CC BY
111
ISSN 2311-8709 (Online) Бюджетно-налоговая система
ISSN 2071-4688 (Print)
ФАКТОРНОЕ МОДЕЛИРОВАНИЕ ПОСТУПЛЕНИЙ НАЛОГА НА ПРИБЫЛЬ В РЕГИОНАЛЬНЫЙ БЮДЖЕТ
Надежда Игоревна ЯШИНА3, Сергей Алексеевич МАЛЫШЕВЬ, Луиза Александровна ЧЕСНОКОВА^
а доктор экономических наук, профессор, заведующая кафедрой финансов и кредита Института экономики и предпринимательства, Нижегородский государственный университет им. Н.И. Лобачевского, Нижний Новгород, Российская Федерация sitnicof@mail.ru
ь кандидат экономических наук, доцент кафедры финансов и кредита Института экономики и предпринимательства, Нижегородский государственный университет им. Н.И. Лобачевского, Нижний Новгород, Российская Федерация malishev@unn.mail.ru
с аспирантка, ассистент кафедры финансов и кредита Института экономики и предпринимательства, Нижегородский государственный университет им. Н.И. Лобачевского, Нижний Новгород, Российская Федерация, chesnokova-1985@list.ru
• Ответственный автор
История статьи:
Принята 24.05.2016 Принята в доработанном виде 09.08.2016 Одобрена 09.11.2016
УДК 336.221.262 JEL: Н21, Н25, Н61, Н77
Ключевые слова: налог на прибыль, регрессионная модель, признак-фактор, региональный бюджет
Аннотация
Предмет. Поступления налога на прибыль в региональный бюджет. Анализируется возможность использования факторных моделей для прогнозирования налоговых поступлений.
Цели. Связать социально-экономические показатели территориальных единиц с объемом поступлений налога, приходящихся на конкретный субъект. Для реализации данной цели необходимо выделить существенные признак-факторы, определяющие поступления налога на прибыль в региональный бюджет, и установить их математическую зависимость с результирующим показателем (налогом).
Методология. Выбраны значимые факторы, построены математические однофакторные и двухфакторные модели поступления налога на прибыль в зависимости от количественных элементов самого налога. Для наглядности проводимого исследования выбран субъект РФ - Нижегородская область. На основе анализа данных Федеральной налоговой службы РФ и Федеральной службы государственной статистики РФ за 2015 г. были построены регрессионные модели. Результаты. Разработаны однофакторные модели связи результирующего показателя (налога на прибыль, поступающего в региональный бюджет) с признак-факторами и выделены два значимых признак-фактора, которые предлагают использовать в двухфакторной модели, отражающей значимое влияние показателей на формирование налоговых отчислений по налогу на прибыль в региональный бюджет.
Область применения результатов. Полученные в исследовании результаты могут быть использованы для краткосрочного прогнозирования бюджетных доходов. Выводы. Для оценки достоверности и значимости построенных моделей использованы математические и статистические методы. Все модели признаны значимыми. В исследовании установлена математическая связь (в виде регрессионных моделей) между поступлениями налога на прибыль и определяющими их факторами.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2016
Введение
С учетом официальной статистики, приводимой Федеральной налоговой службой РФ и Федеральной службой государственной
статистики, по итогам 2015 г. 85% всех территориальных бюджетов имеют дотационную направленность; размер собственных доходов при этом составляет в среднем не более 63% по региональным
бюджетам и 42% по муниципальным бюджетам. В связи с этим особую роль приобретает вопрос реформирования существующих подходов к формированию доходной части бюджетов РФ [1]. Исторически основную долю доходов бюджетам всех уровней обеспечивают налоговые поступления, поэтому авторы исследования выбрали налоги как объект для изучения [2].
Закрепление части отчислений от общих и фискально значимых налогов, таких как НДС и налог на прибыль организаций, на постоянной основе за региональными и местными бюджетами [3, 4] путем разделения ставок или нормативов отчислений будет способствовать усилению заинтересованности органов местного самоуправления в собираемости налогов, наращивании собственных доходов; повышению самостоятельности бюджетов и ответственности этих органов за бюджетную обеспеченность. Это позволит нижестоящим органам власти своевременно утверждать бюджет на очередной финансовый год, вести стратегическое бюджетное планирование.
Материалы и методы исследования
В научной литературе проблема распределения налогов по уровням бюджетной системы и моделирования налоговых поступлений активно обсуждается учеными начиная с 50-х годов прошлого века: C. Boren [5], W. Dexter [6], A. Dixit, J. Londregan [7]. С учетом особенностей государственного устройства распределение налогов волнует в первую очередь федеративные государства, такие как Германия, США, Япония, Швейцария, Аргентина, в том числе Россия [8]. Так, еще в начале 80-х гг. ХХ в., W. Dexter [6] предложил разработать механизм обоснованного распределения налогов по уровням бюджетной системы, а также механизм моделирования налоговых поступлений в целях повышения актуальности и достоверности бюджетного планирования.
На данный момент существует большое количество научных работ, рассматривающих возможности прогнозирования и моделирования налоговых поступлений [1, 7,
9-11, 13]. Например, Ф.М. Абазова, И.Х. Кочесокова, Д.И. Сиргажина при моделировании налоговых доходов учитывают особенности налогового потенциала региона; A. Dixit рассматривает прогнозирование налогов как основу бюджетной обеспеченности; А.П. Макаров изучает влияние прогнозирования на состояние консолидированного бюджета. А.В. Скляр, А.Н. Цацулин, В.П. Зайков и М.С. Кожевников предлагают использование факторных моделей при моделировании налоговых доходов и показывают их результативность. В первую очередь авторы затрагивают вопрос бюджетообразующих налогов, в качестве которых выступает и налог на прибыль в РФ [10, 11, 13]. Согласно данным официальной статистики, представленной Федеральной налоговой службой РФ, налог на прибыль дает ежегодно в среднем 30% поступлений в консолидированные бюджеты субъектов РФ и около 10% в федеральный бюджет РФ.
В связи с изложенным данное исследование будет направлено на моделирование поступлений от налога на прибыль организаций.
Цель исследования - моделирование доходов регионального бюджета в виде налога на прибыль с использованием методов статистического анализа.
В качестве одного из таких методов авторы предлагают рассмотреть регрессионный анализ, позволяющий учесть влияние одного или нескольких факторов-признаков на случайную величину, как, например, предлагали и апробировали в своих работах Ю.А. Дадашева, А.В. Скляр, А.Н. Цацулин [12, 13]. Случайная величина y имеет нормальный закон распределения с условным ожиданием и с постоянной независящей от аргумента y = fx) дисперсией x.
Как правило, множественная линейная факторная модель регрессионного анализа имеет вид1:
y=а 0 +а J x J + ... +anx in+s,
1 Непомнящая Н.В., Григорьева Е.Г. Статистика: общая теория статистики, экономическая статистика: учеб. Красноярск: СФУ, 2015. 376 с.
где a - параметры регрессионной модели;
Xi - фактор, влияющий на величину налоговых поступлений (налог на прибыль);
8 - случайные ошибки наблюдения, имеющие нулевую зависимость и дисперсию.
В целях данного исследования подобная модель построена в отношении налога на прибыль (Т), для чего отобраны некоторые показатели.
Х\ - количество предприятий -налогоплательщиков /-го региона, в том числе обособленных подразделений, уплачивающих налог по местоположению головного подразделения. Чем больше количество налогоплательщиков, тем потенциально выше объем налоговых поступлений по налогу на прибыль, поэтому данный показатель может быть учтен при составлении регрессионной модели.
Х2 - уровень инфляции, который воздействует на объем реальных поступлений налога на прибыль двумя путями.
Во-первых, происходит обесценение вычитаемых из налогооблагаемой базы затрат предприятий на приобретение используемых в производстве материальных ресурсов и основных средств за период времени между их покупкой и моментом, в который фиксируется прибыль от реализации готовой продукции вследствие чего должны увеличиваться поступления.
Во-вторых, имеет место обесценение налоговых поступлений из-за существования лага между возникновением налоговых обязательств плательщика (осуществлением хозяйственных операций) и поступлением налога в бюджет, происходит обесценение дебиторской задолженности - эти причины вызывают отрицательную зависимость от темпов инфляции [14-16]. Интегральный эффект от воздействия инфляции зависит от того, какой эффект будет проявляться в большей степени.
Хз - сальдированный финансовый результат, непосредственно определяющий налоговую базу по налогу.
Х4 - объем инвестиционных вложений /-го региона в целях расширения масштабов деятельности и, соответственно, размеров налоговых отчислений, а также увеличения дивидендных доходов учредителей.
Х5 - реальный ВВП. Проблема моделирования налоговых поступлений в значительной степени может быть сведена к моделированию динамики базы налогообложения в зависимости от различных макро- и микроэкономических параметров [14]. Наиболее важным, на наш взгляд, является оценка воздействия экономической активности на налоговые поступления, то есть рассмотрение показателей, непосредственно влияющих на базу налогообложения, и, соответственно, на уровень поступлений (рис. 3).
Хб - дебиторская задолженность, рост которой приводит к уменьшению уплачиваемых в бюджет сумм налога на прибыль. То есть фактически налог на прибыль с нее будет удерживаться в том периоде, в котором она будет погашена, в первую очередь при использовании кассового метода. Кроме того, от размеров взаимной задолженности предприятий существенно зависит общая величина неплатежей предприятий бюджету.
Это объясняется тем, что неплатежеспособность предприятий непосредственным образом сказывается на платежеспособности их кредиторов и взаимоотношениях последних с бюджетом. Так же показатель неплатежей предприятий является косвенным индикатором масштабов бартерных операций в народном хозяйстве, которые сопровождаются искажением ценовых пропорций и используются для уклонения от налогообложения [13].
Х7 - среднегодовое число налогоплательщиков /-го региона, применяющих специальные налоговые режимы и, соответственно, освобожденных от уплаты налога на прибыль.
Х§ - удельный вес /-го региона в общероссийском выпуске товаров, проведении работ и оказании услуг. Данный показатель отражает масштабность налоговой базы по налогу на прибыль [13].
Х9 - удельный вес /-го региона по размеру валовой прибыли как непосредственному источнику для расчета налога на прибыль.
Х10 - кредиторская задолженность, влияющая на размер налоговой базы и соответственно уменьшающая отчисления налога в бюджет.
Для статистической проверки высказанных гипотез непосредственно показатели накопленных задолженностей использовать нельзя, поскольку ряды этих показателей являются нестационарными, поэтому при оценке уравнений мы будем учитывать реальные приросты задолженностей.
В качестве результативного показателя У определим объем поступлений налога на прибыль в региональный бюджет за 2015 г. для Нижегородской области, для этого используем данные форм налоговой отчетности, представленные на сайте ФНС России, и данные статистических сборников Росстата.
Применение большого количества показателей затрудняет экономико-статистическую интерпретацию результатов исследования, поэтому стоит оптимизировать массив данных по количеству исследуемых индикаторов.
Целесообразно включать в модель только те факторы, у которых коэффициент корреляции с результативным показателем имеет наиболее высокое значение или связь которых содержательно безупречна [17].
Также для оптимизации факторов может быть использован метод главных компонент, который предназначен для устранения коррелированности между исходными признаками, то есть для снижения размерности исходного признакового пространства.
Главные компоненты в этом случае -ортогональная система координат, в которой дисперсия характеризует статистические свойства. Цель метода - выявить линейную комбинацию величин, имеющих максимальную дисперсию [18].
В результате исследования, проведенного двумя обозначенными методами, представлена значимость признак-фактора (табл. 1).
Исходя из данных согласно методу парной корреляции стоит выделить показатели, с коэффициентами детерминации, превышающими 50%. Учитывая критерий Кайзера по данным выделения главных компонент, стоит отобрать только факторы с собственными значениями большими 1. По существу, это означает, что если фактор не выделяет дисперсию, эквивалентную по крайней мере дисперсии одной переменной, то он опускается [13].
Наиболее высокая теснота связи с объемом поступлений налога на прибыль характерная для признак-факторов Х1, Хз, Х7, Х>.
Таким образом, для дальнейшего исследования выбраны четыре фактора, которые оказывают наибольшее влияние на результативный показатель:
Х1 - к о л и ч е с т в о п р е д п р и я т и й -налогоплательщиков /-го региона;
Хз - сальдированный финансовый результат;
Х7 - среднегодовое число налогоплательщиков /-го региона, применяющих специальные налоговые режимы;
Х9 - удельный вес /-го региона по размеру валовой прибыли.
Также, как видно из табл. 1, такие факторы, как Х2 (уровень инфляции), Х4 (объем инвестиционных вложений /-го региона), Х5 (реальный ВВП), Хб (дебиторская задолженность), Х8 (удельный вес /-го региона в общероссийском выпуске товаров, оказании работ и услуг), Х10 (кредиторская задолженность), не оказывают влияния на результирующий показатель.
Фактор «инфляция» имеет противоречивое значение, способное положительно и отрицательно влиять на объем налоговых поступлений и его интегральное значение существенно не оказывает влияния на объем поступления налога на прибыль [17]. Данный показатель устраняется в том числе и ввиду того, что большинство предприятий применяют метод начисления, определяющий необходимость признания доходов и расходов
в том периоде, в котором они были получены не зависимо от поступления денег и соответственно от инфляционных колебаний. Факторы «дебиторская задолженность», «кредиторская задолженность» не учитываются при построении факторной модели также в связи с необходимостью ведения налогового учета методом начисления.
Фактор «объем инвестиционных вложений» автоматически исключается из среднегодового оборота организации и существенно не влияет на результат, аналогично показателю «налогоплательщики, применяющие специальные налоговые режимы».
Уровень реального ВВП - это больше результирующий фактор, на который оказывает влияние налоговая база по налогу на прибыль, а не наоборот.
Логика перечисленного свидетельствует о теоретически правильно отобранных факторах регрессионной модели [13].
Результаты
Выделенные признак-факторы (Х1 -количество предприятий; Х3 - сальдированный финансовый результат; Х7 - среднегодовое число налогоплательщиков /-го региона, применяющих специальные налоговые режимы; Х9 - удельный вес /-го региона по размеру валовой прибыли) использованы авторами исследования для дальнейшего многофакторного моделирования.
Рассмотренные признак-факторы имеют высокую тесную взаимосвязь, поэтому для анализа можно использовать регрессионные модели зависимости результата от одного признка-фактора (однофакторные модели)
[19].
Методом простой регрессии строятся регрессионные уравнения по выделенным признак-факторам в отношении результативного показателя [20] - поступлений налога на прибыль.
Представлены (табл. 2) сводные характеристики однофакторных моделей
относительно сравнительного качества каждой из них, определенного согласно:
1) оценке по ¿-критерию Стьюдента (¿-статистика);
2) Р-критерию Фишера (Р-критерий);
3) коэффициенту детерминации, показывающему, сколько процентов вариации результативного признака можно охарактеризовать с помощью данной модели ( d1 ).
По табл. 2 видно, что полученные значения параметров простых регрессий во всех случаях значимы, поскольку их фактические величины существенно превышают табличные значения. Согласно модели Фишера все уравнения-модели достаточно качественно описывают процесс формирования поступлений налога на прибыль в региональный бюджет [20]. С точки зрения оценки коэффициента детерминации для целей краткосрочного эконометрического прогнозирования наибольший интерес среди однофакторных моделей регрессии представляют уравнения, сформированные по количеству налогоплательщиков и сальдированному финансовому результату. Данные однофакторные модели формализуют 85,2% и 86,5% всей вариации поступлений налога на прибыль по Нижегородской области за 2015 г. Эти факторы (Хь Х3) можно рассматривать в качестве базовых индикаторов налоговых поступлений от налога в региональный бюджет.
Суть данных моделей заключается в следующем, например:
1) по первому уравнению регрессии -увеличение числа зарегистрированных налогоплательщиков на 1 000 ед. спровоцирует рост поступлений налога в бюджет на 1 232 млн руб.;
2) по второму уравнению регрессии с увеличением показателя сальдированного финансового результата на 1 млн руб. доходы бюджета Нижегородской области в рамках налога на прибыль увеличатся в среднем на 0,147 млн руб.;
3) по третьему уравнению регрессии увеличение количества налогоплательщиков, перешедших на специальные режимы налогообложения на 1 000, снизит объемы поступлений налога на прибыль на 1 316 млн руб.;
4) по четвертому уравнению регрессии рост доли значимости региона в валовой прибыли, учтенной по РФ на 1% приведет к росту на 0,385 млн руб. поступлений налога на прибыль.
Оценку качества регрессии также можно произвести с помощью ошибки абсолютной аппроксимации. По всем однофакторным моделям ошибка аппроксимации не превышает 7%, что свидетельствует о хорошем подборе уравнений регрессии к исходным данным.
Каждая из представленных в исследовании однофакторных моделей позволяет с разных сторон изучить процесс образования налоговых доходов регионального бюджета на примере Нижегородской области. Однако чтобы охарактеризовать процесс в целом и отразить одновременное влияние сразу нескольких факторов на результирующий показатель, необходимо построить многофакторную модель.
Поступления от налога на прибыль так и останутся результирующим показателем.
Для создания многофакторной модели стоит выделить показатели, имеющие тесную взаимную статистическую связь друг с другом. Представлены (табл. 3) только те признак-факторы, которые существенно связаны с результирующим показателем (поступлениями налога на прибыль). Поэтому исключению будут подлежать факторы со значением коэффициента парной корреляции выше 0,8, то есть из таких факторов в модель попадет только один, чтобы не дублировать эффект.
В табл. 3 взаимосвязанные признак-факторы выделены жирным шрифтом и с учетом данных результатов, получается, что для многофакторной модели достаточно выбрать два показателя из пар Х1 и Х9; Х3 и Х7.
Для выбора используем результаты табл. 2 -в модель включим факторы с наибольшими значениями фактического (эмпирического) критерия Стьюдента - ¿-критерия. Несмотря на то, что согласно данному критерию все признак-факторы значимы, наибольшее влияние оказывают факторы Х1 и Х3.
Данные два показателя (Х1 - количество предприятий; Х3 - сальдированный финансовый результат) будут включены в двухфакторную модель поступлений налога на прибыль в бюджет Нижегородской области по данным за 2015 г.
С помощью процедуры ординарного МНК-оценивания получена следующая регрессионная модель:
Т = 97,45+ 1,0813 X1 +0,157 X3.
Анализ этой модели показывает, что при неизменных значениях прочих признак-факторов:
1) увеличение количества налогоплательщиков, применяющих общий налоговый режим, предусматривающий уплату налога на прибыль, на 1 000 ед. приведет к увеличению поступлений в региональный бюджет от налога на прибыль в Нижегородской области на 1 018,3 млн руб.;
2) рост сальдированного финансового результата деятельности предприятий Нижегородской области на 1 млн руб. приведет к росту доходов бюджета в рамках налога на прибыль на 0,157 млн руб.
Практическая значимость данной модели может быть проверена на основе проведенных анализа и расчета поступлений налога на прибыль в бюджет Нижегородской области по данным сайта ФНС РФ за период январь-апрель 2015-2016 гг. (доступные данные).
С учетом изменения за данный период количества налогоплательщиков -юридических лиц на 525 единиц и при использовании первой формулы (табл. 1), получается, что прирост поступлений налога на прибыль должен составить около 3,75 млн
руб. По данным официальной статистики прирост налога на прибыль в бюджет Нижегородской области за период январь-апрель от 2015 к 2016 гг. составил 3,62 млн руб. Таким образом, отклонение расчетных значений данной модели от реальных результатов составляет менее 5%. При проведении аналогичных расчетов за период 2013-2015 гг. по данному уравнению также получены отклонения не более, чем в 7%. В результате можно говорить о высокой ценности модели с учетом того, что погрешности можно объяснить отсутствием возможности получить своевременно актуальные данные, в первую очередь касающиеся точного количества налогоплательщиков.
Однако стоит учесть, что модель имеет и слабые стороны, например, невозможно точно спрогнозировать изменение числа налогоплательщиков и сальдированный финансовый результат. Решение данной проблемы будет направлением дальнейшего исследования. Если обратить внимание на выводы, предложенные C. Boren, W.D. Dexter, то данные проблемы возможно решить путем построения моделей с учетом предыдущей динамики данных показателей и планируемых направлений налоговой политики.
Выводы
Качество вышеуказанной модели оценено с помощью ¿-статистики и р-значения (табл. 4).
С учетом р-значения, определяющего возможность принятия «ноль-гипотезы» для коэффициента регрессии, для показателей, представленных в модели такой вероятности практически нет. Значение Р-критерия также свидетельствует о том, что данная модель существенно и качественно отражает взаимосвязь факторов с результирующим показателем по сравнению с иными возможными моделями.
Скорректированный коэффициент детерминации с принятием во внимание числа неучтенных независимых переменных модели составил 0,894. Согласно данному значению
построенная модель объясняет до 89,4% вариации результативного показателя. Высокое значение коэффициента детерминации также свидетельствует о высокой практической значимости для прогнозной оценки формирования региональных налоговых доходов.
В дальнейшем для улучшения модели возможно:
1) строить многофакторную модель с учетом того, что в качестве результирующего показателя будет использован объем доходов (поступления в бюджет по основным налогам, с самым высоким коэффициентом корреляции);
2) усложнить модель дополнительными факторами, например, для уравнения зависимости поступлений налога на прибыль от количества налогоплательщиков можно принять вовнимание средний размер реализации предприятий конкретного региона, для уравнения зависимости поступлений налога от численности населения - удельный вес региона в выпуске продукции;
3) учесть такое количество факторов, которое приведет к значительному росту коэффициента детерминации при той же степени вероятности в 5% и максимальных значениях уровней ¿-статистики.
Существенно важным является и тот факт, что исследование в данной статье проведено авторами только в отношении одного субъекта РФ - Нижегородской области. Значимость и специфику моделей планируется проверить по всем видам субъектов РФ. На текущий момент авторы построили модели для 13 субъектов РФ, и для всех из них модели имеют существенную значимость.
В результате можно отметить, что практическое использование разработанных эконометрических моделей поступлений налога на прибыль позволит улучшить процесс управления собственными и регулирующими доходами. Аналогичные
модели могут быть построены для всех видов налогов и сборов, применяемых на территории РФ в разрезе конкретного субъекта и муниципального образования. Кроме того, многофакторные регрессионные модели могут быть использованы для краткосрочных
прогнозов, для аналитических предплановых расчетов, обоснования объемов бюджетов.
Проведенное исследование может быть использовано для изменения механизма дифференцирования налоговых поступлений по уровням бюджетной системы.
Таблица 1
Значимость признак-факторов по поступлениям налога на прибыль в региональный бюджет за 2015 г. Table 1
The importance of attribute factors by revenues from income tax to the regional budget for 2015
Показатель Коэффициент парной корреляции Собственные значения
Xi 0,912 2,51
X2 0,248 0,87
Хз 0,897 1,65
X4 0,426 0,96
X5 0,121 0,13
X6 0,349 1,26
X7 0,961 1,78
Xs 0,451 0,91
X9 0,905 1,99
Xi0 0,299 0,85
Источник: составлено авторами Source: Authoring
Таблица 2
Характеристика однофакторных моделей поступления налога на прибыль в региональный бюджет за 2015 г.
Table 2
Characteristics of one-factor models of revenues from income tax to the regional budget for 2015
Фактор Обозначение Уравнение статистической связи ¿-статистика ^-критерий ' y
Численность Xi Y = 1,232 X + 3 108,12 21,18 515 0,852
налогоплательщиков
Сальдированный Хз Y2 = 0,147 X + 1 104,13 26,92 417,23 0,865
результат
Число X Y3 = 1,316 X + 434,42 17,54 509,11 0,412
налогоплательщиков,
применяющих
специальные режимы
Удельный вес /-го X Y4 = 0,385 X + 321,15 19,87 503,11 0,713
региона по размеру валовой прибыли
Источник: составлено авторами
Source: Authoring Таблица 3
Матрица парной корреляции признак-факторов поступлений налога на прибыль
Table 3
A pair correlation matrix of attribute factors of revenues from income tax
Показатель Y X3 X7 X9
Y 1 - - - -
Х1 0,912 1 - - -
Хз 0,897 0,657 1 - -
Х7 0,961 0,345 0,89 1 -
Х9 0,905 0,884 0,569 0,103 1
Источник: составлено авторами
Source: Authoring Таблица 4
Результаты оценки двухфакторной модели
Table 4
Results of two-factor model assessment
Признак-фактор ¿-статистика р-значение
X - - количество предприятий 3,89 3,2437789Е-06
X - сальдированный финансовый результат 6,45 1,6789034Е-09
Источник: составлено авторами Source: Authoring
Список литературы
1. Абазова Ф.М., Абрегова М.К., Татуева Ф.Б., Кочесокова И.Х. Налоговое прогнозирование и оценка налогового потенциала в спектре улучшений поступлений налогов и сборов в бюджетную систему // Экономика и предпринимательство. 2014. № 5-2. С. 59-63.
2. Гамукин В.В. Бюджетные риски: группы, виды, примеры: монография. Тюмень: Тюменский государственный университет, 2015. 340 с.
3. Лапушинская Г.К., Лебедева В.И. Возможность оценки налогового потенциала территорий с помощью концепции эластичности // Вестник Тверского государственного университета. Серия: Экономика и управление. 2014. № 4-1. С. 107-114.
4. Чеснокова Л.А., Яшина Н.И. Создание алгоритма распределения налогов по уровням бюджетной системы // Налоги и налогообложение. 2016. № 4. С. 300-316.
5. Boren C. Equitable apportionment - administrative discretion and uniformity in division of corporate income for state-tax purposes. Southern California Law Review, 1976, no. 5, pp. 991-1078.
6. Dexter W.D. The Business Versus Non-business Distinction under the Uniform Division of Income for Tax Purpose Act. Urban Lawyer, 1978, vol. 10, no. 2, pp. 243-265.
7. Dixit A., Londregan J. Fiscal federalism and redistributive politics. Journal of Public Economics, 1998, vol. 68, iss. 2, pp. 153-180.
8. Брагер Д.К., Богомолова О.Ю., Бризицкая А.В. и др. Современная экономика: анализ состояния и перспективы развития. Ставрополь: Логос, 2015.
9. Макаров А.П. Поступление налогов в консолидированный бюджет и основные направления налоговой политики // Металлург. 2007. № 3. С. 16-18.
10.Зайков В.П., Кожевников М.С. Факторное моделирование бюджетных поступлений косвенных налогов // Труды Кубанского государственного аграрного университета. 2015. № 56. С. 42-48.
11. Сиргажина Д.И. Анализ динамики поступления налогов в бюджет Российской Федерации // Начало в науке. Материалы Всероссийской научно-практической конференции школьников, студентов, магистрантов и аспирантов. Уфа: Аэтерна, 2014. С. 124-126.
12.Дадашева Ю.А. Прогнозирование поступлений по имущественным налогам: метод структурного моделирования // Налоговая политика и практика, 2009. № 11. С. 66-70.
13. Скляр А.В., Цацулин А.Н. Моделирование региональных бюджетных доходов региона от налога на прибыль организаций и НДФЛ // Общество. Среда. Развитие. 2011. № 2. С. 4-10.
14. Алиев Б.Х. О налоговом регулировании доходов субъектов Федерации // Финансы. 2010. № 11. С. 32-38.
15. Смирнов В.П., Ерохина Л.Д., Пиндюрина С.В. Исполнение регионального бюджета по расходам в посткризисном периоде // Современные научные исследования и инновации. 2014. № 6. URL: web.snauka.ru/issues/2014/06/36163.
16.Мусаев А.Ф.О., Гасанлы Я.Г., Шыхалиев В.Р. Оценка зависимости поступлений по налогу на прибыль от объема ВВП // Международный научный журнал. 2009. № 2. С. 19-22.
17. Павлова А.Р. Планирование и прогнозирование налоговых поступлений по налогам и сборам по РС(Я) // Научные преобразования в эпоху глобализации. Сборник статей Международной научно-практической конференции. Уфа: ОМЕГА САЙНС, 2015. С.235-238.
18. Попова Т.Н. К вопросу влияния финансов предприятий на налоговые поступления в бюджет республики Саха (Якутия) // Проблемы современной экономики. 2014. № 4. С. 298-300.
19. Коростелкина И.А. Методика планирования и прогнозирования налоговых поступлений с учетом влияния задолженности по налогам и сборам // Управленческий учет. 2011. № 3. С. 47-57.
20. Яшина Н.И., Емельянова О.В. Методика оценки финансового состояния консолидированных бюджетов субъектов РФ // Вестник Нижегородского университета им. Н.И. Лобачевского. 2008. № 5. С. 154-166.
ISSN 2311-8709 (Online) ISSN 2071-4688 (Print)
Fiscal System
THE FACTOR MODELING OF REVENUES FROM INCOME TAX TO THE REGIONAL BUDGET Nadezhda I. YASHINAa, Sergei A. MALYSHEVb, Luiza A. CHESNOKOVA0^
a National Research Lobachevsky State University of Nizhny Novgorod, Nizhny Novgorod, Russian Federation sitnicof@mail.ru
b National Research Lobachevsky State University of Nizhny Novgorod, Nizhny Novgorod, Russian Federation malishev@unn.mail.ru
c National Research Lobachevsky State University of Nizhny Novgorod, Nizhny Novgorod, Russian Federation chesnokova-1985@list.ru
• Corresponding author
Article history:
Received 24 May 2016 Received in revised form 9 August 2016 Accepted 9 November 2016
JEL classification: H21, H25, H61, H77
Keywords: income tax, regression model, attribute factor, regional budget
Abstract
Subject The article addresses revenues from income tax to the regional budget, and analyzes a possibility of using the factor models to forecast the revenues from this tax. Objectives The purpose of the study is to establish a connection between socio-economic indexes of territorial entities and the volume of revenues per one specific entity. Methods We selected significant factors and built one- and two-factor mathematical models of revenues from income tax. On the case of the Nizhny Novgorod oblast, we analyzed data provided by the Federal Tax Service and the Federal State Statistics Service of the Russian Federation and created regression models.
Results We developed a one-factor model of relation of the total indicator (income tax channeled to the regional budget) with attribute factors, and highlighted two significant attribute factors to be used in the two-factor model reflecting a crucial impact of indicators on the formation of tax liabilities on income taxes to be transferred to the regional budget. Conclusions and Relevance The study establishes a mathematical relation (in the form of regression models) between the revenues from income tax and their determinants. The findings may be used for short-term forecasting of budget revenues.
© Publishing house FINANCE and CREDIT, 2016
References
1. Abazova F.M., Abregova M.K., Tatueva F.B., Kochesokova I.Kh. [Tax forecasting and assessment of taxable capacity from the perspective of improving the tax receipts to the budget system]. Ekonomika i predprinimatel'stvo = Economy and Entrepreneurship, 2014, no. 5-2, pp. 59-63. (In Russ.)
2. Gamukin V.V. Byudzhetnye riski: gruppy, vidy, primery: monografiya [Budget risks: Groups, types, examples: a monograph]. Tyumen, Tyumen State University Publ., 2015, 340 p. (In Russ.)
3. Lapushinskaya G.K., Lebedeva V.I. [A possibility to assess taxable capacity of territories by means of the concept of elasticity]. Vestnik Tverskogo gosudarstvennogo universiteta. Seriya: Ekonomika i upravlenie = Bulletin of Tver State University. Series: Economy and Management, 2014, no. 4-1, pp. 107-114. (In Russ.)
4. Chesnokova L.A., Yashina N.I. [Creating the tax distribution algorithm by the budget system levels]. Nalogi i nalogooblozhenie = Taxes and Taxation, 2016, no. 4, pp. 300-316. (In Russ.)
5. Boren C. Equitable apportionment - administrative discretion and uniformity in division of corporate income for State-tax purposes. Southern California Law Review, 1976, no. 5, pp. 991-1078.
6. Dexter W.D. The Business Versus Non-business Distinction under the Uniform Division of Income for Tax Purpose Act. Urban Lawyer, 1978, vol. 10, no. 2, pp. 243-265.
7. Dixit A., Londregan J. Fiscal federalism and redistributive politics. Journal of Public Economics, 1998, vol. 68, iss. 2, pp. 153-180.
8. Brager D.K., Bogomolova O.Yu., Brizitskaya A.V. et al. Sovremennaya ekonomika: analiz sostoyaniya i perspektivy razvitiya [Modern economy: Analysis of the state and prospect for development]. Stavropol, Logos Publ., 2015.
9. Makarov A.P. [Revenue from taxation to the consolidated budget and focal points of a tax policy]. Metallurg = Metallurgist, 2007, no. 3, pp. 16-18. (In Russ.)
10.Zaikov V.P., Kozhevnikov M.S. [Factor modeling of budget revenues from indirect taxes]. Trudy Kubanskogo gosudarstvennogo agrarnogo universiteta = Proceedings of Kuban State Agrarian University, 2015, no. 56, pp. 42-48. (In Russ.)
11. Sirgazhina D.I. [Analyzing the trends in tax receipts to the budget of the Russian Federation]. Nachalo v nauke. Materialy Vserossiiskoi nauchno-prakticheskoi konferentsii shkol'nikov, studentov, magistrantov i aspirantov [Proc. Sci. All-Russia Conf. The Basis is in Science]. Ufa, Aeterna Publ., 2014, pp. 124-126. (In Russ.)
12.Dadasheva Yu.A. [Forecasting the property tax receipts: A method of structural modeling]. Nalogovaya politika i praktika = Tax Policy and Practice, 2009, no. 11, pp. 66-70. (In Russ.)
13.Sklyar A.V., Tsatsulin A.N. [Modeling the revenues of regional budgets from corporate and personal income tax]. Obshchestvo. Sreda. Razvitie = Society. Environment. Development, 2011, no. 2, pp. 4-10. (In Russ.)
14.Aliev B.Kh. [On tax regulation of income of constituent entities of the Russian Federation]. Finansy = Finance, 2010, no. 11, pp. 32-38. (In Russ.)
15. Smirnov V.P., Erokhina L.D., Pindyurina S.V. [Implementing the regional expenditure budget in the post-crisis period]. Sovremennye nauchnye issledovaniya i innovatsii, 2014, no. 6. (In Russ.) Available at: web.snauka.ru/issues/2014/06/36163.
16.Musaev A.F.O., Gasanly Ya.G., Shykhaliev V.R. [Assessment of dependence of income tax receipts on the GDP volume]. Mezhdunarodnyi nauchnyi zhurnal = International Scientific Journal, 2009, no. 2, pp. 19-22. (In Russ.)
17. Pavlova A.R. [Planning and forecasting the revenues from taxes and fees: Evidence from the Sakha (Yakutia) Republic]. Nauchnye preobrazovaniya v epokhu globalizatsii. Sbornik statei Mezhdunarodnoi nauchno-prakticheskoi konferentsii [Proc. Int. Sci. Conf. Scientific Transformations under the Globalization Era]. Ufa, OMEGA SAINS Publ., 2015, pp. 235-238. (In Russ.)
18.Popova T.N. [On the influence of corporate finance on tax revenues to the budget of the Sakha (Yakutia) Republic]. Problemy sovremennoi ekonomiki = Problems of Modern Economics, 2014, no. 4, pp. 298-300. (In Russ.)
19. Korostelkina I.A. [A methodology to plan and forecast tax revenues considering the impact of tax and charges arrears]. Upravlencheskii uchet = Management Accounting, 2011, no. 3, pp. 47-57. (In Russ.)
20. Yashina N.I., Emel'yanova O.V. [A technique to assess the financial condition of consolidated budgets of subjects of the Russian Federation]. Vestnik Nizhegorodskogo universiteta im. N.I. Lobachevskogo = Vestnik of Lobachevsky State University of Nizhny Novgorod, 2008, no. 5, pp. 154-166. (In Russ.)
