Файл: Факультет экономики, менеджмента и бизнесинформатики.docx

Наконец, рассмотрим институциональные факторы, используемые в данной работе:

• 
  Уровень преступности. Данный показатель отражает общий уровень преступности в регионе (число преступлений на душу населения), число тяжких и особо тяжких преступлений и преступлений экономической направленности.
  
• 
  Качество управления регионом – переменная, отражающая качество управления региональным бюджетом.
  

Таким образом, можно сделать вывод о формировании как положительных, так и отрицательных тенденций в отношении рассматриваемых факторов.

Рассмотрим гипотезы, которые выдвигаются в данной работе и в дальнейшем будут проверены.

Согласно проекту Министерства финансов Российской Федерации, рост поступлений по налогу на прибыль организаций произошел ввиду увеличения прибыли в валовом продукте. Однако, не все предприятия прибыльные. Результат деятельности таких предприятий сказывается на том, что они не могут полностью выплачивать все налоги и вынуждены прибегать к отсрочкам или рассрочкам налоговых платежей. Таким образом, первая гипотеза сформулирована следующим образом:

Н1: Доля убыточных предприятий в среднем оказывает отрицательное влияние на налоговые поступления субъектов РФ.

Авторы Stotsky and WoldeMariam (1997) в своей работе отмечали значимое влияние на налоговые доходы такого фактора, как доля экспорта в ВРП. Данный показатель является частью финансовых результатов предприятий, которые в свою очередь подлежат налогообложению. Отсюда следующая гипотеза:

Н2: Доля экспорта в валовом региональном продукте в среднем оказывает положительное влияние на налоговые доходы регионов РФ.

В своей работе Белогорская и др. (2016) отмечали положительное влияние инвестиций в основной капитал компании на налоговые доходы. Однако, стоит отметить, что в данном исследовании анализ проводился только на одном субъекте РФ, а во-вторых, не учитывался запаздывающий эффект инвестиций. Данный показатель представляет особый интерес, поскольку он занимает одно из важных мест среди целей социально-экономической политики. Стоит отметить, что авторы в своем исследовании рассмотрели лишь один регион. Кроме того, инвестиции в основной капитал, как правило, имеют отложенный эффект. Вследствие этого, на практике результаты могут получиться другие. Таким образом, была сформулирована еще одна гипотеза:

---

Н3: В среднем и при прочих равных, инвестиции в основной капитал оказывают положительное влияние на налоговые доходы регионального бюджета.

Кроме того, согласно результатам, полученным в более ранних работах (Gupta, 2007; Ajaz and Ahmad, 2010), сельскохозяйственный сектор в развивающихся странах оказывает негативное влияние на налоговые поступления. Стоит отметить, что в России существует специальный налоговый режим в виде единого сельскохозяйственного налога. Данный режим предоставляет льготные налоговые условия предприятиям в данной отрасли, что в свою очередь может неблагоприятно сказаться на налоговых доходах.

Н4: Чем больше доля сельскохозяйственного сектора в ВРП, тем меньше налоговых доходов поступает в бюджет региона.

Такой институциональный фактор, как уровень коррупции включали в свое исследование многие авторы (Gupta, 2007; Imam and Jacobs, 2007; Javid and Arif, 2012). Однако, в разных работах были получены разные результаты о влиянии коррупции на налоговые поступления. В данной работе рассматривается такой показатель как уровень преступности, включающий в себя влияние коррупции. Таким образом, возникает следующая гипотеза:

Н5: Высокий уровень преступности, в среднем и при прочих равных, оказывает негативное влияние на налоговые доходы субъектов РФ.

---

2.2 Данные и описательная статистика

Важным этапом при проведении эконометрического исследования является сбор данных. Специфика работы с данными РФ – это обширные территории, 11 часовых поясов, большое количество округов, областей, регионов, национальностей и климатических зон. В выборку включались субъекты РФ, существующие на конец 2018 года, и формирующие 8 федеральных округов: (1) Центральный, (2) Северо-Западный, (3) Приволжский, (4) Южный, (5) Северо-Кавказский, (6) Уральский, (7) Сибирский и (8) Дальневосточный, которые представлены на рис.9.



Рис. 9. Распределение земель РФ согласно росреестру
Вне зависимости от того, какие данные используются в работе, межстрановые или межрегиональные, авторы рассмотренных выше работ советуют работать с панельным типом данных. Важным преимуществом панельных данных является то, что они учитывают индивидуальные различия между выборочными единицами. Также, для панельного типа данных свойственно большое количество наблюдений, что позволяет уменьшить мультиколлинеарность факторов. Это, в свою очередь, приводит к более эффективным оценкам (Вербик, 2008).

В качестве зависимой переменной в работе выступают налоговые доходы субъектов РФ. Выбор был осуществлен на основании применения данного показателя в исследованиях, схожих по тематике с данной работой.

За последние десять лет налоговый режим и налоговое администрирование кардинально изменились. В налогообложении перемены происходят постоянно, что связано с природой экономики и защитой различных интересов. Значительные изменения законодательной базы были замечены в 2009 году, когда ставка по налогу на прибыль организаций снизилась на 4 процента, увеличились ставки на акцизы и другие налоги. В связи с этим, в данной работе был выбран временной период с 2010 по 2017гг.

Данные о налоговых поступлениях в региональные бюджеты взяты из отчетов о начислении и поступлении налогов, сборов и иных обязательных платежей в бюджетную систему Российской Федерации, предоставленных Федеральной налоговой службой за период с 2010 по 2017 год. Социально-экономические показатели по субъектам были собраны из ежегодного статистического сборника «Регионы России. Социально-экономические показатели», предоставляемого Федеральной службой государственной статистики. Институциональные показатели были собраны с официального сайта рейтингового агентства «Эксперт-РА». Они представлены в виде рейтингов, которые в дальнейшем будут использоваться как качественные переменные.

---

Данные представляют собой панельный тип, где кросс-секцией является конкретный регион РФ, а временным параметром – период с 2010 по 2017 год. Изначально предполагалось, что в выборку войдет 680 наблюдений, однако, при сборе данных был выявлен ряд особенностей, которые изменили объем выборки.

1. 
   В базе представлена информация как по Московской области, так и по городу Москва отдельно. Это же касается города Санкт-Петербург, Ямало-Ненецкого АО, Ханты-Мансийского АО. Они представлены и в составе региона, и отдельно.
   
2. 
   Ввиду того, что Крымский полуостров, входящий в состав Южного федерального округа, был присоединен к Российской Федерации только в 2014 году, данные для него доступны только с 2014 года. В связи с этим в выборке отсутствуют 2 субъекта – Республика Крым и город Севастополь.
   

Поскольку статистические данные собирались в текущих ценах, стоимостные показатели были преобразованы в реальные значения. Для это рассчитывался цепной индекс потребительских цен, который отражает инфляцию рассматриваемого периода. В качестве базового использовался 2010 год.

Таким образом, итоговая выборка включает в себя данные, охватывающие 83 региона РФ за период с 2010 по 2017 гг. и содержит 664 наблюдения.

Набор и описание собранных переменных представлены в таблице 3. Они обозначены на английском языке для работы в программе статистического пакета STATA.
Таблица 3

Описание переменных

Переменная	Описание переменной
tax	Налоговые доходы, млн. руб.
invest	Инвестиции в основной капитал на душу населения, руб.
arg	Доля сельского хозяйства в ВРП региона, %
grppc	Валовый региональный продукт на душу населения, тыс. руб.
unporg	Доля убыточных организаций, %
unemp	Уровень безработицы, %
exp	Доля экспорта в ВРП, %
crime	Дамми-переменная, отражающая уровень преступности, где 1 - высокий, 0 – низкий
control	Дамми-переменная, отражающая качество управления регионом, где 1 - высокое, 0 – низкое

---

Для того, чтобы проверить нормальность распределения, были построены гистограммы распределений (Приложение 1). Анализ показал, что распределения почти всех переменных далеки от нормального.

Согласно информации, представленной в таблице 4, отражающей основные описательные статистики, можно заметить неоднородность среди субъектов РФ. Тест Краскела-Уоллиса также это подтвердил.
Таблица 4

Основные описательные статистики

Переменная	Количество наблюдений	Минимум	Среднее значение	Максимум	Стандартное отклонение
Налоговые доходы, млн. руб.	664	1 473.4	58 116.9	1 132 756	118 812.9
Инвестиции в основной капитал на душу населения, руб.	664	13 695.6	98 459.3	2 056 000	195 908.1
Доля сельского хозяйства в ВРП региона, %	664	0	8	36.4	5.9
Валовый региональный продукт на душу населения, тыс. руб.	664	48.2	332.5	3 999.5	487.6
Доля убыточных организаций, %	664	14.5	32.9	53.2	6.4
Уровень безработицы, %	664	0.8	7.2	49.7	5
Доля экспорта в ВРП, %	664	0	12.8	86.2	16.3

Исходя из представленной в таблице 4 описательной статистики, можно составить портрет среднего региона Российской Федерации в рассматриваемом периоде. Это регион, в котором доля сельского хозяйства в ВРП – 8%, доля убыточных организаций – около 33%, средняя доля экспорта в ВРП - 13% и уровень безработицы примерно 7%. Инвестиции в основной капитал на душу населения в таком регионе составляют 98,5 тыс. руб., валовый региональный продукт на душу населения – 332,5 тыс. руб. и ежегодные налоговые поступления в региональный бюджет около 58 млрд. руб.

Перед этапом выбора и построения модели проведем корреляционный анализ. Обратимся к корреляционной матрице, которая показывает взаимовлияние выбранных переменных (таблица 5).

---