссылка

Сызоненко И.С. ВЛИЯНИЕ НАЛОГОВЫХ ПЛАТЕЖЕЙ ЭКОНОМИЧЕСКИ АКТИВНОГО НАСЕЛЕНИЯ Г.О. ЖУКОВСКИЙ НА ДОХОДНУЮ ЧАСТЬ БЮДЖЕТА // Международный студенческий научный вестник. – 2017. – № 5. ;
URL: https://eduherald.ru/ru/article/view?id=17690 (дата обращения: 28.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674