Файл: Налоговые отношения (Теоретическое обоснование системы налоговых отношений).pdf

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).

---

Таблица 5

Корреляционная матрица

	Налоговые доходы	Инвестиции в основной капитал на душу населения	Доля с/х сектора	ВРП на душу населения	Доля убыточных организаций	Уровень безработицы	Доля экспорта в ВРП
Налоговые доходы	1
Инвестиции в основной капитал на душу населения	0.047	1
Доля с/х сектора	-0.307***	-0.318***	1
ВРП на душу населения	0.165***	0.952***	-0.389***	1
Доля убыточных организаций	-0.161***	0.209***	-0.148***	0.199***	1
Уровень безработицы	-0.241***	-0.104***	0.174***	-0.153***	0.226***	1
Доля экспорта в ВРП	0.299***	0.076**	-0.334***	0.159***	-0.059	-0.196***	1

Примечание: *** - значимость на 1% уровне, ** - значимость на 5% уровне, * - значимость на 10% уровне.

Если посмотреть на первый столбец, который показывает, насколько связаны рассматриваемые регрессоры с изучаемой переменной, то можно увидеть, что все факторы, кроме инвестиций в основной капитал на душу населения, имеют значимую взаимосвязь. У большинства объясняющих переменных анализ показал слабую и среднюю взаимосвязь. Однако, есть и те, что имеют сильную взаимосвязь. Это инвестиции в основной капитал на душу населения и ВРП на душу населения.

Методология

В данном разделе будут отмечены основные этапы исследования. Во-первых, для оценки влияния рассмотренных регрессоров на налоговые доходы региона необходимо выбрать метод исследования.

Многие исследователи при работе с налоговыми поступлениями использовали, как правило, два основных метода:

1. анализ динамической модели на основе панельных данных, используя обобщенный метод моментов;
2. анализ модели с фиксированными эффектами, применяя метод наименьших квадратов.

---

Первый метод заключается в том, чтобы оценить уравнение, где добавляется лаг зависимой переменной в виде объясняющего фактора. Однако, такой подход приводит к коррелированности лаговой переменной со случайной ошибкой, что в свою очередь затрудняет оценивание. Данную проблему можно решить, используя обобщенный метод моментов, который предполагает добавление следующего лага в уравнение в качестве инструментальной переменной, которая имеет коррелированность с лаговой переменной, но не имеет коррелированность со случайной ошибкой.

Второй способ анализа предполагает использование модели с фиксированными эффектами, которая является линейной моделью регрессии, где свободные члены изменяются при переходе от одного объекта к другому. Одно из важнейших предположений модели заключается в том, что все случайные ошибки независимы от всех регрессоров.

В некоторых работах авторы применили оба метода (Gupta, 2007) и сравнили полученные результаты. Они пришли к выводу, что значения оценок получились приблизительно одинаковыми.

В данной работе используется второй метод. Во-первых, данный метод позволяет учесть индивидуальные особенности регионов, поскольку они неоднородны по рассматриваемым показателям. Во-вторых, во многих работах отмечалось, что модель с фиксированными эффектами предпочтительнее для анализа такого рода данных (Javid and Arif, 2012).

Необходимо отметить, что помимо рассмотренных переменных, в модель также были включены контрольные переменные.

• Дамми-переменные (для 2011-2017 гг.), позволяющие отразить временной эффект.

Также, в работе используются натуральные логарифмы переменных, отражающих данные, выраженные в денежных единицах. Это позволяет упростить интерпретацию полученных коэффициентов, а также уменьшает их асимметрию (Ратникова, 2006). В уравнении регрессии ltax, linvest и lgrppc – это натуральные логарифмы переменных tax, invest и grppc, соответственно.

Таким образом, спецификация модели имеет следующий вид:

.

(1)

где: – индивидуальный эффект субъекта РФ;

– дамми-переменная для 2011-2017 гг.

Оценим модель, используя регрессию «within». Данный метод заключается в том, что регрессия «within» — это исходная регрессионная модель, переписанная в терминах отклонений от средних по времени значений переменных. Она удобна тем, что позволяет элиминировать из модели ненаблюдаемые индивидуальные эффекты. Оценивание модели происходит путем применения обыкновенного МНК (Ратникова, 2004).

---

Результаты оценивания регрессии с помощью метода наименьших квадратов представлены в таблице 6.

Таблица 6

Результаты оценивания регрессии*

Переменные	Coef. (SD)
const	8.55*** (0.339)
Логарифм инвестиций в основной капитал на душу населения	-0.04* (0.022)
Доля сельского хозяйства в ВРП региона	-0.002 (0.002)
Логарифм ВРП на душу населения	0.41*** (0.06)
Доля убыточных организаций	-0.004*** (0.001)
Уровень безработицы	0.0003 (0.002)
Доля экспорта в ВРП	-0.001*** (0.0004)
Качество управления регионом	0.005 (0.01)
Уровень преступности	-0.016* (0.009)
2011	0.04** (0.019)
2012	0.08*** (0.017)
2013	0.13*** (0.018)
2014	0.098*** (0.017)
2015	0.08*** (0.016)
2016	0.03** (0.014)
2017	0.08*** (0.016)
Количество наблюдений	664
	0.31

*Зависимая переменная – логарифм налоговых доходов, в скобках – стандартные ошибки коэффициентов, *** - значимость на 1% уровне, ** - значимость на 5% уровне, * - значимость на 10% уровне.

Итак, согласно результатам, представленным в таблице 6, можно сделать ряд выводов.

Сперва обратимся к коэффициентам при переменных, оказывающих влияние на налог на прибыль организаций. Доля экспорта в ВРП и доля убыточных организаций оказались значимыми детерминантами налоговых поступлений. Так при увеличении доли убыточных организаций на 1%, с вероятностью 99% налоговые поступления в региональные бюджеты уменьшатся на 0,004%. Таким образом, подтверждается выдвинутая ранее гипотеза об отрицательном влиянии доли убыточных организаций. В свою очередь, увеличение доли экспорта в ВРП негативно сказывается на налоговых доходах, что противоречит результатам предыдущих исследований и выдвинутой ранее гипотезе, следовательно, можно сделать вывод, что гипотеза о положительном влиянии экспорта не подтвердилась.

---