Проверяемый текст
Дьякова, Евгения Борисовна. Формирование и оценка налогового потенциала региона (Диссертация 2002)
[стр. 106]

105 В условиях России в отсутствие полной информации и когда основными налоговыми источниками доходов региональных бюджетов служат отчисления от федеральных налогов, а базы значительной части остальных налогов определяются преимущественно федеральными законами, применение метода РНС облегчается.
При этом необходимо только решить вопрос выбора
налоговых баз (количество видов налоговых поступлений), включаемых в расчеты потенциально налогооблагаемых ресурсов регионов.
Она может быть сформирована на основе использования действующих, но не обязательно всех налогов.
Очевидно, отбор налогов должен обеспечить достоверность оценки налогового потенциала.
Учитывая различную значимость налогов для бюджетной системы Российской Федерации, было бы целесообразно ограничиться крупными налогами: налогом на прибыль, НДС, акцизами, подоходным налогом с физических лиц
и налогом на имущество предприятий.
Для бюджетов местных органов власти совокупность основных налогов может быть иной в зависимости от вклада налога в доходы каждого бюджета.
Исходным моментом является расчет конкретных налоговых баз по налогам, вошедшим в репрезентативную налоговую систему.
Однако включение не всех налогов в
РНС ведет к снижению точности отражения налогового потенциала региона.
Метод репрезентативной налоговой системы может
применяться для определения налогового потенциала «в узком смысле» для расчета налоговых ресурсов регионов с учетом их реальных возможностей и существующей практики формирования налоговых баз.
Заслуживает внимания метод, предполагающий использование в рамках подхода РНС регрессионного анализа.
Его преимущество сокращение потребности в данных для измерения налогового потенциала; потребуется лишь информация о совокупных доходах по региону и
небольшой набор переменных, используемых в качестве косвенных измерителей налоговых баз регионов (например, таких как доходы населения, объем розничного товарооборота, валовой региональный продукт или объем промышленной продукции, сельского хозяйства на душу населения).
При использовании
регрессионного
[стр. 76]

Относительные налоговые доходы — это налоговые поступления, рассчитываемые на основе репрезентативной налоговом системы, то есчъ специально разработанной для целей оценки налогового потенциала системы налоговых.
баз и ставок [137].
Она может быть сформулирована на основе использования действующих, но не обязательно всех налогов.
В условиях России в отсутствие полной информации и когда основными налоговыми источниками доходов региональных бюджетов служат отчисления от федеральных налогов, а базы значительной части остальных налогов определяются преимущественно федеральными законами, применение метода
РИС облегчается.
При этом необходимо только решить вопрос выбора
шлогопых баз (количество видов налоговых поступлений), включаемых в расчеты потенциально налогооблагаемых ресурсов регионов.
Очевидно, отбор налогов должен обеспечить достоверность оценки налогового потенциала.
Учитывая различную значимость налогов для бюджетной системы Российской Федерации, было бы целесообразно ограничиться крупными налогами: налогом на прибыль, НДС, акцизами, подоходным налогом с физических лиц
в налогом на имущество предприятий.
Для бюджетов местных органов власти совокупность основных налогов может быть иной — в зависимости от вклада налога в доходы каждого бюджета.
Исходным моментом является расчет конкретных налоговых баз по налогам, вошедшим в репрезентативную налоговую систему.
Однако включение не всех налогов в
РГ1С ведет к снижению точности отражения налог ового потенциала региона.
Метод репрезентативной налоговой системы может
примениться дня определения налогового потенциала «в узком смысле» для расчета налоговых ресурсов регионов с учегчг.м их реальных возможностей л существующей практики формирования налоговых баз.
Заслуживает внимания метод, предполагающий использование в рамках подхода РНС регрессионного анализа.
Его преимущество сокращение потребности в данных для измерения налогового потенциала, потребуется лишь информация о совокупных доходах по региону и
небопьгпой набор переменных,

[стр.,77]

ицпильзусмыл в к ачаж кисвспиы\ илмериц^еи ншилиных оаз региипи» ^ма~ пример, таких как доходы населения, объем розничного товарооборота, валовой региональный продукт или объем промышленной продукции, сельского хозяйства на душу населения).
При использовании
рсфессионного анализа отпадает необходимость в группировке доходных статей по налоговым компонентам я создании собственной налоговой базы для каждого компонента налоговой системы.
Включение большего количества переменных повышает точность регрессионного варианта РНС за счет более эффективного анализа данных.
Собрав данные по переменным, отражающим размер налоговых баз регионов, а также данные по фактически собранным в всех регионах платежах можно оценить налоговый потенциал регионов с помощью регрессионного анализа.
Для оценки налогового потенциала регионов с помощью регрессионного анализа, посредством оптимальных оценок случайных факторов Bi, В2и т.д.
используется уравнение следующего вида: у = Е + Xj •В] + Х2•Вг + т.
д., где (4) у фактически собранные в регионе платежи в бюджет; X показатели налоговой базы, косвенно или непосредственно отражающие величину совокупной налоговой базы данного региона или отдельных ее компонентов; Е случайная ошибка измерений.
Таким образом, можно рассчитать возможные доходы региона по известным характеристикам его налоговой базы, которые можно интерпретировать как налоговый потенциал региона.
Возможные отклонения фастичсских значений бюджетных поступлений от рассчитанных с помощью модели объясняются различной результативностью работы налоговых органов.
Например, если фактические платежи оказались выше предсказанного моделью уровня, то можно сказать, что данный регион приложил для сбора налогов больше усилий, чем регионы всреднем.
Преимуществом регрессионного метода, позволяющего осуществить отбор совокупносги экономических хараюеристик, в максимальной степени влияющих на потенциальные налоговые доходы, является его меньшая трудоемкость

[Back]