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.