WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 15 | 16 || 18 | 19 |   ...   | 23 |

Для факторов, влияющих на налоговый потенциал, в соответствии с характером их влияния и природой происхождения может быть использована следующая классификация. В зависимости от возможности измерения факторов на практике, т.е. от наличия или отсутствия статистических данных по рассматриваемым показателям, факторы разделяются соответственно на наблюдаемые и ненаблюдаемые. Независимо от того, наблюдаем или ненаблюдаем фактор, он может быть условно отнесет либо к объективным, либо к поведенческим факторам. Объективными могут быть названы факторы, характеризующие структуру экономики, демографические, географические, природно-климатические особенности регионов и т.д. К поведенческим можно отнести факторы, отражающие тем или иным образом налоговые усилия региона и характеристики поведения экономических агентов, – например, качество налогового администрирования, уровень коррупции, используемые в регионе налоговые льготы в виде пониженных ставок или разрешенных вычетов из базы налога. Также это могут быть такие характеристики налогоплательщиков, как грамотность, степень законопослушности, уровень распространенности уклонения от налогов.

Поскольку под налоговым потенциалом мы будем понимать максимальные налоговые сборы при условии, что максимизация производится по выбору поведенческих факторов (мы не будем рассматривать задачу прогнозирования налоговых поступлений), отклонение этих факторов от оптимальных значений приводит к снижению налогового потенциала. Например, чем сильнее распространено уклонение от налогов, тем меньше оказываются поступления налогов, поскольку по своей сути налоговый потенциал – это налоговые сборы при минимальном уклонении от налогов. Аналогично, поскольку 4.1. ОЦЕНКА СТОХАСТИЧЕСКОЙ ГРАНИЦЫ...

под налоговым потенциалом подразумеваются налоговые сборы при низком уровне коррупции, высоком качестве администрирования, сознательном поведении налогоплательщиков и т.д., то наличие коррупции, плохой уровень администрирования, нечестное поведение налогоплательщиков и т.д. приводят к снижению оценок налогового потенциала. То есть перечисленные факторы, отклоняющиеся относительно своего оптимального уровня, отрицательно влияют на налоговый потенциал и представляют собой факторы неэффективности. Кроме того, независимо от природы фактора – объективный или поведенческий – он может иметь как симметричное, так и несимметричное распределение. Часто статистически доступные оценки уровня коррупции или качества администрирования, а также других поведенческих факторов имеют несимметричное распределение.

Поясним на условном примере, что означает используемая ниже предпосылка о несимметричности распределения факторов, характеризующих неэффективность сбора налогов. Такой пример несимметричного распределения (функция распределения несимметрична относительно математического ожидания) представлен на рис. 15. В качестве поведенческого фактора можно рассматривать, например, уровень коррупции, в качестве функции распределения – функцию распределения регионов по значению этого фактора.

Для несимметричного распределения характерным является несовпадение моды распределения (максимум функции распределения), медианы (одинаковое количество регионов с уровнем фактора больше и меньше уровня медианы) и среднего значения (среднее значение фактора). В частности, для распределения, представленного ниже, среднее значение лежит правее моды распределения и правее медианы. То есть среднее значение поведенческого фактора неэффективности больше, чем наиболее вероятное и медианное значение. Это является следствием того, что, несмотря на то что количество регионов с достаточно большим уровнем коррупции незначительно, значение коррупции в них достаточно велико, что смещает среднее вправо. Таким образом, число регионов с небольшой коррупцией достаточно велико, число регионов с умеренной коррупцией больше числа регионов с небольшой коррупцией, число регионов с большой коррупцией сравнительно мало. Другими словами, вероятность того, что случайно выбранный регион характеризуется величиной коррупции меньшей, чем средняя, больше, чем вероятность того, что значение коррупции в нем больше, чем среднее.

4. ОЦЕНКА ПОТЕНЦИАЛА РЕГИОНОВ РОССИИ...

0,0,0,Рис. 15. Пример плотности распределения регионов по уровню коррупции Невключение в модель поведенческих факторов, которые несимметрично распределены, приводит к тому, что остатки регрессии тоже становятся несимметрично распределенными. Поэтому, если такие факторы не включаются в модель по причине их неизмеримости, для оценивания вместо МНК необходимо применять frontier-метод.

Остатки регрессии в случае применения МНК или frontier-метода можно, в частности, интерпретировать как результат действия случайных (внешних) факторов, которые оказывают влияние на налоговый потенциал независимо от действий администрации региона.

Наиболее ярким примером такого фактора является погода, поскольку в фиксированном году погода является реализацией некоторой случайной величины, не зависящей от действий администрации.

Еще одним примером внешнего для региона фактора является сложившаяся макроэкономическая ситуация. При таком подходе налоговым потенциалом логично называть регрессионную прямую, которая по построению предполагает усреднение случайных ошибок.

В этом случае регионы, у которых реализовалось отрицательное отклонение от линии регрессии, можно (теоретически) субсидировать либо за счет центра, либо за счет перераспределения в их пользу средств от регионов, в которых имеет место положительное отклонение от линии регрессии.

Остатки регрессии могут также отражать не учтенные явным образом объективные факторы. Если проводить сравнение с панельными данными, то смысловая нагрузка остатков в этом случае аналогична индивидуальным фиксированным эффектам в модели с данными панельной структуры. Таким фактором, например, может быть 4.1. ОЦЕНКА СТОХАСТИЧЕСКОЙ ГРАНИЦЫ...

структура экономики регионов. Так, в одних регионах может преобладать сельское хозяйство, в других – может быть развита добывающая промышленность. Если в модели не учтена структура экономики региона, то ошибки будут результатом плохой спецификации модели. Большие ошибки в этом случае означают, что модель плохо построена, и тогда лучшим показателем для налогового потенциала являются фактические значения налоговых сборов.

Кроме того, остатки могут объясняться различными налоговыми усилиями в регионе, что может быть связано с наличием плохо измеримых поведенческих факторов, например, таких как коррупция, уклонение от налогов, плохое качество администрирования, вызываемое низкой квалификацией и недостаточным количеством налоговых инспекторов, и т.д. Как уже отмечалось, подобного рода факторы отрицательно влияют на налоговый потенциал, поскольку приводят к снижению налоговых поступлений в регионе, т.е. к неэффективности процесса сбора налогов. При оценке налогового потенциала негативное влияние этих факторов на величину налоговых сборов должно быть исключено. Кроме того, указанные факторы неэффективности, как и в случае с производственной функцией, похоже, распределены несимметричным образом (см. обсуждение ниже), поэтому оценивание в таком случае необходимо проводить посредством frontier-метода.

В связи со сказанным можно сделать следующие выводы. Если фактор, влияющий на налоговый потенциал, является измеримым, то независимо от того, объективный он или поведенческий, его нужно включать в модель. При этом не важно, симметрично или несимметрично распределен данный фактор. В случае же, когда фактор является неизмеримым (на практике очень трудно измерить коррупцию, качество администрирования и даже размеры предоставляемых льгот), метод оценивания зависит от вида распределения неучтенного фактора. В случае когда фактор имеет теоретическое симметричное распределение, оценивание можно проводить с помощью МНК.

При этом если невключенный фактор не коррелирует с остальными регрессорами, он увеличит необъясненную долю регрессии и изменит величину оцененной константы. Если же неизмеримый фактор имеет теоретическое несимметричное распределение, то проводить оценивание необходимо с помощью frontier-метода. В этом случае фактор заменяется введением заданного несимметричного распределения ошибки, и модель оценивается с двумя ошибками – симме4. ОЦЕНКА ПОТЕНЦИАЛА РЕГИОНОВ РОССИИ...

тричной случайной ошибкой и несимметричной ошибкой неэффективности.

Обоснование несимметричности распределения факторов, приводящих к неэффективности сбора налогов. В стандартной постановке задачи по оценке границы производственных возможностей используется следующая логика. Есть некий идеальный максимально возможный объем выпуска, определяемый производственной функцией, оценка которого и составляет непосредственную цель моделирования. Выпуск фирм из-за неэффективного использования ресурсов оказывается ниже границы производственных возможностей. Неэффективность использования ресурсов может быть связана с различными факторами – это, например, ограниченность отдельных видов ресурсов и соответственно их использование не в оптимальных пропорциях, плохой менеджмент, воровство на различных этапах производственного процесса, частичный уход в теневой сектор и т.д. Гипотетически большинство фирм должны использовать ресурсы на уровне, близком к эффективному, отклоняясь от максимального уровня выпуска не слишком сильно. Фирм с высокой неэффективностью, существенно отклоняющихся от максимального уровня производства, оказывается достаточно мало. Таким образом, как представлено на иллюстративном рис. 15, вероятность встретить фирму с достаточно высокой эффективностью намного больше, чем вероятность встретить крайне неэффективную фирму. Однако в силу того, что такие фирмы существуют, среднее значение неэффективности по всем фирмам не столь мало, как по группе высокоэффективных фирм. То есть среднее значение распределения, скорее всего, отличается от моды и медианы, что может служить отражением несимметричности распределения фирм по уровню эффективности использования ресурсов.

При оценивании налогового потенциала применима описанная выше логика. Налоговый потенциал представляет собой максимальные налоговые сборы при заданной структуре экономики. Наличие различных факторов неэффективности – таких как низкоэффективная работа налоговых органов, коррупция, уклонение от налогов, теневой сектор и др. – приводит к снижению налоговых сборов по сравнению с максимальным уровнем. Гипотетически для большинства регионов неэффективность должна быть все-таки не столь высока, поэтому влияние факторов неэффективности приводит к не очень сильному снижению налоговых сборов. В отдельных регионах эффективность может быть весьма низкой и приводить к заметно4.1. ОЦЕНКА СТОХАСТИЧЕСКОЙ ГРАНИЦЫ...

му отклонению от максимального уровня. По аналогии со случаем с производственной функцией среднее значение коррупции, скорее всего, не совпадает с модальным и медианным значениями. То есть регионов с коррупцией ниже среднего уровня существенно больше, чем регионов с коррупцией больше среднего. Такие рассуждения дают основания полагать, что неэффективность в сборе налогов является несимметрично распределенной.

Проблема оценки влияния существующей неэффективности налоговых сборов связана с неизмеримостью факторов, обусловливающих неэффективность, как и в случае производственной функции.

Размеры коррупции, уклонения от налогов, теневого сектора на практике очень сложно измерить. В результате несимметричного распределения н включенных в модель факторов в МНК остатки регрессии будут также иметь несимметричное распределение. Таким образом, можно говорить о том, что не включенные в модель факторы через несимметричность своего распределения несимметрично влияют на объясняемую переменную. Линейная регрессия МНК будет показывать ожидаемое значение уровня налоговых сборов, при этом в силу несимметричности распределения остатков вероятность того, что произвольно выбранный регион находится выше этого уровня (при зафиксированных значениях включенных объясняющих факторов), больше, чем вероятность того, что он находится ниже (в силу того, что регионов с уровнем коррупции выше среднего меньше, чем регионов с уровнем коррупции ниже среднего).

Для учета несимметричности распределения не включенных в модель факторов в таком случае применяется frontier-метод.

Несимметрично распределенные ненаблюдаемые факторы заменяются введением несимметрично распределенной компонентой ошибок. В случае если используемое на практике несимметричное распределение ошибки (наиболее часто используется усеченное нормальное, полунормальное и экспоненциальное) в frontier-методе позволяет с достаточной степенью точности описать несимметричность распределения ненаблюдаемых факторов, можно говорить о том, что несимметричность в распределении ненаблюдаемых факторов учтена в модели. Если ненаблюдаемые факторы трактуются как факторы неэффективности (коррупция, качество администрирования), то логично определять величину налогового потенциала при минимальной реализации этих факторов, т.е. при нулевой реализации случайной ошибки и ошибки неэффективности. В этом случае именно линию регрессии, построенную на основании frontier4. ОЦЕНКА ПОТЕНЦИАЛА РЕГИОНОВ РОССИИ...

метода, следует использовать в качестве оценки налогового потенциала регионов.

Проводя оценивание frontier-методом и устанавливая, что ошибка неэффективности оказывается значимой (как указывалось нами выше, тест на значимость ошибки неэффективности в случае использования несимметричной функции распределения в функции правдоподобия приводит к тому, что этот тест, по сути, проверяет несимметричность ошибки неэффективности), мы тем самым не только оцениваем налоговый потенциал – максимальные налоговые сборы, но и показываем, что на налоговый потенциал влияют факторы неэффективности, имеющие несимметричное распределение.

С содержательной точки зрения мы предполагаем, что факторами неэффективности являются главным образом такие институциональные факторы, как коррупция, уклонение от налогов, теневой сектор, низкий уровень администрирования. Чтобы понять, насколько в действительности эти факторы обусловливают существующую неэффективность, мы попытаемся учесть влияние этих факторов в модели явным образом. Поскольку эти факторы большей частью ненаблюдаемы, описать их влияние можно за счет использования каких-либо прокси-переменных.

Pages:     | 1 |   ...   | 15 | 16 || 18 | 19 |   ...   | 23 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.