Диссертация (1151034), страница 29
Текст из файла (страница 29)
Тинбэрхэн, Х. Бос ; пер. с англ. под общ. ред. М.М. Голанского. – М.: Прогресс,1967. – 176 с.105.Ушаков, М.В. Пространственная структура и временная изменчивостьгодового стока рек Магаданской области [Текст] : автореф. дис. … канд. геогр.наук : 25.00.27 / М.В. Ушаков ; Институт географии им. В.Б. Сочавы СО РАН. –Иркутск, 2008.
– 23 с.106. Федеральная налоговая служба РФ: [Электронный ресурс]. – М., 20052014. – URL: http://www.nalog.ru, свободный. Загл. с экрана.107. Федеральная служба государственной статистики РФ: [Электронныйресурс]. – М., 1999-2014. – URL: http://www.gks.ru, свободный. Загл. с экрана.108.Финансы России. 2002 [Текст]: стат. сб. / Росстат.−М., 2002.−301 с. –−М., 2004.−332 с. –−М., 2008.−453 с. –−М., 2012.−462 с. –−М., 2004.−189 с. –−М., 2008.−198 с. –ISBN 5–89476–118–2.109.Финансы России. 2004 [Текст]: стат.
сб. / Росстат.ISBN 5–89476–151–4.110.Финансы России 2008. [Текст]: стат. сб. / Росстат.ISBN 978–5–89476–259–3.111.Финансы России 2012. [Текст]: стат. сб. / Росстат.ISBN 978–5–89476–344–6.112.Цены в России. 2004 [Текст]: стат. сб. / Росстат.ISBN 5–89476–153–0.113.Цены в России. 2008 [Текст]: стат. сб. / Росстат.ISBN 978–5–89476–253–1.166114.Цены в России. 2012 [Текст]: стат.
сб. / Росстат.−М., 2012.−209 с. –ISBN 978–5–89476–338–5.115.Цепелев, О.А. Особенности налоговой нагрузки приграничных регионов Дальнего Востока РФ [Текст] / О.А. Цепелев, М.О. Какаулина // Россия и Китай: социально-экономическое взаимодействие между странами и приграничнымирегионами: материалы Междунар. науч.-практ. конф. / под общ. ред. Л.А. Понкратовой, А.А. Забияко. – Благовещенск: АмГУ, 2011. – Вып. 1.
– С. 96–101.116.Цепелев, О.А. Методика определения налоговой нагрузки в величинепрожиточного минимума региона [Текст] / О.А. Цепелев, М.О. Какаулина // В мире научных открытий. Серия. Экономика и инновационное образование. – 2012. –№6(30). – С. 48–59.117.Цепелев, О.А. Прогнозирование налоговой нагрузки региона с учетоминвестиционных проектов [Текст] / О.А. Цепелев, М.О. Какаулина // Актуальныепроблемы экономики и права.
Серия. Финансы, денежное обращение и кредит. –2012. – №2(22). – С. 147–151.118.Цепелев, О.А. The Medium-term Forecasting of the Regional Tax BurdenTaking Into Account Saving Rate From the Investment Projects [Текст] / О.А.Цепелев, М.О. Какаулина // Европейский исследователь. Международный мультидисциплинарный журнал. – 2012. – № 5–2(21). – С. 633–639.119.Цепелев, О.А. Моделирование влияния налоговой нагрузки на экономический рост с учетом экономического потенциала региона [Текст] / О.А. Цепелев,М.О. Какаулина // Россия и Китай: новый вектор развития социальноэкономическогосотрудничества:материалыIIМеждународнойнаучно-практической конференции: Вып. 2: В 2 ч.
Ч. 1/под общ. ред. Л.А. Понкратовой. –Благовещенск: Изд-во Амур. гос. ун-та, 2013. – С. 179–183.120.Цепелев, О.А. Стабильность налоговой системы как фактор экономического роста в регионах России [Текст] / О.А. Цепелев, М.О. Какаулина // Финансыи кредит. – 2014. – № 14(590). – С. 41–45.167121.Цепелев, О.А. О методологии формирования уровня налоговой нагрузки органами государственной власти [Текст] / О.А. Цепелев, М.О. Какаулина //Вопросы экономики и права.
2014. № 7. – С. 110-113.122.Черник, Д.Г. О роли налоговой системы в стабилизации экономики[Текст] / Д.Г. Черник // Российский налоговый курьер. – 2005. – №1. – С. 12–16.123.Черник, Д.Г. Налоги и налогообложение [Текст]: учеб. пособие / Д.Г.Черник. – М.: ЮНИТИ-ДАНА, 2010. – 367 с. – ISBN 978-5-238-01717-4.124.Шмелев, К.Ф. Проблема тяжести обложения / Налоговое бремя в СССРи иностранных государствах [Текст] / К.Ф. Шмелев. – М.: Финансовое изд-воНКФ СССР, 1928.
– 187 с.125.Юрченко, В.Р. Регулирование налоговой нагрузки как фактор развитияпроизводства [Текст] : автореф. дис. … канд. экон. наук / В.Р. Юрченко ; Рос.акад. гос. службы при Президенте РФ. — Москва, 2007. – 22 с.126.Юткина Т.Ф. Налоги и налогообложение [Текст]: учебник. 2-е изд., перераб. и доп / Т.Ф. Юткина. – М.: ИНФРА-М, 2001.
– 576 с.127.Яковенко, Д.А. Налоги «выжженной земли» [Текст] / Д.А. Яковенко //Эксперт. – 2013. – №17–18(849). – С. 58–60.128.Ярема, Б.П. Налоговый менеджмент [Текст]: учеб. пособие / Б.П. Ярема,В.П. Маринец. – Львов «Магнолия 2006», 2008. – 224 с. – ISBN 966–8340–63–9.129. Dalamagas, B.A. Testing the Validity of the Laffer-Curve Hypothesis[Текст] / B.A. Dalamagas // Annales d’economie et de statistique. – 1998. – № 52. – P.78–102.130. Fullerton, D. On the Possibility of an Inverse Relationship between TaxRates and Government Revenues [Текст] / D. Fullerton // Journal of Public Economics.– 1982. – № 19.
– P. 3–22.131.Galbraith, J.K. The World Economy Since The Wars. A Personal View[Текст] / J.K. Galbraith. – London: Sinclair–Stevenson Ltd, 1994. – p. 232. – ISSN1896–3541.132. Laffer, A.B. The Laffer Curve: Past, Present, and Future [Текст] / A.B. Laffer // Heritage foundation.
– 2004. – № 1765. – P. 1–16.168133. Organisation for Economic Co-operation and Development [Электронныйресурс].–Paris.:OECDiLibrary,1990-2015.–URL:http://www.oecd-ilibrary.org/taxation/taxing-wages-2014/income-tax-plus-employees-and-employerssocial-security-contributions_tax_wages-2014-table2-en–,свободный.–Загл.сэкрана.134. Reynolds, А.P. Marginal Tax Rates. [Электронный ресурс] / A.P. Reynolds // The concise encyclopedia of economics. – Library economics liberty, 1999-2015.– URL: http://www.econlib.org/library/Enc/MarginalTaxRates.html.
Загл. с экрана.135. Shmanske, S. Enrollment and Curriculum: A Laffer Curve Analysis [Текст]/ S. Shmanske // Journal of Economic Education. – 2002. – Vol. 33. – № 1. – P. 73–82.136. Stockman, D.A. The Education of David Stockman. [Электронный ресурс]/ D.A. Stockman // The Atlantic. – 1981. – Boston: Тhe Atlantic Monthly Group, 19902015.
– URL: http://www.theatlantic.com/magazine/archive/1981/12/the–education–of–david–stockman/305760/. Загл. с экрана.137. Tax Ratios: A Critical Survey [Электронный ресурс] / OECD Tax PolicyStudies. – 2001.Paris.: OECD iLibrary, 1990-2015. – URL: http://www.oecd-ilibrary.org/taxation/tax-ratios-a-critical-survey_9789264195622-en. Загл. с экрана.138. Trabandt, M.
«How Far Are We From The Slippery Slope? The LafferCurve Revisited» [Текст] / М. Trabandt, H. Uhlig. – Frankfurt am Main: EuropeanCentral Bank, 2010. – p. 58. – ISSN 1725–2806.139. The Complete WorldWide Tax and Finance Site [Электронный ресурс]. –URL: http://www.worldwide-tax.com/, свободный. – Загл. с экрана.140. Wanniski, J.F. Taxes, Revenues and the Laffer Curve [Электронный ресурс]/J.F.Wanniski//Polyconomicsinstitution.–1999.http://www.andrew.cmu.edu/course/88-301/classical_model/wanniski.html.экрана.–URL:Загл. с169Приложение АТекст макроса для расчета предельных эффективных значенийкоэффициента стабильности фискальной системыSub Eval_V1()' Version 1Dim counter, start, stp, fun, f_min, f_max, V_min, V_max As Doublestp = 0.01start = 0.11DoActiveCell.Offset(0, -1) = startf_min = ActiveCell.Offset(0, -3)start = start + stpLoop While f_min <= 0f_max = f_minV_min = start - stpV_max = V_minFor counter = start To 1.78 + stp Step stpActiveCell.Offset(0, -1) = counterfun = ActiveCell.Offset(0, -3)If fun > 0 ThenIf fun < f_min Then f_min = fun: V_min = counterIf fun > f_max Then f_max = fun: V_max = counterEnd IfNext counterActiveCell.Offset(0, 5) = V_minActiveCell.Offset(0, 6) = V_maxEnd SubРисунок 1 – Текст макроса для расчета предельных эффективных значенийкоэффициента стабильности фискальной системы Краснодарского края 222222Источник: составлено автором.170Приложение БПрогнозирование переменных авторской модели для субъектов РФМодели(A) – Линейный тренд = 2612,87 + 3211,63 t,(B) – Квадратичный тренд = 2449,99 + 3272,72 t - 4,07 t2 ,(C) – Экспоненциальный тренд = exp(8,98 + 0,14 t),(D) –ARIMA модель (1,0,0),(E) – Простая скользящая средняя за 3-хлетний период.Рисунок 1 – Виды моделей, используемых для прогнозирования налоговыхпоступлений с территории Мурманской области 223Таблица 1 - Сравнение трендовых моделей налоговых поступлений с территорииМурманской области 224Модель(A)(B)(C)(D)(E)RMSE2755,282877,035171,563376,417128,54MAE2184,002180,513296,402415,336157,52MAPE11,579811,697411,267411,103521,1472ME4,09273E-125,65186E-12-79,251002,086157,52MPE-0,7835-0,7153-1,09170,935921,1472Таблица 2 - Результаты тестирования трендовых моделей налоговых поступленийс территории Мурманской области 225Модель(A)(B)(C)(D)(E)RMSE2755,282877,035171,563376,417128,54RUNSOKOK**OKOKИсточник: составлено автором.Источник: рассчитано автором.225Источник: рассчитано автором.223224RUNMOKOKOKOKOKAUTOOKOK*OKOKMEANOKOKOKOKOKVAROKOKOKOKOK171Таблица 3 - Результаты прогнозирования налоговых поступлений с территорииМурманской области 226Год20142015Прогнозная величина50787,453999,0Нижний предел 95%43893,646923,8Верхний предел 95%57681,161074,2Модели(A) – Линейный тренд = 1435,01 + 2227,16 t(B) – Квадратичный тренд = 3614,04 + 333,77 t + 126,23 t2(C) – Экспоненциальный тренд = exp(8,16 + 0,17 t)(D) –ARIMA модель (1,0,0)(E) – Простая скользящая средняя за 3-хлетний периодРисунок 2 – Виды моделей, используемых для прогнозирования налоговыхпоступлений с территории Брянской области 227Таблица 4 - Сравнение трендовых моделей налоговых поступлений с территорииБрянской области228Модель(A)(B)(C)(D)(E)RMSE3795,783391,143354,395347,046487,69MAE2520,431863,162258,293307,635365,72MAPE20,848312,857815,467721,670128,9778ME-7,79567E-13-1,94892E-1232,50798,584810,36MPE3,1936-3,2498-1,7611-3,092525,2434Таблица 5 - Результаты тестирования трендовых моделей налоговых поступленийс территории Брянской области 229Модель(A)(B)(C)(D)(E)RMSE3795,783391,143354,395347,046487,69RUNSOKOKOKOKOKИсточник: рассчитано автором.Источник: составлено автором.228Источник: рассчитано автором.229Источник: рассчитано автором.226227RUNMOKOKOKOKOKAUTOOKOKOKOKOKMEANOKOKOKOKOKVAROK***OK*****172Таблица 6 - Результаты прогнозирования налоговых поступлений с территорииБрянской области230Год20142015Прогнозная величина42979,750807,6Нижний предел 95%26353,330754,5Верхний предел 95%70095,983936,1Модели(А) – Линейное экспоненциальное сглаживание Хольта с альфа = 0,9999и бета = 0,1(В) Квадратичное экспоненциальное сглаживание Брауна с альфа = 0,9999(С) – Линейное экспоненциальное сглаживание Брауна с альфа = 0,9999(D) – ARIMA модель (0,1,1)(E) – Простая скользящая средняя за 3-хлетний периодРисунок 3 – Виды моделей, используемых для прогнозирования налоговыхпоступлений с территории Ростовской области 231Таблица 7 - Сравнение трендовых моделей налоговых поступлений с территорииРостовской области 232Модель(A)(B)(C)(D)(E)RMSE6344,8611062,507345,808221,7921240,60MAE4283,758272,006135,876102,9519104,20MAPE8,935025,571517,844416,862327,3366ME879,04-316,051581,442874,3219104,20MPE-2,79677,39988,9234-3,950727,3366Таблица 8 - Результаты тестирования трендовых моделей налоговых поступленийс территории Ростовской области 233Модель1(A)(B)RMSE26344,8611062,50RUNS3OKOKИсточник: рассчитано автором.Источник: составлено автором.232Источник: рассчитано автором.233Источник: рассчитано автором.230231RUNM4OKOKAUTO5OKOKMEAN6OKOKVAR7OKOK173Окончание таблицы 81(C)(D)(E)27345,808221,7921240,603OKOKOK4OKOKOK5OKOKOK6OK**7OKOKOKТаблица 9 - Результаты прогнозирования налоговых поступлений с территорииРостовской области234Год20142015Прогнозная величина145937,0156541,0Нижний предел 95%134424,0139427,0Верхний предел 95%157450,0173656,0Модели(A) – Линейный тренд = 45,39 + 739,22 t(B) – Квадратичный тренд = 1353,37 + 248,73 t + 32,70 t2(C) – Экспоненциальный тренд = exp(7,35 + 0,15 t)(D) –ARIMA модель (1,0,0)(E) – Простая скользящая средняя за 3-хлетний периодРисунок 4 – Виды моделей, используемых для прогнозирования налоговыхпоступлений с территории Магаданской области 235Таблица 10 - Сравнение трендовых моделей налоговых поступлений с территорииМагаданской области 236Модель(A)(B)(C)(D)(E)RMSE980,33874,84974,521187,651811,50MAE746,58520,16529,94804,431522,86Источник: рассчитано автором.Источник: составлено автором.236Источник: рассчитано автором.234235MAPE16,91219,68669,703915,747622,7289ME-9,74459E-14-6,49639E-143,49196,301423,89MPE1,4131-1,2763-0,88520,358721,6774174Таблица11-РезультатытестированиятрендовыхмоделейналоговыхMEANOKOKOKOKOKVAROK****OKпоступлений с территории Магаданской области 237Модель(A)(B)(C)(D)(E)RMSE980,33874,84974,521187,651811,50RUNSOKOKOKOKOKRUNMOKOKOKOKOKAUTOOKOKOKOKOKТаблица 12 - Результаты прогнозирования налоговых поступлений с территорииМагаданской области 238Год20142015Прогнозная величина11133,711872,9Нижний предел 95%8680,99355,6Верхний предел 95%13586,514390,3Модели(A) – Линейный тренд = - 4018,48 + 8669,57 t(B) – Квадратичный тренд = 7592,20 + 4315,57 t + 290,27 t2(C) – Экспоненциальный тренд = exp(9,52 + 0,17 t)(D) –ARIMA модель (1,0,0)(E) – Простая скользящая средняя за 3-хлетний периодРисунок 5 – Виды моделей, используемых для прогнозирования налоговыхпоступлений с территории Новосибирской области 239Таблица 13 - Сравнение трендовых моделей налоговых поступлений с территорииНовосибирской области 240Модель(A)(B)(C)(D)(E)RMSE6728,465204,1510603,707853,2519347,10MAE5531,843860,687422,685540,2517483,9Источник: рассчитано автором.Источник: рассчитано автором.239Источник: составлено автором.240Источник: рассчитано автором.237238MAPE14,81458,579413,738515,672125,5541ME-9,3548E-12-7,53581E-12-734,292704,1217483,90MPE3,0445-1,1160-1,5701-2,528225,5541175Таблица 14 - Результаты тестирования трендовых моделей налоговыхпоступлений с территории Новосибирской области 241Модель(A)(B)(C)(D)(E)RMSE6728,465204,1510603,707853,2519347,10RUNS*OKOKOKOKRUNMOKOKOKOKOKAUTOOK**OKOKOKMEANOKOKOKOKOKVAROKOK**OKOKТаблица 15 - Результаты прогнозирования налоговых поступлений с территорииНовосибирской области 242Год20142015Прогнозная величина130269,0135113,0Нижний предел 95%111907,0109196,0Верхний предел 95%148630,0161029,0Модели(A) – Линейный тренд = -90504,3 + 80878,0 t(B) – Квадратичный тренд = 187186,0 + -30198,0 t + 7934,0 t2(C) – Экспоненциальный тренд = exp(11,55 + 0,18 t)(D) –ARIMA модель (1,0,0)(E) – Простая скользящая средняя за 3-хлетний периодРисунок 6 – Виды моделей, используемых для прогнозирования объемаосновных фондов Мурманской области 243Таблица 16 - Сравнение трендовых моделей объема основных фондовМурманской области 244Модель(A)(B)(C)(D)(E)RMSE117704,0051355,0039618,3066251,50210615,00MAE95446,4033319,3027938,8046235,80176426,00Источник: рассчитано автором.Источник: рассчитано автором.243Источник: составлено автором.244Источник: рассчитано автором.241242MAPE28,782210,04696,411510,963729,6114ME9,85053E-111,19773E-102080,806022,23176426,00MPE5,4727-1,3300-0,29481,475429,6114176Таблица 17 - Результаты тестирования трендовых моделей объема основныхфондов Мурманской области 245Модель(A)(B)(C)(D)(E)RMSE117704,0051355,0039618,3066251,50210615,00RUNSOKOKOKOKOKRUNM*OKOKOKOKAUTOOKOKOKOKOKMEANOKOKOKOKOKVAROKOKOKOKOKТаблица 18 - Результаты прогнозирования объема основных фондов Мурманскойобласти 246Год201320142015Прогнозная величина1365834,21644915,11977123,3Нижний предел 95%1105348,51320045,61575440,4Верхний предел 95%1694398,02049748,82481275,5Модели(A) – Линейный тренд = 14712,30 + 120416,00 t(B) – Квадратичный тренд = 238658,00 + 30838,20 t + 6398,44 t2(C) – Экспоненциальный тренд = exp(12,41 + 0,16 t)(D) –ARIMA модель (1,0,0)(E) – Простая скользящая средняя за 3-хлетний периодРисунок 7 – Виды моделей, используемых для прогнозирования объемаосновных фондов Ростовской области 247Таблица 19 - Сравнение трендовых моделей объема основных фондов Ростовскойобласти248Модель1(A)RMSE299297,40MAE382587,30Источник: рассчитано автором.Источник: рассчитано автором.247Источник: составлено автором.248Источник: рассчитано автором.245246MAPE413,3960ME5-6,26852E-11MPE62,1772177Окончание таблицы 191(B)(C)(D)(E)251475,9069602,20110818,00263544,00334600,5044994,5076786,30245552,0045,37765,684511,387724,88615-9,85053E-11-3320,4738178,40245552,006-0,5132-0,3242-0,280224,8861Таблица 20 - Результаты тестирования трендовых моделей объема основныхфондов Ростовской области249Модель(A)(B)(C)(D)(E)RMSE99297,4051475,9069602,20110818,00263544,00RUNSOKOKOKOKOKRUNMOKOKOKOKOKAUTO*OKOKOKOKMEANOKOKOK*OKVAROKOKOKOKOKТаблица 21 - Результаты прогнозирования объема основных фондов Ростовскойобласти250Год201320142015Прогнозная величина1924498,32140884,72370078,4Нижний предел 95%1763999,01953214,02147541,6Верхний предел 95%2084986,62328556,42592667,3Модели(A) – Линейный тренд = 86531,90 + 83918,40 t(B) – Квадратичный тренд = 196616,00+ 39884,90 t + 3145,25 t2(C) – Экспоненциальный тренд = exp(12,35 + 0,14 t)(D) –ARIMA модель (1,0,0)(E) – Простая скользящая средняя за 3-хлетний периодРисунок 8 – Виды моделей, используемых для прогнозирования объемаосновных фондов Новосибирской области 251Источник: рассчитано автором.Источник: рассчитано автором.251Источник: составлено автором.249250178Таблица 22 - Сравнение трендовых моделей объема основных фондовНовосибирской области 252Модель(A)(B)(C)(D)(E)RMSE64402,8050813,3064813,1085465,90179980,00MAE52233,5030057,1039897,2056100,30165565,00MAPE9,66954,58485,58559,286621,7601ME1,2537E-109,62665E-11-1279,2426768,70165565,00MPE0,8877-0,2844-0,26160,933521,7601Таблица 23 - Результаты тестирования трендовых моделей объема основныхфондов Новосибирской области 253Модель(A)(B)(C)(D)(E)RMSE64402,8050813,3064813,1085465,90179980,00RUNSOKOKOKOKOKRUNMOKOKOKOKOKAUTOOKOKOKOKOKMEANOKOKOKOKOKVAROKOK*OKOKТаблица 24 - Результаты прогнозирования объема основных фондовНовосибирской области254Год201320142015Прогнозная величина1371470,01502570,01639960,0Нижний предел 95%1213054,31317316,81420299,5Верхний предел 95%1529997,61687839,41859623,7Модели(А) – Линейный тренд = 1603,19 + 763,55 t(B) – Квадратичный тренд = -600,73 + 1645,12 t + -62/97 t2(C) – Экспоненциальный тренд = exp (7,71 + 0,14 t)(D) – ARIMA модель (1,0,0)(E) – Простая скользящая средняя за 3-хлетний периодРисунок 9 – Виды моделей, используемых для прогнозирования валовойстоимости минерально-сырьевой базы Мурманской области 255Источник: рассчитано автором.Источник: рассчитано автором.254Источник: рассчитано автором.252253179Таблица 25 - Сравнение трендовых моделей валовой стоимости минеральносырьевой базы Мурманской области 256Модель(A)(B)(C)(D)(E)RMSE1989,891887,272554,822502,872863,11MAE1381,791283,841673,271556,032300,99MAPE21,226421,773223,021727,049128,5899ME-1,04942E-12-9,09495E-13148,3520289,23901520,2400MPE-8,5887-3,7125-3,9986-8,108717,1755Таблица 26 - Результаты тестирования трендовых моделей валовой стоимостиминерально-сырьевой базы Мурманской области 257Модель(A)(B)(C)(D)(E)RMSE1989,891887,272554,822502,872863,11RUNSOKOKOKOKOKRUNMOKOKOKOKOKAUTOOKOKOKOKOKMEANOKOKOKOKOKVAR**OK***OKТаблица 27 - Результаты прогнозирования валовой стоимости минеральносырьевой базы Мурманской области 258Год201320142015Прогнозная величина10089,09908,09601,1Источник: составлено автором.Источник: рассчитано автором.257Источник: рассчитано автором.258Источник: рассчитано автором.255256Нижний предел 95%4204,83027,41442,5Верхний предел 95%15973,216788,717759,7180Модели(А) – Случайная выборка со смещением = 2,1307(В) Квадратичное экспоненциальное сглаживание Брауна с альфа = 0,4348(С) – ARIMA модель (0,1,1)(D) – Линейное экспоненциальное сглаживание Хольта с альфа = 0,9517и бета = 0,0549(E) – Линейное экспоненциальное сглаживание Брауна с альфа = 0,5948Рисунок 10 – Виды моделей, используемых для прогнозированияобщего запаса древесины Брянской области259Таблица 28 - Сравнение трендовых моделей общего запаса древесины Брянскойобласти260Модель(A)(B)(C)(D)(E)RMSE9,2911,208,929,5910,26MAE4,74916,72973,73914,01605,5315MAPE2,08922,95081,69951,74812,4288ME-2,18629E-15-0,70101,05080,60830,4050MPE-0,0421-0,27490,36520,24550,2148Таблица 29 - Результаты тестирования трендовых моделей общего запасадревесины Брянской области261Модель(A)(B)(C)(D)(E)RMSE9,2911,208,929,5910,26RUNS*****OKOKИсточник: составлено автором.Источник: рассчитано автором.261Источник: рассчитано автором.259260RUNMOKOK*OKOKAUTOOKOKOKOKOKMEANOKOKOKOKOKVAR*************181Таблица 30 - Результаты прогнозирования общего запаса древесины Брянскойобласти262Год20142015Прогнозная величина228,0229,2Нижний предел 95%210,6204,6Верхний предел 95%245,4253,9Модели(A) – Линейный тренд = -1054,08 + 417,63 t(B) – Квадратичный тренд = 700,37 - 284,16 t + 50,13 t2(C) – Экспоненциальный тренд = exp(5,15 + 0,27 t)(D) –ARIMA модель (1,0,0)(E) – Простая скользящая средняя за 3-хлетний периодРисунок 11 – Виды моделей, используемых для прогнозирования затратна технологические инновации Новосибирской области 263Таблица 31 - Сравнение трендовых моделей затрат на технологические инновацииНовосибирской области 264Модель(A)(B)(C)(D)(E)RMSE724,678273,176401,041522,4011108,63MAE561,867190,951312,94359,274927,327MAPE80,811521,5138,496132,586245,1889ME4,54747E-131,18059E-13122,82570,1099883,98MPE-15,7539-9,36891-10,6793-11,54428,0813Таблица 32 - Результаты тестирования трендовых моделей затратна технологические инновации Новосибирской области 265Модель(A)(B)(C)(D)(E)RMSE724,678273,176401,041522,4011108,63RUNSOKOKOKOKOKИсточник: рассчитано автором.Источник: составлено автором.264Источник: рассчитано автором.265Источник: рассчитано автором.262263RUNMOKOKOKOKOKAUTOOK**OK**OKMEANOKOKOKOK*VAROKOKOKOKOK182Таблица 33 - Результаты прогнозирования затрат на технологические инновацииНовосибирской области 266Год201320142015266Прогнозная величина7143,49320,212160,2Источник: рассчитано автором.Нижний предел 95%2058,62587,03239,0Верхний предел 95%24787,633577,345653,4183Приложение ВПрогнозные значения фактической налоговой нагрузки в субъектах РФТаблица 1 – Прогнозные значения фактической налоговой нагрузки в субъектахРФ 267СубъектыРФМурманскаяобластьРостовскаяобластьБрянскаяобластьМагаданскаяобластьНовосибирскаяобласть267268экрана.Годы20122013201420152012201320142015201220132014201520122013201420152012201320142015Поступило налогов, сборов ииных обязательных платежей вконсолидированный бюджетРФ (Qr), млн.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
