CC BY
10
Моделирование объемов таможенных платежей и их параметров
М. М. Цвиль, О. А. Абрамова Российская таможенная академия, Ростовский филиал
Аннотация: Для анализа такого значимого показателя локомотивостроительной отрасли, как величина таможенных платежей по импорту, исследуется зависимость объемов таможенных платежей по импорту от веса, стоимости, средневзвешенной ставки и курса доллара. Проведено математическое моделирование по помесячным данным в период с 2019 по 2021 гг. объемов таможенных платежей и их параметров группы 86 Товарной номенклатуры внешнеэкономической деятельности Евразийского экономического союза «Железнодорожные локомотивы или моторные вагоны трамвая, подвижной состав и их части; путевое оборудование и устройства для железных дорог или трамвайных путей и их части; механическое (включая электромеханическое) сигнальное оборудование всех видов». Взаимосвязи указанных переменных представлены системой одновременных уравнений структурного вида. Ключевые слова: локомотивостроительная отрасль, математическое моделирование, линейная множественная регрессия, мультиколлинеарность, система одновременных уравнений, идентификация, структурная форма модели, приведенная форма модели.
Локомотивостроение играет большую роль в развитии государства, оно охватывает совокупность процессов разработки, проектирования и производства локомотивов, совершенствования их типов и конструкций, создания технологии и организации их производства. Данная отрасль оказывает влияние как на производственный потенциал, логистику цепей поставок, развитие торгово-экономический отношений, так и на социальные процессы в стране (уровень удовлетворенности железными дорогами населения государства, скорость проезда и другое).
На сегодняшний день производство пассажирских вагонов в РФ восстанавливается после резкого провала в начале 2022 года. В январе 2023 года разрыв с показателями результативности локомотивостроительной отрасли 2021 года составил только 40%, снизив это значение на 50% по сравнению с январем 2022 года.
Первоначальный разрыв аналитики связывают с появившимися проблемами поставок деталей и запчастей. Расширение производства данной отрасли и его обновление сейчас является необходимым, так как пассажирские железнодорожные перевозки во многом стали заменой
нарушенного авиасообщения.
Необходимо отметить, что согласно заявлению заместителя генерального директора - начальника Дирекции тяги Олега Валинского, доля импортных комплектующих в стоимости разных локомотивов составляет от 2,1% до 79,1%. Такая тенденция замедляет наращивание экспортного потенциала локомотивостроительной отрасли.
Тенденция импортозамещения, развивающаяся в России предполагает усиление развития национальных отраслей промышленности и, соответственно, проведение таможенной политики, предполагающей поддержку отечественных производителей и сокращение импортных поставок. Таким образом, актуальным является определение влияния различных факторов на величину таможенных платежей, взимаемых таможенными органами с участников внешнеэкономической деятельности (ВЭД) по операциям, связанных с импортом запчастей и иных товаров для локомотивостроительной отрасли для принятия верных стратегических решений, касающихся таможенных ограничений импорта товаров данной отрасли [1].
Цель данной статьи: изучить зависимость величины таможенных платежей по импорту группы 86 товарной номенклатуры внешнеэкономической деятельности Евразийского экономического союза (далее - ТН ВЭД ЕАЭС) «Железнодорожные локомотивы или моторные вагоны трамвая, подвижной состав и их части; путевое оборудование и устройства для железных дорог или трамвайных путей и их части; механическое (включая электромеханическое) сигнальное оборудование всех видов» от параметров: веса товара, его стоимости, средневзвешенной ставки и курса доллара при помощи математического моделирования [2,3].
Прогнозирование таможенных платежей базируется на расчете показателей (параметров) деятельности таможенных органов: вес нетто
МИнженерныйвестник Дона, №6 (2023) ivdon.ru/ru/magazine/arcliive/n6y2023/8508
товаров, стоимость, курс доллара США, средневзвешенная ставка (далее СВС), определяемая отношением величины таможенных платежей к стоимости товаров [4].
Прогнозирование по импорту осуществляется по видам таможенных платежей в отношении товарных групп ТН ВЭД ЕАЭС.
Исследуем зависимость объемов таможенных платежей по импорту от его параметров группы 86 ТН ВЭД ЕАЭС с помощью математической модели [5].
По помесячным данным в период с 2019 по 2021 гг., представленных в табл. 1. изучается зависимость объемов таможенных платежей млн. долл. (у) от веса в т (х^, стоимости в тыс. долл. (х2), курса доллара США (х3), СВС (х4).
Таблица № 1
Данные для построения множественной линейной регрессии
год мес. y2 х1 х2 Х3 год мес. y2 х1 х2 Х3
1 52,79 2165,40 3919,88 66,51 7 50,37 2410,04 3615,27 71,29
2 62,70 2365,16 4935,46 65,81 8 52,49 2306,91 3600,23 73,80
3 62,92 2558,50 5116,26 65,09 о (N 9 54,95 2529,98 3671,16 75,73
4 89,81 3735,50 7899,36 64,60 О (N 10 53,43 2368,15 3449,44 77,66
5 72,25 2907,34 6015,66 64,82 11 52,28 2414,51 3457,47 76,84
as 6 78,82 3344,55 6297,00 64,17 12 61,53 3015,56 4210,31 74,22
о (N 7 81,57 3456,34 6636,70 63,22 1 40,12 2000,90 2717,57 74,39
8 88,15 3447,14 6790,15 65,59 2 58,23 2662,95 3772,07 74,32
9 68,93 2854,21 5782,75 64,96 3 58,62 2251,91 3764,59 74,40
10 89,92 3565,01 7099,79 64,38 4 68,03 2633,77 4278,24 76,14
11 90,42 3396,42 7287,40 63,87 5 54,28 2262,91 3577,35 74,00
12 127,07 5118,47 9026,04 62,93 (N 6 60,25 2202,82 3979,74 72,62
1 103,30 4455,23 7380,68 61,81 О (N 7 67,39 2759,93 4379,60 73,89
2 107,20 4366,42 7310,31 63,98 8 66,34 2873,54 4360,36 73,58
О (N 3 106,15 4330,20 6397,90 73,72 9 60,68 2523,18 3824,78 72,93
О (N 4 47,10 2236,78 3345,91 74,76 10 97,37 4420,22 6327,87 71,45
5 36,15 1561,68 2472,10 72,50 11 84,08 4536,41 5649,41 72,70
6 52,88 2448,57 3859,96 69,20 12 109,51 6716,26 7148,89 73,77
Необходимо провести математический анализ данной зависимости с
применением MS Excel программы «Регрессия».
Построено уравнение линейной множественной регрессии вида (1): Y± = - 5 2,0 14 + 0,0 02 х1 + 0, 0 1 2 х2 - 0,43 7 х3 + 5,95 6х4 (1)
В соответствии с итогами анализа, отметим, что полученное уравнение
л
модели является значимым, так как коэффициент детерминации Я2 = 0,99, значение Б-критерия (2441) значительно превышает табличное [6]. Коэффициенты модели (1) статистически значимы.
Однако при проведенной оценке матрицы парных коэффициентов корреляции была отмечена мультиколлинеарность - тесная взаимосвязь хг и х2 в уравнении регрессии (1) (рис. 1.).
У1 х: х2 хЗ Х4
у1 1
XI 0,911931 1
х2 0,942713 0,315122 1
кЗ -0,53093 -0,3 239а -0,7379 1
х4 -0.12052 0,00171В -0.437В 0.30434В 1
Рис. 1. - Матрица парных коэффициентов корреляции Необходимо отметить, что оценить характер влияния указанных факторов на вариацию объемов таможенных платежей при помощи отдельно взятого уравнения (1) недостаточно, так как изменение одной переменной невозможно при стабильном значении других переменных. Поэтому приходим к необходимости рассматривать систему одновременных уравнений (СОУ) в структурной форме [7].
Разделим переменные на эндогенные, определяемые внутри модели, как у, и экзогенные, определяемые вне модели и обозначающиеся, как х. Это необходимо для формирования системы одновременных уравнений.
Структурная форма модели помогает изучить взаимосвязи объемов таможенных платежей и его основных параметров.
В разрабатываемой нами модели роль эндогенных переменных выполняют уI - объемы таможенных платежей млн. долл., у2 - СВС. Экзогенными переменными являются х\ - вес в т, х2 - стоимость в тыс. долл., х3 - курс доллара США.
Построим СОУ, которая содержит взаимозависимые эндогенные переменные - структурную форму модели (2).
Уг = ьиУ2 + апх1 + а12хз + аю
(2)
В первую очередь требуется провести оценку идентификации уравнений системы. Обозначив число эндогенных переменных в уравнении системы через Н, а число экзогенных переменных, содержащихся в системе, но не входящих в данное уравнение, через О, получим следующие условия идентифицируемости модели:
- Для первого уравнения: 0= 1, Н = 2. 0+1=Н (идентифицируемо).
- Для второго уравнения 0=2, Н=2. 0+1>Н (сверхидентифицируемо).
На основании проведенной оценки делаем вывод о том, что
представленная выше система структурных уравнений -сверхидентифицируема.
Далее применим двухшаговый метод наименьших квадратов (ДМНК) для определения параметров модели. ДМНК дает возможность оценить коэффициенты структурного уравнения.
Применение этого метода основывается на следующих этапах. Первый этап - построение приведенной формы модели (ПФМ).
Вначале необходимо составить ее в символьном виде, далее, применяя метод наименьших квадратов (МНК), найдем числовые параметры каждого из уравнений ПФМ [8-10].
После применений МНК получим уравнения (3) и (4) в приведенной формуле:
(3)
Уравнение (3) имеет коэффициент детерминации Я = 0,98 и критерий Фишера Б = 252,38.
У2 = 0,604 + 0,0 004 хх - 0,000 2 5х2 - 0, 1 877 х3 (4)
л
Коэффициенты значимости уравнения (4): Я = 0,98, Фишера Б =
106,04. В результате получим теоретические (модельные) значения эндогенных переменных, представленные в табл. 2.
Таблица № 2
Теоретические значения эндогенных переменных
г У1теор., млн У2теор., млн г У1теор., млн У2теор., млн
1 49,626 13,004 19 51,783 14,076
2 61,698 12,702 20 53,324 14,508
3 64,159 12,601 21 57,084 14,943
4 101,928 11,369 22 55,427 15,296
5 76,090 12,469 23 55,022 15,158
6 81,076 12,455 24 64,504 14,723
7 84,712 12,239 25 42,105 14,713
8 88,562 12,641 26 57,677 15,549
9 73,263 12,532 27 55,454 15,400
10 91,645 12,385 28 64,974 15,756
11 92,427 12,175 29 53,012 15,377
12 120,760 14,183 30 56,042 15,189
13 97,329 14,110 31 64,772 15,555
14 98,009 14,499 32 64,884 15,548
15 96,184 16,538 33 56,270 15,415
16 50,908 14,723 34 93,810 15,289
17 35,217 14,241 35 87,794 14,699
18 52,894 13,637 36 117,666 15,413
После использования теоретических значений вместо наблюдаемых
значений регрессоров для идентификации структурного уравнения, получим систему уравнений вида (5):
(5)
Полученные уравнения модели значимы, так как коэффициент детерминации Я2(У1) = 0,92, значение Б-критерия (122,79) и Я2 (У2) = 0,71, значение Б-критерия (39,85).
Представленная выше система уравнений отражает влияние веса товаров товарной группы 86 ТН ВЭД ЕАЭС, курса доллара и средневзвешенной ставки, на величину таможенных платежей, перечисляемых в бюджет взимаемых с участников ВЭД, импортирующих данные товары на территорию РФ. В то же время, на СВС оказывает влияние величина таможенных платежей и стоимость товара. Отметим, что СВС и вес
товара влияют на величину таможенных платежей в сторону увеличения, а курс доллара - в сторону снижения. Аналогично, величина таможенных платежей определяет увеличение СВС, а стоимость товара ее снижение. Таким образом, при импортозамещении товаров локомотивостроительной отрасли, активно развивающейся в России в условиях актуализации железнодорожных перевозок, необходимо учитывать данное влияние для стратегического планирования таможенных органов и определения необходимых ограничительных мер таможенной политики. Это необходимо для повышения уровня развития локомотивостроения в Российской Федерации.
Литература
1. Цвиль М.М., Великанова Е.С. Прогнозирование объемов таможенных платежей с использованием фиктивных переменных // Инженерный вестник Дона, 2020, №4. URL: ivdon.ru/ru/magazine/archive/N4y2020/6401.
2. Кремер Н.Ш., Путко Б.А. Эконометрика: учебник // М.: Юнити-Дана, 2017. 328 с.
3. Цвиль М.М., Заиченко Ю.Р. Сезонная модель Уинтерса с линейным ростом статистической стоимости // Инженерный вестник Дона, 2021, №7. URL: ivdon.ru/ru/magazine/archive/n7y2021/7109.
4. Капитанова О.В. Прогнозирование социально-экономических процессов: Учебно-методическое пособие. Нижний Новгород: Нижегородский госуниверситет, 2018. 77 с.
5. Булычева К.А. Майсак О. А. Роль поступления таможенных платежей в федеральный бюджет РФ // Экономика и бизнес: теория и практика. 2020. Т.12. № 1 (70). С. 116-119.
6. Гомон И.В. Выродова А. М., Козачек М.В. Таможенные платежи в системе таможенно-тарифного регулирования // Экономика и бизнес: теория и практика. 2020. Т. 12. № 1 (70). С. 194-198.
7. Цвиль М. М. Анализ временных рядов и прогнозирование: учеб. пособие. Ростов н/Д: Российская таможенная академия, Ростовский филиал, 2016. 135 с.
8. Елисеева И.И. Курышева С.В. Эконометрика: учебник. М.: Проспект, 2011. 288 с.
9. Greene W.N. Econometric Analysis. New Jersey: Prentice Hall, 2002. 272 р.
10. Baltagi B.H. Econometric Analysis of Panel Data. Chichester: John Wiley &Sons, Ltd, 2005. 356 р.
References
1. Cvil' M.M., Velikanova E.S. Inzhenernyj vestnik Dona, 2020, №4. URL: ivdon.ru/ru/magazine/archive/N4y2020/6401.
2. Kremer N.Sh., Putko B.A. Ekonometrika: uchebnik. [Econometrics: textbook]. M.: Yuniti-Dana, 2017. 328 p.
3. Cvil' M.M., Zaichenko Yu.R. Inzhenernyj vestnik Dona, 2021, №7. URL: ivdon.ru/ru/magazine/archive/n7y2021/7109.
4. Kapitanova O.V. Prognozirovanie sotsialno-ekonomicheskikh protsessov: Uchebno-metodicheskoe posobie. [Forecasting socio-economic processes: Educational and methodological manual]. Nizhniy Novgorod: Nizhegorodskiy gosuniversitet, 2018. 77 p.
5. Bulycheva K.A. Maysak O. A. Ekonomikaibiznes: teoriyaipraktika. 2020. T. 12. № 1 (70). pp. 116-119.
1. Gomon I.V. Vyrodova A. M., Kozachek M. V. Ekonomika I biznes: teoriya I praktika. 2020. T. 12. № 1 (70). pp. 194-198.
2. Cvil' M. M. Analiz vremennykh ryadov I prognozirovanie: ucheb.
posobie. [Time series analysis and forecasting: studies. stipend]. Rostov n/D: Rossiyskaya tamozhennaya akademiya, Rostovskiy filial, 2016. 135 p.
3. Eliseeva I.I. Kurysheva S.V. Ekonometrika: uchebnik. [Econometrics: textbook]. M.: Prospekt, 2011. 288 p.
4. Greene W.N. Econometric Analysis. New Jersey: Prentice Hall, 2002.
272 p.
5. Baltagi B.H. Econometric Analysis of Panel Data. Chichester: John Wiley &Sons, Ltd, 2005. 356 p.
