МАКРОРЕГИОНАЛЬНЫЕ НАЛОГОВЫЕ СИСТЕМЫ И ИХ ВЛИЯНИЕ НА ЭКОНОМИЧЕСКИЙ РОСТ Текст научной статьи по специальности «Экономика и бизнес»

УДК 336.02 JEL H20, H21

МАКРОРЕГИОНАЛЬНЫЕ НАЛОГОВЫЕ СИСТЕМЫ И ИХ ВЛИЯНИЕ НА ЭКОНОМИЧЕСКИЙ РОСТ1

Гурнак А.В. канд. экон. наук, доцент, доцент кафедры налогов и налогового администрирования Факультета налогов, аудита и бизнес-анализа; ведущий научный сотрудник. ORCID 0000-0002-4514-6885, e-mail: AVGurnak@fa.ru, ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», г. Москва, Российская Федерация.

Аннотация. Статья посвящена решению актуальной задачи идентификации макрорегиональных налоговых систем в контексте проблем экономического роста. Особое значение этой задачи объясняется современными тенденциями к геоэкономической фрагментации и обострению международной конкуренции. Рабочая гипотеза исследования предполагает возможность выделения относительно однородных групп стран, в которых национальные налоговые системы взаимосвязаны и/или функционируют схожим образом, что позволяет оценивать влияние налогов на экономический рост в рамках этих общностей более корректно и точно. Для выполнения группировки стран с помощью кластерного анализа в работе использован ряд показателей - технологических, социально-экономиче-

ских, эволюционных и институциональных - для выборки, охватывающей 105 стран мира за 5-летний период. По его результатам были выделены три крупных относительно однородных группы стран, представляющие европейскую налоговую модель (включает три отдельные подгруппы), а также модели постколониальных и мусульманских стран. Полученные результаты, а также построенные на их основе многофакторные регрессионные модели экономического роста могут быть использованы для построения более сложных имитаций и получения более точных оценок влияния налогов на национальный экономический рост с учётом фактора кластерной принадлежности.

Ключевые слова: национальная налоговая система, модель налоговой системы, экономический рост, макрорегион, кластеризация.

MACROREGIONAL TAX SYSTEMS AND THEIR IMPACT ON ECONOMIC GROWTH

Gurnak A.V. Candidate of Economic Sciences, Associate Professor, Associate Professor at the Department of Taxes and Tax Administration of the Faculty of Taxes, Audit and Business Analysis; Leading Researcher. ORCID 0000-0002-4514-6885, e-mail: AVGurnak@fa.ru, Financial University under the Government of the Russian Federation, Moscow, Russian Federation.

1 Статья подготовлена по результатам исследований, выполненных за счёт бюджетных средств по государственному заданию Финансового университета при правительстве Российской Федерации.

© А.В. Гурнак, 2024

Abstract. The article is devoted to the solution of the urgent problem of identification of macro-regional tax systems in the context of economic growth problems. The special importance of this task is explained by modern tendencies to geo-economic fragmentation and aggravation of international competition. The working hypothesis of the study suggests the possibility of identifying relatively homogeneous groups of countries in which national tax systems are interrelated and/or function in a similar way, which allows us to assess the impact of taxes on economic growth within these communities more correctly and accurately. To perform the grouping of countries by means of cluster analysis, a few indicators - technological, socio-economic, evolutionary and institutional - were used for a sample of 105 countries over a 5-year period. Based on the results, three large relatively homogeneous groups of countries were identified, representing the European tax model (includes three separate subgroups), as well as the models of post-colonial and Muslim countries. The obtained results, as well as multi-factor regression models of economic growth built on their basis, can be used to build more complex simulations and to obtain more accurate estimates of the impact of taxes on national economic growth, considering the factor of cluster affiliation.

Keywords: national tax system, tax system model, economic growth, macro-region, clustering.

► Введение. Налоги являются одним из важных факторов влияния на экономический рост. Их значение в этом отношении особенно усилилось в последние годы, когда монетарные факторы экономического роста в ряде стран мира во многом исчерпали свой регуляторный потенциал. В свою очередь это обусловило возникновение феномена «налогового активизма» [1].

При этом экономическая теория не даёт однозначного ответа о силе и механизмах влияния налогов на экономический рост. Многочисленные эмпирические исследования и математические модели его оценки (см., например, [2; 3] приводят зачастую противоречивые результаты. Как отмечает G.D. Myles (2000): "... теоретические модели ставят ряд вопросов, которые необходимо рассмотреть, но они не дают убедительных или окончательных ответов" [2, с. 164].

Одна из причин состоит в том, что налоги традиционно анализируют в предпосылке абстрактного рационально действующего «homo economicus», не принимая во внимание специфические обстоятельства места и времени, определяющие особенности налогового поведения людей в той или иной ситуации. В принципе -это корректный и правильный (классический) подход, поскольку он направлен на выявление наиболее общих закономерностей налоговых реакций экономических субъектов как таковых. Однако в современном мире, разделенном многочисленными барьерами (в т. ч. межгосударственными) и нарастающими глобальными противоречиями, он оказывается не всегда уместным.

Поэтому, чтобы делать более обоснованные выводы, приходится учитывать различные иные факторы как на микроэкономическом уровне (например, генно-культурные детерминанты человеческого поведения), так и на макроэкономическом уровне с учетом детерминант более высокого уровня общности, на котором свойства системы не сводятся к свойствам составляющих ее элементов (региональные социокультурные нормы, фактор религии и др.). Причем такой анализ необходимо периодически обновлять, поскольку современный мир очень подвижен, и то, что раньше казалось незыблемым (например, тенденция к экономической глобализации и оффшорингу)

теперь выглядит явно по-другому (тенденция к деглобализации и пересмотру, или даже разрыву сложившихся торгово-экономических связей с учетом фактора геополитических рисков [4]).

По этим причинам после мирового финансово-экономического кризиса 2007-2008 гг., на этапе так называемой "slowbalization" (контаминация от слов "slow" - медленно, и "globalization" - глобализация [5]), в мире происходит реконфигурация глобальной экономической системы, которая затрагивает, в т.ч., и сферу налоговых отношений.

В этой связи целью данной работы является идентификация и анализ на макроэкономическом уровне таких групп национальных налоговых систем, которые могут рассматриваться как относительно однородные, отличающиеся схожими реакциями, в т. ч. в сфере налогового регулирования экономического роста.

► Обзор литературы и обоснование методологии. Противоречивые результаты эконометрического анализа влияния налогов на экономический рост в определённой мере связаны с методологическими проблемами формирования выборки стран, на основе которых проводятся такие исследования. Во многих случаях эмпирическую базу анализа составляют показатели стран, объединённых по формальному признаку вхождения в различные международные сообщества и организации (ЕС, ОЭСР и др. - см., например, [3]). Ещё в других случаях выборка формируется по широко известному признаку уровня экономического развития (богатые, средние, бедные страны и т. д.), без учёта иных существенных факторов, которые этот уровень определяют.

Сравнительно реже проводятся исследования в разрезе выделения групп стран, относящихся к какому-либо географическому региону, определённому типу культуры и/или объединённых рядом иных релевантных обстоятельств.

В качестве примера можно привести исследование M. Balzat, A. Pyka, (2005), посвящённое картированию национальных инновационных систем в странах ОЭСР [6], в котором авторы при выполнении кластеризации учитывали комплекс таких разнообразных факторов, как инновационные усилия, институциональные условия, база знаний, открытость и финансовые условия.

В другой работе, посвящённой выделению групп стран ЕС, различающихся по уровню экономики, основанной на знаниях (англ. - knowledge-based economy, KBE), с использованием техники упорядочивания предпочтений по сходству с идеальным решением (англ. Technique for Order Preference by Similarity to an Ideal Solution), было установлено, что в макрорегионах ЕС наблюдаются очень большие диспропорции по уровню КВЕ. При этом самый высокий уровень KBE был обнаружен в странах Северо-Западной и Центральной Европы, самый низкий - в странах Восточной и Юго-Восточной Европы [7].

В анализе, выполненном С. Кравченко и М. Заниздра c использованием данных по большинству стран мира, для выделения инновационно-однородных кластеров были использованы методы искусственного интеллекта (нейросетевое моделирование) [8]. Это позволило им разработать концептуальный подход к установлению индивидуализированных стратегических императивов регулирования развития национальных инновационных системы с учетом большого количества факторов, требований и ограничений, которые определяют эффективность их функционирования.

Также на большом массиве статистических данных по 117 странам мира была выполнено исследование (Vishnevsky, Gurnak, 2015), посвящённое кластеризация национальных налоговых систем.

Авторы работы, используя ряд показателей, объединенных в три группы (социально-экономическую, институционально-культурную и эволюционно-эколо-гическую), обосновали, что в мире действительно существуют группы стран, относительно однородных по выбранным аспектам, которые можно интерпретировать как некие наднациональные модели налоговых систем [9].

В этой связи следует специально подчеркнуть, что для получения значимых результатов анализа и их корректной интерпретации, особое значение имеет учет обстоятельств места и времени, того, в каких условиях находятся те или иные страны, причем не только в экономическом аспекте, но также в аспектах технологическом, институциональном, социокультурном и даже геополитическом, поскольку они во многом определяют особенности поведения реальных экономических субъектов.

Как показали события последнего времени, связанные с глубоким кризисом международных отношений, о котором шла речь на Восточном экономическом форуме во Владивостоке (2022 г.), соображения экономической рациональности сами по себе не всегда являются главным мотивом, который определяет принятие решений по выбору стратегических альтернатив развития тех или иных государств. Сложившаяся реальность такова, что сейчас многие Европейские страны предприняли рискованные шаги по изменению бизнес-модели, которая успешно работала в течение многих десятилетий. Эта модель была основана на дешёвых энергоносителях из России в сочетании с традиционно развитыми европейскими технологиями и компетенциями, что давало возможность выпускать высокотехнологичную конкурентоспособную продукцию, экспортируемую в том числе в Китай, от которого теперь зависят многие глобальные цепочки

поставок. Т. о. по крайней мере часть Европейских стран в сложившихся обстоятельствах, связанных требованием соблюдения декларируемых ими некоторых "правил", неприемлемых для Российской Федерации, явно предпочла политику (институты) экономике.

История налоговых отношений, которые оказывают влияние в том числе на экономический рост, насчитывает не одно тысячелетие. При этом в разных частях мира они формировались под воздействием различного рода причин. К ним прежде всего следует отнести факторы технологический, определяющий особенности способа производства, и социально-экономический, характеризующий общий уровень развития общества. Но также большое значение имеют факторы институциональный и связанный с ним эволюционный (популяционный). При этом имеется в виду, что институциональный подход углубляет экономическую и налоговую теорию конкретно-историческими аспектами анализа, объясняя успехи развития одних стран и неудачи других отличиями формальных и неформальных норм (правил) - спонтанных или сознательно созданных людьми, например, отличиями порядков ограниченного и открытого доступа [10]. Что касается эволюционного подхода, то он привносит в научный анализ принципы географизма и биологизма. С его позиций человек, имеющий врождённые и (или) приобретённые склонности к эгоистичному или альтруистичному поведению, - это часть географически обособленной и самовоспроизводящейся популяций организмов, развитие которой определяется закономерностями генно-культурной коэволюции [11]. Институты-правила взаимодействия людей и созданных ими организаций в пределах такой популяции не являются раз и навсегда заданными, но изменяются, наследуются и отбираются, при том, что в историческом

измерении они могут оказаться как удачными (жизнеспособными), так и тупиковыми.

Под комплексным влиянием указанных выше факторов в мире сформировались несколько различных макрорегио-нальных моделей налоговых систем, каждая из которых характеризуется уникальной организацией института экономической власти (принимая во внимание, что налоги, как принудительные платежи в пользу государства, являются одним из главных атрибутов этого института). Эти модели определяют самые различные аспекты феномена налогообложения - от восприятия обществом справедливого уровня налогов и состава фискальной системы до институтов налоговой морали и культуры, готовности к налоговым инновациями, склонности к уклонению от уплаты налогов и т.д. При этом сферы распространения таких моделей могут выходить за пределы государственных границ, так как последние являются исторически случайными. И кроме того, для их консолидации все большее значение приобретает геополитический фактор, то обстоятельство, что экономическая, в т.ч. налоговая интеграция во многом определяется политическими причинами [4].

В условиях экономической и идеологической глобализация, активно поддерживаемой в течение последних десятилетий коллективным Западом, институциональным и эволюционным особенностям развития налоговых систем, как правило, уделяется недостаточно внимания. Вместо этого обычно продвигаются рецепты налоговой политики, сформированные на базе неоклассического мейнстрима и универсальной теории оптимального налогообложения, применение которых на практике, без учета обстоятельств места и времени, чревато нежелательными последст-

виями. Причина состоит в том, что за внешним подобием налоговых систем могут скрываться их глубинные расхождения прежде всего в части культурно и исторически обусловленных особенностей поведения налогоплательщиков, разделяемых ими ценностей, отношения к институту власти и др.

В статическом срезе каждая из мак-рорегиональных моделей налоговых систем объединяет группы стран, в которых налоги организованы и функционируют схожим образом, и налогоплательщики примерно одинаково реагируют на изменения тех или иных внешних переменных. Поэтому эмпирические оценки влияния налогов на экономический рост целесообразно проводить с учетом этого обстоятельства. Идея состоит в том, что успешная национальная налоговая политика, в т. ч. в сфере налогового стимулирования экономического роста, не может базироваться только на универсальных рецептах, а требует учета комплекса факторов, как обусловленных особенностями ее экономики, так и тех, которые определяют закономерности функционирования и развития той или иной макрорегиональ-ной экономической системы.

► Данные и методы. Рабочая гипотеза анализа предполагает объективное наличие и возможность идентификации относительно однородных групп стран, в которых экономические и налоговые системы взаимосвязаны и/или построены и функционируют схожим образом. По сути, речь идёт о некоторых наднациональных общностях, которые часто характеризуют как макрорегионы - крупные территории, включающая в себя несколько стран или регионов, обладающих общими характеристиками, такими как культура, экономика, финансы, политика или эколо-гия1. При этом важно подчеркнуть, что

1 Формирование таких макрорегионов - это объективный процесс. Это подтверждается тем, что в последние годы ряд ведущих стран мира пе-

реключают свою торговлю на геополитически более близких партнеров (но при этом стараются делать так, чтобы не зависеть критически от какой-либо одной страны) [4, p. 3].

хотя часто рассматриваются географически близкие страны (см., например, [12]), но по сути макрорегионы определяются именно общими характеристиками, а не строгими географическими границами. Поэтому вполне возможно, что страны с разных континентов могут быть объединены в макрорегион, если они имеют общие черты в одном или нескольких существенных аспектах.

Для того чтобы выделить такие относительно однородные группы стран предложено использовать обычный в таких случаях метод кластерного анализа. Для этого сначала экспертным путем были выделены критерии, которые можно применять в процессе кластеризации. Они объединяют четыре группы показателей, которые характеризуют технологический, социально-экономический, эволюционный и институциональный аспекты налоговых моделей.

Всего в качестве первичных данных было использовано 18 различных показателей для выборки, охватывающей 105 стран мира, расположенных в различных географических локациях, в среднем за 5-летний период (2014-2018 гг.) и за отдельные последующие годы (20192021 гг.).

Наибольшим количеством показателей представлен социально-экономический аспект, в том числе:

- подгруппа экономических индикаторов, характеризующая уровень экономического развития государства; для этого используются 2 показателя: ВВП на душу населения с учетом паритета покупательной способности (Е1) и среднегодовой прирост ВВП (Е2);

- подгруппа финансовых индикаторов, характеризующая состояние государственных финансов, также включает два показателя: государственный долг в %

1Впервые представлен в отчёте "Технологии и инновации" Конференции ООН по торговле и развитию (ЮНКТАД) в 2021 г. [Электронный

от ВВП (Fi) и бюджетный дефицит в % от ВВП (F2);

- подгруппа социальных индикаторов ограничена одним хорошо известным показателем - индексом Джини (Gini);

- подгруппа налоговых индикаторов, непосредственно характеризующих фискальные системы стран мира включает показатель налогового бремени (TB, % от ВВП), а также время, затрачиваемое на выполнение налоговых обязательств (TC, часы).

Учитывая, что налоговые отношения формируются под фундаментальных влиянием производственных технологий [12], в состав показателей для кластерного анализа, характеризующих технологический аспект налоговых моделей, включён Индекс готовности к передовым технологиям (Readiness for Frontier Technologies Index)1.

Эволюционный аспект представлен показателями численности населения (Pop) и климатическими условиями развития человеческих популяций: средней температурой самого холодного (январь или июль, в зависимости от полушария Земли, th) и жаркого месяца (январь или июль, tc).

Влияние институционального фактора учитывалось на основе показателей доминирующей религии (переменные "Христианство"; "Ислам"; "Буддизм"; "Индуизм", значение каждой из которых определялось двоичным кодом: 1 - доминирует в данной стране; 0 - не доминирует), размера теневой экономики (SE), индекса восприятия коррупции (CPI), а также степени защиты прав собственности (измеряется в баллах в диапазоне от 1 до 7, при этом большее значение показателя соответствует лучшей защите).

Группировку стран с использованием метода кластерного анализа можно

ресурс]. URL: https://unctad.org/system/files/offi-cial-document/tir2020_en.pdf

было бы произвести на основе всего набора указанных выше показателей (18 наименований). Но при этом следует учитывать, что они являются весьма разнородными, и часть из них взаимосвязана с другими. Поэтому целесообразно осуществить редукцию исходного состава показателей к набору, содержащему меньшее количество признаков без значительных потерь исходной информации. Такая редукция была осуществлена с помощью метода главных компонент. При этом новые показатели - главные компоненты - представляют собой линейные комбинации исходных показателей, выражающие сущностные стороны изучаемых объектов, по которым они (объекты) в наибольшей степени сходны или отличны друг от друга. Главные компоненты не ко-ррелированы и позволяют при группировке стран избавиться от "статистического шума".

Далее кластеризация была осуществлена на основе 7 главных компонент, которые в совокупности учитывают 82,56% вариаций первоначального набора показателей. Каждая последующая компонента объясняет не более 4% межстра-новых различий.

► Результаты кластеризации и их интерпретация. В результате были идентифицированы три крупных достаточно однородных группы, которые были условно названы кластерами стран европейской налоговой модели, а также постколониальных и мусульманских стран (рис. 1).

Полученные результаты в целом не противоречат интуитивно понятной логике разграничения моделей налоговых систем. Наиболее многочисленным, как и можно было ожидалось, является кластер

стран европейской налоговой модели (42 объекта), характерной для европейской социокультурной традиции, включающей подкластеры стран (А) англо-саксонской и скандинавской групп (16 объектов); (Б) восточноевропейской и евразийской групп (18 объектов, включая РФ), а также подкластер (В) южноевропейских стран (8 объектов). При этом следует подчеркнуть, что "географические" названия данного кластера и его подкластеров являются условными, поскольку объединение стран происходило на основе комплекса показателей, характеризующих не только пространственный, но также иные важные аспекты функционирования налоговых систем.

К кластеру европейской модели примыкает второй по количеству объектов кластер, включающий 32 государства Центральной и Южной Африки, Латинской Америки и Юго-Восточной Азии. Это развивающиеся страны третьего мира, многие из которых объединяет тот факт, что в свое время они были колониями европейских метрополий, но затем, после слома мировой колониальной системы (деколонизации) столкнулись с проблемами формирования эффективных национальных государств, создания конкурентоспособных национальных экономик и обслуживающих их налоговых систем. Поэтому данный кластер был условно назван "постколониальным".

Также достаточно многочисленным (20 объектов) является кластер, объединивший страны, в которых социально-экономическое развитие, в том числе в сфере налоговых отношений, осуществляется под сильным воздействием ислама. Данный кластер условно назван "мусульманскими странами".

00 00 Z

КЗ оп

I—1 чО I

КЗ

о

I—1

га m п н я

Я

я

Я

я

гч н я н

> ш

я о я о

я

нС

m гч Я Я X

я

гч

п ^

m bi о

га >

я я »11

КЗ

о

КЗ

Дендрограмма для 105 набл

Метод Вар да Квадрат евклидова расстояния

Кластер постколониальных стран

Кластер ма неких!

Кластер стран европейской налоговой модели

^усуль-стран

Рисунок 1 - Результаты кластеризации стран мира (выделение макрорегионалъных налоговых моделей)

00 00

переменная в моделях представлена показателем среднегодового прироста ВВП за 5 лет (2014-2018 гг., т.е. до начала пандемии COVГО-19). При этом множество экзогенных (независимых) переменных включало следующие показатели (в большинстве случаев использовались их усредненные значения за указанный пятилетний период):

Таблица 1 - Состав наиболее многочисленных кластеров и подкластеров стран мира

Кластер стран европейской налоговой модели Кластер пост-колониальных стран (32 страны) Кластер мусульманских стран (20 стран)

Подкластер восточноевропейской и евразийской групп (18 стран) Подкластеры стран англо-саксонской и скандинавской групп (16 стран) Подкластер южно-европейских стран (8 стран)

Armenia Australia Argentina Benin Albania

Bosnia and Herzeg. Austria Belgium Botswana Algeria

Bulgaria Canada Cyprus Brazil Azerbaijan

Croatia Denmark France Burundi Bangladesh

Czech Republic Finland Greece Cameroon Egypt

Estonia Germany Italy Chile Guinea

Georgia Iceland Portugal Colombia Indonesia

Hungary Ireland Spain Costa Rica Iran

Korea Israel Dominicana Jordan

Latvia Luxembourg Ecuador Kazakhstan

Lithuania Netherlands El Salvador Lebanon

Malta Norway Ethiopia Malaysia

Moldova Sweden Ghana Mali

Poland Switzerland Guatemala Mauritania

Romania United Kingdom Haiti Morocco

Russia United States Honduras Nigeria

Slovenia Jamaica Pakistan

Ukraine Kenya Senegal

Mexico Tajikistan

Mozambique Tunisia

Namibia

Nicaragua

Paraguay

Peru

Philippines

Rwanda

South Africa

Tanzania

Uganda

Uruguay

Zambia

Zimbabwe

Подробный состав обозначенных кластеров и подкластеров представлен в табл. 1.

Для неразделённой совокупности всех 105 стран и для описанных выше кластеров и подкластеров были построены многофакторные эконометрические модели экономического роста. Эндогенная

среднее значение налогового бремени (TBav, % от ВВП);средняя оценка величины теневой экономики (SEav, % от ВВП);

среднее значение ВВП на душу населения с учетом паритета покупательной способности (GDPav, долл. США);

среднее валовое накопление капитала (GFCFav, % к ВВП);

среднегодовой прирост экономически активного населения (LF, %);

среднее значение инфляции (средний темп прироста дефлятора ВВП, 1лй, %);

индекс Джини (&ш); индекс готовности к передовым технологиям - 2021.

При построении моделей применялась процедура пошаговой регрессии, которая позволяет найти эконометрическую модель, которая содержит оптимальное количество переменных, объясняющих вариацию показателя экономического роста, и при этом является статистически адекватной.

Непосредственная реализация процедуры пошаговой регрессии и оценка параметров моделей выполнялась с использованием модуля «Множественная регрессия» программы STATISTICA 10. Используемые в моделях переменные были стандартизированы, т.е., преобразованы (центрированы и нормированы) таким образом, что среднее значение каждой переменной стало равным нулю, а среднеквад-ратическое отклонение - единице. Это даёт возможность, сравнивая оценки коэффициентов при независимых переменных, ранжировать факторы по силе их влияния на зависимую переменную.

Количественных оценки коэффициентов построенных многофакторных линейных моделей представлены в табл. 2.

Анализ полученных результатов позволяет выдвинуть ряд положений, в том

числе применительно к подкластеру восточноевропейских и евразийских стран, который включает Россию.

Во-первых, рост налоговой нагрузки во всех кластерах связан со снижением экономического роста, что хорошо согласуется с положениями экономической теории. Однако степень влияния налогового фактора (если считать, что налоговая нагрузка является причиной, а экономический рост - следствием) существенно разнится. А именно: для стран подкластера восточноевропейской и евразийской групп негативное влияние роста налоговой нагрузки на экономический рост значительно слабее, чем в других кластерах. Об этом свидетельствует минимальное значение оценки соответствующего коэффициента в полученных эконометри-ческих моделях (-0,24914). И это понятно, поскольку в этих группах стран, характеризующихся специфической институциональной средой, экономический рост зависит не только от размеров формальных налоговых платежей, но и, в значительной мере, от неформальных отношений, характерных для порядков ограниченного доступа.

Во-вторых, в подкластере восточноевропейских и евразийских стран фактор инфляции оказывает наиболее сильное негативное воздействие на экономический рост (коэффициент -0,80809). В то же время в подкластере стран англо-саксонской и скандинавской группы наоборот - большей инфляции соответствуют и большие темпы экономического роста. Это связано с тем, что влияние фактора инфляции зависит от ее абсолютной величины, которая явно выше в странах восточно-европейской и евразийской группы (для экономического роста наиболее благоприятной считается инфляции на уровне 2-3%, который составляет целевой ориентир центральных банков многих развитых экономик).

00 00 Z

КЗ оп

I—1 чО I

КЗ

о

I—1

га m п н я

Я

я

Я

я

п н Я

н

<<

н >

ш Я о я о

я

нС

m гч Я Я X

я

п

п ^

m bi о

га >

я я

Я<

КЗ

о

КЗ

Таблица 2 - Оценки стандартизированных коэффициентов эконометрических моделей экономического роста

Кластер стран европейской наднацио-

Неразделённая совокупность стран нальной налоговой модели Кластер постколониальных стран Кластер мусульманских стран

Независимая переменная Подкластер восточноевропей- Подкластеры стран англо-саксонкой и

ской и евразийской групп скандинавской групп

Среднее значение налогового бремени (ТВау, % от ВВП) -0,363588 -0,24914 -0,420844 -0,463248 -0,540934

Средняя опенка величины теневой экономии! (8Еау, % от ВВП) -0,202241

Среднее значение ВВП на душу населе-

ния с учетом паритета покупательной способности (СОРау, долл. США); -0,457867

Среднее валовое накопление капитала (аРСЖчу, % к ВВП); 0,351719 0,356616 0,594763

Среднегодовой прирост экономически активного населения {Ы\ %) 0,033915 0,48036 0,573444 -0,604410

Среднее значение инфляции (средний темп прироста дефлятора ВВП, 1пй, %) -0,205776 -0,80809 0,627365 -0,724888

Индекс Джини (&ш) -0,361621

Индекс готовности к передовым технологиям- 2021 -0,256864 -0,30987 0,389686

Количество стран 105 18 16 32 20

Я квадрат 0,455 0,8168 0,8488 0,6022 0,3522

Я квадрат скорректированный 0,4217 0,7605 0,748 0,5747 0,1795

р-знач. <5% р-знач. <10%

оо оо

В-третьих, увеличение экономически активного населения способствует экономическому росту в кластере стран европейской модели, и в то же время препятствует экономическому росту в кластере мусульманских стран с быстро растущей численностью населения, часть которого не находит себе применения. Поскольку возможности варьирования данным показателем в РФ, испытывающей демографические проблемы, весьма ограничены, то, по-видимому, правительству следует обратить внимание не только на налоговые инструменты стимулирования прироста численности экономически активного населения, но и, прежде всего, - на поощрение качества человеческого капитала, соответствие профессиональных навыков занятых требованиям современных информационных и производственных технологий.

В-четвертых, в подкластере восточноевропейской и евразийской групп связь между индексом готовности к передовым технологиям и экономическим ростом отрицательная, т.е. большему значению индекса соответствует меньшее значение экономического роста, что противоположно результатам, полученным для под-кластера стран англо-саксонской и скандинавской групп. Отсюда можно было бы сделать парадоксальный вывод, что в первом подкластере создание лучших условий для научно-технического прогресса1 не способствует экономическому росту. Разумеется, в принципе, это не так. Проблема напоминает известный парадокс Солоу, который в своё время обнаружил, что компьютеризация не отражается положительно на статистике производительности труда2. Этому со временем были найдены определенные объяснения [14].

1Индекс включает такие компоненты, как уровень развития инфраструктуры, квалификация работников, активность в сфере НИОКР, промыш-

ленная активность и доступ к финансам.

Такие же объяснения можно найти и выявленному в данном исследовании парадоксу. Дело в том, что готовность к передовым технологиям еще не означает экономического успеха от их использования, который зависит, в т.ч., от стадии жизненного цикла и эффекта масштаба.

Как хорошо известно, на ранних стадиях жизненного цикла технологий усилия по их продвижению как правило не приносят весомых результатов или даже могут вызывать убытки (проблема долины смерти, англ. "valley of death" [15]). Очевидно, что в развитых странах новые технологии продвинуты явно дальше, чем в эмерджентных, к которым относится Россия.

И, разумеется, имеет значение эффект масштаба: только массовые инновации приносят значительный - в масштабах страны - экономический результат, а если экономика в принципе слабо приемлет технологические нововведения, то их точечное продвижение может быть малопродуктивным в макроэкономическом отношении. В любом случае важно отметить, что в этой "капризной" сфере, как инновационная, не существует простых рецептов получения хороших результатов, так что, например, простое увеличение затрат на отечественную науку, способствующее росту национального индекса готовности к передовым технологиям, не означает автоматического повышения её эффективности. Поэтому в Российской Федерации так важно, во-первых, политику налогового стимулирования НТП проводить последовательно и строить на системной основе, в контексте общей долгосрочной стратегии научно-технологического развития, и, во-вторых, целеуст-

2Solow R. We'd better watch out // The New York Times Book Review. 1987, 12 July, Vol. 36.

ремленно добиваться продвижения прежде всего тех научно-технических разработок, которые имеют шансы на широкое коммерческое применение.

► Выводы и дальнейшая дискуссия. Идентификация и анализ особенностей макрорегиональных налоговых систем в контексте проблем экономического роста имеет особое значение. Это объясняется современными тенденциями к геоэкономической фрагментации и обострению международной конкуренции, что обусловлено как политическими причинами, так и рядом объективных обстоятельств, связанных с действием глобальных технологических факторов.

Рабочая гипотеза выполненного исследования предполагала возможность выделения относительно однородных групп стран, в которых национальные налоговые системы взаимосвязаны и/или функционируют схожим образом, что позволяет оценивать влияние налогов на экономический рост в рамках этих общностей более корректно и точно.

Руководствуясь этой гипотезой, для выполнения группировки стран с помощью кластерного анализа был использован ряд показателей - технологических, социально-экономических, эволю-

ционных и институциональных - для выборки, охватывающей 105 стран мира за 5-летний период. Их исходный состав был редуцирован к набору, содержащему меньшее количество признаков без значительных потерь исходной информации с помощью метода главных компонент. По результатам кластеризации были выделены три крупных относительно однородных группы стран, представляющие европейскую налоговую модель (включает три отдельные подгруппы), а также модели

постколониальных и мусульманских стран.

Для неразделённой совокупности анализируемых стран, а также для выделенных кластеров и подкластеров были построены многофакторные эконометри-ческие модели экономического роста. Эндогенная переменная в моделях представлена показателем среднегодового прироста ВВП за 5 лет (2014-2018 гг., т.е. до начала пандемии COVID-19, которая оказала сильное искажающее влияние на экономические процессы).

Анализ этих эконометрических моделей показал, что экономический рост в отдельных кластерах по-разному зависит от рассмотренных факторов влияния, в том числе налогового. В частности, для стран подкластера восточноевропейской и евразийской групп, в который входит Российская Федерация, влияние налогов на экономический рост выражено значительно слабее, чем в других макрорегионах.

Однако этот вывод следует интерпретировать с осторожностью, поскольку влияние налогов, отраженное в статистических показателях, не очищено от действия иных искажающих факторов (в том числе дискреционных изменений налогового законодательства), а также не учитывает «чистую» специфику налоговых реакций экономических субъектов на изменения параметров внешней среды. Поэтому перспективным направлением дальнейших исследований предметной области является построение математических моделей агентного типа (agent-based modelling), позволяющих имитировать налоговое поведение национальных экономических субъектов данного макрорегиона под влиянием фискальных стимулов.

► Литература

1. Wade K. The return of "fiscal activism". London: Schroder Investment Management Limited. 2023.

2. Myles G.D. Taxation and Economic Growth // Fiscal Studies. 2000. Vol. 21 (1). P. 141168.

3. Alinaghi N., Reed W.R. Taxes and Economic Growth in OECD Countries: A Meta-anal-ysis, Public Finance Review. 2021. Vol. 49(10). P. 3-40. DOI: 10.1177/1091142120961775

4. Geopolitics and the geometry of global trade / J. Seong, O. White, M. Birshan, L. Woetzel, C. Lamanna, J. Condon, T. Devesa; Ed. J. Bush. McKinsey Global Institute, 2024. 52 p.

5. Geoeconomic Fragmentation and the Future of Multilateralism. Staff Discussion Note SDN/2023/001 / S. Aiyar, J. Chen, C. Ebeke, R. Garcia-Saltos, T. Gudmundsson, A. Ilyina, A. Kangur, T. Kunaratskul, S. Rodriguez, M. Ruta, T. Schulze, G. Soderberg, J.P. Trevino. Washington, DC: International Monetary Fund, 2023. 38 p.

6. Balzat M., Pyka A. Mapping National Innovation Systems in the OECD Area // International Journal of Technology and Globalisation. 2006. Vol. 2 No.1/2. P. 158-176. D0I:10.1504/IJTG.2006.009132

7. Bak I, Wawrzyniak K., Oesterreich M. Competitiveness of the Regions of the European Union in a Sustainable Knowledge-Based Economy // Sustainability. 2022. Vol. 14. P. 3788. DOI:10.3390/su14073788

8. Кравченко С.И., Заниздра М.Ю. Прикладная таксономия наднациональных инновационных систем в контексте модели "quadruple helix". К.: НАН Украины, Институт экономики промышленности. 2018. 149 c.

9. Vishnevsky V., Gurnak A. Taxation, evolutionary economics and tax populations // Journal of Tax Reform. 2015. Vol. 1(1). P. 113-132. DOI: 10.15826/jtr.2015.1.1.008

10. Норт Д., Уоллис Дж., Вайнгаст Б. Насилие и социальные порядки. Концептуальные рамки для интерпретации письменной истории человечества. Пер. с англ. Д. Узланера, М. Маркова, Д. Раскова, А. Расковой. М.: Изд-во Института Гайдара, 2011. 480 с.

11. Вишневский В.П., Гончаренко Л.И., Гурнак А.В., Вишневская Е.Н. Наднациональ-

► References

1. Wade K. (2023). The return of "fiscal activism". London: Schroder Investment Management Limited.

2. Myles G.D. (2000). Taxation and Economic Growth. Fiscal Studies, 21(1), 141-168.

3. Alinaghi N., Reed W.R. (2021). Taxes and Economic Growth in OECD Countries: A Meta-analysis, Public Finance Review, 49(10), 3-40. https://doi.org/10.1177/109114212096 1775

4. Seong J., White O., Birshan M., Woetzel L., Lamanna C., Condon J., Devesa T. (2024). Geopolitics and the geometry of global trade. McKinsey Global Institute.

5. Aiyar S., Chen J., Ebeke C, Garcia-Saltos R., Gudmundsson T., Ilyina A., Kangur A., Kunaratskul T., Rodriguez S., Ruta M., Schulze T., Soderberg G., Trevino J.P. (2023). Geoeco-nomic Fragmentation and the Future of Multilateralism. Washington, DC: International Monetary Fund.

6. Balzat M., Pyka A. (2006). Mapping National Innovation Systems in the OECD Area. International Journal of Technology and Globalisation, 2(1/2), 158-176. https://doi.org/ 10.1504/IJTG.2006.009132

7. Bak I, Wawrzyniak K., Oesterreich M. (2022). Competitiveness of the Regions of the European Union in a Sustainable Knowledge-Based Economy. Sustainability. 2022. Vol. 14. P. 3788. https://doi.org/10.3390/su14073788

8. Kravchenko S.I., Zanizdra M.Yu. (2018). Applied taxonomy of supranational innovation systems in the context of the "quadruple helix" model. Kiev: NAS of Ukraine, Institute of Industrial Economics. [In Russian]

9. Vishnevsky V., Gurnak A. (2015). Taxation, evolutionary economics and tax populations. Journal of Tax Reform, 1(1), 113-132. https://doi.org/ 10.15826/jtr.2015.1.1.008

10. North D., Wallis J., Weingast B. (2011). Violence and social orders. A conceptual framework for interpreting the written history of mankind. Moscow: Publishing house of the Gaidar Institute. [In Russian]

11. Vishnevsky V.P., Goncharenko L.I., Gurnak A.V., Vishnevskaya E.N. (2017). Supranational models of tax systems: from China to

ные модели налоговых систем: от Китая до Ма-гриба (Китайско-Восточноазиатская, Индийско-Южноазиатская и Магрибско-Ближнево-сточная налоговые популяции): монография; под общ. ред. проф. В.П. Вишневского. М.: Магистр: ИНФРА-М, 2017. 272 с.

12. Mirwaldt K., McMaster I., Bachtler J. The concept of macro-regions: practice and prospects // European Police Research Paper. 2011. No. 76. 20 p.

13. Вишневский В.П., Гончаренко Л.И., Никулкина И.В., Гурнак А.В. Налоги и технологии: прошлое, настоящее и будущее налоговой системы России // Terra Economicus. 2020. № 18(4). C. 6-31. DOI: 10.18522/2073-66062020-18-4-6-31

14. Платонов В.В. "Парадокс Солоу" двадцать лет спустя или об исследовании влияния инноваций в информационных технологиях на рост производительности // Финансы и бизнес. 2007. № 3. С. 28-39.

15. Murphy L.M., Edwards P.L. Bridging the Valley of Death: Transitioning from Public to Private Sector Financing. Colorado: National Renewable Energy Laboratory, 2003. 55 p.

Maghreb (Chinese-East Asian, Indian-South Asian and Maghreb-Middle Eastern tax populations). Moscow: Master: INFRA-M. [In Russian]

12. Mirwaldt K., McMaster I., Bachtler J. (2011). The concept of macro-regions: practice and prospects. European Police Research Paper, 76.

13. Vishnevsky V.P., Goncharenko L.I., Nikulkina I.V., Gurnak A.V. (2020). Taxes and technologies: past, present and future of the Russian tax system. Terra Economicus, 18(4), 6-31. [In Russian] https://doi.org/10.18522/2073-6606-2020-18-4-6-31

14. Platonov V.V. (2007). "The Productivity Paradox" twenty years later or a study of the impact of innovations in information technology on productivity growth. Finance and Business, 3, 28-39. [In Russian]

15. Murphy L.M., Edwards P.L. (2003). Bridging the Valley of Death: Transitioning from Public to Private Sector Financing. Colorado, National Renewable Energy Laboratory.

Статья поступила в редакцию 20.01.24