Микроимитационное моделирование

Имея экстраполяцию данных микроуровня на нужный период, можно рассчитать по этим данным причитающиеся с налогоплательщиков налоги и доумножить полученные результаты на весовые коэффициенты, чтобы перейти от выборочных данных к данным по генеральной совокупности налогоплательщиков. «Налоговой калькулятор» при этом, как обычно, выполняет расчеты в двух вариантах: исходя из предположения, что налоговые законы останутся неизменными, и для альтернативного варианта налогового законодательства.

Налоговый калькулятор. Эта часть модели представляет собой компьютерную программу, которая по некоторым заданным правилам рассчитывает причитающийся с каждого налогоплательщика налог. По существу эта программа есть некая совокупность формул расчета, в точности повторяющих порядок расчетов, который проделывает каждый налогоплательщик, выполняя налоговый расчет при заполнении налоговой декларации. Заменяя одни формулы расчета другими, отражающими предлагаемые изменения в налоговом законодательстве, можно рассчитать последствия любых предлагаемых изменений в налоговом законодательстве.

Налоговый калькулятор можно  построить с учетом и более  сложных взаимосвязей, таких, как ответная реакция предприятий на изменения в налоговом законодательстве. Например, если имеющиеся данные свидетельствуют о том, что при увеличении предельной ставки налогообложения прибыли предприятий реальная зарплата сокращается (вследствие эффекта перекладывания налога на прибыль на плечи работников), подобную закономерность поведения (эластичность) можно «встроить» в налоговый калькулятор, и при попытках увеличить предельную норму налогообложения прибыли в модели будет падать заработная плата.Другими примерами поведенческих реакций предприятий на изменения налогового законодательства могут быть изменение уровня капиталовложений, объема выпуска или объема расходов, принимаемых к вычету.

Трудность с учетом подобных ответных реакций состоит в том, что даже в странах, налоговые  системы которых достаточно стабильны  и временные ряды данных накоплены  за достаточно длинный период, специалистам бывает нелегко прийти к единому  мнению о том, в каком направлении  и с какой силой действуют  эти факторы, поскольку действуют  они одновременно и в разных направлениях. Так, важность учета поведенческих реакций компаний в ответ на налоговые реформы показана в работе на примере реформы налогообложения потребительских товаров в Австралии. Авторы на конкретных примерах показывают, в чем заключается трудность учета подобных взаимосвязей в модели, и подчеркивают, насколько важно сохранить прослеживаемость всех взаимосвязей и ответных реакций в модели. В работе дается примерная оценка потенциального масштаба влияния подобных реакций на собираемость налогов на примере реформы подоходных налогов в Швеции. Авторы приходят к выводу, что хотя усилия, затраченные на учет подобных эффектов, были потрачены не зря, полученные оценки влияния поведенческих факторов на уровень бюджетных поступлений оказались относительно небольшими, хотя влияние подобных факторов на распределение доходов в обществе может быть весьма существенным.

В России, где  данных, необходимых для оценки подобных ответных реакций, практически не существует, включить подобные взаимосвязи в  модель невозможно, а если это будет  сделано, полученные выводы могут оказаться  ошибочными. Со временем, когда удастся  накопить более длинные временные  ряды, в модель можно будет включить и ответные реакции плательщиков на изменение налогов. В принципе возможно также использование коэффициентов эластичности, характеризующих подобные взаимосвязи в других странах, однако в этом случае придется проводить дополнительное исследование, чтобы установить применимость подобной «внешней» информации к России.

В таблице представлен  пример расчетов ожидаемого изменения  в налоговых поступлениях вследствие изменения ставки подоходного налога с физических лиц с помощью налогового калькулятора.

Имитационный  расчет последствий снижения ставки налогообложения дохода физических лиц

Анализируемое изменение  предполагает снижение не облагаемого  налогом минимума заработной платы  с 3 500 до 1 500 в сочетании со снижением  налоговой ставки с 30 до 20 процентов. Программа налогового калькулятора просто берет исходные данные по налогоплательщикам и рассчитывает причитающиеся с  них налоги в условиях действующего налогового законодательства и принятия предлагаемых изменений. Главная идея микроимитационного моделирования заключается в том, чтобы, используя одни и те же исходные данные, рассчитать, сколько налогов причитается с репрезентативной выборки налогоплательщиков в условиях действующего законодательства и в случае принятия предлагаемых изменений налогового законодательства. Эта методология может применяться к расчету предлагаемых изменений по любым налогам - налогу на прибыль предприятий, налогу на добавленную стоимость и т.д., лишь бы исходные данные содержали все необходимые показатели, на основе которых рассчитывается налоговая база.

Настоящие микроимитационные модели гораздо сложней, чем тот вариант, который представлен в таблице. Во всяком случае, чтобы реально рассчитать подоходный налог по российскому законодательству, необходимо произвести гораздо более сложный расчет, чем тот, который представлен в этой таблице. В частности, российское законодательство по подоходному налогу предусматривает использование прогрессивной шкалы налогообложения, целый ряд вычетов из налогооблагаемой базы и налоговых освобождений, относящихся к определенным источникам доходов. Программа, которая буквально повторяла бы производимые налогоплательщиком вычисления по одному налогу, получается достаточно длинной, а если ее необходимо сделать еще и удобной в работе, то количество строк программного кода возрастает во много раз. Модели, в которых пользователь имеет возможность вводить необходимые изменения в налоговом законодательстве в диалоговом режиме и которые позволяют оперативно менять такие параметры действующего налогового законодательства, как ставки налогообложения, вычеты из налоговой базы, льготы и т.д., получаются достаточно громоздкими.

Требования к структуре  и программному обеспечению микроимитационных моделей во многом зависят от потребностей конечного пользователя и от возможностей программиста. Модель должна быть написана на таком языке программирования, с которым знакомо большинство программистов, и должна быть построена так, чтобы при передаче ее в эксплуатацию другому пользователю у новых программистов не возникало трудностей. Если же в будущем возникнут новые потребности, ни база данных, ни программный код не должны меняться радикальным образом. Модель должна быть достаточно гибкой, чтобы с ее помощью можно было анализировать не только те изменения, которые предлагается внести в налоговое законодательство сегодня, но и проблемы, которые могут представлять интерес в будущем.

Представление результатов. Поскольку все расчеты по модели производятся на уровне отдельных налогоплательщиков, группировать полученные результаты расчетов можно по любому принципу. Чаще всего используются группировки налогоплательщиков по уровню доходов, размеру (размер предприятия может определяться валовым доходом или размером основных фондов или по любому другому параметру, заданному пользователем), или по коду отраслевой принадлежности. При этом рассчитываются следующие показатели:

1) распределение налоговых платежей между плательщиками в условиях существующего законодательства; 
2) то же в условиях альтернативного законодательства; 
3) «выигравшие» (плательщики, налоговые обязательства которых сократились в результате перехода от действующего налогового законодательства на альтернативное); 
4) «проигравшие» (налогоплательщики, обязательства которых выросли).

В таблицу сводных результатов  обычно включаются следующие показатели: суммарное изменение налоговых  обязательств в результате такого перехода в отсутствие экономического роста, прогноз бюджетных доходов и  их приростов в условиях экономического роста (обычно на пять лет вперед, но этот период может быть продлен) и  суммарные показатели по доходным группам (включая сумму налоговых платежей, вычеты, льготы и т.д.). Как правило, программа, формирующая отчеты по результатам расчетов, пишется на том же языке программирования, что и налоговый калькулятор.

Расширение базовой  модели. Одно из последних достижений в области микроимитационного моделирования заключается в более широком использовании обратных связей между налоговой сферой и экономическим поведением. Предположим, например, что предлагаемое изменение в налоговом законодательстве приведет к снижению налога на прибыль предприятий на 10%. Поскольку это снижение, по сути, означает удешевление капитала, можно ожидать роста инвестиций и выпуска. Если подобные обратные связи действительно сработают, произойдет оживление экономической деятельности, и в результате поступления в бюджет могут вырасти. Этот цикл может продолжаться и дальше: рост экономической активности, рост налоговых поступлений, рост занятости и так далее по всей экономике. Если подобные обратные связи включены в микроимитационную модель, расчеты по ней производятся так: вначале оценивается рост или сокращение налогов в качестве прямого результата предлагаемого изменения налогового законодательства, т.е. рассчитывается рост или сокращение налоговых поступлений в условиях неизменности экономического поведения налогоплательщиков, затем вводятся изменения в поведении налогоплательщиков и рассчитывается прирост или сокращение доходов, полученных экономическими субъектами в результате такого изменения поведения, затем этот прирост или сокращение распределяется между всеми налогоплательщиками в выборке, после чего заново пересчитываются налоговые поступления.

Для моделей такого типа необходимо иметь очень хорошие, детальные исходные данные, которые  позволили бы оценить реакцию  экономических субъектов на изменение  налоговой политики. Получить подобные оценки поведенческих реакций очень  непросто, особенно если речь идет о  странах с переходной экономикой, к числу которых относится  и Россия. В принципе модель подобного  типа можно построить и для  России, однако скорее всего при этом окажется, что выдаваемые ею результаты будут слишком сильно зависеть от используемых предположений относительно ответной реакции налогоплательщиков на изменения налогообложения. Тем не менее возможность превращения относительно статичной модели в модель более динамичную, пусть не сегодня, а когда-нибудь в будущем, не следует упускать из виду.

Что же представляет собой  работающая микроимитационная модель? На рисунке состав микроимитационной модели представлен в более подробном виде.

Прототип микроимитационной модели

Базовая ее структура практически  ничем не отличается от той, которая  была изображена на предыдущем рисунке: исходные данные, налоговый калькулятор  и параметры прогноза, собственно расчет и выдача результатов (отчеты). На данном рисунке больший акцент сделан на взаимодействии между компонентами модели. Например, мы видим, что данные по выборке налогоплательщиков могут  храниться внутри самой модели. Стрелки  показывают, что модель является интерактивной, т.е. ей можно задавать новые варианты налогового законодательства, пользоваться старыми, заданными ранее вариантами, внося в них необходимые изменения, а результаты выводить в таком  формате, в каком это необходимо для решения конкретной задачи.

Описанная выше базовая методология  может применяться для построения микроимитационных моделей для любых административно-территориальных образований в любой стране мира. Возникает, однако, вопрос, подходят ли такие модели для использования в странах, где и экономические условия, и законодательство постоянно меняются. Но микроимитационные модели для того и строятся, чтобы можно было рассчитать, как скажется внесение изменений в законодательство на поступлениях бюджетных доходов и распределении налогового бремени. Кроме того, в условиях, когда доля частного сектора в экономике растет, а государственного - сокращается, для оценки последствий принимаемых на государственном уровне решений необходим новый аналитический инструментарий. Отсутствие данных микроуровня, данных о реакции экономических субъектов на изменения в налоговой системе становится все более серьезной проблемой, и решить ее можно путем создания адекватной базы данных и построения соответствующих микроимитационных моделей.

Один  из способов проведения микроэкономического  анализа, т.е. анализа на уровне экономических  субъектов, заключается в том, чтобы  выбрать одно-два типичных или  «представительных» предприятия из каждой отрасли, провести все расчеты  с использованием данных по этим предприятиям и затем распространить полученные результаты на все предприятия данной отрасли или данного типа. Подобный анализ может дать достаточно содержательные сведения о влиянии предлагаемых изменений в налоговом законодательстве на некоторые предприятия. Однако найти  «среднее» предприятие в каждой отрасли не так-то просто, как не просто и распространить результаты, полученные на примере конкретного  предприятия, на всю отрасль в  целом. Кроме того, поскольку постоянно  возникают новые предприятия, не похожие на другие, анализ «средних»  предприятий в соответствующих  группах пришлось проводить бы постоянно, причем в условиях постоянного роста количества этих групп или подотраслей, что может отнять чрезвычайно много времени.

Хотя формирование базы данных микроуровня потребует определенных затрат, анализ, который может быть проведен с использованием этих данных, с лихвой окупит любые затраты. Агрегированные данные, в которых утрачена информация по отдельным налогоплательщикам, для такого анализа не годятся, поскольку они не позволяют воспроизвести налоговую систему математически. Предположим, что у нас есть данные по трем разным предприятиям, получившим примерно одинаковую валовую прибыль, но при этом у одного предприятия расходы на командировки составляют 20% валовой прибыли, у второго предприятия они составляют 10% валовой прибыли, а у третьего предприятия вообще нет расходов по этой статье. Если изменить налоговое законодательство таким образом, что расходы на командировки, не превышающие 10% валовой прибыли, будет разрешено в целях налогообложения из валовой прибыли вычитать, мы сможем рассчитать влияние соответствующих вычетов на каждое из трех предприятий. Для каждого из них налоговое бремя окажется разным.

Однако если бы мы располагали  только усредненными или агрегированными  данными по всем трем предприятиям, мы знали бы только то, что в среднем  расходы на командировки составляют 10% валовой прибыли, т.е. налоговое  бремя, рассчитанное по усредненным  данным, совпало бы с действительной величиной только для одного предприятия  из трех. Мы не смогли бы узнать, какие  именно предприятия окажутся в основном затронуты этой конкретной мерой - крупные или мелкие, в каких отраслях. Хотя с помощью усредненных данных можно уловить какие-то средние тенденции, агрегированные данные не обладают тем богатством деталей, которое необходимо для проведения микроэкономического анализа.