Фискальная политика государства (стр. 2 из 8)
Такими автоматическими стабилизаторами являются:[8]
♦ прогрессивная налоговая система, которая сдерживает рост совокупного спроса в периоды экономического роста, так как по мере роста дохода население подвергается более высокой ставке налогов, и, наоборот, при уменьшении дохода, вызванного экономическим спадом, происходит стимуляция совокупного спроса, так как происходит увеличение располагаемого дохода вследствие снижения налоговой ставки.
♦ пособия по безработице и прочие социальные выплаты, которые в ситуации экономического спада увеличиваются вследствие увеличения числа безработных, и, наоборот, при наличии экономического роста, в результате которого происходит снижение безработицы, данные выплаты автоматически снижаются.
Встроенные стабилизаторы не устраняют причин циклических колебаний равновесного ВНП вокруг его потенциального размера, а только ограничивают размах этих колебаний.
Глава 2. Эффективность фискальной политики государства
§2.1. Постановка проблемы и методология исследования.
В последнее время проводится много исследований, в которых делается попытка оценить эффективность отдельных сторон фискальной системы с помощью отыскания точек Лаффера для конкретных видов налоговых сборов. [9]
Вместе с тем концепция кривой Лаффера изначально создавалась применительно к понятию совокупного налогового бремени, т. е. всей массы налоговых отчислений. Далее придерживаемся именно такого понимания проблемы и, следовательно, будем отыскивать точки Лаффера для усредненного макроэкономического показателя налогового бремени. Под последним мы будем понимать долю налоговых поступлений в консолидированный бюджет страны в объеме валового внутреннего продукта (ВВП).
В основе нашего исследования лежит предположение, что объем производства Х, отражаемый величиной ВВП, зависит от уровня налогового бремени q =T/X, где T – сумма налоговых поступлений в бюджет страны.[10] Зависимость X(q) аппроксимируется нелинейной функцией, параметры которой подлежат количественной оценке. Идентификация функции X(q) позволит рассчитать точки Лаффера. При этом нами будут различаться точки Лаффера первого и второго рода. Дадим соответствующие определения.
Точкой Лаффера первого рода будем называть такую точку q*, при которой производственная кривая X=X(q) достигает локального максимума, т. е. когда выполнены условия: dX(q*)/dq =0; d2X(q*)/dq 2<0.[11] Точкой Лаффера второго рода будем называть такую точку q**, при которой фискальная кривая T=T(q) достигает локального максимума, т. е. когда выполнены условия: dT(q**)/dq =0; d2T(q**)/dq 2<0. Экономически точка Лаффера первого рода означает тот предел налогового бремени, при котором производственная система не переходит в режим рецессии. Точка Лаффера второго рода показывает величину налогового бремени, за пределами которой увеличение массы налоговых поступлений становится невозможным.
Идентификация двух точек Лаффера и их сопоставление с фактическим налоговым бременем позволяет оценить эффективность налоговой системы страны и направления ее оптимизации.[12] Рассмотрим некоторые подходы, с помощью которых поставленная задача может быть решена.
§2.2. Эконометрические методы оценки эффективности фискальной политики.
В общем случае поставленную задачу можно решить эконометрическими способами, в основе которых лежит постулат о том, что объем производства нелинейно зависит от величины налогового бремени. В этом случае объем ВВП достаточно аппроксимировать полиномиальной регрессией следующего вида:
, (1)где b i – параметры, подлежащие статистической оценке на основе ретроспективных динамических рядов.
Учитывая формулу (1) и величину массы налогов:[13]
, (2)можно записать следующее соотношение:
(3)Для проведения соответствующих расчетов весь информационный массив должен быть представлен динамическими рядами двух “первичных” показателей – X и T. Зная эти величины, по формуле (2) можно рассчитать ретроспективный ряд для такого “вторичного” показателя, как q. В дальнейшем в результате вычислительных экспериментов отыскивается полином (1) соответствующей степени. Желательно, чтобы это была квадратичная или, в крайнем случае, кубическая функция, так как более высокий порядок полинома впоследствии осложнит отыскание точек Лаффера.
Учитывая специфику операций сглаживания рядов, эконометрические модели типа (1) имеют ряд очевидных особенностей. Во-первых, для получения значений параметров b i необходимо иметь достаточно длинные и “хорошие” в статистическом смысле динамические ряды. Во-вторых, параметры b i постоянны во времени, что в некоторых случаях приводит к неизменности значений точек Лаффера. Это не совсем правомерно, так как более логично было бы предположить, что точки Лаффера являются “плавающими” во времени величинами.
Комментируя предлагаемый выше подход, который базируется на примитивной полиномиальной аппроксимации процесса экономического роста налоговой функцией (1), следует сразу оговориться: в данном случае решается чисто техническая, инструментальная проблема без учета внутрисистемных экономических связей. Явного моделирования функциональных свойств системы не ведется, однако они косвенно улавливаются зависимостью (1). При этом, хотя сама функциональная зависимость (1) нелинейна, регрессия (1), наоборот, линейна относительно входящих в нее параметров и, следовательно, никаких особых технических сложностей при ее идентификации не возникает. В этом состоит один из существенных плюсов предлагаемой модельной схемы.
§2.3. Аналитические методы оценки эффективности фискальной политики.
Учитывая, что для российской экономики еще не сформированы ретроспективные динамические ряды, достаточные для проведения корректных эконометрических расчетов, можно воспользоваться другими способами оценки эффективности фискальной политики. К числу подобных альтернативных подходов можно отнести методы точечно-кусочной аппроксимации анализируемого процесса с помощью степенной функции, которые принципиально отличаются от эконометрических методов, основанных на интервальной аппроксимации. В этом случае для каждой отчетной точки строится своя функция X=X(q) с соответствующими значениями входящих в нее параметров. Так как число параметров функции может быть больше одного, то для их однозначной оценки необходимо использовать дополнительную информацию о приростах переменных во времени. Учитывая нелинейность связи между объемом производства и уровнем налогового бремени, в качестве аппроксимирующей функции следует брать квадратичный полином. Здесь возможны два варианта расчета: обобщенный трехпараметрический и упрощенный двухпараметрический. Рассмотрим их более подробно.[14]
1. Трехпараметрический метод. В основе данного метода лежит аппроксимация процесса экономического роста трехпараметрической квадратичной функцией, где в качестве аргумента выступает уровень налогового бремени:
, (4)где a , b и g – параметры, подлежащие оценке.
Тогда в соответствии с (2) сумма налоговых поступлений определяется следующим образом:
. (5)В каждый момент времени объем ВВП зависит от уровня налогового бремени, причем характер этой зависимости задается формулой (4). Однако для однозначного определения трех параметров a , b и g соотношения (4) недостаточно, в связи, с чем необходимо составить еще два уравнения, включающие эти параметры. Такие уравнения можно записать, перейдя от функций (4) и (5) к их дифференциалам:
, (6) 
. (7)При переходе от (4) и (5) к соотношениям (6) и (7) нами использовалось предположение, что дифференциалы переменных X и q удовлетворительно аппроксимируются конечными разностями: dX~D X; dT~D T; dq ~D q . Такое предположение традиционно для вычислительной математики и для рассматриваемого случая представляется вполне правомерным. Тогда в прикладных расчетах показатели D X, D T и D q означают приросты соответствующих величин за один временной интервал (год) между двумя отчетными точками, т. е.
; 
; 
,где t – индекс времени (года).
Таким образом, уравнение (4) описывает “точечный” экономический рост, т. е. на конкретный момент времени t, в то время как уравнения (6) и (7) воспроизводят “интервальный” рост объема производства и налоговых сборов за период между текущей (t) и последующей (t+1) отчетными точками. В соответствии с данным подходом уравнения (4) и (5) задают семейства производственных и фискальных кривых, а соотношения (6) и (7) фиксируют их кривизну, тем самым позволяя выбрать из обозначенных семейств искомые функциональные зависимости.