МОДЕЛИРОВАНИЕ ДОХОДОВ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ НА ОСНОВЕ ПРОИЗВОДСТВЕННОЙ ФУНКЦИИ

Предмет. В статье исследуются проблемы, связанные с прогнозированием перспектив развития экономики страны.

Цель. Создание модели, позволяющей прогнозировать пополнение бюджетов всех уровней. Анализ состояния экономики Российской Федерации в целом и ее 85 субъектов.

Методология. Исследования проводились на основе экономико-статистических методов, системного анализа, а также общенаучных методов сравнений и сопоставлений. В работе применен предложенный авторами статьи термин «макроэкономическая производственная функция» — аналог производственной функции, которая выражает зависимость результатов производства предприятия от факторов производства. Используются данные о налоговых доходах по всем видам налогов, численности занятого населения и валовому региональному продукту, консолидированные в информационно-аналитической системе региональных налоговых поступлений «Налоги РФ». Анализ данных и оценка параметров проводились с помощью программы статистической обработки информации — IBM SPSS Statistics 20. В процедуре множественной регрессии SPSS использовались методы включения, позволяющие производить пошаговый отбор в регрессионное уравнение только значимых независимых переменных.

Результаты. На основе предложенной модели проводится сравнение фактических и расчетных значений налоговых поступлений для всех субъектов РФ по данным за 2011 и 2014 гг. Получены значения точечных оценок параметров модели макроэкономической производственной функции. Проведено моделирование значений налоговых поступлений для всех субъектов РФ по данным 2014 г. Произведено сравнение фактических и расчетных (по представленной модели) значений налоговых поступлений. Представлены результаты сравнения фактических и расчетных (по представленной модели) значений налоговых поступлений для всех субъектов РФ по данным 2014 г.

 Выводы. Зависимость налоговых доходов от фактора производительности труда постоянна ежегодно. Объем налоговых доходов субъектов РФ с ростом капитала троекратно выше, чем от увеличения производительности труда. Это может быть использовано для планирования экономического развития регионов.

1. Эскиндаров М. А., Баранов Э. Ф., Лобзова А. Ф. и др. Российская экономика в 2011–2013 годах: тенденции, анализ, прогноз. Аналитический доклад. М.: Финансовый университет при Правительстве РФ, 2013. 118 с. Eskindarov M. A., Baranov E. F., Lobzova A. F. et al. The Russian economy in 2011–2013: trends, analysis, forecast. Analytical report. Moscow: Financial University under the Government of the Russian Federation, 2013. 118 p. (In Russ.).

2. Касаев Б. С., Ртищев А. В. Трехсекторная модель экономики и проблемы снижения пространственной поляризации регионов России // Инновации и инвес тиции. 2013. № 5. С. 113–116. Kasaev B. S., Rtishchev A. V. Three-sector model of the economy and the problem of reducing the spatial polarization of regions of Russia. Innovatsii i investitsii = Innovations and investments, 2013, no. 5, pp. 113–116. (In Russ.).

3. Усманова Т. Х. Менеджмент устойчивого социально-экономического развития регионов в рамках бюджетно-налоговой и денежно-кредитной политики России // МИР (Модернизация. Инновации. Развитие). 2016. Т. 7. № 1 (25). С. 123–131. Usmanova T. H. The management of sustainable socio-economic development of the regions in the framework of fiscal and monetary policy of Russia. MIR (Modernizatsiya. Innovatsii. Razvitie) = MIR (Modernization. Innovations. Development), 2016, vol. 7, no. 1 (25), pp. 123–131. (In Russ.).

4. Мхитарян В. С., Архипова. М.Ю., Сиротин В. П. Эконометрика: учебно-методический комплекс. М.: Изд. центр ЕАОИ. 2008. 144 с. Mkhitaryan V. S., Arkhipova M. Yu., Sirotin V. P. Econometrics: educational-methodical complex. Moscow: Publishing centre EAOI, 2008. 144 p. (In Russ.).

5. Zhang F., Tan Q., Zhang C., Guo S., Guo P. A Regional Water Optimal Allocation Model Based on the Cobb-Douglas Production Function under Multiple Uncertainties. Journal Water, 2017, vol. 9, no. 12, p. 923.

6. Klump R., McAdam P., Willman A. The normalized CES production function: theory and empirics. Journal of Economic Surveys, 2012, vol. 25, no. 5, pp. 769–799.

7. Vilcu G. On a generalization of a class of production functions. Journal Applied Economics Letters, 2018, vol. 25, no. 2, pp. 106–110.

8. Grassetti F., Hunanyan G. On the economic growth theory with Kadiyala production function. Communications in Nonlinear Scienc e and Numerical Simulation Journal, 2016, vol. 58, pp. 220–232.

9. Arrow K., Chenery H., Minhas B., Solow R. Capital-labor substitution and economic efficiency. The Review of Economics and Statistics, 1961, vol. 43, no. 3, pp. 225–250.

10. Mallick D. The role of the elasticity of substitution in economic growth: A cross-country investigation. Labour Economics, 2012, vol. 19, no. 5, pp. 682–694.

11. Brianzoni S., Mammana C., Michetti E. Local and global dynamics in a neoclassical growth model with nonconcave production function and nonconstant population growth rate. Siam Journal on Applied Mathematics. 2015, vol. 75, no. 1, pp. 61–74.

12. Dreger C. Long-term growth perspectives in Japan and the Euro area. Asia Europe Journal, 2017, vol. 15, no. 4, pp. 363–375.

13. Daniels G., Kakar V. Economic Growth and the CES Production Function with Human Capital. Economics Bulletin, 2017, vol. 37, no. 2, pp. 930–941.

14. Willetts R., Burdon J., Glass J. Fostering sustainability in infrastructure development schemes. Proceedings of the institution of civil engineers-engineering susta inability, 2010, vol. 163, pp. 159–166.

15. Gunhan S., Arditi D. Factors affecting international construction. Journal of Construction Engineering and Management, 2005, vol. 131, no. 3, pp. 273–283.

16. Xu Qun, Yalin L., Jianping G. Did investment become green in China? Evidence from a sectoral panel analysis from 2003 to 2012. Journal of Cleaner P roduction, 2017, vol. 156, pp. 500–506.

17. Lee Kang-Wook, Wooyong Jung, Heon Seung. Country Selection Model for Sustainable Construction Businesses Using Hybrid of Objective and Subjective Information. Sustainability, 2017, vol. 9, no. 5, p. 800.

18. Bu-Qammaz A.S., Dikmen I., Talat M. Risk assessment of international construction projects using the analytic network process. Canadian Journal of Civil Engineering, 2011, vol. 36, no. 7, pp. 1170–1181.

19. Усманова Т. Х. Системный подход в решении социально-экономических задач в рамках бюджетно-налоговой и денежно-кредитной политики России // Сборник трудов IV Международной научно-практической конференции «Системный анализ в экономике — 2016–биеннале». М., 2016. С. 297–300. Usmanova T. H. A systematic approach in solving socio-economic tasks in the framework of fiscal and monetary policy of Russia. In Proceedings of IV International scientific-practical conference “System analysis in the ec onomy of the 2016 Biennale ”. Moscow, 2016, pp. 297–300. (In Russ.).

20. Ксенофонтов А. А. Камалетдинов А. Ш. Управление финансовой деятельностью социально-экономических систем // Вестник Университета (Государственный университет управления). 2017. № 3. С. 120–127. Ksenofontov A. A., Kamaletdinov A. Sh. Financial management of socio-economic systems. Vestnik Universiteta (Gosudarstvennyi universitet upravleniya) = Bulletin of University (State University of Management), 2017, no. 3, pp. 120–127. (In Russ.).

21. Косарев И. М., Камалетдинов А. Ш., Ксенофонтов А. А., Москаленко Л. А. Применение информационных технологий при обработке и анализе данных о налоговых поступлениях // Международный научно-исследовательский журнал «Успехи современной науки и образования». 2016. № 11. С. 104–107. Kosarev I. M., Kamaletdinov A. Sh., Ksenofontov A. A., Moskalenko L. A. Application of information technology in the processing and analysis of data on tax revenue. Mezhdunarodnyi nauchnoissledovatel’skii zhurnal “Uspekhi sovremennoi nauki i obrazovaniya” = International research journal “Advances in modern scienc e and education”, 2016, no. 11, pp. 104–107. (In Russ.).

22. Наследов А. Д. IBMSPSS Statistics20 и AMOS: профессиональный статистический анализ данных. СПб.: Питер, 2013. 416 с. Nasledov A. D. IBMSPSS Statistics20 and AMOS: Professional statistical analysis of data. St. Petersburg: Peter, 2013. 416 p. (In Russ.).

23. Айвазян С. А. Прикладная статистика. Основы эконометрики. Т. 2. М.: ЮНИТИ-ДАНА. 2001. 432 с. Ayvazyan S. A. Applied statistics. The basics of econometrics. Vol. 2. Moscow: YUNITI-DANA. 2001. 432 p. (In Russ.).

24. Астафьева О. В., Астафьев Е. В. Формирование индустриальной траектории развития национальной экономики для обеспечения перехода к новому технологическому укладу // Региональная экономика: теория и практика. 2016. № 5. С. 109–120. Astafieva O. V., Astafiev E. V. Formation of an industrial development trajectory of the national economy to ensure the transition to a new technological order. Regional’naya ekonomika: teoriya i praktika = Regional economy: theory and practice, 2016, no. 5, pp. 109–120. (In Russ.).