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.

x_{2 —} уровень рентабельности реализованной продукции (работ, услуг), процент.

x₃ — коэффициент текущей ликвидности, процент.

x_{4 —} 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

В первом столбце матрицы присутствуют коэффициенты корреляции, для которых /r/ < 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 /r_XiXj/ > 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

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

Таблица 3

Результаты уравнения при средних значениях параметрах

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