CC BY
50НАЛОГОВАЯ ПОЛИТИКА
DOI: 10.31107/2075-1990-2020-1-58-67
Сравнительная оценка подходов к расчету налогового потенциала регионов
Игорь Юрьевич Арлашкин, научный сотрудник Института прикладных экономических исследований РАНХиГС; научный сотрудник НИФИ Минфина России, г. Москва E-mail: arlashkin@ranepa.ru, ORCID 0000-0003-4303-713X
Аннотация
Для оценки налогового потенциала в целях фискального выравнивания территориальных бюджетов используются три основных метода: метод репрезентативной налоговой системы, метод исторических данных и метод макроэкономических показателей. Каждый из этих методов обладает своими достоинствами и недостатками, при этом метод исторических данных считается наиболее точным с точки зрения приближенности значений налогового потенциала к фактическому исполнению бюджетных доходов. Цель статьи заключается в том, чтобы сравнить точность оценки налогового потенциала российских регионов различными методами, а также путем их комбинирования и на основе этого предложить меры по изменению действующей методики оценки налогового потенциала. Представленные в данной статье расчеты для российских регионов на примере 2018 г. показывают, что на самом деле метод репрезентативной налоговой системы, использующийся в действующей методике оценки налогового потенциала, и метод исторических данных обладают сопоставимой степенью точности, а метод макроэкономических показателей уступает им лишь незначительно. При этом на уровне оценки потенциала по отдельным налогам преимуществом в точности оценки может обладать как метод исторических данных, так и метод репрезентативной налоговой системы, а метод макроэкономических показателей заметно им проигрывает (кроме случая налога на прибыль). Как показывают проведенные автором расчеты, повысить точность оценки налогового потенциала регионов можно за счет следующих мер: отказаться от учета данных за текущий финансовый год, то есть учитывать данные только за два отчетных года; отказаться от корректировки налогового потенциала по налогу на прибыль и НДФЛ на превышение темпов роста налоговых доходов выше среднего уровня; использовать метод макроэкономических показателей для оценки налогового потенциала по НДПИ и группе прочих налогов.
Ключевые слова: налоговый потенциал, доходный потенциал, репрезентативная налоговая система, метод исторических данных, метод макроэкономических показателей, фискальное выравнивание, дотации на выравнивание бюджетной обеспеченности
JEL: H73, H77
Для цитирования: Арлашкин И. Ю. Сравнительная оценка подходов к расчету налогового потенциала регионов // Финансовый журнал. 2020. Т. 12. № 1. С. 58-67. DOI: 10.31107/2075-19902020-1-58-67
DOI: 10.31107/2075-1990-2020-1-58-67
Comparative Assessment of Regional Fiscal Capacity Calculation Approaches
Igor Yu. Arlashkin12
E-mail: arlashkin@ranepa.ru, ORCID: 0000-0003-4303-713X
1 Russian Presidential Academy of National Economy and Public Administration, Moscow 119571, Russian Federation
2 Financial Research Institute, Moscow 127006, Russian Federation Abstract
Three basic methods are employed to assess the fiscal capacity of territories for fiscal equalization: the representative tax system method, the historical data method, and the macroeconomic indicator method. Each of these methods has its own advantages and disadvantages, while the historical data method is considered the most accurate in terms of approximation of the values of fiscal capacity to actual budget revenues. The aim of the article is to compare the accuracy of assessing Russian regions' fiscal capacities through various methods, as well as by combining them, and to propose measures to change the current methodology for fiscal capacity assessment. The calculations presented in this article for the Russian regions for 2018 show that, in fact, the representative tax system and historical data methods have a comparable degree of accuracy, and the macroeconomic indicator method is only slightly inferior to them. At the same time, while assessing the fiscal capacity in regard to individual taxes, both the method of historical data and the method of representative tax system may have an advantage in the accuracy of the assessment, the method of macroeconomic indicators being inferior to them (except for the case of corporate income tax). As the author's calculations show, it is possible to improve the accuracy of assessing regional fiscal capacity through the following measures: (1) not taking into account data for the current financial year, that is, taking into account data for only two reporting years; (2) not adjusting income tax and personal income tax fiscal capacity to the rate of tax revenue growth; (3) using the method of macroeconomic indicators for mineral extraction tax and other tax fiscal capacity.
Keywords: fiscal capacity, tax capacity, representative revenue system, representative tax system, historical data method, macroeconomic indicators method, fiscal equalization
JEL: H73, H77
For citation: Arlashkin I.Yu. Comparative Assessment of Regional Fiscal Capacity Calculation Approaches. Financial Journal, 2020, vol. 12, no. 1, pp. 58-67 (In Russ.). DOI: 10.31107/20751990-2020-1-58-67.
ВВЕДЕНИЕ
Инструменты фискального выравнивания применяются для сокращения межрегиональной дифференциации доходных возможностей, мерой измерения которых служит налоговый потенциал (далее также — НП). Под ним понимаются «максимальные налоговые поступления, которые могут быть собраны в данном регионе при условии применения единых условий взимания налога (ставка, база, льготы и т. д.) и единых (средних или максимальных) усилий налоговой администрации» [Синельников-Мурылев С. и др., 2011]. От точности оценки налогового потенциала во многом зависят результаты выравнивания, то есть эффективность и справедливость распределения выравнивающих межбюджетных трансфертов между регионами.
В научной литературе выделяют три основных метода оценки НП:
1) метод исторических данных (далее также — ИД): потенциал оценивается на основе данных о фактическом исполнении по бюджетным доходам от налоговых поступлений;
2) метод макроэкономических показателей (далее также — МЭК): потенциал оценивается как произведение показателя налоговой нагрузки (единой для регионов) на
показатель регионального дохода (ВРП, личный располагаемый доход и т. д.). Налоговая нагрузка исчисляется как отношение налоговых поступлений к показателю регионального дохода;
3) метод репрезентативной налоговой системы (далее также — РНС): потенциал оценивается как произведение репрезентативной налоговой ставки (единой для регионов) на показатель региональной налоговой базы.
Следует оговориться, что в большинстве федеративных государств не используется прогноз налоговых поступлений на очередной финансовый год [Назаров В. С., 2013]. Действующий российский подход1 использует данные о прогнозе поступлений по конкретному налогу. Таким образом, оценка НП фактически сводится к распределению общероссийского прогноза поступлений между регионами пропорционально показателю, характеризующему базу налогообложения, что условно можно отразить в следующей формуле:
нп/ = ПН'' X -¡^L,
где НП- — налоговый потенциал региона i по налогу j;
ПН7 — прогноз поступлений в консолидированные региональные бюджеты по налогу j; БН^ — показатель, характеризующий налоговый потенциал (базу налогообложения) региона i по налогу j.
Соответственно, в методе репрезентативной налоговой системы в качестве такого показателя (БН-) выступает собственно налоговая база (при этом необходимость в расчете репрезентативной налоговой ставки отпадает) или аналогичный показатель, в методе макроэкономических показателей — величина валового регионального продукта или иного показателя дохода, в методе исторических данных — объем фактических налоговых доходов.
Метод исторических данных, как правило, дает оценку налогового потенциала, наиболее приближенную к фактическим доходам региональных бюджетов, то есть с этой точки зрения является наиболее точным. Но фактические доходы учитывают различия в налогово-бюджетной политике регионов (налоговых ставках, уровне собираемости, региональных и муниципальных льготах), а значит, не отражают потенциальные поступления в единых для всех регионов условиях. Кроме того, метод ИД формирует у регионов сильные негативные стимулы по занижению налоговых доходов: региону может быть выгоднее не увеличивать налоговые доходы, чтобы не терять выравнивающие трансферты [Назаров В. С., 2013]. В то же время метод исторических данных может применяться в случае, если межрегиональные различия в ставках, объемах льгот, уровне собираемости отсутствуют или незначительны [Martinez-Vazquez J. et al., 1997; Баткибеков С. и др., 2000]. В Российской Федерации для этого сложились определенные предпосылки: налоговая база по налогам определяется единообразно; администрирование налоговых платежей осуществляется федеральными, а не региональными или местными налоговыми органами; налоговые ставки едины либо ограничены федеральным законодательством (предельные ставки можно использовать вместо репрезентативных). При этом основная доля налогового потенциала регионов приходится на федеральные налоги: налог на прибыль, налог на доходы физических лиц и налог на добычу полезных ископаемых. Однако регионы могут влиять на поступления по данным налогам, в том числе за счет предоставления налоговых льгот.
Метод макроэкономических показателей в наименьшей степени создает негативные стимулы для регионов, достаточно прост в плане проведения оценки и объективен. К его
1 Постановление Правительства Российской Федерации от 22.11.2004 № 670 «О распределении дотаций на выравнивание бюджетной обеспеченности субъектов Российской Федерации».
недостаткам относится то, что он не позволяет учитывать межрегиональные различия в структурах налогообложения и эффект межтерриториального экспорта налогового бремени, а также использует для оценки статистические показатели, которые рассчитываются со значительным лагом и часто корректируются впоследствии [Wilson L. S., 2007].
Метод репрезентативной налоговой системы теоретически дает наиболее объективную оценку налогового потенциала. В то же время он создает для регионов негативные стимулы, в том числе по занижению налоговой базы [Wilson L. S., 2007]. Однако для российских регионов эти стимулы не столь существенны, поскольку прирост налоговых поступлений превышает объем сокращения дотаций на выравнивание бюджетной обеспеченности для всех регионов [Дерюгин А. Н., 2016]. Кроме того, использование метода репрезентативной налоговой системы требует приведения данных налоговой статистики регионов в единый вид, в том числе в части определения налоговой базы [Dafflon B., 2007], впрочем, данная проблема не характерна для России в силу единства налогового регулирования.
В целом в научной литературе явное предпочтение отдается методу репрезентативной налоговой системы, поскольку он считается наиболее объективным и достаточно точным.
На практике метод репрезентативной налоговой системы используется в чистом виде в Австралии и Швейцарии [Назаров В. С., 2013], Канаде [Feehan J., 2014] и России. В Испании [Zabalza A., Lopez-Laborda J., 2011] и Италии [Brosio G., 2018] применяется смешанный метод на основе репрезентативной налоговой системы и исторических данных. Метод исторических данных применяется в Германии [Fuest C., Thöne M., 2012] и Австрии [Назаров В. С., 2013], хотя в этих странах тоже применяются некоторые корректировки, более свойственные методу РНС. Метод макроэкономических показателей используется в Индии, где размер выравнивающих трансфертов частично определяется в зависимости от величины валового регионального продукта [Narayan A. et al., 2012], а также до 2008 г. применялся в России, при этом был основан на учете отраслевой структуры ВРП и налоговых начислений. Следует отметить, что метод РНС используется в России не только на региональном, но и на муниципальном уровне, при этом его применение для местных бюджетов имеет ряд особенностей [Дерюгин А. Н., 2014; Барбашова Н. Е., 2019].
В работе [Дерюгин А. Н., 2019] выделены следующие недостатки действующего российского подхода к оценке налогового потенциала регионов:
— при оценке налогового потенциала по большинству налогов используются данные о базах налогообложения не только за два отчетных года, но и за текущий финансовый год, что приводит к искажению результатов оценки вследствие неравномерности налоговых поступлений в течение финансового года в разных регионах;
— при оценке налогового потенциала по налогу на прибыль и НДФЛ производится корректировка на превышение темпов роста выше среднего уровня, что автоматически приводит к завышению налогового потенциала тех регионов, для которых такая корректировка не производилась;
— если по большинству налогов оценка налогового потенциала оказывается достаточно точной, то по группе прочих налогов результаты оценки довольно сильно отличаются от результатов фактического исполнения доходов по данным налогам.
ВОЗМОЖНЫЕ ВАРИАНТЫ ОЦЕНКИ НАЛОГОВОГО ПОТЕНЦИАЛА
На примере 2018 г.2 можно сравнить точность оценки налогового потенциала тремя рассмотренными методами. При этом для каждого метода могут быть выбраны несколько вариантов его реализации.
2 Последний год, за который доступны данные о бюджетном исполнении по налогам.
Вариант РНС-д. (действующий) соответствует тому подходу к оценке налогового потенциала, который был фактически использован в расчетах дотаций на выравнивание бюджетной обеспеченности субъектов Российской Федерации на 2018 г. Следует отметить, что все нижеследующие варианты основаны на исходных данных варианта РНС-д., но в силу того, что не все исходные данные (например, прогнозы налоговых поступлений по отдельным компонентам налога на прибыль, некоторые данные по акцизам на алкогольную продукцию) были доступны, результаты оценки могут различаться.
Все нижеследующие варианты (включая варианты в рамках методов макроэкономических показателей и исторических данных) отличаются от варианта РНС-д.:
— оценка средневзвешенных показателей баз налогообложения проводилась только за два года (2015 и 2016 гг. с весами 40 и 60 % соответственно);
— по налогу на прибыль организаций и НДФЛ не производилась корректировка на превышение темпов роста выше среднего уровня.
Вариант РНС-1 основан на варианте РНС-д., но отличается от него в следующем:
— по НДФЛ не производилась корректировка на численность работников сферы обороны и безопасности в связи с отсутствием соответствующих данных;
— по прочим налогам прогнозные поступления распределены между регионами пропорционально произведению среднегодовой численности занятых за 2016 г. (старше 15 лет) и среднегодовой стоимости фиксированного набора потребительских товаров и услуг (в среднем за период с июля 2016 г. по июнь 2017 г.). Подобный подход предложен в [Дерюгин А. Н., 2019], но с учетом потенциала по НДФЛ. Расчеты показывают, что отказ от учета потенциала по НДФЛ несколько повышает точность оценки прочих налогов.
Вариант РНС-2 основан на варианте РНС-1, однако вместо показателей налоговой статистики для оценки величины налоговой базы используются показатели экономической статистики:
— по налогу на прибыль организаций — сумма прибыли организаций (без учета убытка);
— по НДФЛ — фонд начисленной заработной платы работникам организаций (произведение за 12 месяцев среднемесячной номинальной начисленной заработной платы работников по полному кругу организаций в целом по экономике по субъектам Российской Федерации и среднесписочной численности работников по полному кругу организаций в целом по экономике по субъектам Российской Федерации);
— по налогу на имущество организаций — среднегодовая остаточная балансовая стоимость основных фондов по коммерческим организациям (без субъектов малого предпринимательства).
Метод макроэкономических показателей реализован в двух вариантах:
— МЭП-1 — пропорционально3 доле валовой добавленной стоимости региона;
— МЭП-2 — пропорционально доле произведения валовой добавленной стоимости и поправочного коэффициента на отраслевую структуру экономики региона. Поправочный коэффициент рассчитывается как взвешенная по доле отраслевой валовой добавленной стоимости средняя налоговая нагрузка (отношение налоговых поступлений к валовой добавленной стоимости). Данный вариант в целом соответствует подходу к оценке налогового потенциала, который использовался в России до 2008 г., однако отличается меньшим временным охватом данных и меньшей глубиной учета отраслевой структуры экономики. Последнее связано с отсутствием опубликованных данных о структуре валовой добавленной стоимости по отраслям добывающих и обрабатывающих производств (причем соответствующие данные о налоговых поступлениях доступны). Таким образом, под отраслями понимается верхний уровень классификации ОКВЭД (разделы ОКВЭД).
3 То есть прогноз налоговых поступлений по налогу распределяется между регионами пропорционально доле региона в совокупной величине показателя.
Кроме того, для метода макроэкономических показателей в российских условиях характерна проблема отсутствия данных о налоговых начислениях в разрезе конкретных налогов, вследствие чего приходится использовать данные о налоговых поступлениях. Но и данные о налоговых поступлениях представлены в налоговой отчетности с недостаточной степенью детализации: четко выделить налоговые поступления в разрезе ОКВЭД можно только по налогу на прибыль, НДФЛ и налогу на имущество организаций. В остальных случаях данные представлены по укрупненным группам налогов. Например, по акцизам и НДПИ нет разбивки по отдельным компонентам данных налогов, поэтому выделить ту часть поступлений, которая зачисляется в бюджеты регионов, не представляется возможным. Эта проблема приводит к снижению точности оценки.
Метод исторических данных также реализован в двух вариантах, в обоих случаях в качестве показателя базы налогообложения используется фактический объем исполнения по налоговым доходам по данным бюджетной отчетности. Однако в варианте ИД-1 оценка проводится по укрупненным группам налогов, а в варианте ИД-2 в части налога на прибыль, акцизов на алкогольную продукцию и налога на добычу полезных ископаемых оценка проводится по их отдельным компонентам (аналогично действующему подходу).
Представление о точности оценки можно получить, измерив то, как индекс налогового потенциала региона соотносится с индексом его фактических налоговых доходов. Индекс налогового потенциала рассчитывается как отношение налогового потенциала региона на душу населения к среднему налоговому потенциалу по всем регионам на душу населения. Индекс фактических налоговых доходов рассчитывается аналогично, но вместо налогового потенциала используются фактические налоговые доходы.
Соответственно, в качестве показателей точности оценки налогового потенциала можно использовать:
— Ккор — коэффициент корреляции между индексами налогового потенциала и индексами фактических налоговых доходов регионов;
— СМО — средний (по регионам) модуль отклонения индекса налогового потенциала от индекса фактических налоговых доходов;
— СМОвзв — средний (по регионам) модуль отклонения индекса налогового потенциала от индекса фактических налоговых доходов, взвешенный по численности населения.
Ккор показывает, насколько в целом близка оценка налогового потенциала к фактическому исполнению, а СМО и СМОвзв отражают величину ошибки оценки. Чем больше ошибка, тем более искажающее влияние окажет неточная оценка на результаты выравнивания.
РЕЗУЛЬТАТЫ ОЦЕНКИ
В табл. 1 приведены результаты оценки налогового потенциала регионов по различным вариантам. Как можно видеть, в целом все варианты оценивают налоговый потенциал с сопоставимой степенью точности. Однако метод макроэкономических показателей очевидно проигрывает двум прочим методам. При этом несостоятельность варианта МЭП-2 можно объяснить вышеуказанными причинами недостаточности данных экономической и налоговой статистики. Метод репрезентативной налоговой системы в целом точнее, чем метод исторических данных, если ориентироваться на Ккор, но в случае СМО и СМОвзв ситуация обратная. Следует отметить, что с теоретической точки зрения метод исторических данных должен был бы показать более очевидное превосходство над методом репрезентативной налоговой системы в точности оценки.
При оценке потенциала по отдельным налогам методы показывают больший разброс в показателях точности. Так, по налогу на прибыль наименее точным оказывается метод исторических данных. Сравнительно высокую степень точности по Ккор показывает
метод макроэкономических показателей, но в части СМО значительно уступает методу репрезентативной налоговой системы. При этом во всех вариантах средняя величина ошибки довольно существенна. Отдельно следует отметить, что отказ от учета текущего года и ограничений по темпам роста существенно ухудшает значения Ккор, незначительно ухудшает значения СМО и незначительно улучшает значения СМОвзв.
По НДФЛ очевидное преимущество демонстрирует метод исторических данных, хотя метод репрезентативной налоговой системы лишь несколько ему уступает в точности. Метод макроэкономических показателей срабатывает значительно хуже, но при этом учет отраслевой структуры экономики повышает точность оценки. Что касается отказа от ограничений на темпы роста, то в случае Ккор точность оценки при этом незначительно повышается, а в случае СМО и СМОвзв — незначительно снижается.
В отношении акцизов на алкогольную продукцию (учитывая, что значительная часть этих акцизов распределяется по утвержденным на конкретный год нормативам) наибольшая точность характерна для метода репрезентативной налоговой системы. В части налога на имущество организаций точнее оказывается метод репрезентативной налоговой системы, но вариант ИД-2 практически не уступает вариантам РНС-д. и РНС-1. Однако метод исторических данных не рекомендуется использовать для налога, ставки по которому устанавливаются самими регионами.
По НДПИ метод макроэкономических показателей демонстрирует самую низкую степень точности. Метод исторических данных показывает преимущество над методом репрезентативной налоговой системы, хотя величина ошибки оценки во всех вариантах довольно существенна. Акцизы на нефтепродукты полностью зачисляются в региональные бюджеты по утверждаемым на очередной год нормативам, поэтому очевидное преимущество в точности оценки демонстрирует метод репрезентативной налоговой системы. По прочим налогам4 значительно более точную оценку дает метод исторических данных. При этом в части метода репрезентативной налоговой системы вариант РНС-1 несколько улучшает оценку в сравнении с РНС-д. по Ккор.
Таблица 1
Результаты оценки на 2018 г. / 2018 assessment results
Показатель РНС-д. РНС-1 РНС-2 МЭП-1 МЭП-2 ИД-1 ИД-2
по всем налогам
Ккор 0,980 0,967 0,984 0,950 0,949 0,922 0,961
СМО, % 8,93 9,76 9,52 15,01 12,86 9,08 8,23
СМОвзв, % 6,79 7,65 8,65 12,57 10,43 6,09 5,87
по налогу на прибыль
Ккор 0,938 0,891 0,940 0,935 0,940 0,744 0,861
СМО, % 17,87 18,90 40,55 76,99 39,55 20,16 19,03
СМОвзв, % 13,59 12,60 35,46 55,24 28,62 12,43 12,70
по налогу на доходы физических лиц
Ккор 0,986 0,988 0,975 0,818 0,925 0,994
СМО, % 10,30 10,51 14,76 22,39 16,18 6,00
СМОвзв, % 9,83 10,60 15,40 20,34 14,75 5,29
по акцизам на алкогольную продукцию, спирт этиловый, вино и пиво
Ккор 0,975 0,973 -0,129 0,246 0,956 0,944
СМО, % 16,65 14,40 377,59 150,68 38,93 40,01
СМОвзв, % 16,45 12,92 306,62 173,23 27,78 28,03
4 В эту группу также отнесены поступления по НДПИ в виде угля и НДПИ, уплаченному участниками Особой экономической зоны в Магаданской области. В работе [Дерюгин А. Н., 2019]эти поступления отнесены к НДПИ, поэтому оценки по Ккор по прочим налогам и НДПИ в указанной работе отличаются от тех, что приведены в табл. 2.
Показатель РНС-д. РНС-1 РНС-2 МЭП-1 МЭП-2 ИД-1 ИД-2
по налогу на имущество организаций
Ккор 0,999 0,999 0,973 0,956 0,951 0,995
СМО, % 11,45 10,91 18,04 30,94 25,53 11,48
СМОвзв, % 9,50 9,05 14,92 26,42 23,20 9,98
по налогу на добычу полезных ископаемых
Ккор 0,958 0,226 0,209 0,993 0,985
СМО, % 53,00 12 089,43 3570,12 38,86 47,70
СМОвзв, % 46,84 56 212,45 16 208,17 40,73 48,13
по акцизам на нефтепродукты
Ккор 1,000 0,115 0,094 0,885
СМО, % 0,00 63,88 49,28 8,65
СМОвзв, % 0,00 58,16 54,67 7,50
по прочим налогам
Ккор 0,602 0,683 0,315 0,283 0,981
СМО, % 40,00 40,29 49,63 73,09 8,22
СМОвзв, % 28,26 30,40 30,31 41,56 7,49
Источник: рассчитано автором по данным Росстата, ФНС России, Федерального казначейства и Минфина России/ Source: calculated by the author.
Таким образом, на уровне отдельных налогов методы оценки демонстрируют разную степень точности, при этом в некоторых случаях преимущество остается за методом репрезентативной налоговой системы, а в иных — за методом исторических данных. Метод макроэкономических показателей дает достаточно точную оценку в случае налога на прибыль (а также НДФЛ и налога на имущество организаций, но менее точную, чем другие методы), хотя в случае совокупной оценки по всем налогам лишь незначительно уступает иным методам. Поэтому разумно предположить, что комбинирование нескольких методов способно повысить точность оценки налогового потенциала, поскольку ошибки оценки по разным налогам будут взаимно компенсировать друг друга.
Можно рассмотреть три случая комбинирования:
— когда учитываются все рассмотренные варианты оценки;
— когда исключается действующий вариант в силу указанных выше его недостатков;
— когда исключается не только действующий вариант, но и метод исторических данных, поскольку он создает негативные стимулы у регионов и прямо запрещен бюджетным законодательством.
Как показывают расчеты (табл. 2), комбинирование различных вариантов оценки действительно дает возможность повысить точность оценки налогового потенциала. При этом несколько неожиданным фактом является то, что метод макроэкономических показателей применим для оценки потенциала по НДПИ, акцизам на нефтепродукты и прочим налогам, по всей видимости, корректируя ошибки оценки по иным налогам прочими методами. В условиях действующего бюджетного законодательства наиболее приемлемым является последний из предложенных комбинированных вариантов, в котором оценка по НДПИ и прочим налогам производится в соответствии с вариантом МЭП-1 (то есть на основе валовой добавленной стоимости без учета отраслевой структуры), а по иным налогам — согласно варианту РНС-1.
Следует отметить, что значения оценок довольно близки, а расчеты проведены только за один год, поэтому к данным выводам следует относиться с некоторой осторожностью. В дальнейшем проведение расчетов на примере 2019 и 2020 гг. позволит сделать выводы более обоснованными.
Таблица 2
Комбинирование вариантов оценки / Combining assessment variants
Налог/ показатель Все варианты Без действ. Без действ. и ИД
Налог на прибыль РНС-д. МЭП-2 РНС-1
НДФЛ ИД-1 ИД-1 РНС-1
Акцизы на алкогольную продукцию РНС-д. МЭП-1 РНС-1
Налог на имущество организаций РНС-д. РНС-1 РНС-1
НДПИ МЭП-1 ИД-1 МЭП-1
Акцизы на нефтепродукты МЭП-1 МЭП-2 РНС-1
Прочие налоги ИД-1 ИД-1 МЭП-1
Ккор 0,994 0,993 0,990
СМО, % 5,83 7,29 7,36
СМОвзв, % 5,00 5,82 5,91
Источник: рассчитано автором по данным Росстата, ФНС России, Федерального казначейства и Минфина России/ Source: calculated by the author
ЗАКЛЮЧЕНИЕ
В литературе выделяются три основных метода оценки налогового потенциала, при этом предпочтение отдается методу репрезентативной налоговой системы, поскольку он оценивает именно потенциальные налоговые доходы и в меньшей степени создает негативные стимулы для регионов. Метод исторических данных в теории должен давать оценку, наиболее близкую к фактическому исполнению по доходам. Однако расчеты на примере 2018 г. показали, что в российских условиях метод РНС сопоставим по степени точности с методом исторических данных.
При этом повышения точности оценки налогового потенциала можно добиться путем комбинирования нескольких методов оценки. Так, в этих целях действующий подход к оценке налогового потенциала может быть изменен в следующем:
— данные по показателям, характеризующим базы налогообложения, должны учитываться за два отчетных года (то есть без учета части текущего года);
— из оценки по налогу на прибыль и НДФЛ должны быть исключены применяемые в настоящее время корректировки на превышение темпов роста налоговых доходов выше среднего уровня;
— потенциал по НДПИ и прочим налогам должен оцениваться методом макроэкономических показателей: в качестве показателя, характеризующего базы налогообложения, должна использоваться величина валовой добавленной стоимости, произведенной в регионе.
Список источников
Барбашова Н. Е. Использование единой методики при выравнивании бюджетной обеспеченности муниципальных образований // Научно-исследовательский финансовый институт. Финансовый журнал. 2019. № 1 (47). С. 44-55. URL: https://doi.org/10.31107/2075-1990-2019-1-44-55.
Баткибеков С., Кадочников П. и др. Оценка налогового потенциала регионов и распределение финансовой помощи из федерального бюджета // Совершенствование межбюджетных отношений в России / Научные труды № 24Р. М.: Институт экономики переходного периода, 2000. 410 с.
Дерюгин А. Н. Законодательные проблемы выравнивания бюджетной обеспеченности муниципальных образований // Научно-исследовательский финансовый институт. Финансовый журнал. 2014. № 2. С. 87-98.
Дерюгин А. Н. Выравнивание регионов: сохраняются ли стимулы к развитию? // Экономическая политика. 2016. Т. 11. № 6. С. 170-191.
Дерюгин А. Н. Особенности и проблемы оценки доходного потенциала регионов при распределении выравнивающих дотаций // Финансы. 2019. № 8. С. 10-18.
Назаров В. С. Международный опыт эволюции методик распределения выравнивающих трансфертов / РАНХиГС. 2013. URL: ftp://ftp.repec.org/opt/ReDIF/RePEc/rnp/wpaper/19.pdf.
Синельников-Мурылев С., Кадочников П., Идрисов Г. Налог на прибыль предприятий: анализ реформы 2001 г. и моделирование налогового потенциала регионов / Научные труды № 153P. М.: Ин-т Гайдара, 2011. 180 с.
Brosio G. Ambition beyond Feasibility? Equalization Transfers to Regional and Local Governments in Italy / Dipartimento Economia e Statistica, Universita' di Torino, Italy, 2018.
Dafflon B. Fiscal Capacity Equalization in Horizontal Equalization Programs / Intergovernmental Fiscal Transfers: Principles and Practice. Ed. by R. Boadway, A. Shah. P. 361-396. Washington, DC: The World Bank, 2007.
Feehan J. Canada's Equalization Formula: Peering Inside the Black Box ... and Beyond // The School of Public Policy. SPP Research Papers. September 2014. Vol. 7. Iss. 24. URL: https://doi.org/10.11575/sppp.v7i0.42479.
Fuest C., Thöne M. Reform des Finanzföderalismus in Deutschland / Härtel I. (ed.) Handbuch Föderalismus, Bd. II. Berlin: Springer, 2012. P. 265-321.
Martinez-Vazquez J., Boex J. Fiscal Capacity: An Overview of Concepts and Measurements Issues and Their Applicability in the Russian Federation / International Center for Public Policy Working Paper Series, at AYSPS, GSU, International Center for Public Policy, Andrew Young School of Policy Studies, Georgia State University, 1997.
Narayan A., Jayadev A., Mason J. W. Mapping India's Finances. 60 Years of Flow of Funds // Economic & Political Weekly. 2012. Vol. 52. № 18. P. 49-56.
Wilson L. S. Macro Formulas for Equalization / Intergovernmental Fiscal Transfers: Principles and Practice. Ed. by R. Boadway, A. Shah. P. 339-360. Washington, DC: The World Bank, 2007.
Zabalza A., Lopez-Laborda J. The New Spanish System of Intergovernmental Transfers // International Tax and Public Finance. 2011. № 18 (6). P. 750-786. URL: https://doi.org/10.1007/s10797-011-9192-x.
Поступила в редакцию 3 декабря 2019 г.
Принята к публикации 10 февраля 2020 г.
References
Barbashova N.E. (2019). Application of a Unified Methodology for Intergovernmental Equalization at Regional Level. Finansovyj zhurnal — Financial Journal, no. 1 (47), pp. 44-55 (In Russ.). Available at: https://doi.org/ 1010.31107/2075-1990-2019-1-44-55.
Batkibekov S., Kadochnikov P. et al. (2000). Assessing Regional Fiscal Capacity and Allocating Federal Fiscal Transfers. Improving Inter-Budgetary Relations in Russia. Scientific Papers no. 24R. Moscow: Institut ekonomiki perekhodnogo perioda. 410 p. (In Russ.).
Brosio G. (2018). Ambition beyond Feasibility? Equalization Transfers to Regional and Local Governments in Italy. Dipartimento Economia e Statistica, Universita' di Torino, Italy.
Dafflon B. (2007). Fiscal Capacity Equalization in Horizontal Equalization Programs. In: Intergovernmental Fiscal Transfers: Principles and Practice. Ed. by R. Boadway, A. Shah, pp. 361-396. Washington, DC: The World Bank.
Deryugin A.N. (2014). Legislative Issues of Equalization Transfers Distribution to Municipalities. Finansovyj zhurnal — Financial Journal, no. 2, pp. 87-98 (In Russ.).
Deryugin A.N. (2016). Regional Equalization: Are there Incentives to Development? Ehkonomicheskaya politika — Economic Policy, vol. 11, no. 6, pp. 170-191 (In Russ.).
Deryugin A.N. (2019). Features and Problems of Regional Tax Capacity Assessment in the Equalization Transfers Distribution. Finansy — Finances, no. 8, pp. 10-18 (In Russ.).
Feehan J. (2014). Canada's Equalization Formula: Peering Inside the Black Box ... and beyond. The School of Public Policy. SPP Recearch Papers, vol. 7, iss. 24. Available at: https://doi.org/10.11575/sppp.v7i0.42479.
Fuest C., Thöne M. (2012). Reform des Finanzföderalismus in Deutschland. In: Handbuch Föderalismus. Härtel I. (ed.). Bd. II. Berlin: Springer, pp. 265-321.
Martinez-Vazquez J., Boex J. (1997). Fiscal Capacity: An Overview of Concepts and Measurements Issues and Their Applicability in the Russian Federation. International Center for Public Policy Working Paper Series, at AYSPS, GSU, International Center for Public Policy, Andrew Young School of Policy Studies, Georgia State University.
Narayan A., Jayadev A., Mason J.W. (2012). Mapping India's Finances. 60 Years of Flow of Funds. Economic & Political Weekly, vol. 52, no. 18, pp. 49-56.
Nazarov V.S. (2013). International Experience in the Evolution of Equalization Transfer Distribution Techniques, RANEPA (In Russ.). Available at: ftp://ftp.repec.org/opt/ReDIF/RePEc/rnp/wpaper/19.pdf.
Sinel'nikov-Murylev S., Kadochnikov P., Idrisov G. (2011). Corporate Income Tax: Analysis of 2001 Reform and Modelling of Tax Potential of the Regions. Scientific Papers no. 153R. Moscow: Institut Gaidara. 180 p. (In Russ.).
Wilson L.S. (2007). Macro Formulas for Equalization. In Intergovernmental Fiscal Transfers: Principles and Practice. Ed. by R. Boadway, A. Shah. P. 339-360. Washington, DC: The World Bank.
Zabalza A., Lopez-Laborda J. (2011). The New Spanish System of Intergovernmental Transfers. International Tax and Public Finance, no. 18 (6), pp. 750-786. Available at: https://doi.org/10.1007/s10797-011-9192-x.
Received 03.12.2019 Accepted for publication 10.02.2020
