CC BY
83
Экономика Авдеева В.М.
РОЛЬ НАЛОГОВЫХ ПОСТУПЛЕНИЙ КАК ИНДИКАТОРА УСТОЙЧИВОГО РАЗВИТИЯ РЕГИОНА
Воронежский экономико-правовой институт
1. Региональные аспекты обеспечения устойчивого развития социально-экономических систем
Понятие «устойчивое развитие» было введено в мировую науку и политику комиссией Брутланд как развитие, которое удовлетворяет потребности настоящего времени, но не ставит под угрозу способность будущих поколений удовлетворять свои собственные потребности [1], это устойчивое, сбалансированное, самоподдерживаемое, самодостаточное развитие, улучшающее качество человеческой жизни и в тоже время находящееся в пределах несущей способности жизнеподдерживающих экосистем.
Эксперты Всемирного банка определили устойчивое развитие как процесс управления совокупностью (портфелем) активов, направленный на сохранение и расширение возможностей, имеющихся у людей. Активы в данном определении включают не только традиционно подсчитываемый физический капитал, но также природный и человеческий капитал. Чтобы быть устойчивым, развитие должно обеспечить рост — или по крайней мере неуменьшение — во времени всех этих активов. Очевидно, что для того, чтобы оценить в каком состоянии находится и в каком направлении развивается регион, необходимы определенные критерии. Данная цель сформулирована в главе 40 «Повестки на XXI век»: «В целях создания надежной основы для процесса принятия решений на всех уровнях и содействия облегчению саморегулируемой устойчивости комплексных экологических систем и систем развития необходимо разработать показатели устойчивого развития» [2]. Данная проблема очень сложна, звучащие предложения разноплановы и противоречивы. Во многих серьезных исследованиях вопросы, связанные с критериями устойчивого развития, вообще игнорируется.
Рассмотрение социальных, экономических и экологических параметров в едином комплексе стало уже общепризнанным. Естественно, что и критерии или индикаторы устойчивого развития должны отражать эти три важнейшие составляющие цивилизации. С другой стороны, развитие можно рассматривать как смену состояний, каждое из которых характеризуется определенной устойчивостью и способностью к изменениям. Именно в этих двух плоскостях и развивается формирование системы критериев устойчивого развития.
Индикаторы устойчивого развития классифицируются по секторам, выделяя социальные, экономические, экологические, институциональные индикаторы. В соответствии с темой исследования, интерес представляет группа экономических индикаторов, имеющая следующий состав: международная кооперация для ускорения устойчивого развития и связанная с этим
местная политика; изменение характеристик потребления; финансовые ресурсы и механизмы; передача экологически щадящих технологий, сотрудничество и создание потенциала.
Вопросы, связанные с устойчивым развитием муниципального образования, необходимо рассматривать с двух точек зрения. Во-первых, изнутри, рассматривая муниципальное образование как самостоятельную систему и отдавая предпочтение факторам, обеспечивающим устойчивость муниципального образования как такового. Во-вторых, извне, рассматривая муниципальное образование как элемент более сложной системы - региона, страны, планеты в целом - и обращая внимание, прежде всего, на факторы вносящие вклад в обеспечение устойчивости в глобальном масштабе.
Устойчивость муниципального образования, как такового, определяется рядом экономических, социальных и экологических факторов. Устойчивость системы тем выше, чем меньше она зависит от внешних факторов. В целом, факторы, связанные с внутренними воздействиями, являются более важными для муниципального образования. Однако нельзя исключать из рассмотрения и внешние факторы, так как муниципалитет является элементом системы более высокого порядка: региона, страны или континента, и поэтому здесь используются другие индикаторы, в основном удельные или процентные.
В настоящее время механизмы устойчивого регионального развития только разрабатываются, хотя в ряде регионов уже проводятся масштабные эксперименты по их отработке в режиме реализации различных проектов и программ. Как отмечается в [3], для появления эффективных механизмов необходимо осуществить следующее:
1. Поэтапный переход от программного к системно-проектному подходу при рассмотрении проблем развития, что позволяет концентрировать ресурсы и более корректно ставить цели, согласованные друг с другом.
2. Переход от абсолютных или процентных показателей к показателям эффективности тех или иных действий, типа коэффициентов полезного действия.
3. Построение горизонтов желаемых состояний с построением временного ряда контрольных точек корректировки траекторий, позволяющих учитывать обратные связи.
В связи с особым вниманием, уделяемым самообеспечению и эффективному управлению территориальными образованиями, возрастает роль эффективного бюджетного планирования на всех уровнях, начиная с муниципальных объединений. Достижение поставленных выше целей невозможно без строгого учета всех видов ресурсов, в том числе и финансовых, которые обеспечивают устойчивость развития территории. В связи с тем, что основное наполнение бюджета составляют налоговые платежи, объем и уровень их собираемости могут служить одним из индикаторов устойчивого регионального развития.
Кроме того, для построения горизонтов желаемых состояний и опреде-
ления временных точек корректировки траекторий развития, необходимы развитые методы и инструментальные средства моделирования и прогнозирования, позволяющие проводить оперативный анализ последствий принятия тех или иных управленческих решений. Подобный анализ требует большого количества статистических данных, характеризующихся полнотой, актуальностью, достоверностью, а также независимых экспертных оценок и другой разнородной информации, которую необходимо консолидировать и оперативно использовать.
Современные подходы к управлению требуют создания единой информационной системы и базы знаний, способствующих принятию решений при возникновении различных текущих ситуаций. Кроме того, решение комплексных проблем с участием многих лиц неизбежно затягивается в силу загрузки их параллельными работами, различных личностных интересов и т.п. Наличие базы знаний позволяет существенно повысить оперативность и обоснованность принятия стратегических и тактических решений.
Новые процессы управления, гибко реагирующие на изменение текущей ситуации в оперативном и стратегическом плане и использующие для этого весь доступный арсенал информационных технологий, должны обеспечивать возможность быстрого анализа:
- путей совершенствования организационной структуры управления регионом;
- проблем и условий устойчивого развития региона;
- путей оптимизации финансовых потоков;
- инфраструктуры и региональных инвестиционных возможностей;
- экстремальных ситуаций.
При стратегическом управлении необходимость оперативно обрабатывать огромное количество внешней и внутренней информации, что требует разработки и внедрения в управление вузом информационной системы, позволяющей:
- получать непрерывную, объективную картину состояния региона в целом;
- выявлять тенденции развития;
- получать ответы на вопросы "что будет, если ";
- проводить оценку рисков;
отслеживать изменения, происходящие с внешней средой, и ее влияние на внутренние процессы.
Наличие единого информационного пространства позволит обеспечить возможность прогнозирования движения всех типов ресурсов, в том числе материальных, энергетических, информационных, финансовых и трудовых потоков, экологического состояния региона. Следовательно, разработка системы прогнозирования объема и уровня собираемости налогов является одним из этапов решения задачи устойчивого развития региона.
2. Подход к моделированию и прогнозирования налоговых поступлений на основе анализа временных рядов
Основной задачей налогового прогнозирования является определение на заданный временной интервал экономически обоснованного размера поступлений налогов в бюджет соответствующего уровня. На уровне государства и органов самоуправления оно является основой для выработки прогноза социально-экономического развития страны, субъектов федерации и муниципальных образований на среднесрочный и долгосрочный периоды; своевременного и обоснованного составления проектов бюджетов разных уровней; принятия экономических, политических и социальных решений в ходе исполнения соответствующих бюджетов.
Традиционно выделяются два основных подхода к расчету налогового потенциала и прогнозированию налоговых поступлений: метод репрезентативной налоговой системы и оценка возможностей по мобилизации налогов в бюджеты регионов по макроэкономическим показателям.
Первый метод представляет собой оценку потенциальных налоговых поступлений бюджета региона на основе средних по стране налоговых ставок и налоговой базы, размер которой представляется налоговыми органами государства. В его основе лежит оценка способности региональных властей обеспечивать уплату налоговых платежей, начисленных на декларируемую налогоплательщиками и выявленную налоговыми органами налогооблагаемую базу.
Второй метод расчета регионального налогового потенциала основывается на косвенной оценке потенциальных налоговых обязательств налогоплательщиков региона при условии применения региональными властями средних по стране налоговых усилий. Такой расчет основывается на оценке налоговой базы как производной от одного или нескольких макроэкономических показателей, характеризующих конечный доход в регионе. Другими словами, оценка налогового потенциала с применением данного метода базируется на том, что все налоговые платежи, в конечном итоге выплачиваются из доходов налогоплательщиков, и налоговой базой в регионе в широком понимании этого термина является совокупный региональный доход - независимо от того, взимаются ли налоги с дохода в момент его получения (налоги на прибыль и доход) или его использования (налоги с продаж и акцизы). Таким образом, метод оценки налогового потенциала на базе макроэкономических показателей (например, ВРП) основан на оценке способности региональных властей мобилизовать налоговые доходы, исходя из способности налогоплательщиков уплачивать определенные суммы налогов, исчисленных на основании средней доли налоговых изъятий в конечном доходе на территории административно-территориальных образований.
К недостаткам указанных методов можно отнести следующие. Использование в чистом виде метода репрезентативной налоговой системы для оценки налогового потенциала российских регионов не представляется возможным вследствие ограниченности статистических данных по величине на-
логовой базы в регионе, а также недостоверности подобных данных. Использование второго метода в чистом виде для всего объема налоговых платежей также представляется малоэффективным вследствие высокой степени межрегиональной дифференциации структуры налоговых доходов, сложности российской налоговой системы, несовершенства статистической отчетности в России.
Следовательно, совершенствование методик прогнозирования налоговых поступлений на основе моделирования процессов наполнения регионального бюджета представляет практический интерес.
Моделирование социально-экономических систем составляет основу решения практических задач планирования и прогнозирования экономических процессов. Особые свойства рассматриваемого класса систем проявляются в слабоформализуемых задачах оценки их состояний, решение которых является необходимым условием выработки оптимальных управляющих воздействий на систему.
Моделирование сложной системы в общем случае может преследовать разнообразные цели, для достижения которых решаются комплексы задач, поэтому ограничим круг исследуемых моделей сложной системы такими, которые позволяют на основе анализа некоторого параметра, описывающего значимую характеристику системы, предсказывать будущее значение данного параметра, характеризующего и состояние системы в целом в степени, достаточной для достижения цели моделирования. Поэтому необходимо рассмотреть существующие методы прогнозирования временных рядов и определить возможность их применения к прогнозированию некоторой характеристики сложной системы на основе наблюдений и предположений о влиянии на рассматриваемую величину некоторых факторов, доступных для наблюдения.
Прогнозирование - это род предвидения, получение информации о будущем на основе исторической информации, хранящейся в виде временных рядов. Методом прогнозирования называется способ исследования объекта, направленный на получение прогноза.
К задачам, решаемым в ходе прогнозирования, традиционно относят: анализ ситуации, определение уровней достоверности информации, определение степени вероятности, выработка текущих, средне- и долгосрочных прогнозов.
В соответствии с рис. 1, для решения задачи прогнозирования возможно применение различных традиционных и хорошо изученных методов, классификация которых проводится на основе выделения, например, информационных основ, либо способов обработки имеющихся данных.
Рисунок 1 - Классификация методов прогнозирования
По признаку «информационное основание метода» различают:
а) фактографические методы, основанные на фактически имеющемся информационном материале об объекте прогнозирования и его прошлом развитии;
б) экспертные методы, базирующиеся на информации, которую поставляют специалисты-эксперты в процессе систематизированных процедур выявления и обобщения этого мнения;
в) комбинированные методы со смешанной информационной основой (используется фактографическая и экспертная информация).
По принципам обработки информации методы разделяют на:
- статистические, объединяющие совокупность методов обработки количественной информации об объекте прогнозирования по принципу выявления содержащихся в ней математических закономерностей развития и математических взаимосвязей характеристик с целью получения прогнозных моделей;
- методы аналогий, направленные на то, чтобы выявлять сходство в за-
кономерностях развития различных процессов и на этом основании производить прогнозы;
- опережающие методы прогнозирования, строящиеся на определенных принципах специальной обработки научно-технической информации, реализующих в прогнозе ее свойство опережать развитие научно-технического прогресса.
Экспертные методы разделяются на два подкласса:
1) прямые экспертные оценки, которые строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов (или одного из них) при отсутствии воздействий на мнение каждого эксперта мнения другого эксперта и мнения коллектива;
2) экспертные оценки с обратной связью, которые в том или ином виде воплощают принцип обратной связи путем воздействия на оценку экспертной группы (одного эксперта) мнением, полученным ранее от этой группы или от одного из ее экспертов.
Третий уровень классификации разделяет методы прогнозирования на виды по классификационному признаку «аппарат методов». Каждый вид объединяет в своем составе методы, имеющие в качестве основы одинаковый аппарат их реализации. Так, класс методов аналогий подразделяют на методы:
1) математических аналогий, которые в качестве аналога для объекта прогнозирования используют объекты другой физической природы, другой области науки, отрасли техники (однако имеющие математическое описание процесса развития, совпадающее с объектом прогнозирования);
2) исторических аналогий, использующие в качестве аналога процессы одинаковой физической природы, опережающие во времени развитие объекта прогнозирования.
Опережающие методы прогнозирования подразделяют на:
- методы исследования динамики научно-технической информации, использующие построение количественно-качественных динамических рядов и анализа и прогнозирования на их основе соответствующего объекта;
- методы исследования и оценки уровня техники, использующие специальный аппарат анализа количественной и качественной информации для определения характеристик уровня, качества существующей и проектируемой техники.
Прямые экспертные оценки по признаку аппарата реализации делят на виды экспертного опроса и экспертного анализа. В первом случае используют специальные процедуры формирования вопросов, организации получения на них ответов, обработки полученных ответов и формирования окончательного результата. Во втором - основным аппаратом исследования является целенаправленный анализ объекта прогнозирования со стороны эксперта или коллектива экспертов, которые сами ставят и решают вопросы, ведущие к поставленной цели.
Экспертные оценки с обратной связью имеют три вида методов:
а) экспертный опрос, характеризующийся процедурами регламентированного неконтактного опроса экспертов перемежающимися обратными связями в рассмотренном выше смысле;
б) генерация идей, построенная на процедурах непосредственного общения экспертов в процессе обмена мнениями по поставленной проблеме. Он характеризуется отсутствием вопросов и ответов и направлен на взаимное стимулирование творческой деятельности экспертов;
в) игровое моделирование, использующее аппарат теории игр и ее прикладных разделов. Как правило, реализуется на сочетании динамического взаимодействия коллективов экспертов и вычислительной машины, имитирующих объект прогнозирования в возможных будущих ситуациях.
Статистические методы по видам делят на:
а) методы экстраполяции и интерполяции;
б) методы, использующие аппарат регрессионного и корреляционного анализа;
в) методы, использующие факторный анализ.
Методы математических аналогий ограниченно применимы для анализа сложных систем вследствие отсутствия математических описаний таких систем, по причинам, изложенным выше [4]. Перенос же существующих математических моделей других типов систем на указанный целевой тип систем требует в каждом конкретном случая строгих обоснований допущений модели.
Методы исторических аналогий также основаны на допущениях об одинаковом характере развития систем одной физической природы, что также необходимо доказывать в каждом конкретном случае. Кроме того, для анализа новых явлений, природа которых и существующие причинно-следственные связи не исследована, применить метод исторических аналогий не представляется возможным.
Получение экспертных оценок затруднено при анализе сложных систем вследствие ограниченности компетенции эксперта лишь некоторыми аспектами рассматриваемой системы. Совокупность экспертных оценок не гарантирует комплексного описания системы, исходя из принципиальной несводимости свойств системы к сумме свойств ее элементов [5, 6].
Среди наиболее распространенных методов анализа временных рядов выделяются регрессионный анализ, корреляционный анализ, модели авторегрессии и скользящей средней. Однако указанная группа методов ограничено применима [7, 8, 9] к анализу коротких временных рядов, описывающих, например, поведение социально-экономических систем, в силу следующих требований к исходным данным.
1. Выборка должна иметь достаточный объем. Понятие достаточного объема зависит от целей анализа, требуемой точности и надежности оценки коэффициентов корреляции, от количества факторов. Минимально допустимым считается объем, когда количество наблюдений не менее чем в 5-6 раз превосходит количество факторов. В рассматриваемой предметной области
получение выборок такого объема затруднено или невозможно.
2. Выборки по каждому фактору должна быть однородными. Это допущение обеспечивает несмещенную оценку средних величин.
3. Матрица наблюдений не должна содержать пропусков.
Если необходима проверка значимости оценки коэффициента корреляции, то требуется соблюдение дополнительного условия - распределение факторов должно подчиняться нормальному закону, так как основные положения теории корреляции разрабатывались применительно к предположению о нормальном характере распределения исследуемых признаков. Поэтому при значительном отклонении распределения признаков возникают проблемы с оценкой надежности рассчитанных по выборочным данным коэффициентов корреляции.
Любое исследование предполагает использование модели и сбор статистических данных, характеризующих исследуемые процессы и развернутых во времени в форме временных рядов. При этом нередко одни и те же временные ряды используются для решения разных содержательных проблем. Одной из важных задач исследования динамики процессов является построение моделей, позволяющих осуществлять прогнозирование показателей на будущие периоды. Модель описывает и объясняет наблюдаемые процессы, а статистика обосновывает саму модель. Изучение модели даёт новые знания об объекте, и в зависимости от сложившейся ситуации позволяет принять наилучшие решения. Но, несмотря на это, всегда необходимо учитывать, что, выделяя значимые факторы, определяющие функционирование объекта, обычно не учитываются факторы, оказывающие незначительное результирующее воздействие, но которые в совокупности определяют отклонение в поведении объекта. Это приводит к тому, что сама по себе модель является неполной, однако её структура, состав учтённых факторов могут быть уточнены в ходе совершенствования самой модели. Сложность моделирования именно временных рядов заключается в том, что наблюдения не являются независимыми. Это значительно усложняет статистический анализ модели [10], вследствие того, что ошибки регрессии могут коррелировать друг с другом.
Таким образом, классические методики анализа в чистом виде малопригодны для исследования скрытых закономерностей в процессах, протекающих в сложных динамических системах. Во-первых, классические многомерные модели в основном предполагают специальные виды распределений, характеризующих наблюдения, что зачастую нехарактерно для предметной области, либо носят эмпирический характер. Во-вторых, на практике сложно соблюсти все требования к результатам наблюдений (в части полноты, непротиворечивости и других, описанных выше). В-третьих, применимость статистических методов определяется объёмом исходных данных и возможностью выделить закономерности в поведении.
Несмотря на описанные ограничения, с учетом поправок на малое количество наблюдений результаты статистического анализа могут быть
использованы в качестве начального приближения в задаче прогнозирования многомерных временных рядов в ходе комбинированного нейросете-вого моделирования и анализа многомерного лага.
Для решения неформализуемых или трудноформализуемых задач традиционно применяются два основных подхода. Первый, основанный на правилах, характерен для экспертных систем. Он базируется на описании предметной области в виде набора правил и правил вывода. Искомое знание представляется теоремой, истинность которой доказывается посредством построения цепочки вывода [11]. Но для успешной реализации этого подхода необходимо заранее знать весь набор закономерностей, описывающих предметную область. Как отмечается в [12], «... только аналитические или только экспертные оценки при решении задач, связанных с большими социально-экономическими системами, часто оказываются недостаточно эффективными». Поэтому, наряду с традиционными методами для анализа таких структур необходимо использовать и специальные математические методы, позволяющие учитывать как количественные, так и качественные переменные
[13, 14].
Следовательно, актуальной становится задача анализа больших нелинейных систем на основе подхода, не требующего полного формального описания функционирования системы. Этот подход полностью реализован в методиках нейросетевого анализа.
Список использованных источников
1. Бобылев С.Н., Гирусов Э.В., Перелет Р.А. Экономика устойчивого развития. -М.: Ступени, 2004. - 303 с.
2. Данилов-Данильян В.И., Лосев К.С. Экологический вызов и устойчивое развитие. - М.: Прогресс-Традиция, 2000, 416 с.
3. Щеулин А.С. Устойчивое инновационное региональное развитие как научно-прикладное направление// Устойчивое развитие. Наука и Практика, №2/2004 с. 13-18.
4. Заборова Е.Н. Конкурентные преимущества: сравнительный анализ государственных и негосударственных вузов // Университетское управление, № 4(23), 2002.
5. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. - М.: Наука, 1983. - 342 с.
6. Советов Б.Я., Яковлев С.А. Моделирование систем. - М.: Высш. шк., 2001. -
343 с.
7. Staniewski P. Prediction in time series: Treshold models and neural nets. - Proc. 12th Int. Conf. Syst. Sci., Wroclaw, 12-15 Sept., 1995, vol. 1, 1995. - pp. 311-318.
8. Tadeusiewicz R., Lula P. Neural networks analysis of time series data// Informatica, 25, no. 1, 2001. - pp. 3-10.
9. Беляков А.Г., Мандель А. С., Борзенко Н.И. и др. Экспертно-статистические системы прогнозирования коротких временных рядов и имитационно-оценочное моделирование// Проблемы управления, №3, 2003. - С. 30-38.
10. Павлов А.Н., Янсон Н.Б., Анищенко В.С. Применение статистических методов при решении задачи глобальной реконструкции// Письма в ЖТФ, т. 23, №8, 1997. - С.7-13.
11. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2002. - 382 с.
12. Белоконь А., Владимирский Б. Устойчивое развитие университетов: подходы к принятию управленческих решений// Вестник высшей школы, № 6, 2003. - С.3 - 8.
13. Айвазян С. А., Мхитарян В. С. Прикладная статистика и основы эконометрики. - М.: ЮНИТИ, 1998. - 1022 с.
14. Математические методы в экономике: Учебник / Под общ. ред. д.э.н., проф. А. В. Сидоровича; МГУ им. М.В. Ломоносова. - М.: «Дело и Сервис», 2004.
Анащенко А.Г.
РОЛЬ ФИНАНСОВОГО АНАЛИЗА В СОВЕРШЕНСТВОВАНИИ СИСТЕМ
МЕНЕДЖМЕНТА КАЧЕСТВА Воронежский экономико-правовой институт
Настоящая статья написана в основном по материалам работы Дж. Шоттмиллера "Принципы анализа затрат на качество" (1999) и сайта www.advis.ru.
Введение
Измерение и анализ финансовых затрат, непосредственно связанных с качеством производимой продукции и услуг, стали очень популярны в США и Канаде. Затраты на качество принято подразделять на два вида. Первый -"затраты несоответствия" (cost of non-conformance) - прямые убытки из-за производства несоответствующей продукции, второй - "затраты на соответствие" (cost of conformance) - расходы на предотвращение производства или изъятие некачественной продукции до того, как она попадет к потребителю. Оба вида затрат, связанных с расходами на обеспечение качества и управлением некачественной продукцией, будем называть затратами на качество или просто затратами. Вместе они составляют суммарную стоимость качества.
В настоящее время в экономике существуют две важные тенденции, способствующие широкому распространению анализа затрат на качество. Первая заключается в том, что переход от стандартов ИСО серии 9000:1994 к стандартам ИСО серии 9000:2000 акцентирует внимание организаций на вопросах качества. Новые стандарты основаны на процессном подходе к управлению. Они не только подчеркивают важность мониторинга и тщательных измерений процессов, протекающих в организации, но также требуют документированного подтверждения того, что система управления качеством организации непрерывно совершенствуется. Создание постоянно обновляемой документированной базы данных по затратам на качество существенно упрощает взаимодействие с аудиторами.
Другая тенденция - распространение концепции "Шесть сигм". Эта программа повышения качества, действующая во многих организациях, предполагает оценку деятельности предприятия по итоговым финансовым показателям.
Современная экономика показывает, что организации, сталкивающиеся с постоянно возрастающими требованиями в области качества продукции и услуг, могут соответствовать ожиданиям потребителей лишь в том случае, если их высший менеджмент проводит жесткую и эффективную финансовую политику, нацеленную на достижение определенных финансовых результа-
