Изучения влияния факторов на число дел об административных экономических правонарушениях по Поволжскому федеральному округу | Статья в журнале «Молодой ученый»

Отправьте статью сегодня! Журнал выйдет 6 апреля, печатный экземпляр отправим 10 апреля.

Опубликовать статью в журнале

Автор:

Рубрика: Экономика и управление

Опубликовано в Молодой учёный №21 (125) ноябрь-1 2016 г.

Дата публикации: 31.10.2016

Статья просмотрена: 48 раз

Библиографическое описание:

Галчин, Д. Г. Изучения влияния факторов на число дел об административных экономических правонарушениях по Поволжскому федеральному округу / Д. Г. Галчин. — Текст : непосредственный // Молодой ученый. — 2016. — № 21 (125). — С. 337-339. — URL: https://moluch.ru/archive/125/34738/ (дата обращения: 29.03.2024).



В исследовании было проанализировано влияние факторов на число дел административных правонарушений в Поволжском федеральном округе за 2005–2015 гг. Полученная модель была протестирована с помощью методов F-критерия Фишера-Снедекора, t- критерия Стьюдента и определения средней ошибки аппроксимации. Также были получены прогнозные данные.

Ключевые слова: теневая экономика, корреляционный анализ, регрессионный анализ, коэффициент ликвидности, рентабельность

Теневая экономика — проблема мирового сообщества. Не существует универсального способа ее легализации. В настоящее время объем теневой экономики определяется долей от ВВП, при этом расчет ее доли и размер приблизительны.

В свою очередь одной из причин ухода организаций и индивидуальных предпринимателей в «тень» является высокая налоговая нагрузка. Примером увеличения такой нагрузки может служить принятие изменений в федеральный закон «О страховых взносах в Пенсионный фонд Российской Федерации, Фонд социального страхования Российской Федерации, Федеральный фонд обязательного медицинского страхования» от 24.07.2009 N 212-ФЗ, согласно которому в 2013 г. увеличились страховые взносы для индивидуальных предпринимателей в 2 раза. По оценкам экспертов по итогам 2013г. количество закрытых индивидуальных предпринимателей увеличилось на 45 % по сравнению с 2012 г. [5]

В настоящее время государство усиливает фискальную функцию, а именно были приняты изменения в федеральный закон «О применении контрольно-кассовой техники при осуществлении наличных денежных расчетов и (или) расчетов с использованием платежных карт» от 22.05.2003 N 54-ФЗ, в соответствии с которым с 1 января 2017 года у организаций и индивидуальных предпринимателей заменяются кассовые аппараты на «онлайн-кассы», при этом данные о поступлении денежных средств передаются в налоговый орган в режиме реального времени. Для руководителей малого бизнеса это может стать причиной окончательно уйти в тень. К тому же для мелких предпринимателей высокая стоимость нового кассового аппарата тоже может оказаться причиной скрыть свои доходы.

Чтобы как-то снизить налоговую нагрузку, многие организации показывают только часть своей деятельности, что в последствие данный факт могут выявить надзорные структуры. Так характеристикой теневого сектора может стать количество экономических административных правонарушений.

Далее будут анализироваться данные по Поволжскому федеральному округу за 2005–2015 гг.,

где y — число дел об административных экономических правонарушений, шт.

x1 — финансовый результат прибыльных предприятий и организаций, тыс. руб.

x2 уровень рентабельности реализованной продукции (работ, услуг), процент.

x3 — коэффициент текущей ликвидности, процент.

x4 просроченная задолженность по платежам в бюджет, тыс. руб.

x5 — задолженность поставщикам и подрядчикам за товары и услуги из общей суммы кредиторской задолженности, тыс. руб.

На основе данных была построена матрица парных коэффициентов корреляции, в результате чего были получены следующие результаты, представленные в таблице 1.

Таблица 1

Матрица парных коэффициентов корреляции

y

x1

x2

x3

x4

x5

y

1

x1

-0,131

1

x2

0,656

0,067

1

x3

-0,492

0,253

-0,291

1

x4

0,501

0,279

0,776

0,100

1

x5

0,141

0,756

0,514

-0,125

0,570

1

В первом столбце матрицы присутствуют коэффициенты корреляции, для которых /rhttp://ok-t.ru/studopedia/baza10/3599511288955.files/image078.gif/ < 0,5, это факторыx1, х5. Они оказывает наименьшее влияние на результативный признак.

При этом показатели x2 и х4 отвечают критерию мультиколлинеарности факторов, который выглядит как /rXiXj/ > 0,7.

Итак, в регрессионную модель вводим факторы х2 и х3.

В результате регрессионного анализа получили:

R= 0,728

R2=0,529

F=4,498

Получаем уравнение следующего вида:

Таким образом, коэффициент регрессии при х2 показывает, что при увеличении уровня рентабельности на 1 %, число административных правонарушений увеличится на 130469 шт., но при увеличении коэффициента текущей ликвидности на 1 %, число административных правонарушений уменьшится на 2966 шт.

При оценке значимости уравнения и показателя тесноты связи с помощью F-критерия Фишера-Снедекора, было получено=4,498. При этом вероятность случайно получить такое значение F-критерия составляет 0,049. Следовательно, полученное значение не случайно, оно сформировалось под влиянием существенных факторов.

При оценке статистической значимости коэффициентов регрессии с помощью t-критерия Стьюдента было определено, что все параметры статистически значимы.

Для проверки качества уравнения через среднюю ошибку аппроксимации была рассчитана средняя ошибка аппроксимации. Она составила:

Таким образом, фактические значения отличаются статистических значений на 18,78 %. Следовательно, построенная модель является удовлетворительной.

Поскольку надежность модели была доказана, на ее основе можно получить ожидаемое прогнозное значение количества административных нарушений, путем подстановки в уравнение регрессии прогнозных значения факторов.

Логично было предположить, что для снижения уровня числа административных дел, необходимо максимизировать параметр х3 и минимизировать параметр х2.

Таблица 2

Результаты уравнения при прогнозных значениях параметрах

x2min

x3max

значение

точка

4

168,64

прогноз

110699,1

+95 %

116234,1

-95 %

105164,2

В целях сопоставления прогнозов аналогичным образом проведем прогнозирования количества административных нарушений при средних значениях параметров.

Таблица 3

Результаты уравнения при средних значениях параметрах

значение

точка

4,55

162,5

прогноз

201261,3

+95 %

211324,3

-95 %

191198,2

Рассмотрим полученные в таблицах 2 и 3 результаты. В нашем случае прогноз числа административных дел при значении х2=4 %, х3=168,64 % находится в интервале 105164,2<110699,1<116234,1 шт., а при среднем значении независимых переменных — 191198,2<201261,3<201261.3 шт., т. е. наибольшее значение зависимой переменной будет получено при максимальном значении х3 и минимальном значении х2. Таким образом, на снижение общего числа административных дел, исходя из общепринятых формул определения рентабельности активов и коэффициента текущей ликвидности, в Поволжском федеральном округе будет оказывать рост оборотных активов организаций.

Литература:

  1. Азнаева Р. Я. Основные факторы развития внутреннего потенциала региона: макро-факторы и микро-факторы// материалы XX международной научно-практической конференции Научно-информационный издательский центр «Институт стратегических исследований». — М.: Научно-информационный издательский центр «Институт стратегических исследований», 2016. — С. 11–14.
  2. Барабанова М. И., Воробьев В. П., Минаков В. Ф. Экономико-математическая модель динамики дохода отрасли связи России // Известия Санкт-Петербургского государственного экономического университета. — 2013. — № 4. — С. 24–29.
  3. Григорьева А. Л., Григорьев Я. Ю. Эконометрика для экономистов// Международный журнал прикладных и фундаментальных исследований. — 2011. — № 7. — С. 134–135;
  4. Слепнева Ю. В. Инновационный потенциал как фактор формирования региональных инновационных систем // Вестник Забайкальского государственного университета. — 2013. — № 3. — С. 137–142.
  5. Число вновь зарегистрированных индивидуальных предпринимателей выросло за год на 12,3 % // Информационное агентство «Финмаркет. URL: http://www.finmarket.ru/news/4202202
Основные термины (генерируются автоматически): ошибка аппроксимации, теневая экономика, параметр, парной коэффициент корреляции, Поволжский федеральный округ, правонарушение, предприниматель, регрессионный анализ, результат уравнения, Российская Федерация, таблица, текущая ликвидность, число дел.


Похожие статьи

Эконометрический анализ инфляции в Российской Федерации

Результаты регрессионного анализа представлены на рис. 1.

Матрица парных коэффициентов корреляции представлена на Рис. 2

Средняя ошибка аппроксимации

Статистический анализ ликвидности активов организации

текущая ликвидность, результативный признак, Оренбургская область, коэффициент, корреляционно-регрессионный анализ, коэффициент детерминации, ликвидность организации, парная корреляция...

Факторный анализ валового внутреннего продукта РФ

Ключевые слова: ВВП, корреляционно-регрессионный анализ, матрица парных коэффициентов корреляции, уравнение регрессии. Валовой внутренний продукт — это один из важнейших показателей экономики страны.

Применение регрессионного анализа для расчета прогнозных...

Исходными данными регрессионного анализа послужила статистическая информация Федеральной службы государственной

Результаты расчетов средних квадратических отклонений, парных коэффициентов корреляции и коэффициентов регрессии.

Статистический анализ уровня безработицы в РФ

Ключевые слова: зарегистрированная безработица, коэффициенты корреляции, корреляционно-регрессионный анализ, параметры уравнения связи.

Построение эконометрических моделей для анализа...

Таблица 2. Анализ коэффициентов корреляции.

Таблица 5. Анализ значимости коэффициентов корреляции. Коэфф-ы. Станд-я ошибка.

1) Проведя регрессионный анализ, выведем итоги и составим уравнение регрессии

Статистический анализ уровня безработицы в Российской...

уровень безработицы, Российская Федерация, регрессионный анализ, парной коэффициент корреляции, рынок труда, Анализ данных, Россия, стандартная ошибка, результативный признак, предел России.

Применение корреляционно-регрессионного метода в оценке...

Ошибка аппроксимации. Российская Федерация. Линейная. 0,7727. Центральный Федеральный округ.

Таким образом, анализ парных коэффициентов корреляции позволил сделать вывод, что заболеваемость Курской области более тесно связана с...

Факторный анализ преступности на основе...

Для определения зависимости между числом преступности и факторами, использовался эконометрический многофакторный регрессионный анализ. Были определены коэффициенты уравнения регрессии, коэффициенты множественной корреляции, детерминации...

Похожие статьи

Эконометрический анализ инфляции в Российской Федерации

Результаты регрессионного анализа представлены на рис. 1.

Матрица парных коэффициентов корреляции представлена на Рис. 2

Средняя ошибка аппроксимации

Статистический анализ ликвидности активов организации

текущая ликвидность, результативный признак, Оренбургская область, коэффициент, корреляционно-регрессионный анализ, коэффициент детерминации, ликвидность организации, парная корреляция...

Факторный анализ валового внутреннего продукта РФ

Ключевые слова: ВВП, корреляционно-регрессионный анализ, матрица парных коэффициентов корреляции, уравнение регрессии. Валовой внутренний продукт — это один из важнейших показателей экономики страны.

Применение регрессионного анализа для расчета прогнозных...

Исходными данными регрессионного анализа послужила статистическая информация Федеральной службы государственной

Результаты расчетов средних квадратических отклонений, парных коэффициентов корреляции и коэффициентов регрессии.

Статистический анализ уровня безработицы в РФ

Ключевые слова: зарегистрированная безработица, коэффициенты корреляции, корреляционно-регрессионный анализ, параметры уравнения связи.

Построение эконометрических моделей для анализа...

Таблица 2. Анализ коэффициентов корреляции.

Таблица 5. Анализ значимости коэффициентов корреляции. Коэфф-ы. Станд-я ошибка.

1) Проведя регрессионный анализ, выведем итоги и составим уравнение регрессии

Статистический анализ уровня безработицы в Российской...

уровень безработицы, Российская Федерация, регрессионный анализ, парной коэффициент корреляции, рынок труда, Анализ данных, Россия, стандартная ошибка, результативный признак, предел России.

Применение корреляционно-регрессионного метода в оценке...

Ошибка аппроксимации. Российская Федерация. Линейная. 0,7727. Центральный Федеральный округ.

Таким образом, анализ парных коэффициентов корреляции позволил сделать вывод, что заболеваемость Курской области более тесно связана с...

Факторный анализ преступности на основе...

Для определения зависимости между числом преступности и факторами, использовался эконометрический многофакторный регрессионный анализ. Были определены коэффициенты уравнения регрессии, коэффициенты множественной корреляции, детерминации...

Задать вопрос