Диссертация (1151034), страница 12
Текст из файла (страница 12)
2.1 данной работы нами было выявлено, что наиболее совершенноймоделью, определяющей вид кривой Лаффера, является модель, разработаннаяЮ.Ш. Ананиашвили. Однако при применении этой модели к региональномууровню возникает информационно-методическая проблема, связанная с отсутствием данных о естественном уровне безработицы и параметре Оукена для отдельных регионов.Поэтому осуществим проверку применимости динамической и статическойтрехфакторной моделей, предложенных Е.В. Балацким, которые, согласно табли-Цепелев О.А., Какаулина М.О. О методологии формирования уровня налоговой нагрузки органами государственной власти. С. 112-113.10764це 8, имеют немало достоинств, в качестве инструментов анализа фискальногоклимата на субфедеральном уровне.Для апробации работоспособности указанных моделей нами использовались статистические данные всех 83 регионов России.Исследуемый период времени ограничен наличием официальных статистических данных.
При этом нами учитывались два принципа, сформулированныеА.Б. Гусевым: длина ряда не должна превышать 17 лет, так как при изучениислишком длинных периодов уменьшается точность расчетов; анализируемые временные лаги должны быть как можно ближе к настоящему моменту времени.108Принимая во внимание то обстоятельство, что относительная макроэкономическая стабильность в России была достигнута в 2000 г., а официальные показателиВРП публикуются с запозданием в два года, нами был рассмотрен период с 2000по 2011 гг.
109)110)111)Определимся с интервалом приемлемых значений точек Лаффера. В 2006 г.немецкие ученые Матиас Трабандт и Харальд Улиг в своем исследовании «Какдалеко мы от «скользкого склона»? Пересматривая вновь кривую Лаффера» установили, что максимальный размер налоговых доходов бюджета достигается присоответствии фактической налоговой нагрузки уровню 60% – 80%. 112 Следовательно, значение точки Лаффера 2-го рода, равное 70%, можно считать максимально возможным допустимым значением. Таким образом, положим, что ОДЗточек Лаффера соответствует интервалу (0;70] .Для таких регионов как Республика Ингушетия, Республика Калмыкия,Республика Мордовия, Республика Алтай и Чукотский автономный округ значеГусев А.Б.
Налоги и экономический рост: теории и эмпирические оценки. С. 45.Исчисленная фактическая налоговая нагрузка приведена в Какаулина М.О., Цепелев О.А. Моделирование влияния налоговой нагрузки на экономический рост региона с учетом ресурсного потенциала. С. 185-206.(Приложение В).110)Исходные данные, расчетные значения переменных, параметры эконометрических моделей, а такжефискальные и технологические индикаторы экономик регионов РФ приведены в Какаулина М.О., Цепелев О.А.Моделирование влияния налоговой нагрузки на экономический рост региона с учетом ресурсного потенциала.
С.207-240. (Приложение Г).111)Все стоимостные показатели были скорректированы на коэффициент-дефлятор ВВП, значения которого за исследуемый период представлены в Какаулина М.О., Цепелев О.А. Моделирование влияния налоговойнагрузки на экономический рост региона с учетом ресурсного потенциала С. 241. (Приложение Д).112Trabandt M., Uhlig H. «How Far Are We From The Slippery Slope? The Laffer Curve Revisited». – Frankfurtam Main: European Central Bank, 2010. – p. 58.108109)65ния самой фактической налоговой нагрузки не входят в ОДЗ (они выше 100%),что вообще предполагает нецелесообразность оценки влияния данного показателяна ВРП на основе концепции кривой Лаффера для указанных регионов и тем самым исключает их из области проводимого исследования.Схема проводимого фискального анализа представлена на рисунке 8.1 этап – апробация статическойтрехфакторной модели наэкономиках 83 субъектов РФЗадачи: определить диапазон применениямодели; выявить основныеколичественные закономерности влиянияналоговой нагрузки на ВРП в различныхрегионах2 этап – межрегиональныйфискальный анализ для регионов РФс различной отраслевойспециализацией экономикиЗадачи: определить общие испецифические количественныезакономерности воздействия налоговойнагрузки на ВРП в рассматриваемыхрегионах3 этап – сравнительный анализрезультатов, полученныхразличными авторами на основестатической трехфакторной моделиЗадачи: сравнить значения величинфискальных индикаторов, рассчитанныхразличными авторами на основестатической трехфакторной модели4 этап – апробация динамическоймодели на экономиках 83 субъектовРФЗадачи: определить диапазон применениямодели; выявить регионы, в которыхзначения динамической точки Лафферасоответственно наименьшие и наибольшие5 этап - сравнительный анализрезультатов, полученных прииспользовании статическойтрехфакторной и динамическоймоделей для регионов РФ сразличной отраслевойспециализацией экономикиЗадачи: сравнить значения величиныверхней предельной допустимойналоговой нагрузки, полученные на основестатической трехфакторной идинамической моделей длярассматриваемых регионовРисунок 8 – Схема анализа фискального климата113В случае зависимости (1) показатели примут следующие значения:Yr – выпуск (объем ВРП региона);Qr – налоговые поступления (налоги, сборы и иные обязательные поступления в консолидированный бюджет РФ с территории конкретного региона);K r – капитал (объем основных фондов экономики региона);113Источник: составлено автором.66Lr – труд (численность занятых в экономике региона работников);Tr – РНН.Опираясь на значения параметров h , k и r , предложенные А.Б.
Гусевымдля экономики России, положим, что для всех регионов h = 100 , k = 0,2 ,r = 0 .114Наиболее значимые результаты, полученные в ходе анализа, представлены втаблице 10.Таблица 10 – Анализ результатов применения статической трехфакторноймодели115№РезультатПрименениеВывод1231.Значения точек Лаффера1-го и 2-го рода не входят в ОДЗ4Статическая трехфакторная модель не является универсальныминструментом оценки влиянияналоговой нагрузки на ВРПНа допустимое значение налоговой нагрузки, кроме действующихналоговых ставок, влияет и масштаб экономики регионап\п2.39 субъектов РФВерхнее предельноезначение допустимой поотношению к ВРП налоговой нагрузки в анализируемом периоде в регионах РФ варьируется впределах 6,61-63,46%Наименьшие значенияРеспублика Дагестан(6,61-6,96%)Наибольшие значенияЯмало-Ненецкий авто(34,38-63,46%)номный округ (ЯНАО)3.Установлены регионы снаименьшим различиеммежду точками Лаффера(величина «фискальноголюфта» не превышала1% ВРП)Владимирская, Воронежская, Новгородская,Волгоградская, Кировская, Саратовская области и Чувашская Республика4.Установлены регионы снаибольшим различиеммежду точками Лаффера(величина «фискальноголюфта» составляла от 5ЯНАО, Тамбовская,Ярославская, Мурманская, Челябинская области, Республики Дагестан, Башкортостан и114115При регулировании налоговыхставок органам государственнойвласти данных субъектов РФ следует ориентироваться на поведение хозяйствующих субъектов,т.к.
их реакция найдет отражениев доходах бюджетной системыПри достижении налоговойнагрузки уровня точки Лаффера1-го рода и дальнейшем повышении налоговых ставок на 5-18п.п., налоговые доходы бюджета вГусев А.Б. Налоги и экономический рост: теории и эмпирические оценки. С. 44.Источник: рассчитано автором.67до 18% ВРП)Бурятиякраткосрочной перспективе будутвозрастать68Окончание таблицы 1015.6.7.2Выявлен регион, в котором фактическая налоговая нагрузка на протяжении всего исследуемого периода превосходила точку Лаффера1-го родаОпределены регионы, вкоторых фактическаяналоговая нагрузка всегда находилась в пределах точки Лаффера 2-городаОпределены регионы, вкоторых эластичностьзамены капитала трудомв течении анализируемого временного периода была неизменно отрицательной34Тамбовская областьВысокие налоги в регионе сдерживали рост ВРПВоронежская, Липецкая,Московская, Тульская,Мурманская, Ульяновская области, ЯНАОНалоги в этих регионах дестимулировали производство, но приэтом не оказывали негативноговоздействия на рост налоговыхпоступлений в бюджетМурманская и Новосибирская областиЭкономики этих регионов сбалансированы, отмечено широкоеприменение результатов НТППри этом наибольший интерес представляют результаты анализа, выявленные для четырех регионов: для Краснодарского края, Свердловской, Московскойи Новосибирской областей.
Выбор указанных регионов для обзора результатовпроведенного фискального анализа основан на принципе использования максимально представительной группы регионов, наиболее ярко демонстрирующей выявленные закономерности. Кроме того, данные регионы имеют различную отраслевую специализацию экономики.Так, например, Краснодарский край – это крупнейший производитель сельскохозяйственной продукции в РФ (254,7 млрд. руб. в 2013 г., 1-е место по объемупроизводства сельскохозяйственной продукции). Свердловская область – этокрупнейший промышленный центр Урала и всей России.
В настоящее время регион занимает 1-е место в Уральском Федеральном округе по объемам промышленного производства по виду экономической деятельности «Обрабатывающиепроизводства» (1257,1 млрд. руб. в 2013 г.). Московская область на данный момент занимает 2-е место в РФ (после г.
Москва) по обороту розничной торговли69(1360 млрд. руб. в 2013 г.). 116 И, наконец, Новосибирская область – историческиявляется одним из наиболее развитых научно-промышленных и образовательныхцентров России. В настоящее время Новосибирская область занимает 1 место вРейтинге инновационной активности в России, представленном Фондом «Петербургская политика», Российской академией народного хозяйства и государственной службы при Президенте РФ и газетой «РБК-Daily».
117Эконометрическая зависимость (4) для Краснодарского края на временноминтервале 2000-2011 гг. имеет следующий вид:ln (Yr ) = 3, 02 ( t /100 ) − 30, 67Tr ln ( K r ) + 134,35Tr 2 ln ( K r ) + 21,11Tr ln ( Lr ) − 86, 76Tr 2 ln ( Lr ) + 6,50 (18)0,2Эконометрическая зависимость (4) для Свердловской области на временноминтервале 2000-2011 гг. имеет следующий вид:ln (Yr ) = 2,81( t /100 ) − 18,54Tr ln ( K r ) + 72,32Tr 2 ln ( K r ) + 14, 46Tr ln ( Lr ) − 51,18Tr 2 ln ( Lr ) + 5,820,2(19)Эконометрическая зависимость (4) для Московской области на временноминтервале 2000-2011 гг. имеет следующий вид:ln (Yr )= 12,01( t /100 ) − 5,09Tr ln ( K r ) + 27,66Tr 2 ln ( K r ) + 5,03Tr ln ( Lr ) − 19,80Tr 2 ln ( Lr ) + 2,670,2(20)Эконометрическая зависимость (4) для Новосибирской области на временном интервале 2000-2011 гг. имеет следующий вид:ln (Yr ) = 5,86 ( t /100 ) − 15,54Tr ln ( K r ) + 83,39Tr 2 ln ( K r ) + 14,06Tr ln ( Lr ) − 58,96Tr 2 ln ( Lr ) + 1,34 (21)0,2Результаты эконометрической оценки зависимостей (18)-(21) даны в таблицах 11-14 с учетом обозначения α = lnγ .
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
