WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 || 3 | 4 |   ...   | 23 |

оценки. Поэтому следует различать смысл, который вкладывается в понятия «налоговый потенциал» и «налоговые усилия», и переменные, которые используются для их оценки при эмпирическом анализе. Под налоговым потенциалом отдельного региона (по какому-либо налогу) обычно подразумевается максимальные налоговые поступления, которые могут быть собраны в данном регионе при условии применения единых условий взимания налога (ставка, база, льготы и т.д.) и единых (средних или максимальных) усилиях налоговой администрации. При эмпирическом исследовании в качестве меры налогового потенциала обычно используется теоретическое (т.е. усредненное) значение налоговых поступлений, полученное из некоторой оцененной модели, включающей в качестве независимых переменных различные факторы, определяющие их величину.

Понятие «налоговые усилия» обычно используется как мера того, насколько истинные налоговые сборы соответствуют потенциально возможным налоговым сборам. На практике в качестве оценки налоговых усилий обычно используют либо отношение фактических налоговых поступлений к предсказанным налоговым поступлениям, полученным с помощью некоторого метода оценки (Stotsky, WoldeMariam (1997)), либо разность между фактическими и предсказанными налоговыми поступлениями.

Однако, как отмечается в работе Alfirman (2003), интерпретация налоговых усилий, определенных любым из способов, при межстрановом сопоставлении должна быть очень аккуратной, поскольку каждая страна является индивидуальной в плане экономических, политических и институциональных характеристик. Так, в некоторых странах (США, Япония) относительно низкий уровень налоговых поступлений обусловлен низким уровнем государственных расходов (выбором низкого уровня обеспечения общественными товарами и услугами), напротив, в таких странах, как Швеция, Норвегия, собираются высокие налоги, и при этом обеспечивается высокий уровень социального обеспечения населения и других государственных расходов.

a) Репрезентативная налоговая система Одним из классических методов оценивания налогового потенциала является метод, который известен как репрезентативная налоговая система (РНС, в англ. яз. RTS – representative tax system).

Достоинством этого метода измерения является его точность, однако он весьма требователен к данным. Метод требует детальной стати1. ТЕОРЕТИЧЕСКИЕ И ЭМПИРИЧЕСКИЕ ПОДХОДЫ К МОДЕЛИРОВАНИЮ...

стики по налоговым сборам и налоговой базе, которая чаще всего недоступна, что может стать препятствием к его применению1.

Основная идея репрезентативной налоговой системы заключается в расчете суммы налоговых платежей, которые были бы собраны в регионе, если бы регион прилагал для их сбора средний уровень налоговых усилий и при этом состав налогов и ставки налогообложения во всех регионах использовались одинаковые. Для применения этого метода необходимо иметь данные по фактически собранным налогам и по налоговым базам по всем рассматриваемым налогам и по всем регионам. Имея данные по всем налоговым базам и по всем регионам, а также зная средний уровень налоговых усилий, прилагаемых регионами для сбора каждого налога, можно рассчитать объем поступлений, который собрал бы каждый регион, если бы прилагал для этого средний уровень налоговых усилий, т.е. если бы ставки налогов у всех регионов были одинаковыми (средними) при одинаковой собираемости налогов.

Применение метода РНС предполагает выполнение 5 последовательных шагов: (1) для каждого региона определяются все статьи доходов местного бюджета, (2) строится единая классификация статей доходов разных регионов, (3) для каждого класса доходов определяется состав стандартной (нормативной) налоговой базы, (4) для каждой налоговой базы определяется репрезентативная (средняя) ставка налогообложения, (5) производится расчет налогового потенциала каждого региона.

Оценки налоговых усилий и налогового потенциала с использованием РНС представлены, например, в работе Sobarzo (2004). В ней для каждого региона и каждого налога оценивается эффективная ставка налога, которая определяется как отношение налоговых поступлений к налоговой базе. В качестве налоговой базы необходимо использовать разумную меру налоговых возможностей региона для каждого конкретного налога. Для каждого региона автор вычисляет среднюю ставку налога и, умножая ее на налоговую базу, получает оценку абсолютной величины налогового потенциала в регионе.

1 Более подробное описание этого метода и его реализация в США приведены в работе Advisory Commission on Intergovernmental Relations (1986). Для описания применения РНС в России см. также: Баткибеков С., Кадочников П., Луговой О., Синельников С., Трунин И. Оценка налогового потенциала регионов и распределение финансовой помощи из федерального бюджета. Совершенствование межбюджетных отношений в России. Сборник статей. Серия «Научные труды ИЭПП» №24Р. М.:

ИЭПП, 2000. С. 239–364., доступно также на сайте www.iep.ru.

1.1. МОДЕЛИРОВАНИЕ ПОСТУПЛЕНИЙ НАЛОГА НА ПРИБЫЛЬ...

Отношение фактических налоговых поступлений в регионе к потенциальным налоговым поступлениям автор называет индексом налогового потенциала (TPIU – tax potential index use).

Формально процедура оценки налогового потенциала может быть представлена следующим образом:

TPIUsj =TCsj/TPsj, (1) где TPIUsj – индекс налогового потенциала в регионе s для налога j;

TCsj – налоговые поступления в регионе s для налога j;

TPsj – потенциальные налоговые поступления в регионе s для налога j.

TPsj определяется как TPsj = tj* Bsj, (2) где Bsj – налоговая база в регионе s для налога j;

tj* – средняя ставка налога в регионе s для налога j, которая определяется следующим образом:

(3) tj* = ( tsje = TCsj / Bsj. (4) Наиболее сложной задачей в этом подходе является нахождение адекватной меры для налоговой базы для каждого налога, отличной от той, что определяется в Налоговом кодексе. Как указывается в работе Sobarzo (2004), у такого подхода есть несколько недостатков.

Во-первых, имеет место субъективность выбора переменных, характеризующих налоговую базу. Во-вторых, данные в большинстве случае недостаточно дезагрегированны для того, чтобы была возможность учесть все различия в налоговых возможностях регионов.

В-третьих, в этом подходе не учитываются различия в доходах на душу населения в регионах.

b) Регрессионный метод с использованием МНК-оценок Для оценивания налогового потенциала наиболее распространенным является регрессионный метод с использованием МНК-оценок.

В этом случае строится регрессия, в которой в качестве объясняемой переменной выступают налоговые поступления, а в качестве объясняющих переменных выбираются показатели, характеризующие налоговую базу, структуру экономики, уровень развития институтов и др. Подробное описание того, какие конкретно переменные выби1. ТЕОРЕТИЧЕСКИЕ И ЭМПИРИЧЕСКИЕ ПОДХОДЫ К МОДЕЛИРОВАНИЮ...

раются в литературе для объяснения налогового потенциала, приводится ниже. Наибольшее внимание при регрессионном методе оценивания уделяется правильной спецификации модели, т.е. выбору объясняющих переменных и их экономической интерпретации.

Достаточно много работ, в которых оценивается либо регрессия для каждого года в отдельности на cross section данных, либо пул-регрессия (Lotz, Morss (1970); Bird, Martinez-Vazquez, Torgler (2004)). Оценка налогового потенциала неоднократно проводилась для России и стран СНГ (ИЭПП «Оценка налогового потенциала регионов и распределение финансовой помощи из федерального бюджета»1). Также много работ, в которых анализ проводится на основе панельных данных (Stotsky, WoldeMariam (1997); Piancastelli (2001); Gupta (2007)).

В частности, в работе Gupta (2007) проводится расширенный анализ на данных панельной структуры. Во-первых, наличие панельных данных позволяет анализировать, как меняются налоговые поступления со временем. Автор отмечает, что для величины налоговых поступлений наблюдается постоянство в поведении, т.е. налоговые поступления слабо меняются со временем. В результате чего остатки регрессии могут оказаться коррелированными, в этом случае для оценивания необходимо применяет PCSE (panel-corrected standard error) оценки. Во-вторых, использование панельных данных позволяет включать в модель лаги объясняющих переменных. Включение лагов, в свою очередь, позволяет тестировать на наличие эндогенности.

В-третьих, при панельной структуре данных в качестве объясняющих переменных можно использовать лаги зависимой переменной.

Такая спецификация модели тоже позволяет учитывать постоянство в поведении налоговых поступлений. Однако для этой модели необходимо применять более сложные методы оценивания (difference or system-GMM, generalized method of moments).

Таким образом, проверка значимости показателей, используемых для объяснения налоговых поступлений, может быть проведена на данных для отдельно взятых лет (cross section), но если есть возможность использовать панельные данные, то оценки, получаемые на их 1 Баткибеков С., Кадочников П., Луговой О., Синельников С., Трунин И.

Оценка налогового потенциала регионов и распределение финансовой помощи из федерального бюджета. Совершенствование межбюджетных отношений в России.

Сборник статей. Серия «Научные труды ИЭПП» №24Р. М.: ИЭПП, 2000. С. 239–364, доступно также на сайте www.iep.ru.

1.1. МОДЕЛИРОВАНИЕ ПОСТУПЛЕНИЙ НАЛОГА НА ПРИБЫЛЬ...

основе, более предпочтительны, поскольку панельные регрессии позволяют повысить их эффективность.

Несмотря на то что метод оценивания налогового потенциала с использованием обычных регрессионных моделей достаточно широко распространен, он имеет существенный недостаток. Получаемая с помощью регрессии прямая, которая проходит через середину облака точек, трактуется как налоговый потенциал. А сам налоговый потенциал в таком случае интерпретируется как средняя величина налоговых поступлений, которая может быть собрана при данной налоговой базе и при средних налоговых усилиях. Получаемая таким образом оценка налогового потенциала по своему смыслу недостаточно хорошо соответствует понятию налогового потенциала.

Поскольку сумма ошибок (отклонений фактических налоговых поступлений от теоретической величины) при оценке равна нулю, во многих случаях фактические налоговые поступления превышают налоговый потенциал, что трудно интерпретировать, исходя из содержательных соображений.

с) Метод оценивания налоговых усилий на основе симуляций с применением фильтра Калмана Одним из методов оценивания налоговых усилий, встречающихся в литературе, является оценивание с использованием фильтра Калмана. Например, в работе Kim (2004) автор показывает, что этот метод нацелен на оценку налоговых усилий властей, которые являются ненаблюдаемой переменной, но которые непосредственно влияют на величину налогового потенциала. В отличие от методов оценки налоговых усилий, использующих прокси для налоговых усилий либо интерпретирующих налоговые усилия как отношение фактического значения налоговых поступлений к предсказанному на основе оценки соответствующей регрессии, автор предлагает использовать оценки, построенные с использованием фильтра Калмана. В работе Kim (2004) на моделируемых данных продемонстрировано, что оценки налоговых усилий, полученные на основе стандартных методов, являются сильно смещенными и оценка налоговых усилий, полученная с использованием фильтра Калмана, является наименее смещенной оценкой, т.е. наиболее точной.

Техника оценивания с помощью фильтра Калмана состоит в следующем. Предполагается, что налоговые поступления определяются экономическими, социальными и политическими факторами, а также налоговыми усилиями властей и могут быть описаны уравнением 1. ТЕОРЕТИЧЕСКИЕ И ЭМПИРИЧЕСКИЕ ПОДХОДЫ К МОДЕЛИРОВАНИЮ...

регрессии вида (5). Также предполагается, что налоговые усилия являются процессом типа AR(1), т.е. представимы в виде (6).

(5) Yt = Xt + At + t, (6), Xt+1 = Xt +t+где Yt – налоговые поступления в период t;

Xt– налоговые усилия в период t;

At– вектор остальных переменных, влияющий на величину налоговых поступлений.

Предполагается, что случайные ошибки удовлетворяют следующим свойствам:

(7) Уравнения (5), (6) не могут быть оценены с помощью обычных регрессий, для их оценки применяется методика фильтра Калмана, который представляет собой следующую систему уравнений:

(8) Xt+1,t = Xt,t, (9) Pt+1,t = Pt,t + q, (10) Bt+1,t = Bt,t + r, (11) t+1,t = Yt+1 - Xt+1,t + At+1, (12) Kt+1 = Pt+1,t B-t+1,t, (13) Xt+1,t+1 = Xt+1,t + Kt+1t+1,t, (14) Pt+1,t+1 = (1- Kt+1)Pt+1,t.

Если задать начальные значения, P0,0 и предполагать, что параметры уравнений (5) и (6) известны, то с помощью уравнений (8) – (14) 1.1. МОДЕЛИРОВАНИЕ ПОСТУПЛЕНИЙ НАЛОГА НА ПРИБЫЛЬ...

можно получить ряд налоговых усилий и ряд среднеквадратичных ошибок.

Тогда если есть ряд налоговых усилий, то могут быть оценены параметры уравнений (5) и (6), которые ранее предполагались изT вестными. Если, кроме того, предположить, что и норtt t={ } мально распределены, тогда Yt тоже нормально распределено.

2 (15), Yt It N( Xt,t-1+At, ( Pt-1,t-1+q2)+r2) где – информация доступная на момент времени t.

Параметры уравнений (5) и (6) могут быть оценены на основе следующей логарифмической функции правдоподобия:

T 1 T 2 = log(2 ) - log[ ( Pt-1,t-1 + q2 ) + r2 ] t=2 (16) Yt t,t-T - X -A t= Pt-1,t-1 + q2 ) + r.

В целом последовательность шагов для оценки параметров в уравнениях (5) и (6) следующая. Вначале задаются начальные значения параметров в уравнениях (5) и (6). Начальные значения налоговых усилий и среднеквадратичных ошибок тоже задаются. Далее с помощью уравнений (8) – (14) рассчитываются ряд налоговых усилий и ряд среднеквадратичных ошибок. Затем параметры и дисперсии ошибок в уравнениях (5) и (6) оцениваются с помощью метода максимального правдоподобия. Этот процесс повторяется до тех пор, пока не выполнится критерий сходимости.

Задавая начальные данные параметров уравнений (5) и (6), с помощью уравнений фильтра Калмана получают не только оценки коэффициентов уравнений (5) и (6), но и сам ряд налоговых усилий.

Проблема, связанная с применением этого метода, состоит в том, что на практике довольно трудно понять, какому процессу подчиняется статистический ряд налоговых усилий. Кроме того, часто не 1. ТЕОРЕТИЧЕСКИЕ И ЭМПИРИЧЕСКИЕ ПОДХОДЫ К МОДЕЛИРОВАНИЮ...

выполняются предпосылки относительно нормальности и некоррелируемости случайных ошибок.

Pages:     | 1 || 3 | 4 |   ...   | 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.