Научная статья на тему 'Применение статистических методов для анализа ресурсов экономики и выявления налоговых правонарушений'

Применение статистических методов для анализа ресурсов экономики и выявления налоговых правонарушений Текст научной статьи по специальности «Экономика и бизнес»

CC BY
87
12
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
СТАТИСТИЧЕСКИЙ МЕТОД / STATISTICAL METHOD / АНАЛИЗ РЕСУРСОВ ЭКОНОМИКИ / ANALYSIS OF THE RESOURCES OF THE ECONOMY / НАЛОГОВЫЕ ПРАВОНАРУШЕНИЯ / КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ / CORRELATION AND REGRESSION ANALYSIS / TAX VIOLATIONS

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Дианов Д.В.

Автором статьи исследуется применение статистических методов для анализа ресурсов экономики и выявления налоговых правонарушений.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Application of statistical methods for analyzing economic resources and identification of tax violations

The author of the article explores the application of statistical methods to analyze the economic resources and identification of tax offenses.

Текст научной работы на тему «Применение статистических методов для анализа ресурсов экономики и выявления налоговых правонарушений»

Применение статистических методов для анализа

РЕСУРСОВ ЭКОНОМИКИ и ВЫЯВЛЕНИЯ НАЛОГОВЫХ

правонарушений

Д.В. Дианов

кандидат экономических наук, доцент, начальник кафедры налогов, бухгалтерского учета и аудита АЭБ МВД России

п 01 Z

во о о

N

U U О (L

d

со

н

и о

X

и п

Е О

м ф

в

о

и ф

г S

Е о

X

о

т

S ф

ч:

п

к <

X S X н

и ф

со

Возможности применения статистических методов, ориентированных на изучение взаимосвязей социально-экономических явлений не ограничиваются построением регрессионных моделей или формированием однородных групп только с научно-познавательными целями. Очевидна реальная практическая направленность применения методов кластерного анализа, корреляции и регрессии для выявления закономерностей и тенденций влияния национальных ресурсов на процесс бюджетообразования и на выявление признаков нарушений налогового законодательства.

Целью проведения многомерной классификации является формирование кластеров, их ранжирование по среднему уровню налоговых поступлений в бюджетную систему. Исходные данные для многомерной классификации 79 субъектов Российской Федерации характеризуются следующими ресурсными и результативными показателями экономического развития за 2005 год:

у - налоговые поступления в бюджетную систему, млн руб.;

х1 - среднегодовая численность занятых в экономике, тыс. человек;

х2 - среднедушевые денежные доходы (в месяц), руб.;

х3 - валовой региональный продукт, млрд руб.;

х4 - ввод в действие общей площади жилых домов, тыс.м2;

х5 - оборот розничной торговли, млрд

руб.;

х6 - сальдированный финансовый результат (прибыль минус убыток), млн руб.;

х7 - инвестиции в основной капитал, млн руб.

Стоимость основных фондов по полной учетной стоимости, млн руб. в отраслях: х8 - промышленность; х9 -сельское хозяйство; х10 - строительство; х11 - транспорт; х12 - связь;

х - торговля и общественное питание, оптовая торговля продукцией производственно-технического назначения;

х - степень износа основных фондов (на начало 2005 года; в процентах).

В результате применения иерархического алгоритма с евклидовым расстоянием и принципом дальнего соседа сформировано 5 кластеров:

1 кластер -13 регионов

Белгородская область, Воронежская область, Ленинградская область, Республика Дагестан, Нижегородская область, Челябинская область, Алтайский край, Красноярский край, Иркутская область, Кемеровская область, Новосибирская область, Омская область, Республика Саха (Якутия);

2 кластер - 38 регионов

Брянская область, Владимирская область, Ивановская область, Калужская область, Костромская область, Курская область, Липецкая область, Орловская область, Рязанская область, Смоленская область, Тамбовская область, Тверская область, Тульская область, Ярославская область, Республика Коми, Архангельская область, Вологодская область, Мурманская область, Новгородская область, Псковская область, Республика Адыгея, Республика Ингушетия, Кабардино-Балкарская Республика, Республика Калмыкия, Карачаево-Черкесская Республика, Республика Северная Осетия - Алания, Кировская область, Пензенская область, Саратовская область, Ульяновская область, Курганская область, Республика Алтай, Республика Тыва, Томская область, Приморский край, Камчатская область, Магаданская область, Чукотский автономный округ;

3 кластер -10 регионов

Московская область, г. Москва, г. Санкт-Петербург, Краснодарский край, Самарская область, Свердловская область, Тюменская область, Ростовская область, Республика Башкортостан, Республика Татарстан;

4 кластер - 9 регионов

Ставропольский край, Астраханская область, Волгоградская область, Республика Марий Эл, Республика Мордовия, Удмурт-

ская Республика, Чувашская Республика, Пермский край, Оренбургская область;

5 кластер - 9 регионов

Республика Карелия, Калининградская область, Республика Бурятия, Республика Хакасия, Читинская область, Хабаровский край, Амурская область, Сахалинская область, Еврейская автономная область.

Наиболее представительным является второй кластер S2, самый многочисленный. В целом при описании социально-экономического развития регионов России такая ситуация не является благоприятной, так как большинство регионов кластера имеют одни из самых низких значений показателей налоговых поступлений в бюджетную систему и ресурсообеспечения - факторов роста.

Менее многочисленные кластеры охватывают крупные промышленные регионы - S1, аграрные области - S4, регионы, специализирующиеся на экспорте сырьевых ресурсов - S5, либо мегаполисы и крупные индустриальные регионы страны S3. Самый низкий уровень налоговых поступлений и ресурсных показателей наблюдается в крупных промышленных регионах, что свидетельствует о неэффективности производств металлообрабатывающей промышленности и машиностроения. Регионы данного кластера характеризуются большим значением показателей стоимости основных фондов по полной стоимости, чем в регионах второго кластера S2. Вместе с тем производственное оборудование морально устарело и имеет высокую степень физического износа.

Экономическая ситуация в регионах третьего кластера S3 немного лучше. В регионах с крупными городами сконцентрировано достаточно большое количество материальных производительных сил, характеризуемых высоким значением годности. Вместе с тем уровень налоговых поступлений в бюджетную систему можно определить как среднероссийский, что объясняется выполнением налоговых обязательств налогоплательщиками в других регионах после реализации своей продукции в крупных городах. Аграрные регионы, вошедшие в четвертый кластер S4, можно характеризовать как наиболее перспективные для инвестиционных вложений, строительства жилья, финансирования социальных программ, что является следствием процесса урбанизации. Самый высокий уровень налоговых поступлений наблюдается в регионах пятого кластера S5, где сосредоточены экспортно-ориентированные производства.

Кластеры ранжированы по показателю налоговых поступлений в бюджетную систему. Показатели материально-технических ресурсов и вложений в их расширение, а также результатов экономической деятельности положительно влияют на уровень поступлений налогов, сборов и иных обязательных платежей в бюджетную систему. Наряду с налоговыми поступлениями, рост наблюдается по следующим показателям.

1. Основные фонды по полной стоимости на начало 2005 г. в отраслях:

— строительстве;

— транспорте;

— связи;

— торговле и общественном питании, оптовой торговле продукцией производственно-технического назначения.

2. Инвестиции в основной капитал.

По другим ресурсным показателям, таким как численность занятых в экономике, основные фонды в сельском хозяйстве, связь не прослеживается или не вполне очевидна. Не наблюдается связи между налоговыми поступлениями и такими объясняющими переменными, как ввод в действие жилых домов. Такое обстоятельство может быть объяснено неадекватностью налогового учета по результатам деятельности строительных организаций, фирм и компаний, что предопределяет "зарывание денег в землю", и как следствие, уход от налогообложения. Одновременно отсутствие связи между налоговыми поступлениями и основными фондами в сельском хозяйстве свидетельствует как о неэффективности использования ресурсов, являющихся результатом труда прошлых лет и нерентабельности сельскохозяйственной продукции.

На этапе кластерного анализа сформулированы предположения, как о наличии, так и отсутствии связи между показателями. Количественная оценка воздействия объясняющих факторов и моделирование влияния состава национальных ресурсов на бюдже-тообразование в части налоговых поступлений могут быть осуществлены посредством корреляционно-регрессионного анализа.

Исходные данные для проведения статистического корреляционно-регрессионного анализа те же, что и при проведении кластерного анализа. В качестве результативного признака (у) определим поступления налогов, сборов и иных обязательных платежей. Соответственно объясняющими переменными (х х2,..., х14) выступят показатели материально-технических ресурсов и их прироста, показатели результатов экономической деятельности, дающие представление о создании стоимости.

п 01 г

во о о

N

и и

О (к

а

со

н

и о

X

и п

Е

о

м ф

в

о а

о ф

г X

Е о

X

о а

т

Е ф

^

п

к <

X X X н

и ф

со

На этапе корреляционного анализа получена матрица парных коэффициентов. Наблюдаются следующие коэффициенты

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

корреляции в табл. 1 между результативным признаком у - налоговыми поступлениями в бюджетную систему России.

Таблица 1

Коэффициенты корреляции

У x; Х2 x3 x4 xe Х7 xp x10 xn x 2 x13 x14

1 0,78 0,58 0,92 0,67 0,83 0,96 0,97 0,79 0,07 0,95 0,76 0,78 0,8 0,04

п 01 Z

во о о

N

U U О (L

d

со

н

и о

X

и п

Е О

м ф

в

о

и ф

г S

s о

X

о

т

s ф

:

п

к <

X S X н

и ф

со

Обращает внимание низкое значение коэффициента корреляции между налоговыми поступлениями и стоимостью основных фондов в сельском хозяйстве, а также с показателем износа основных средств. Отсутствие связи между бюджетообразовани-ем и состоянием основных фондов можно объяснить тем обстоятельством, что достаточно старые машины и оборудование продолжают создавать промышленный продукт. Наблюдаются высокие значения тесноты связи между результативным признаком и другим ресурсными показателями - стоимостью основных фондов в промышленности и строительстве, ввод в действие жилых домов. Это дает основание предполагать, что перечисленные объясняющие показатели войдут в регрессионную модель.

Последовательное применение пошаговых процедур регрессионного анализа привело к получению наиболее адекватной на наш взгляд регрессионной модели:

у = -250,9+11,2хх/1+0,21хх+0,09хх7+0,06ххя

^ 4 6 7 8

- 1н = (6,5) (9,45) (2,39) (4,34) -0,29*х9+0,33*х10+0,05*хи+0,6*х12 (-5,36) (1,88) (4,96) (3,77) R2=0,979; F =24,82

набл

Данное уравнение считается значимым при F-наблюдаемом, равным 24,82, что превышает критическое значение при степенях свободы у1=10 и у2=69, равное 3,31. Кроме того, коэффициент детерминации указывает

на то, что данная модель объясняет 97,9 % вариации результативного признака - налоговые поступления в бюджетную систему России.

В данной регрессионной модели: х1 - ввод в действие общей площади жилых домов, тыс.м2;

х2 - оборот розничной торговли, млрд

руб.; 2

х3 - сальдированный финансовый результат (прибыль минус убыток) деятельности крупных и средних предприятий, млн руб.;

х4 - инвестиции в основной капитал, млн руб.

Стоимость основных фондов по полной учетной стоимости, млн руб. в отраслях: х5 - промышленность; х - сельское хозяйство; х7 - строительство; х8 - транспорт; х9 - связь.

Положительное влияние на уровень налоговых поступлений оказывают практически все включенные в модель показатели: стоимость основных фондов в различных сферах народного хозяйства, инвестиции в основной капитал. Также положительным фактором роста налоговых поступлений выступает сальдированный финансовый результат деятельности крупных и средних предприятий. В табл. 2 представлены коэффициенты эластичности для параметров регрессионной модели.

Таблица 2

Коэффициенты эластичности

xi X2 x3 X4 X5 x6 X7 xp

0,2186 -0,17 0,280536 0,137438 0,229816 -0,15755 0,070952 0,209856 0,17896

Ввод в действие жилых домов площадью 100 тыс.м2 способствует росту налоговых поступлений в бюджетную систему на 11,2 млн руб., или на 0,22% при росте факторного признака на 1%. Примечательно, что исследования последних лет указывали на отрицательное влияние данного показателя на бюджетоформирование. Эволюция

тройственной системы экономических отношений между строительным бизнесом, покупателями жилья и государством указывает на положительный характер развития рынка жилья и, следовательно, прироста национального богатства.

Сальдированный финансовый результат деятельности крупных и средних пред-

приятий оказался достаточным в 2005 г. для исполнения налогоплательщиками своих обязательств, в том числе, по ресурсным платежам. При росте сальдированного финансового результата на 1 млрд руб. наблюдается рост налоговых поступлений на 0,21 млн руб. Таким образом, при росте объясняющего показателя на 1 %, рост объясняющего составляет 0,28 %. Можно сделать вывод об увеличении доли доходных и снижении удельного веса убыточных предприятий.

Очевиден высокий уровень экономической эффективности капитальных вложений в основные фонды экономики в 2005 г., что также является примечательным фактом в сравнении с предыдущими годами. Влияние инвестиций в основной капитал в совокупности с другими факторами количественно оценивается ростом налоговых поступлений в бюджет на 0,09 млрд руб. при росте капиталовложений на 1 млрд руб. Относительная оценка указывает на рост результативного признака на 0,14 % при увеличении инвестиционных вливаний в экономику на 1 %.

Основные ресурсные показатели, включенные в модель - стоимость основных фондов различных отраслей, - также выступают фактором роста коллективного денежного фонда. При росте стоимости основных фондов в промышленности наблюдается рост налоговых поступлений на 0,06 млн руб. при приросте ресурса на 1 млн руб., или на 0,23% при росте основных фондов промышленности на 1%.

Основные фонды в строительстве наиболее эффективно способствуют росту поступлений в бюджет, участвуют в создании новой стоимости. Доход государства от роста материальных ресурсов строительства, относимых к основным фондам, составляет 0,33 млн руб. при их увеличении на 1 млн руб. Итак, увеличение объемов основных средств строительства на 1 % сопровождается ростом налоговых доходов государства на 0,07 %.

Рост стоимости основных фондов транспортных предприятий, как частных так и муниципальных на 1 млн руб. является фактором роста налоговых поступлений на 0,05 млн руб. Таким образом, не вызывает сомнений факт эффективного применения ресурсов транспортной отрасли на рынке, чему во многом способствовали мероприятия по монетизации льгот широкому кругу населения России. При однопроцентном увеличении основных фондов транспорта, на 0,21 % увеличиваются налоговые доходы бюджета России.

Развитие информационных коммуникаций требует ускоренного обновления ресурсов связи. Увеличение стоимости основных фондов связи на 1 млн руб. сопровождается ростом доходов государства на 0,6 млн руб., или при росте объясняющего признака на 1% наблюдается рост результативного на 0,18%.

Отрицательное влияние на уровень показателя налоговых поступлений в бюджет оказывает вариация показателя стоимости основных фондов в сельском хозяйстве, что по-прежнему свидетельствует о низком уровне рентабельности сельскохозяйственного производства и нецелесообразности бюджетного субсидирования плавно-убыточных хозяйств.

Возможности корреляционно-регрессионного анализа на этом не исчерпаны: определенные противоречия результатов кластерного и регрессионного анализа не позволяют принять рассмотренную регрессионную модель в качестве окончательной, и дает основание перейти к проведению динамического регрессионного анализа.

Корреляционно-регрессионный анализ может применяться непосредственно как метод, направленный на выявление признаков экономических и, в частности, налоговых преступлений, т.е. с целью противодействия угрозам экономической безопасности государства.

С целью выявления признаков экономических и, в частности, налоговых преступлений в работе исследовалась зависимость налоговых платежей в бюджет (у) предприятиями Центрального Федерального округа от основных ресурсных и воспроизводственных показателей. Обследовалась деятельность автотранспортных предприятий регионов округа за 2006 год.

По результатам выборки сформирована совокупность из 22 автотранспортных предприятий ЦФО как мы видим из приведенной таблицы 3.

В результате реализации процедур регрессионного анализа получена следующая модель:

у= -203,1+6,9*х1+6,3хх2+0,01хх3+0,009х х4+0,05*х5

( = (3,27) (2,98) (2,66) (+3,09) (4,73).

R2=0,943; F к =4,68.

наол

Предприятия № 18, 15, 10, 22 осуществили налоговые платежи, ниже суммы рассчитанных по модели обязательств в размере от 100 до 140 тыс.руб., как представлено в табл. 4.

п 01 г

во о о

N

и и

О (к

а

со

н

и о

X

и п

Е

о

м ф

в

о а

о ф

г X

Е о х

о а

т

Е ф

^

п

к <

X X X н

и ф

со

Таблица 3

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Основные экономические показатели деятельности автотранспортных предприятий Центрального федерального округа в 2005 г. (фрагмент)

№ предприятия Среднегодовая стоимость основных фондов, млн руб., х1 Коэффициент обновления транспортных средств, %, х2 Среднегодовая стоимость производственных запасов, тыс. РУ6, хз Прирост незавершенного строительства, тыс. руб., х4 Кредиторская задолженность, тыс. руб., х5 Налоговые платежи в бюджет, тыс. ру6, У

1 40,4 10,2 5025,1 10108,8 2579 353

2 42,0 12,4 4625,2 4982,3 1410,6 271

3 40,5 8,9 4900,9 6182,5 1528,3 284

4 18,8 14,2 1250,3 5300,8 2433,2 174

5 22,4 16,4 3562,4 2545,4 1313,8 112

6 25,3 12,0 2135,1 5088,2 1495,4 125

7 22,7 10,0 2395,4 1532,6 895,97 153

8 28,9 11,3 2153,8 5064,9 1474,5 165

9 36,4 9,0 1532,1 4819,9 2455 302

10 39,5 6,5 2351,9 3859,5 978,3 86

11 37,6 8,2 3912,4 7347,7 1482,5 197

12 24,6 4,1 2862,3 4444,3 1089,2 148

13 28,4 9,8 1863,5 3055,9 1261,2 143

14 21,8 16,2 2863,1 7005,5 1890,4 223

15 42,1 8,4 1756,2 642,7 2049,6 161

16 25,6 7,6 1364,9 11855,1 2350,3 158

17 35,8 9,6 2456,1 10545 1352,5 126

18 38,9 12,4 2892,3 10021,8 2350,6 147

19 46,1 13,6 2728,5 6910,3 2223,1 505

20 50,2 10,2 3189,1 1754,6 2809,9 452

21 44,6 10,8 3042,6 2802 1516,4 215

22 19,5 15,4 2753,6 366,7 2927,1 112

п 01 Z

во о о

N

U U О (L

d

со

н

и о

X

и п

Е О

м ф

в

о

и ф

г X

Е о

X

о

т

S ф

ч:

п

к <

х х

X н

и ф

со

Теоретические значения результативного показателя у этих предприятий указывают на то, что размер налоговых обязательств значительно превышает фактическое их выполнение. Кроме того, размеры прироста незавершенного строительства свидетельствуют о значительном уровне прибыли для исполнения бюджетных обязательств, так как финансирование капитальных вложений осуществляется за счет прибыли. Иное финансирование, например, за счет привлеченных средств данными предприятиями исключено, так как уровень дебиторской задолженности не позволяет оправдать такое авансирование денежных средств за счет сторонних инвестиций. Применение статистических методов для выявления сумм сокрытых доходов является перспективной задачей аналитических подразделений правоохранительных органов.

Применение статистических методов для выявления сумм сокрытых доходов является перспективной задачей аналитиче-

ских подразделений правоохранительных органов.

Рассмотрим возможность применения корреляционно-регрессионного анализа для оценки стоимости сельских поселений. Исследуем зависимость стоимости земельных участков (на примере Московской области) от совокупности экономических факторов. База данных для регрессионного анализа получена по результатам 120 сделок с землей в Московской области за 2005 год.

Основными факторами, определяющими стоимость 1 сотки участка, тыс. руб. (у) выступают четыре количественных пере-

менных (х

х, хс

х7) и три бинарных пере-

менных (х2, х3, х4), равных "1" при наличии признака и "0" - при его отсутствии: х1 - площадь участка, соток; х2 - наличие водоснабжения (1/0); х3 - наличие газоснабжения (1/0); х4 - наличие энергоснабжения (1/0); х5 - группа капитальности основного строительного объекта (здание, дом), на-

Анализ остатков по налоговым поступлениям в бюджет

Таблица 4

Номер предприятия Теоретические значения Фактические значения Остатки

18 290,9023 147 -143,902

15 264,0073 161 -103,007

10 185,1754 86 -99,1754

22 208,0293 112 -96,0293

17 196,1127 126 -70,1127

21 283,1233 215 -68,1233

5 160,9612 112 -48,9612

11 224,4915 197 -27,4915

6 144,8883 125 -19,8883

2 286,9899 271 -15,9899

8 164,5007 165 0,499311

13 138,4344 143 4,565612

16 150,4445 158 7,555541

3 263,117 284 20,88298

4 151,0855 174 22,91446

1 323,3324 353 29,66764

14 174,6012 223 48,39877

9 244,3913 302 57,60872

7 88,67699 153 64,32301

20 385,6231 452 66,37693

12 78,35132 148 69,64868

19 341,3297 505 163,6703

п 01 г

во о о

N

и и

О (к

а

со

н

и о

X

и п

Е

о

м ф

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

в

о

X

и ф

г X

Е о

X

о

т

Е ф

Ч

п

к <

х х

X н

и ф

со

ходящегося на участке (измеряется по пятибалльной шкале, причем с ростом балла капитальность уменьшается);

х6 - удаленность от г. Москвы, км; х7 - удаленность от железнодорожного сообщения, км.

Уравнение регрессии со всеми значимыми коэффициентами имеет вид:

У = 140,87-0,008*х1+30,25хх2+26,2*х3+8,75

хх -23,63 хх. -1,4хх + 4,4хх7 г = (-1,9) (2,24) (3,89) (6,02) (-2,4) (-1,87) (2,81) R2=0,949; F =11,44

набл

Полученная модель свидетельствует о значимости каждого фактора, его вкладе в величину стоимостной оценки. Так площадь участка, при ее увеличении на одну сотку приводит к снижению стоимости каждой сотки в среднем на 8 руб. Снижение величины стоимости земли происходит и под влиянием группы капитальности зданий и сооружений, возведенных на оцениваемом земельном участке. Это объясняется тем, что наличие сооружений, относимых к более высокой группой капитальности, предопределяет необходимость затрат по ликвидации таких объектов в будущем и, следовательно, уменьшает стоимость земельных участков.

Фактором снижения стоимости земли также является ее удаленность от мегаполиса. Обращает внимание существенное влияние на увеличение стоимости земли факторов, связанных с коммуникационным обеспечением. Коэффициенты при всех переменных, характеризующих наличие тех или иных коммуникаций, имеют положительные значения.

Таким образом, если необходимо оценить стоимость земельного участка в Подмосковье, можно воспользоваться полученной моделью. Требуется оценить земельный участок в Каширском районе, 22 сотки, 105 км от г. Москвы, 7 км от железнодорожного сообщения (ст. Кашира), подведены все коммуникации, имеется дом первой группы капитальности. Участок оценивается в сумме 1,46 млн руб. (66 364 руб.х22 сотки).

Данная методика носит общий характер и может быть применима и для других регионов Российской Федерации. Дифференциация условий и результатов экономического развития регионов России определяют различия в наборе факторных признаков - ресурсных показателей, которые должны включаться в регрессионную модель в качестве объясняющих переменных как мы видим из приведенной табл. 5.

Таблица 5

Оценка рыночной стоимости 1 сотки земельного участка

ь X. Ь .хх.

140,874 1 140,874

-0,0077 22 -0,1702

30,253 1 30,253

26,2027 1 26,203

8,7516 1 8,751

-23,627 1 -23,627

-1,396 105 -146,62

4,3856 7 30,699

Итого 66,364

Применение математического моделирования и

использование технологий баз данных с целью повышения эффективности и результативности

труда ревизора

А.Н. Ищенко

преподаватель кафедры налоговых расследований и судебно-экономических экспертиз АЭБ МВД России

Рассматривая математическое моделирование в целях проверочной деятельности направленной на выявление нарушений законодательства о налогах и сборах, можно выявить основные приемы и методы, при использовании которых проверки значительно упрощаются.

Естественным является факт того, что использование математических формул и методов возможно при определенных условиях стандартизации и унификации объекта,

который будет описан с помощью математической модели. Несмотря на вышесказанное, в основе любого налога лежит математическая модель, так как любой налог подразумевает и требует соответствующего расчета по определенному алгоритму, описанному в Налоговом кодексе.

Рассмотрим, к примеру, налог на добавленную стоимость. В общем случае налоговая схема по НДС выглядит следующим образом (рис. 1):

ндсбз

А

ндсб1

А

ндсб2

А

ндсз

ндс1

ндс2 ндс4

Рис. 1. Налоговая схема по НДС

i Надоели баннеры? Вы всегда можете отключить рекламу.