Статистический анализ дифференциации регионов РФ по налоговым доходам консолидированных бюджетов средствами языка R

Обложка

Цитировать

Полный текст

Аннотация

Предметная область настоящей статьи – применение методов описательной статистики и многомерной классификации для описания региональных особенностей формирования налоговых составляющих доходов консолидированных бюджетов РФ. В работе преследуется цель продемонстрировать простоту и эффективность применения математико-статистических методов и функционала языка с открытым кодом R для решения задач структурного анализа налоговых поступлений, выявления региональной специфики, сравнительного анализа регионов с точки зрения налоговых доходов. Аппарат математической статистики, реализованный в языке R, в частности, открывает широкие возможности для классификации субъектов налогообложения, в том числе многомерной, существенно облегчая процедуры анализа, ранжирования и планирования. Описанный в статье функционал может быть использован в процессе формирования и корректировки налоговой политики на разных уровнях.   Возможности аппарата математической статистики в сочетании с инструментальными методами языка R раскрываются на примере классификационного анализа регионов РФ. При этом в качестве классификационных признаков выбраны абсолютные и относительные значения налоговых доходов в доходах региональных бюджетов. Рассматривается классификация по принадлежности к федеральному округу и исследование "естественного" расслоения методом кластерного анализа. Аппарат математической статистики и, особенно, инструментарий языка R применяются в исследованиях подобного рода неоправданно редко, несмотря на простоту использования и отсутствия необходимости в специальной подготовке, эти обстоятельства определяют актуальность настоящей статьи. Агрегирование по федеральным округам позволило выделить: Уральский федеральный округ как лидирующий по среднерегиональной доле налоговых доходов в доходной части бюджета и Северо-Кавказский федеральный округ, характеризуемый наименьшими среднерегиональными вкладами налоговых платежей в региональные бюджеты. Анализ естественного расслоения регионов РФ по их относительным налоговым вкладам в консолидированные бюджеты дал возможность выделить группы: наиболее типичных регионов, дотационных регионов, регионов-доноров и регионов, в которых сосредоточены наиболее дорогие активы предприятий Российской Федерации

Об авторах

Тамара Геннадьевна Апалькова

Финансовый университет при Правительстве Российской Федерации

Email: apalkova.t.g@yandex.ru
ORCID iD: 0000-0001-8094-1588
доцент; кафедра математики;

Кирилл Геннадиевич Левченко

Финансовый университет при Правительстве Российской Федерации

Email: kglevchenko@fa.ru
ORCID iD: 0009-0008-7380-3388
доцент; кафедра математики;

Список литературы

  1. Жиляков Д.И. Ретроспективный анализ налоговых доходов федерального бюджета /Жиляков Д.И., Новосельский С.О., Плахутина Ю.В., Петрушина О.В. // Экономические науки-2023-№2 (219). URL: https://ecsn.ru/wp-content/uploads/202302_173.pdf (дата обращения: 20.04.2024).
  2. Васильченко А.Д. Налоговые поступления в бюджетную систему России: статистическая оценка и меры по мобилизации // Налоги и налогообложение. 2019. № 5. С. 45-57. doi: 10.7256/2454-065X.2019.5.30101 URL: https://e-notabene.ru/ttmag/article_30101.html
  3. Костина А.А. Статистический анализ структуры и динамики налоговых поступлений Российской федерации. // Вестник магистратуры. – 2017. – №6-1 (69).
  4. Деденева Д.Б. Анализ налоговых поступлений в бюджетную систему России. // Электронный научный журнал «Вектор экономики»-2022. №4. URL: http://www.vectoreconomy.ru/images/publications/2022/4/taxes/Dedeneva.pdf (дата обращения: 20.04.2024).
  5. Селюков М.В. Анализ налоговых доходов в субъектах Российской Федерации. // Сибирская финансовая школа – 2023. №1. doi: 10.34020/1993-4386-2023-1-35-43 (дата обращения: 20.04.2024).
  6. Математическая статистика. Практикум : учебное пособие / Т.Г. Апалькова, В.И. Глебов, С.А. Зададаев [и др.]. – Москва : ИНФРА-М, 2023. – 254 с. – (Высшее образование). – doi: 10.12737/1896790. – ISBN 978-5-16-017913-1 – Текст: электронный. – URL: https://znanium.com/catalog/product/1896790 (дата обращения: 25.07.2023). – Режим доступа: по подписке.
  7. Hadley Wickham. R for Data Science, 2nd Edition / Hadley Wickham, Mine Çetinkaya-Rundel, Garrett Grolemund // Publisher(s): O'Reilly Media, Inc., 2023.
  8. Маркова, С. В., Анализ данных на языке R.: учебник и практикум. – Москва : КноРус, 2023. – 216 с. – ISBN 978-5-406-10865-9. – URL: https://book.ru/book/948838 (дата обращения: 17.03.2024).
  9. Мастицкий С.Э. Визуализация данных с помощью ggplot2. – М.:ДМК Пресс, 2017. – 222 с.
  10. Платонов В.В. Визуализация больших данных в экономических науках в условиях информационного общества // Вопросы инновационной экономики. 2020. № 4. [Электронный ресурс]. URL: Визуализация больших данных в экономических науках в условиях информационного общества / Вопросы инновационной экономики / № 4, 2020. Первое экономическое издательство (1economic.ru) (дата обращения: 12.12.2023)
  11. Шипунов А.Б. Анализ данных с R (II). Шипунов А.Б. , Коробейников А. И., Е. М. Балдин Е. М. Электронное издание. URL: https://inp.nsk.su/~baldin/DataAnalysis/R/R-07-datamining.pdf?ysclid=lvic8543su725025982 (дата обращения: 25.04.2024)
  12. Дубров А.М. Многомерные статистические методы: учебник. Дубров А.М., Мхитарян В.С., Трошин Л.И.– М.: Финансы и статистика, 2011.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).