CC BY
27DOI: 10.38197/2072-2060-2021-227-1-161-181
применение данных банковской статистики при оценке сектора мсп В Российской федерации
using banking statistics to assess the sme sector in the russian federation
АЛЕхноВИЧ АНАСТАСИя оЛЕГоВНА
Директор Института экономики роста имени П.А. Столыпина, руководитель Экспертного центра при Уполномоченном при Президенте Российской Федерации по защите прав предпринимателей
л
ANASTASIA O. ALEKHNOVICH
the Presidential Commissioner for Entrepreneurs' Rights ORCID: 0000-0002-2868-2774
АНУЧИН ЛЕОНИД ЛЕОНИДОВИЧ
Советник Уполномоченного при Президенте Российской Федерации по защите прав предпринимателей, первый заместитель директора Института экономики роста имени П.А. Столыпина
LEONID L. ANUCHIN
Adviser to the Presidential Commissioner for Entrepreneurs' Rights, First Deputy Director of the Institute for the Economy of Growth named after P.A. Stolypin ORCID: 0000-0002-3708-2826
АХИЕВ АНТОН ОЛЕГОВИЧ
Заместитель директора Института экономики роста имени П.А. Столыпина
ANTON O. AKHIEV
Deputy Director of the Institute for the Economy of Growth named after P.A. Stolypin
ORCID: 0000-0002-3453-6570
АННОТАЦИЯ
По мере развития технологий сбора, обработки и хранения данных многие страны начали модернизировать системы официальной статистики, дополняя их большими и администрируемыми данными. Один из наиболее подробных и оперативных источников данных о состоянии экономики - данные банковской статистики. В статье представлены результаты сравнительного анализа данных Индекса Роста МСП, формируемого на основе данных ПАО «Сбербанк», с данными Федеральной налоговой службы. Анализ показал, что данные банковской статистики соответствуют данным ФНС России по распределению наблюдений в различных разрезах (субъекты РФ, размеры бизнеса) и дают возможность более оперативно получать данные о состоянии сектора и могут
использоваться для анализа сектора МСП, а также прогнозирования основных параметров его развития. На основании анализа данных банковской статистики за III квартал 2020 года был выявлен эффект «обеления сектора» и роста отчислений по страховым взносам и НДФЛ вследствие снижения ставки по страховым взносам для субъектов МСП с 30% до 15%. Проведенный в рамках второго этапа анализ на основе данных ФНС России также подтвердил данный вывод. ABSTRACT
With the development of technologies for collecting, processing and storing data, many countries started to upgrade the systems of official statistics, complementing it with big and administrative data. One of the most detailed and operative sources of data on the economy is banking statistics. The article presents the results of a comparative analysis of the data of the SME Growth Index, formed on the basis of the data of Sberbank, and the data of the Federal Tax Service of the Russian Federation. The analysis showed that the data of banking statistics correspond to the data of the Federal Tax Service of Russia both in the distribution of observations in various sections (regions of the Russian Federation, size of the business), and make it possible to more quickly obtain data on the state of the sector, and can be used both for analyzing the SME sector and forecast parameters of its development. Based on the analysis of banking statistics for the 3rd quarter of 2020, the effect of "the sector whitewashing" and an increase in deductions on insurance premiums and personal income tax due to a decrease in the rate on insurance charges for SMEs from 30% to 15% was revealed. Further analysis based on data from the Federal Tax Service of Russia also confirmed this conclusion.
КЛЮЧЕВЫЕ СЛОВА
Большие данные, данные банковской статистики, МСП, цифровая экономика, государственное управление.
164
KEYWORDS
Big data, banking statistics, SMEs, digital economy, public administration.
могут ли большие данные стать новым источником информации об экономике для органов государственной власти и академического сообщества?
Фактически во всех странах мира в рамках выработки и реализации государственной экономической политики большое значение имеют данные официальной статистики, основанные на статистических наблюдениях или админи-стрируемых данных (данных ведомственного статистического учета). Однако по мере развития технологий сбора, обработки и хранения данных еще одним ключевым источником информации становятся большие данные, которые в ряде развитых стран в официальном порядке начинают занимать существенную часть всей системы государственной статистики [1].
Как показывает опыт европейских стран, среди основных источников больших данных, обладающих потенциалом для дальнейшего использования в рамках государственного управления, возможно выделить следующие:
1. Данные, формируемые в рамках процесса:
• информация государственных учреждений (данные налоговых органов, фондов, медицинских и образовательных учреждений и пр.);
• информация негосударственных организаций (коммерческие сделки, банковская статистика, данные торговых площадок, данные контрольно-кассовой техники и пр.).
2. Данные, формируемые устройствами:
• данные стационарных сенсоров (бытовая техника, датчики температуры, данные камер наблюдения и пр.);
• данные мобильных сенсоров (геолокация мобильных телефонов, автомобили, изображения спутников);
• данные компьютерных систем (файлы регистрации, данные веб-сайтов и пр.) [2].
3. Информация, источником которой является каждый человек (социальные сети, фотографии, видео, поисковые запросы в сети Интернет, содержание текстовых и голосовых сообщений и пр.)
В мировой практике уже созданы прецеденты, когда официальная система статистики подвергалась критике, при этом исследователи и международные организации были вынуждены использовать альтернативные источники данных. Так, например, считается, что с 2007 г. Правительство Аргентины искажало данные об индексе потребительских цен в рамках официальных отчетов органов государственной статистики, в результате чего в качестве альтернативного источника было предложено использовать данные «Проекта миллиарда цен», разработанного Массачусетским технологическим институтом, и его продолжение — проект «PriceStats». Оба этих проекта позволяют в реальном времени (данные обновляются ежедневно с задержкой в 3 дня по 23 странам, в том числе и России) измерять изменение цен по более чем 5 млн товаров, реализуемых в онлайн-ма-газинах [3, 4]. Еще один проект, разработанный американской холдинговой компанией — State Street, индекс прямых инвестиций (по оценке самой компании, индекс охватывает около 60% данных глобального рынка прямых инвестиций), также стал важнейшим инструментом как в США, так и в европейских странах для оценки результатов деятель-
ности организаций и определения эффектов от инвестиций [5,6]. Основное конкурентное преимущество данного инструмента — подробный и точный набор данных о прямых инвестициях в условиях непрозрачности и не публичности большинства информационных отчетов в данной сфере1.
Вместе с тем, несмотря на все преимущества использования больших данных, по-прежнему как среди представителей академического сообщества, так и среди органов государственного управления остаются вопросы и замечания к тому, как эти данные могут применяться:
• во-первых, традиционные статистические данные формируются на основе выборочных и сплошных наблюдений, при этом выборка является, как правило, стратифицированной и случайной и зависит от параметров, заложенных в методологии. В случае с большими данными исследователь ограничен в своем влиянии на корректировку методологии формирования выборки, при этом сама выборка является детерминированной и охватывает только данные о субъектах, которые находятся в поле зрения оператора больших данных (например, клиенты банков, операторов сотовой связи и т.д.);
• во-вторых, при использовании традиционных источников информации действует допущение (в том числе в результате разработки методологической основы) о репрезентативности выборки. Вне зависимости от охвата большими данными изучаемых объектов, интересующая исследователя группа может оказаться вне поля зрения. Кроме того, в ряде случаев возможности для сопоставления характеристик совокупности, которая
1 Подробнее о данном инструменте см. Public Equity Index, который доступен по ссылке: https://Www.ssgx.com/portal/peindex/index-performance/.
охватывается большими данными, и всей генеральной совокупности в целом существенно ограничены (например, в случае анализа данных сотовых операторов) [7];
• в-третьих, доступная для исследователей детализация больших данных в случае незначительного количества изучаемых объектов в максимально детализированных разрезах (например, выручка средних предприятий, ведущих деятельность в сфере производства напитков в конкретном муниципальном образовании) может быть существенно ограничена в силу того, что операторы больших данных ограничены требованиями о соблюдении конфиденциальности информации. Тем не менее в агрегированном виде такого рода данные все же доступны для исследователей;
• и, в-четвертых, применение больших данных также ограничено информационной инфраструктурой как частных компаний, так и органов государственной власти — операторов администрируемых данных (например, ФНС России, ФТС России, Пенсионного фонда и т.д.). Сбор, хранение и обработка больших данных требует больших сил и средств и в ряде случаев является уже второстепенной задачей в рамках развития цифровой экономики [8].
методические аспекты применения данных банковской статистики при оценке состояния сектора малого и среднего предпринимательства в России
Один из наиболее полных источников больших данных об МСП в России — данные банковской статистики ПАО «Сбербанк». На основе этих данных Институт экономики роста им. П.А. Столыпина разработал и представил первый выпуск Индекса Роста МСП, который позволяет проводить
168
оперативный мониторинг состояния сектора малого и среднего предпринимательства и оценивать эффективность реализуемой государственной политики с целью дальнейшего проектирования мер государственной поддержки, направленных на данный сектор.
В ноябре 2020 г. состоялась серия экспертных обсуждений с представителями академического сообщества, органов государственной власти и предпринимателями, посвященных вопросам методологии построения Индекса и возможным направлениям его дальнейшего развития. В ходе обсуждений один из наиболее острых вопросов, относящихся к методологии Индекса, касался репрезентативности данных, в результате чего потребовалось проведение дополнительного исследования с целью формирования доверия к используемым в расчете Индекса данным.
В целом для расчета Индекса Роста МСП используются следующе показатели развития малого и среднего предпринимательства:
1. Динамика выручки малых и средних предприятий в пересчете на один субъект МСП.
Средний объем выручки одного субъекта МСП рассчитывается как отношение суммарного объема поступлений на расчетные счета субъектов МСП по исполненным платежным поручениям за отчетный период к количеству субъектов МСП с хотя бы одним аналогичным поступлением за отчетный период. Информация формируется на основе данных о поступлениях на расчетные счета субъектов МСП.
2. Изменение объема фонда оплаты труда МСП на 1 занятого.
Объем ФОТ МСП на 1 занятого рассчитывается как отношение суммарного объема ФОТ по всем субъектам МСП за
отчетный период к количеству уникальных физических лиц с зарплатными начислениями от субъектов МСП за отчетный период. Информация формируется на основе данных о поступлениях зарплатных начислений на зарплатные проекты физических лиц, трудоустроенных у субъектов МСП.
3. Изменение численности физических лиц с зарплатными начислениями на 1 субъект МСП.
Численность физическихлиц с зарплатными начислениями на 1 субъект МСП рассчитывается как отношение количества уникальных физических лиц с зарплатными начислениями от субъектов МСП за отчетный период к количеству субъектов МСП с хотя бы одним аналогичным поступлением за отчетный период. Информация формируется на основе данных о поступлениях зарплатных начислений на зарплатные проекты физических лиц, трудоустроенных у субъектов МСП.
Помимо данных показателей, для целей исследования также доступны данные о количестве субъектов МСП и общем объеме фонда оплаты труда. Все данные представлены в следующих разрезах: субъект Российской Федерации, вид экономической деятельности, категория субъекта МСП (микро-, малый и средний).
Один из важнейших критериев формирования доверия к выборочной совокупности — соблюдение критерия репрезентативности, которое фактически достигается формированием такой выборки, которая максимально представляет всю изучаемую совокупность. В большинстве исследований репрезентативность предполагает, во-первых, несмещенность выборки, и, следовательно, результаты исследований, проведенные на такой выборке, позволяют экстраполировать их на всю изучаемую совокупность. Во-вторых, в рамках достижения репрезентативности выборки исследователи
говорят также о необходимости представлять все категории изучаемых объектов в рамках генеральной совокупности (это условие близко к определению случайной выборки), хотя и необходимо учитывать, что в отдельных случаях выборка может быть несмещенной при неравном представительстве всех категорий изучаемых объектов (например, в случае стратифицированной выборки). Кроме того, ряд исследователей утверждают, что достижение репрезентативности возможно только по определенным параметрам (например, по субъектам Российской Федерации, по размеру бизнеса, по выручке и т.д.). И, наконец, в случае вероятностной (случайной) выборки репрезентативность может достигаться, когда величина статистической погрешности не превышает уровня, приемлемого для целей исследования [9]. С учетом того, что выборочная совокупность, основанная на больших данных Сбербанка является детерминированной, оценка проводится только по первым двум трактовкам репрезентативности.
В целом, согласно табл. 1, данные банковской статистики в среднем за рассматриваемый период охватывают 49,7% от всего числа субъектов малого и среднего предпринимательства, внесенных в Единый реестр МСП ФНС России. Выборочные обследования на основе, проводимые Росстатом, охватывают около 20% субъектов МСП.
В рамках имеющейся в доступе информации средние значения в рамках рассматриваемых периодов по выручке и объему ФОТ достаточно близки, однако число занятых на 1 МСП по данных ФНС выше, чем аналогичные данные, формируемые в банковской статистике и отчетах Росстата.
В рамках сравнения пропорций распределения субъектов МСП и числа занятых у субъектов МСП в данных банковской статистики и генеральной совокупности в целом
Таблица 1
Сравнение данных ПАО «Сбербанк» и данных официальной статистики в России
Данные ПАО «Сбербанк» Данные ФНС России Данные Росстата
Период наблюдения 01.01.201930.09.2020 01.01.201930.09.2020 01.01.2019-31.12.2019е
Количество субъектов МСП в выборке (тыс. ед. по состоянию на конец периода) 2786,6 5602,7 1184,9
Доля субъектов МСП в выборке (тыс. руб. по состоянию на конец периода) 49,7% 100%а 20%/100%ь
Средняя выручка на 1 МСП (руб.) 2658,3 - 2497,3
Среднее число занятых на 1 МСП (чел.) 2,18 2,76 2,15
Средний объем ФОТ на 1 занятого на МСП (руб./ мес.) 32 510 33 887 _
а Данные Единого реестра МСП ФНС России отражают всю исследуемую генеральную совокупность.
ь В зависимости от типа наблюдения (около 20% — выборочное (ежемесячно/ ежеквартально), 100% — сплошное (проводится 1 раз в 5 лет). с Приведен период с максимальным охватом данных по субъектам МСП.
(в соответствии с данными Единого реестра ФНС России) была проведена проверка значимости расхождений наблюдаемых и ожидаемых частот с помощью критерия согласия Пиросна х2. Нулевая гипотеза, рассмотренная в рамках данного теста, заключается в том, что распределение субъектов МСП в различных разрезах (по размеру бизнеса, по субъектам Российской Федерации и по видам экономической деятельности) согласованы с ожидаемым распределением.
Исходя из результатов проведенного анализа, представленного в табл. 2, во всех рассмотренных случаях нулевая гипотеза не может быть отвергнута, что свидетельствует о схожести распределения наблюдаемых частот в выборке, формируемой на основе данных банковской статистики, и генеральной совокупности, формируемой на основе данных ФНС России.
Так как средние оценки по показателям в целом смещены незначительно, а распределение частот в выборочной совокупности соответствует теоретическому распределению, можно говорить о том, что выборка, основанная на данных банковской статистики, в целом является репрезентативной, однако необходимо учитывать, что при оценке иных параметров выборки и подготовки на их основе выводов может потребоваться дополнительное проведение анализа с целью проверки соответствия характеристик выборочной и генеральной совокупности.
С учетом того, что в данной работе использовались данные генеральной совокупности — Единого реестра МСП, возникает вопрос о необходимости использования выборочных данных.
Администрируемые данные Федеральной налоговой службы в отношении предприятий сектора малого и среднего бизнеса, самозанятых ограничены порядком формирования данных — большинство малых и средних предприятий находятся на специальных налоговых режимах, не предусматривающих подачу детальных деклараций, при этом периодичность подачи данных также ограничена. В отношении ЕНВД и патентной системы налогообложения в целях снижения давления на малые предприятия используется понятия «вмененного» и «предельного» дохода: фактиче-
Таблица 2
Критерий согласия Пирсона х2
(сравнение частот в выборках ПАО «Сбербанк» и Единого реестра МСП)
Число субъектов МСП Число занятых на субъектах МСП
Разрез данных Размер бизнесаа Субъекты РФь Размер бизнеса Субъекты РФ
Значение Х2 1,8 18,1 4,1 15,2
Количество степеней свободы ^ 2 82 2 82
Критическое значение 6 104,1 6 104,1
Р-значение 0,18 0,99 0,13 0,99
а Микро, малые и средние предприятия.
ь За исключением Республики Крым и г. Севастополя, данные по которым не охватываются данными банковской статистики.
Источник: Расчеты автора на основе данных Индекса Роста МСП и Единого реестра МСП ФНС России
ский доход, в случае если не превышает предельные показатели налоговых режима, не представляет юридического факта для налоговых органов.
Кроме того, еще один новый источник данных — данные контрольно-кассовой техники, которые охватывают в основном розничную торговлю, оказание услуг и выполнение работ, в том время как вся производственная цепочка (от «инновации» до «обслуживания») и большая часть сектора b2g и Ь2Ь, экспортно-импортные операции, остаются вне пределов такого анализа, что практически полностью исключает из анализа производственные предприятия сектора малого и среднего бизнеса.
174
эффекты от снижения ставки по страховым взносам для субъектов мсп с 30% до 15%: сравнение результатов анализа на основе данных банковской статистики и ФНС России
В период с 1 апреля 2020 года для плательщиков страховых взносов, признаваемых субъектами МСП, вместо тарифа 30% применяется пониженный тариф страховых взносов — 15%. По льготным ставкам облагаются только суммы сверх МРОТ. Часть выплат гражданам, которая определяется по итогам каждого календарного месяца в размере меньшем или равном МРОТ, облагается по общеустановленным тарифам страховых взносов — 30%.
Для оценки эффектов от применения пониженной ставки были использованы данные:
• Федеральной налоговой службы в части объемов отчислений по НДФЛ, а также по взносам в ПФР и ФФОМС и ФСС;
• Индекса Роста МСП, основанного на данных банковской статистики Сбера, в том числе данных об объеме фонда оплаты труда на субъектах МСП и численности занятых на субъектах МСП (ключевые сравнительные характеристики используемых для исследования данных приведены в табл. 3).
На основе выборки Индекса Роста МСП для целей расчетов эффектов от снижения страховых взносов с 30% до 15% рассматривались две группы работников:
• с ежемесячными зарплатными начислениями выше МРОТ (МРОТ — 12 130 руб.), что составило 11,7% и на них приходится 2,5% от всего ФОТ МСП;
• с ежемесячными зарплатными начислениями ниже МРОТ, составило 88,3% и на них приходится 97,5% от всего ФОТ МСП;
Таблица 3
Ключевые характеристики исследуемой выборки
II кв. 2019 III кв. 2019 II кв. 2020 III кв. 2020
Число занятых на 1 МСП (чел., ФНС) 2,54 2,6 2,54 2,69
Число занятых на 1 МСП (чел., Сбер) 6,48 6,33 6,57 6,54
Число занятых (чел., ФНС) 15 740 838 15 487 886 15 282 917 15 434 979
Число занятых (чел., Индекс Роста МСП) 5 892 070 5 839 616 5 907 197 6 077866
Объем ФОТ на 1 занятого (руб., ФНС) 30 645 30 842 27 781 33 887
Объем ФОТ на 1 занятого (руб., Сбер) 29 649 30 210 30 048 32 510
Источник: Индекс Роста МСП, ФНС России
в рамках исключения операций по выводу средств ИП и корректной оценки состояния сектора МСП из числа занятых и объема ФОТ были исключены сами ИП (не их работники): 281 485 ИП с общим объемом ФОТ 315,6 млрд руб. Источник: Индекс Роста МСП, ФНС России
• во избежание выбросов, связанных с отпусками, больничными и т.д. выделение работников с заработной платой менее МРОТ производилось на основе среднемесячной заработной платы за 12 месяцев, предшествующей отчетной дате.
В рамках оценки эффектов от введения пониженной ставки страховых взносов для субъектов МСП сравнивались следующие параметры:
• прирост числа занятых на 1 субъект МСП;
• прирост объема ФОТ на 1 занятого на субъекте МСП;
• прирост общего объема ФОТ;
17
• прирост отчислений по НДФЛ;
• прирост отчислений по страховым взносам.
Ключевой вывод, полученный по результатам анализа —
в результате снижения ставки страховых взносов для субъектов мСп наблюдается «обеление» сектора мСп.
По данным Единого реестра МСП, во втором квартале в результате введения ограничительных мероприятий при минимальном сокращении численности занятых на 1 МСП, существенно сократился фонд оплаты труда на 1 занятого, однако уже в III квартале 2020 г. и по данным ФНС и по данным Индекса Роста МСП наблюдается «обеление» сектора МСП. Согласно приведенным в табл. 4 данным, прирост числа занятых к предыдущему году составил +3,2%, ФОТ на 1 занятого +9,9%, а общий объем ФОТ прирос на 9,2%.
В целом прирост показателей на основе выборки Индекса Роста МСП в условиях снижения показателей по данным Единого реестра МСП может быть связан с тем, что в Сбербанке сконцентрированы предприниматели с минимальной «теневой» частью бизнеса. В то же время остальной сектор МСП, который не имеет расчетных счетов в Сбербанке, продемонстрировал больший прирост фонда оплатытруда в III кв. 2020 к II кв. 2020-го, и именно эта часть МСП в большей степени начала «обеление».
В итоге после введения пониженной ставки по страховым взносам, отчисления в наблюдаемом секторе МСП (по данным Индекса Роста МСП) выросли в период с мая по октябрь 2020 на 23,6%, а по НДФЛ прирост отчислений составил 30,7%.
Основной вклад в прирост отчислений страховых взносов внесли работники с заработной платой выше МРОТ: за последние три месяца на фоне стагнации отчислений по работникам с ЗП ниже МРОТ растут отчисления по страховым взносам (+4,7%) и НДФЛ (+5,3%) в группе работников с ЗП выше МРОТ.
Таблица 4
Динамика ключевых показателей, характеризующих занятость и средние заработные платы в секторе МСП
Прирост во II кв. 2020 Прирост в III кв. 2020 Прирост в III кв. 2020
к II кв. 2019 (%) к III кв. 2019 (%) к II кв. 2020 (%)
Число занятых
на 1 МСП (ФНС) -0,3% +3,2% +5,7%
Число занятых
на 1 МСП
(Индекс Роста МСП) +1,5% +3,2% -0,6%
Объем ФОТ
на 1 занятого (ФНС) -9,34% +9,87% +22%
Объем ФОТ
на 1 занятого
(Индекс Роста МСП) +1,34% +7,6% +8,2%
Общий объем
ФОТ (ФНС) -11,3% +9,2% +22,2%
Общий объем ФОТ
(Индекс Роста МСП) +1,6% +12% +11,3%
Источник: ФНС, Индекс Роста МСП, расчеты Института экономики роста им. П.А. Столыпина
Согласно данным в табл. 5, по данным ФНС, в целом по всему сектору МСП в III кв. 2020 г. относительно II квартала 2020 г. прирост отчислений по НДФЛ составил 22,2% (и выше уровня 2019 г. на 9,2%), а отчисления по страховым взносам приросли на 9,8% (но ниже аналогичного периода прошлого года на 17,1%).
По предварительным оценкам, в четвертом квартале, с учетом того, что удалось избежать продолжительного всероссийского локдауна, бюджет от снижения страховых взносов уже получит положительный бюджетный эффект по сравнению с 2019 годом.
178
Та бл и ца 5
Динамика отчислений сектора МСП в бюджет Российской Федерации и внебюджетные фонды
Прирост во II кв. 2020 Прирост в III кв. 2020 Прирост в III кв. 2020
к II кв. 2019 (%) к III кв. 2019 (%) к II кв. 2020 (%)
Отчисления
по НДФЛ (ФНС) -11,3% +9,2% +22,2%
Отчисления по НДФЛ
(Индекс Роста МСП) +1,6% +12% +11,3%
Отчисления
по страховым взносам (ФНС) -25,7% -17,1% +9,8%
Отчисления
по страховым взносам (Индекс Роста МСП) -29,7% -24,2% +9%
Общий объем
отчислений
в бюджет (ФНС) -20,5% -7,6% +14,8%
Общий объем отчисле-
ний в бюджет
(Индекс Роста МСП) -20,3% -13,2% +9,9%
Источник: ФНС, Индекс Роста МСП, расчеты Института экономики роста им. П.А. Столыпина
Поданным Индекса Роста МСП (см. рисунок), относительно I кв. 2020 года к IV кв. 2020 г. ожидается увеличение общего объема ФОТ на МСП и отчислений по НДФЛ на 34,5%, при этом суммарные отчисления в бюджет и внебюджетные фонды превысит объемы отчисления первого квартала года минимум на 4,2%.
140,0
134,5
100,0
120,0
80,0
60,0
1 кв. 2020
2 кв. 2020
3 кв. 2020
4 кв. 2020
•Динамика общего объема ФОТ и отчислений по НДФ/1 (1 кв. 2020 =100} •Динамика объема общих отчислений по НДФЛ и страховым взносам (1 кв. 2020 =100)
Рисунок. Рост ФОТ и доходов бюджета при минимальных ограничениях (оценка), %
Источник: Индекс Роста МСП
В целом результаты, полученные на основе данных Индекса Роста МСП, подтверждаются данными Федеральной налоговой службы. Более того, в связи с тем, что данные ФНС учитывают также и индивидуальных предпринимателей (не рассматриваются в рамках Индекса Роста МСП), результаты относительно прироста налоговых отчислений и отчислений по страховым взносам по данным ФНС еще более оптимистичны.
Библиографический список
1. Широв А.А. Статистика в интересах экономики и общества // Проблемы прогнозирования. 2020. № 1 (178). C. 5-9.
2. Ber^sewicz M. et al. An overview of methods for treating selectivity in big data sources. Eurostat Statistical Working Paper, 2018. DOI: 10.2785/312232, 2018.
180
3. Cavallo A. Online and official price indexes: measuring Argentina's inflation //Journal of Monetary Economics. 2013. Vol. 60. № 2. Pp. 152-165.
4. Which of these is not like the others? The ins and outs of internet price data. The Economist, 2012. URL: https://www.economist.com/ameri-cas-view/2012/02/24/which-of-these-is-not-like-the-others (Дата обращения 28.12.2020)
5. Czasonis M., Kritzman M., Turkington D. Private Equity Valuations and Public Equity Performance // The Journal of Alternative Investments. 2019. Vol. 22. № 1. Pp. 8-19.
6. Brown G.W. et al. What do different commercial data sets tell us about private equity performance? // SSRN. 2015. DOI: 10.2139/ssrn.2701317
7. Cox D.R., Kartsonaki C., Keogh R.H. Big data: Some statistical issues // Statistics & probability letters. 2018. № 136. P. 111-115. Doi: https:// doi.org/10.1016/j.spl.2018.02.015
8. Плеханов Д.А. Большие данные и официальная статистика: обзор международной практики внедрения новых источников данных // Вопросы статистики. 2017. Т. 1. № 12. С. 49-60.
9. Чуриков А. Случайные и неслучайные выборки в социологических исследованиях // Социальная реальность. 2007. № 4. С. 89-109. Режим доступа: http://www.sociologos.ru/upload/File/Churikov_ Sample.pdf?ref=vc.ru (Дата обращения 28.12.2020)
References
1. Shirov A.A. Statistika v interesah ekonomiki i obshchestva // Problemy prognozirovaniya. 2020. № 1 (178). C. 5-9
2. Ber^sewicz M. et al. An overview of methods for treating selectivity in big data sources. Eurostat Statistical Working Paper, 2018. DOI: 10.2785/312232, 2018.
3. Cavallo A. Online and official price indexes: measuring Argentina's inflation // Journal of Monetary Economics. 2013. Vol. 60. № 2. Pp. 152-165.
4. Which of these is not like the others? The ins and outs of internet price data. The Economist, 2012. URL: https://www.economist.com/ americas-view/2012/02/24/which-of-these-is-not-like-the-others (Data obrashcheniya 28.12.2020)
5. Czasonis M., Kritzman M., Turkington D. Private Equity Valuations and Public Equity Performance // The Journal of Alternative Investments. 2019. Vol. 22. № 1. Pp. 8-19
6. Brown G.W. et al. What do different commercial data sets tell us about private equity performance? // SSRN. 2015. DOI: 10.2139/ssrn.2701317
7. Cox D.R., Kartsonaki C., Keogh R.H. Big data: Some statistical issues // Statistics & probability letters. 2018. № 136. P. 111-115. Doi: https:// doi.org/10.1016/j.spl.2018.02.015
8. Plekhanov D.A. Bol'shie dannye i oficial'naya statistika: obzor mezh-dunarodnoj praktiki vnedreniya novyh istochnikov dannyh // Voprosy statistiki. 2017. T. 1. № 12. S. 49-60.
9. CHurikov A. Sluchajnye i nesluchajnye vyborki v sociologicheskih issledovaniyah // Social'naya real'nost'. 2007. № 4. S. 89-109. Rezhim dostupa: http://www.sociologos.ru/upload/File/Churikov_Sample. pdf?ref=vc.ru (Data obrashcheniya 28.12.2020)
Контактная информация / Contact information
Институт экономики роста им. П.А. Столыпина Москва, Краснопресненская наб., д. 12, стр. 3, офис 801. the Institute for the Economy of Growth named after P.A. Stolypin 12 / p. 3, Krasnopresnenskaya nab., office 801, Moscow, Russia. Алехнович Анастасия Олеговна / Anastasia O. Alekhnovich alekhnovich@gmail.com
Анучин Леонид Леонидович / Leonid L. Anuchin
anuchin.leonid@gmail.com
Ахиев Антон Олегович / Anton O. Akhiev
akhiev@rambler.ru
