Совершенствование системы прогнозирования бюджетно-налоговых доходов Текст научной статьи по специальности «Экономика и бизнес»

Налоговая политика

СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ БЮДЖЕТНО-НАЛОГОВЫХ ДОХОДОВ

е. б. дУПлинсКАЯ, старший преподаватель сибирского государственного университета

путей сообщения

По мнению подавляющего большинства ученых и специалистов в области исследования проблем экономического развития страны и ее регионов, прогнозирование и планирование экономического и социального развития государства и его территориальных образований является главным средством обеспечения сбалансированного и эффективного функционирования народного хозяйства в целом, его отраслей, предприятий различных форм собственности.

Основными элементами системы управления региональной экономикой являются: планово-прогнозная деятельность; организационно-управленческая структура; рычаги и инструменты механизма управления [1].

При подготовке прогноза бюджетных показателей имеют значение метод прогнозирования, уровень детализации прогноза, его продолжительность. Метод прогноза должен давать точный, своевременный и понятный сценарий развития событий в будущем, который может быть эффективно использован при принятии решений.

Уровень налоговых поступлений и налоговый потенциал территориальных образований существенно влияют на возможности и качество экономического роста регионов. Поэтому формирование бюджетов всех уровней должно базироваться на научном прогнозе доходной части бюджета, основанном на экономических реалиях и объективных экономических законах. такое прогнозирование, учитывающее взаимоотношения между экономическим ростом и фискальной политикой, реализуемой властями, может сделать бюджет более исполнимым.

Прогноз представляет собой научно обоснованное суждение о возможных состояниях объекта в будущем, альтернативных путях и сроках их осуществления. Все формальные процедуры прогнозирования предусматривают перенесение прошедшего опыта на будущее. Они строятся на предположении, что условия, которые генерируют полученные ранее данные, сохранятся и в будущем. исключения составляют лишь те переменные, которые точно распознаны моделью прогнозирования.

Целью прогноза является минимизация уровня неопределенности, в пределах которого органы государственной власти, принимающие решения, могут эффективно осуществлять свои функциональные полномочия.

Экономическое прогнозирование, в том числе и прогнозирование бюджета, имеет больше общего с природой планирования, чем непосредственно с прогнозом. Экономический прогноз не просто интерпретирует закономерности и внешние условия развития, а используется для поиска нужных решений. Он рассматривается как начальная стадия планирования, определяющая выбор путей достижения целей плана.

В абстрактной модели прогнозирование предшествует планированию. Однако в реальности все функции тесно переплетены и осуществляются одновременно. Поэтому прогнозирование и планирование бюджетных поступлений правомерно рассматривать как единый адаптивный процесс, в рамках которого происходит регулярная корректировка решений, оформленных в качестве показателей, пересмотр мер относительно их достижения на основе непрерывного контроля и мониторинга изменений.

Фмнднсы и кредит

33

Прогноз позволяет уменьшить степень неопределенности при принятии экономических и политических решений. Одобренные и утвержденные прогнозные показатели, которые таким образом приобретают статус плановых, позволяют проводить анализ результативности принятых решений, осуществлять, в случае необходимости, корректировку направлений экономического развития. Вместе с тем плановые показатели становятся целевыми ориентирами при проведении экономической и финансовой политики государства.

Цель бюджетного прогнозирования — на основе сложившихся тенденций, конкретных социально-экономических условий и перспективных оценок разработать и обосновать оптимальные пути развития бюджета и на этой основе дать предложения по его укреплению. своевременный учет результатов такого прогнозирования является важным условием для принятия наиболее эффективных мер в государственной политике.

как показывает практика, бюджет ни на федеральном, ни на территориальных уровне не выполняется. Финансовые органы, ответственные за составление прогнозов бюджетов, функционируют в условиях некоторой неопределенности. В таких условиях обоснованное предвидение (прогноз) будущего имеет чрезвычайно большую ценность.

сравнительный анализ плановых и фактических показателей территориальных бюджетов подтверждает несовершенство методики бюджетного планирования, так как отклонения отчетных данных от ранее запланированных и утвержденных законом о бюджете отмечаются практически по всем группам доходов. Проблема несоответствия планируемых и отчетных показателей генерирует еще одну проблему — проблему недостоверности оперативной информации при составлении проекта областного бюджета на следующий год.

таким образом, актуализируется проблема адекватности прогноза доходов. данная ситуация обусловлена рядом причин. Во-первых, в россии начиная с 1999 г. наблюдается экономический рост, что приводит к росту налоговых поступлений в бюджетную систему страны. Во-вторых, предполагаемый сбор налогов на предстоящий бюджетный период основывается на макроэкономическом прогнозе Правительства рФ. как приложение к этому прогнозу разрабатываются корректирующие индексы прироста каждого налога. В дальнейшем Министерство финансов рФ согласует налоговые сборы на территориях субъектов рФ с региональными управлениями финансов. таким образом,

с одной стороны, если, например, федеральный прогноз был занижен, то возможен рост налоговых поступлений в бюджеты всех уровней. с другой стороны, одним из принципов бюджетной системы рФ является принцип достоверности, который означает надежность показателей прогнозирования социально-экономического развития соответствующей территории и реалистичность расчета доходов и расходов бюджета.

В настоящее время сущность методики расчета основных доходных источников территориальных бюджетов зачастую сводится к тому, что процесс прогнозирования и планирования доходов основывается на экстраполяции фактических значений на планируемый финансовый год. для определения прогноза поступлений по налоговым и неналоговым доходам на основании данных о поступлении соответствующих доходов в отчетном периоде и тенденций, выявленных в динамике поступлений, используется анализ временных рядов. с помощью экспертного анализа учитываются сдвиги в динамике временных рядов, возникшие в результате изменения структуры дохода, законодательства в сфере налоговых и неналоговых доходов или по иным причинам. несмотря на то, что в настоящее время данную методику применяют многие субъекты, о чем свидетельствуют публикации ряда экономистов, однако в силу часто изменяющихся условий хозяйствования и проводимых налоговой и бюджетной реформ использование анализа временных рядов в процессе планирования бюджетных доходов не гарантирует получения абсолютно точных прогнозных данных.

как показывает обзор экономических публикаций, прогнозирование и планирование доходной части бюджетов бюджетной системы рФ нуждается в усовершенствовании, так как подавляющее большинство регионов не может гарантированно прогнозировать предстоящие поступления в бюджет.

исследования объективно существующих связей между социально-экономическими явлениями и процессами возможно с помощью набора современных статистических элементов анализа. В процессе статистического исследования зависимостей вскрываются причинно-следственные отношения между явлениями, что позволяет выявлять факторы (признаки), оказывающие основное влияние на вариацию изучаемых явлений и процессов. Причинно-следственные отношения представляют собой связь явлений и процессов, когда изменение одного из них (причины) ведет к изменению другого (следствия) [2].

34

финансы и кредит

Для прогнозирования доходов территориальных бюджетов широко применяются статистические и эконометрические модели, в рамках которых объем налоговых поступлений рассматривается как функция от значений разнообразных социально-экономических факторов. Для построения таких моделей используется разнообразный математический аппарат (корреляционный и регрессионный анализ, методы факторного анализа).

Сущность экономико-математического моделирования в планировании финансовых показателей заключается в том, что оно позволяет найти количественное выражение взаимосвязей между финансовыми показателями и факторами, их определяющими. Эта связь выражается через экономико-математическую модель, которая представляет собой точное математическое описание экономического процесса, т. е. описание факторов, характеризующих структуру и закономерности изменения данного экономического явления с помощью математических символов и приемов (уравнений, неравенств, таблиц, графиков и т. д.). В модель включаются только основные (определяющие) факторы.

Проверка качества моделей производится практикой, которая показывает, что сложные модели со множеством параметров оказываются зачастую непригодными для практического использования.

Функция регрессии формально устанавливает соответствие между переменными, хотя они могут не состоять в причинно-следственных отношениях. Однако задача научного исследования заключается в определении причинных зависимостей [3]. Непосредственно с понятием регрессии связана корреляция, которая в широком смысле слова означает «связь, соотношение между объективно существующими явлениями и процессами» [4]. Регрессионный и корреляционный анализ применяются для установления причинных соотношений между явлениями.

В составе показателей, претендующих на роль факторов-аргументов, объясняющих динамику объема налоговых поступлений территории (региона), фигурируют такие показатели, как:

— внутренний региональный продукт, являющийся элементом национального регионального продукта, который является главным фактором, характеризующим макроэкономическое развитие территории;

— численность населения региона, характеризующая потенциал налоговых поступлений от нало-

гоплательщиков — физических лиц, которая исходя из соображений неодинакового влияния различных категорий граждан на налоговые поступления может быть структурирована на основе общей численности населения региона, численности занятых в регионе, численности безработных в регионе;

— объем производства в регионе, который при формировании модели рассматривается как характеристика одновременно и налогового потенциала физических лиц (через размер оплаты труда), и объема налоговых платежей юридических лиц.

Для учета влияния отраслевой структуры производства в регионе на объект моделирования в качестве факторов-аргументов могут быть использованы показатели объемов промышленного, сельскохозяйственного производства, розничного товарооборота, строительства (строительно-монтажных подрядных работ). Более детального структурирования объема производства по отраслям проводить, на наш взгляд, нецелесообразно, в связи с тем, что названные отрасли обеспечивают в среднем более 80 % регионального объема производства;

— количество хозяйствующих субъектов в регионе как возможная альтернатива показателям объемов производства;

— инвестиции в основной капитал предприятий региона, которые могут быть индикатором общего экономического роста и, следовательно, возможного увеличения объемов налоговых поступлений;

— другие факторы, влияющие на объем и структуру налоговых поступлений, например предполагаемые изменения бюджетного и налогового законодательства и др.

Как показал анализ существующих методов прогнозирования и планирования, наиболее приемлемым с практической точки зрения для прогнозирования структуры и пропорций бюджетных поступлений на территории области является метод экономико-математического моделирования [5].

«Под экономико-математической моделью понимается методика доведения до полного, исчерпывающего описания процесса получения и обработки исходной информации и правил решения рассматриваемой задачи в достаточно широком спектре конкретных случаев» [6].

Использование методов экономико-математического моделирования для определения аналитических зависимостей между количественными показателями и осуществляемыми на их основе прогнозами исполнения бюджета на территории определенного региона позволяет получать досто-

верные данные планово-прогнозного характера. самыми распространенными методами математического моделирования являются корреляционно-регрессивный метод, модель межотраслевого баланса, оптимизационные модели. Остальные методы прогнозирования, в силу специфичности их приемов и способов, не могут использоваться для прогнозирования поступления доходов в бюджет.

Наиболее достоверные параметры доходной составляющей получаются при прогнозировании по линейной модели [7].

Наличие достоверных данных прогноза социально-экономического развития территории дает информацию региональным органам власти для выработки на очередной прогнозируемый период конкретных мер региональной экономической политики. При таком подходе к прогнозированию налоговых поступлений последовательно решаются следующие группы задач:

— обеспечение сбора информации;

— корреляционный анализ исходной информации;

— построение регрессионного уравнения (модели) или системы взаимосвязанных уравнений;

— статистический анализ и содержательная интерпретация построенной модели.

Преимуществами методов математического моделирования являются:

— получение количественной оценки объема потенциальных доходных поступлений в плановом периоде, которая опирается на объективные характеристики налогового потенциала. Эта оценка, в отличие от той, которая может быть получена с помощью количественных экспертных моделей, носит очевидный объективный характер в силу использования при построении модели статистической информации, отчетных и прогнозных данных, важных для формирования этой оценки, тенденций изменения в перспективе базы налоговых поступлений;

— возможность вариантных расчетов. Изменяя значение факторов-аргументов можно спрогнозировать дальнейшее развитие ситуации;

— модель дает информацию для разработки бюджетной и налоговой политики. В результате создается методическая база для постановки и решения проблемы, заключающейся в необходимости точного и целесообразного с макроэкономических позиций согласования потребности территории в расходах.

В зарубежной практике бюджетного планирования и прогнозирования примером применения

модели математического моделирования может служить «канадская экономико-фискальная модель», состоящая более чем из 500 уравнений. структура этих уравнений отражает как теоретические предпосылки, так и административную практику, структуру налоговой системы. Микроимитационные модели, экспертный и регрессионный анализ — все эти методы находят свое применение при построении прогнозов для канадского правительства.

трудности построения таких моделей заключаются в следующем:

— построение модели требует существования тренда в динамике показателей, что на практике не всегда реализуется;

— для применения модели необходимо наличие длинных временных сопоставимых значений фактор-аргументов, что требует создания определенных баз данных.

Применение методов математического моделирования для бюджетного планирования и прогнозирования в россии затруднено, так как, имея информацию о бюджете определенного субъекта за несколько лет, проанализировать ее трудно. В переделах 2-3 лет данные оказываются несопоставимыми из-за изменений условий налогообложения, нормативов отчислений от налогов в бюджет, исполняемых полномочий, бюджетной классификации и т. д. В случае проведения анализа исполнения бюджета за ряд лет очень трудно проследить динамику поступления от того или иного источника доходов. В результате составление проекта бюджета на очередной финансовый год происходит зачастую в новых условиях. В связи с нестабильностью бюджетного и налогового законодательства возникают проблемы с накоплением необходимой информации за ряд лет и ее использованием.

Попытка решить проблему накопления баз данных по бюджетным показателям субъектов Федерации, а также по фактическим показателям исполнения региональных и консолидированных бюджетов субъектов в настоящее время предпринята: существует ряд электронных ресурсов, публикующих эти данные. Официальная информация представлена на сайте Министерства финансов рФ (www. minim. ru). необходимо отметить, что в настоящее время можно найти указанную информацию за последние 3-4 года, т. е. применение экономико-математических моделей при планировании доходов и расходов по-прежнему затруднено.

Экономико-математические модели нашли широкое применение в зарубежной практике пла-

нирования доходов бюджета, однако в российской практике такие модели используются на уровне регионов экспериментально, а на федеральном уровне — для агрегированных расчетов, в том числе доходов консолидированного бюджета страны.

Анализ структуры доходной части областного бюджета Новосибирской области (как достаточно типичного региона России) и его основных показателей позволил выделить следующие наиболее важные переменные: доходы бюджета, полученные в виде налогов, в том числе федеральных (налог на доходы физических лиц, налог на прибыль организаций, акцизы) и региональных (налог на имущество организаций).

Особого внимания заслуживает анализ взаимосвязей между общей суммой доходов и вышеперечисленными налогами, влияющими на рост или снижение доходных поступлений. Для решения этой задачи возможно использование элементов математической статистики, в частности метода корреляционно-регрессионного анализа.

Основными источниками формирования доходов большинства субъектов РФ являются налоговые поступления, поэтому основой прогнозирования и планирования являются именно налоговые доходы.

Анализ налогового потенциала Новосибирской области свидетельствует, что наиболее значимым налогом по объемам поступлений в областной бюджет и влияющим на процесс формирования доходной части является налог на доходы физических лиц. С нашей точки зрения, для прогнозирования наибольшее предпочтение следует отдавать налогу на доходы физических лиц, удерживаемому с доходов, полученных в виде заработной платы (по ставке 13 %), так как размер ежемесячной номинальной заработной платы публикуется органами государственной статистики.

Взаимосвязь между доходами областного бюджета Новосибирской области (У) и налогами, имеющими стабильно наибольший удельный вес в структуре доходной части областного бюджета: налог на доходы физических лиц по ставке 13 % (х1); налог на прибыль (х2); акцизы (х3); налог на имущество организаций (х4) (рис. 1).

Исследование модели У (х1,х2,х3,х4) позволяет выявить степень связи между динамикой формирования доходов бюджета области от роста/снижения от-

дельных видов налогов, построить аналитическую модель, используя которую можно осуществить прогноз формирования доходов, например, на I полугодие 2006 г.. Аналитическая форма связи результативного признака (Y) и нескольких факторных (x1,x2,x3,x4) выражается и называется многофакторным (множественным) уравнением регрессии или моделью связи. Линейное уравнение множественной регрессии выглядит следующим образом:

Y (Xi) = a0+a1x1+ a2x2 +a3x3 +a4x4 + s, (1) где s — элемент случайности (ошибка на неучтенные факторы).

Построение модели заключается в подборе таких коэффициентов a0 apa2,a3 a4 в уравнение (1), которые наилучшим образом отражают влияние факторов xpx2,x3,x4 на фактические значения результирующей переменной Y [8].

Оценки a0 avava3 a4 являются решением системы уравнений:

na0 + a Z % + a2 Z % + a3 Z % + a4 Z X4 =Z У

ao Z %+a Z %2 + a2 Z % %+a3 Z % % + a4 Z %X4 =Z y%; a0 Z % + a Z % % + a2 Z X22 + a3 Z %■ 2 +a4 Z X2X4 = Z'' (2) a0 Z % + ai Z % % + a2 Z % % + a3 Z *¡2 + a4 Z % X4 =Z У% ''

a0 Z X4 + ai Z % X4 + a2 Z X2X4 + a2 Z %X4 + a4 Z ^ =Z УХ4 ''

где n — объем исследуемой совокупности (число единиц наблюдения).

Следует отметить, что системы нормальных уравнений, подобные (2), решаются с помощью программных средств.

Для исследования существующих связей между социально-экономическими явлениями и

Рис. 1. Предполагаемая модель

Фактические данные для построения модели (тыс. руб.): У — доходы, всего;

х1 — налог на доходы физических лиц по ставке 13 %; х2 — налог на прибыль организаций; х3 — акцизы;

х4 — налог на имущество организаций.

прогнозирования их значений сегодня используются современные технологии и создан целый ряд программных продуктов. Одним из них является программный продукт STATISTICA Object Model Overview компании StatSoft. Пакет STATISTICA — полностью интегрированный продукт статистического анализа данных, обладает широким набором инструментов анализа и гибким алгоритмом решения поставленных задач, с подробным документальным выводом результатов и графиков анализа. Рассмотрим построение модели, в которой используем наблюдения за 2004 и 2005 гг., а также за шесть месяцев 2006 г.

Используя программный продукт STATISTICA, на первом этапе исследования на основе исходных данных была получена корреляционная матрица (табл. 1).

Важнейшей характеристикой статистической связи является коэффициент множественной детерминации R2 — величина достоверности аппроксимации. Он определяет тесноту связи между факторными переменными и результирующей переменной. Коэффициент множественной детерминации измеряется от 0 до 1, и чем ближе к 1, тем сильнее связь. Проанализировав значения корреляционной матрицы, можно отметить, что все выбранные для модели факторы имеют сильную

Корреляционная матрица

Correlations (Spreadsheetl.sta) Marked correlations are significant at p < .05000 N=30 (Casewise deletion of missing data)

Variable x1 x2 x3 x4 Y

x1 1.00 0.58 0.33 0.45 0.75

x2 0.58 1.00 0.64 0.79 0.89

x3 0.33 0.64 1.00 0.50 0.62

x4 0.45 0.79 0.50 1.00 0.80

Y 0.75 0.89 0.62 0.80 1.00

Числовые характеристики модели

N=30 Regression Summary for Dependent Variable: Y (Spreadsheet .sta) R= .93954313 R?= .88274129 Adjusted R?= .86921144 F(3,26)=65.244 p<.00000 Std.Error of estimate: 2894E2

Beta Std.Err. of Beta B Std.Err. of B t(26) p-level

Intercept 396736.8 279696.9 1.418453 0.167935

x1 0.358400 0.082728 1.327 0.306 4.332278 0.000196

x2 0.617404 0.101792 1.514 0.250 6.065362 0.000002

x3 0.102180 0.087793 2.266 1.947 1.163866 0.255048

корреляционную связь с результирующей переменной (У). Но между оставшимися факторами x2 и х4 прослеживается коллинеарность ^2 = 0,79). Это означает, что изменение налога на прибыль (х2) или налога на имущество (х4) почти одинаково (на 79 %) отражают изменение дохода бюджета. Принцип коллениарности факторов требует, чтобы один из факторов (х2 и х4) был исключен из построения модели. Фактор х2 оказывает наиболее сильное влияние на результирующую переменную ^2 = 0,89), т. е. исключаем из модели фактор х4 (налог на имущество). На втором этапе исследования, используя программные модули, в основе которых заложен метод наименьших квадратов, по исходным данным была получена модель следующего вида:

У = 396737 + 1,327 х1 + 1,514 х2 + 2,266 х3 (3)

Модель имеет числовые характеристики, отраженные в табл. 2.

В данном случае коэффициент множественной детерминации равен 0,94, что говорит о сильной взаимосвязи между формированием доходов бюджета Новосибирской области (У) и отдельными видами налогов: НДФЛ (х) налогом на прибыль (х2), и акцизами (х3).

Коэффициенты при х в модели (3), показывают, в каком соотношении влияют факторы на результирующую переменную, т. е., рост НДФЛ на 1 тыс. руб. влияет на рост доходов на 1,3 тыс. руб., налога на прибыль (х2) на 1 тыс. руб. находит отражение в росте доходов бюджета области за тот же период на 1,5 тыс. руб., рост акцизов (х3) на 1 тыс. руб. влияет на рост доходов в среднем почти на 2,3 тыс. руб. Вероятность ошибки первого и второго коэффициентов относительно ничтожно мала (р-1вув1 (х2) = 0,00), третьего — 25 % (р-1вув1 (х3) = 0,25).

кроме того, сильное взаимовлияние подтверждает корреляционная матрица (табл. 2): фактор х1 (НДФЛ) объясняет динамику формирования доходов бюджета области (У) на 75 %, х2 (налог на прибыль) — 89 %, х3 (акцизы) — 62 %. свободный член в уравнении регрессии (3) отражает среднее значение не учтенных в модели факторов, которые также могут влиять на формирование доходов, его значение в среднем составляет 396 737 тыс. руб.

Для оценки качества построенной модели прогноза используют несколько

Таблица 1

Таблица 2

статистических критериев. Наиболее распространенным критерием является относительная ошибка аппроксимации:

- 1 -^Ы

8 = —V — -100%, (4)

я <=1 У

где е( = у - у — ошибка прогноза,

у1 — фактическое значение,

у, — прогнозное значение.

Точность модели является высокой, если 8 < 10 %, хорошей — 10 % < 8 < 20%, удовлетворительной 20 % - < 8 < 50%.

Относительная ошибка аппроксимации данной модели составляет 13,4 %, т. е., полученная факторная модель (3) имеет хорошую оценку с точки зрения применения ее в практике. Графически модель приведена на рис. 3, где показаны анализируемые данные динамики дохода за 2004 — 2005гг. и I полугодие 2006 г. и прогнозные значения дохода. График наглядно доказывает, что отклонения фактических значений дохода области и расчетные значения, которые можно найти, используя аналитическую модель (3), имеют небольшое расхождение (13,4 %).

Исследование динамики социально-экономических явлений, выявление и характеристика основной тенденции развития дают основание для прогнозирования — определения будущих размеров уровня экономического явления.

Применение статистического прогнозирования предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохраняется и в прогнозируемом будущем, т. е. прогноз основан на экстраполяции.

Применение экстра-

поляции в прогнозировании базируется на следующих предпосылках:

— развитие исследуемого явления в целом следует описывать плавной кривой;

— общая тенденция развития явления в прошлом и настоящем не должна претерпевать серьезных изменений в будущем.

Поэтому надежность и точность прогноза зависят от того, насколько близкими к действительности окажутся эти пред-

Тыс. руб.

4 500 0004 000 0003 500 0003 000 000' 2 500 0002 000 0001 500 0001 000 000500 000 0

положения, а также, как точно удалось охарактеризовать выявленную в прошлом закономерность.

Обобщающим показателем скорости изменения дохода бюджета области является средний абсолютный прирост за весь период исследования. Для его определения следует воспользоваться формулой средней арифметической простой:

Д =

Уя - У я-1

(5)

где п — число единиц наблюдения.

По формуле (5) исследуя динамику формирования доходов области за 2004 — 2005гг. и I полугодие 2006 г., можно сказать, что в среднем прирост дохода составляет 150 128 тыс. руб. в месяц. В динамике формирования доходов бюджета области явно прослеживается влияние сезонности (рис. 2).

для построения аналитической модели и последующего прогноза необходимо исключить влияние сезонности, сгладить ряд. для сглаживания значений доходов считаем целесообразным применить метод отношения к центрированной скользящей средней. По децентрализованным данным за 2004 — 2005гг. и I полугодие 2006 г/ наблюдается положительная линейная тенденция формирования дохода бюджета области. Кроме тенденции в модель необходимо включить и влияние сезонности:

Y = (64 625 t + 1 000 000) х 1сезон., (6)

где 1сезон — индекс сезонности.

Прогноз доходов бюджета области с использованием модели (3, 6) представлен на рис. 3.

Коэффициент детерминации ^2 = 0,7267) показывает, что данное уравнение на 73 % объясняет

2004

2005

2006

Рис. 2. Динамика доходов областного бюджета Новосибирской области за 2004 — 2005 гг. и I полугодие 2006 г.

6 000 000

5 000 000-

4 000 000-

3 000 000-

2 000 000-

1 000 000-

2004

динамику доходов бюджета. Относительная ошибка аппроксимации данной модели незначительна (16,1%). В данном случае получена хорошая мультипликативная модель, отражающая изменение доходов бюджета области во времени, учитывающая и сложившуюся в экономике тенденцию формирования доходов, и влияние сезонности на месячные показатели уровней ряда динамики.

Используя мультипликативную модель (6), найдем прогнозные значения доходов на период со II полугодия 2006 г. по июнь включительно 2007 г.:

Прогнозное значение на ближайшую перспективу Уможно вычислить и с помощью факторной модели (3): У= 396 737 + 1,327х/ + 1,514ж^+2,266х3 (при известных значениях факторов (х) на необходимую дату прогноза, которые подставляются в аналитическую модель). Это дает некоторое преимущество перед сложившимися традиционными методами прогноза. Имея информацию о фактически поступивших в бюджет области трех налогах (налог на доходы физических лиц, налог на прибыль и акцизы), можно прогнозировать объем доходов на текущую дату.

Предложенная система моделей, по нашему мнению, может быть использована для прогнозирования доходной части как областного бюджета Новосибирской области, так и других субъектов РФ, имеющих в качестве основных доходных источников налоговые доходы.

Однако прогноз доходов не должен являться самоцелью, а служит лишь инструментом и информационной базой для определения стратегии развития как региона, так и государства в целом. В связи с этим точность прогноза и обоснование вариативности полученных значений являются главными задачами прогнозирования.

Поскольку оптимальный горизонт прогноза, как правило, не должен превышать 1/3 объема данных, наиболее приемлемым периодом упреждения прогноза для нашей выборки мы считаем интервал в шесть месяцев года. В связи с этим с высокой степенью вероятности можно утверждать, что величина налогового потенциала во II полугодии 2006 г. и I полугодии 2007 г. будет соответствовать прогнозным значениям.

У = (64 625 г + 1 000 000)

1 сезон•

2005

2006

2007

Рис. 3. Динамика доходов и экстраполяция за период 2004 — 2005 гг. и I полугодие 2006 г.

Анализ формирования доходов бюджета области за 2004 — 2005гг. и I полугодие 2006 г. позволил выявить из нескольких факторов наиболее существенные, имеющие сильную коллинеарную связь с доходами: налог на доходы физических лиц, налог на прибыль и акцизы, на основе которых была построена факторная модель с хорошей оценкой точности.

Исследование динамики формирования доходов позволило выявить влияние сезонности и построить вторую мультипликативную модель доходов с отличной оценкой точности, а также осуществить прогноз на I полугодие 2006 и 2007 гг.

Экстраполяция дает возможность получить лишь точечное значение прогноза. При использовании различных моделей прогноз и его достоверность будут различаться. В любой модели заложена доля ошибки. Возникновение таких отклонений объясняется следующими причинами:

1. Построение прогноза осуществляется на основании ограниченного числа исходных данных. Кроме того, каждый исходный уровень обладает еще случайной компонентой. Поэтому и модель, по которой осуществляется экстраполяция, будет содержать случайную компоненту.

Таблица 3 Прогноз доходной части бюджета Новосибирской области (тыс. руб.)

месяцы 2006 г. Прогноз месяцы 2007г. Прогноз

У У

Июль 2 987 743 Январь 2 759 788

Август 2 841 359 Февраль 2 722 977

Сентябрь 2 355 524 Март 4882612

Октябрь 3 397 636 Апрель 4 391 719

Ноябрь 3 261 426 Май 3 599 905

Декабрь 3 777 794 Июнь 3 449 789

2. Тенденция характеризует лишь движение среднего уровня ряда динамики, поэтому отдельные наблюдения от него отклоняются. Если такие отклонения наблюдались в прошлом, то они будут наблюдаться в будущем.

3. Выбранная для прогнозирования модель не является единственно возможной для описания реального объекта исследования. Можно подобрать такую модель, которая дает более точные результаты.

Прогнозирование налоговых доходов региональных бюджетов требует совершенствования как методологии, так и методики, а оценка налогового потенциала должна стать основополагающим инструментом бюджетного планирования.

Для повышения эффективности бюджетного планирования и совершенствования бюджетно-налоговых отношений между федеральным уровнем и субъектом РФ важно обеспечить:

— единый подход и систему показателей при планировании доходов бюджетов субъектов РФ на основе оценки налогового потенциала;

— создание стимулов для эффективного развития налоговой базы субъектов РФ.

Вышеназванное должно обеспечить развитие бюджетно-налоговых отношений между всеми уровнями власти, позволит значительно укрепить финансовую базу субъектов РФ и создаст условия для регионального социально-экономического развития.

Прогноз доходной части бюджета дает исходную информацию, по которой можно судить об осуществимости планируемых расходов при определенных среднесрочных задачах государственной социально-экономической политики. Кроме того, среднесрочные прогнозы доходов могут являться системой раннего выявления предстоящих бюджетных дефицитов, поэтому иметь их чрезвычайно важно в целях своевременной корректировки стратегии развития бюджетно-налоговой политики.

В связи с неустойчивостью экономических процессов в России долгосрочное планирование доходов бюджета не получило достаточно полного развития и является, как правило, частью процесса составления социально-экономического прогноза на долгосрочную перспективу, разрабатываемого на федеральном и региональном уровнях управления.

Одними из принципов построения бюджетной системы РФ, закрепленных в Бюджетном кодексе РФ, являются принципы единства бюджетной системы и достоверности бюджетных показателей. Это означает, что должен быть единый порядок расчета прогнозных показателей, однако на практике такой согласованности действий нет.

Литература

1. Маршалова А. С., Новоселов А. С. Управление экономикой региона: Учеб. пособие. Новосибирск: Сибирское соглашение, 2001.

2. Статистика: Учебник / Под общ. ред. А. Е. Су-ринова. — М.: Изд-во РАГС, 2005.

3. Методы корреляционного и регрессионного анализа: Руководство для экономистов / Пер. с нем. И предисл. В. М. Ивановой. М.: Финансы и статистика, 1983.

4. Там же.

5. Глызин О. Л. Прогноз доходной составляющей федерального бюджета на территории субъекта РФ / О. Л. Глызин // Финансы. 2004. № 3.

6. Прогнозирование и планирование: Учеб. пособие / Е. А. Черныш, Н. П. Молчанова, А. А. Новикова, Т. А. Салтанова. М.: ПРИОР, 1999.

7. Глызин О. Л. Прогноз доходной составляющей федерального бюджета на территории субъекта РФ / О. Л. Глызин // Финансы. 2004. № 3.

8. Сулицкий В. Н. Методы статистического анализа в управлении: Учеб. пособие. М. : Дело, 2002.