Прогноз налоговых поступлений по упрощенной системе налогообложения в Ханты-Мансийском автономном округе-Югре

NovaInfo 47, с.107-111
Опубликовано
Раздел: Экономические науки
Просмотров за месяц: 2
CC BY-NC

Аннотация

В данной статье проведен прогноз налоговых поступлений на три ближайших года по упрощенной системе налогообложения, которая применяется на территории Ханты-Мансийского автономного округа-Юры и играет наибольшую роль в доходах округа среди всех специальных налоговых режимов. При прогнозе используется метод множественной регрессии, который наиболее распространен при налоговом планировании и прогнозировании.

Ключевые слова

БЮДЖЕТ, НАЛОГОВОЕ ПРОГНОЗИРОВАНИЕ, МНОЖЕСТВЕННАЯ РЕГРЕССИЯ, СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ, СПЕЦИАЛЬНЫЕ НАЛОГОВЫЕ РЕЖИМЫ, МАКРОЭКОНОМИЧЕСКИЕ ПОКАЗАТЕЛИ

Текст научной работы

В условиях рыночной экономики все большую роль приобретает малое предпринимательство. Именно оно способно быстро адаптироваться к постоянно изменяющимся условиям рынка, потребительским интересам и нововведениям в законодательстве.

Одним из способов воздействия на развитие малого бизнеса является предоставление возможности вести свою деятельность на специальных налоговых режимах, наиболее распространённым из которых является УСН.

Именно поэтому, тщательный анализ и прогнозирование возможных результатов применения упрощенной системы налогообложения является на сегодняшний момент актуальной темой и способствует совершенствованию налоговой политики в области малого бизнеса.

Прогнозирование налоговых поступлений по упрощенной системе налогообложения в данной статье будет проведено на примере Ханты-Мансийского автономного округа на период 2016-2018гг. Для этого необходимо воспользоваться методом множественной регрессии. В качестве основных источников информации для проведения данного прогноза будут использоваться:

  1. Отчетность ФНС [3];
  2. Прогноз социально-экономического развития округа на текущий год и плановый период[1];
  3. Данные консолидированного бюджета Ханты-Мансийского автономного округа[2].

Прогнозирование налога, взимаемого в связи с применением упрощенной системы налогообложения, осуществляется исходя из фактических поступлений налога в консолидированный бюджет Ханты-Мансийского автономного округа-Югры, динамики макроэкономических показателей и количества налогоплательщиков.

К макроэкономическим показателям, влияющим на сумму налога, уплачиваемую в бюджет по УСН относятся: оборот розничной торговли; индекс потребительских цен; оборот малых предприятий; оборот общественного питания; платные услуги населению.

Таблица 1 - Факторы, влияющие на сумму налога к уплате по УСН

Оборот розничной торговли,

млн.р

Общепит, млн.р

Оборот малых предприятий, млн.р

Платные услуги населению, млн.р.

Индекс цен, %

Кол-во н/п,чел

Сумма к уплате, млн.р

Год

X1

X2

X3

X4

X5

X6

Y

2008

288 400

16400

230130

59100

104,1

18 624

1 301,87

2009

270 600

17500

260670

64900

106,2

19 218

1 115,92

2010

265 700

18780

299140

66300

107,84

21 733

1 411,81

2011

259550

21730

342560

73100

105,3

24 079

1 701,32

2012

289430

23020

390870

79600

107

25 621

2 304,93

2013

341360

27840

412280

85370

106,2

26 365

2 607,12

2014

359510

31760

384170

92180

108,2

27 151

2 719,47

2015

370290

33030

419590

101040

111,9

28 932

2 950,59

Для того чтобы сделать прогноз необходимо создать регрессионную модель влияния факторов на налоговые поступления по УСН, а затем осуществить прогноз на 2016-2018гг., необходимо построить матрицу парных коэффициентов корреляции и пошаговым методом отобрать факторы для последующего моделирования.

Матрицу коэффициентов парной корреляции можно получить с помощью программы Excel (таблица 2).

Таблица 2 - Матрица коэффициентов парной корреляции

Y

X1

X2

X3

X4

X5

X6

Y

1

X1

0,88

1

X2

0,96

0,9

1

X3

0,94

0,7

0,88

1

X4

0,96

0,9

0,99

0,91

1

X5

0,66

0,7

0,73

0,62

0,79

1

X6

0,96

0,8

0,94

0,98

0,96

0,7

1

По данным матрицы можно судить, что сумма налоговых поступлений по УСН имеет тесню связь со всеми макроэкономическими показателями, так как показатель тесноты связи превышает значение 0,8.

Далее необходимо построить множественную модель регрессии с помощью функции «регрессия» в программе Excel и оценить ее точность по основным характеристикам качества (таблица 3).

Таблица 3 - Характеристики качества модели регрессии

Регрессионная статистика

Множественный R

0,993

R-квадрат

0,987

Стандартная ошибка

145,94

Множественный коэффициент корреляции R характеризует высокую тесноту связи зависимой переменной Y с включенными в модель объясняющими факторами. Можно сделать вывод, что теснота связи между показателями очень сильная.

Коэффициент детерминации R-квадрат показывает, что 98% вариации зависимой переменной учтено в модели и обусловлено влиянием включенных факторов. Таким образом, модель является качественной.

Если стандартная ошибка модели меньше стандартной ошибки результативного признака Y, то можно говорить о том, что данная модель является точной. Стандартную ошибку Y можно найти с помощью функции СТАНДОТКЛОН в Excel.В нашем случае стандартная ошибка модели 145,94, а среднеквадратическое отклонение Y=715, 68.

После построения регрессионной модели можно осуществить прогноз, подставив данные исследуемого объекта в полученное уравнение регрессии.

Полученное уравнение линейной множественной регрессии имеет вид:

Y=-773,9+0,01*Х1-0,08*X2-0,0006*X3+0,01*X4-39,66*X5+0,21*X6

Прогнозные значения макроэкономических(X1-X5) показателей можно взять из прогноза социально-экономического развития Ханты-Мансийского автономного округа-Югры на 2015 год и плановый период 2016-2018гг.

Таблица 4- Прогнозные значения макроэкономических показателей

Год

Оборот розничной торговли, млн.р

Общепит, млн.р

Оборот малых предприятий, млн.р

Платные услуги населению, млн.р

Индекс цен, %

X1

X2

X3

X4

X5

2016

384420

35310

448880

110320

106,5

2017

402680

37280

484950

120080

106,3

2018

423050

39660

503700

129120

105,1

Количество налогоплательщиков(X6) можно рассчитать с помощью среднего темпа роста.

Таблица 5 – Прогнозное значение количества налогоплательщиков

Год

Кол-во налогоплательщиков ,чел

X6

2016

30830

2017

32852

2018

35007

Подставим прогнозные значения макроэкономических показателей в регрессионную модель и получим прогноз на 2016 год. Аналогично рассчитаем прогноз на 2017 и 2018 года.

Таблица 6 - Прогноз налоговых доходов от УСН Ханты-Мансийского автономного округа-Югры на 2016-2018гг.

Год

Сумма налога, млн.р (Y)

2016г.

2984,41

2017г.

3034,05

2018г.

3117,65

Можно сравнить полученный результат с данными прогноза социально-экономического развития на 2015 год и плановый период 2016-2018гг (таблица 7).

Таблица 7 - Сравнение прогнозных значений

Год

Сумма налога, млн.р

Модель регрессии

Официальный прогноз

Отклонение, %

2016

2984,41

3000

0,5

2017

3034,047

3130

3,1

2018

3117,65

3190

2,3

Из данных таблицы видно, что прогноз суммы налога, рассчитанный с помощью модели регрессии, имеет незначительное отклонение от данных официального прогноза. На плановый период 2016 года отклонение составило 0,5%, на 2017 год -3,1%, на 2018 год -2,3%. Наличие данного отклонения объясняется тем, что при расчёте прогноза могут использоваться несколько различных методик или учитываться больше факторов, влияющих на конечный результат.

Подводя итоги, можно сказать, что полученный прогноз имеет вероятностный и предварительный характер. Имеющиеся погрешности прогноза могут быть связаны в первую очередь с тем, что он проводился на основе прогнозных значений макроэкономических показателей.

Читайте также

Список литературы

  1. Прогноз социально-экономического развития Ханты-Мансийского автономного округа – Югры на 2016 год и на плановый период 2017 и 2018 годов;
  2. Электронный ресурс. URL: https://www.monitoring.admhmao.ru
  3. Электронный ресурс: URL: https://www.nalog.ru

Цитировать

Коростелева, В.В. Прогноз налоговых поступлений по упрощенной системе налогообложения в Ханты-Мансийском автономном округе-Югре / В.В. Коростелева, К.С. Прамузова. — Текст : электронный // NovaInfo, 2016. — № 47. — С. 107-111. — URL: https://novainfo.ru/article/6433 (дата обращения: 19.01.2022).

Поделиться