ОЦЕНКА ВЛИЯНИЯ НДС НА НАЛОГОВУЮ НАГРУЗКУ МЕТОДОМ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО АНАЛИЗА

​ASSESSMENT OF THE IMPACT OF VAT ON THE TAX BURDEN BY THE METHOD OF CORRELATION AND REGRESSION ANALYSIS

Angelina Vetchinnikova

master's student, Department of Economics and Digital Technologies, Far Eastern Institute of Management - branch of RANEPA,

Russia, Khabarovsk

Elena Osipova

scientific supervisor, doctor of economic sciences, professor, Department of Economics and Digital Technologies, Far Eastern Institute of Management - branch of RANEPA

Russia, Khabarovsk

АННОТАЦИЯ

В статье на примере организации рассматривается влияние НДС на налоговую нагрузку методом корреляционно-регрессионного анализа, возможности разработки и применения методики компанией для самостоятельного анализа финансовых и налоговых показателей.

ABSTRACT

Using the example of an organization, the article examines the impact of VAT on the tax burden using the method of correlation and regression analysis, the possibility of developing and applying a methodology by a company for independent analysis of financial and tax indicators.

Ключевые слова: налоговые риски, НДС, налоговая нагрузка, корреляционно-регрессионный анализ

Keywords: tax risks, VAT, tax burden, correlation and regression analysis.

В условиях постоянно меняющейся экономики бизнесу важно своевременно следить за финансовыми и налоговыми рисками. Несвоевременная осмотрительность может привести к серьёзным финансовым потерям, таким как доначисление налогов, начисление штрафов и пеней, отказ в возмещении НДС, блокировка расчётного счёта и даже уголовная ответственность. Налоговые риски тесно связаны с репутационными рисками, и проблемы с налоговыми органами могут негативно сказаться на деловой репутации компании, что в свою очередь может привести к убыткам и потере доверия со стороны партнёров и клиентов.

Налог на добавленную стоимость (НДС) является одним из ключевых индикаторов налоговой дисциплины [1]. Налоговая нагрузка показывает долю налоговых платежей в общей выручке компании. Если этот показатель низкий, налоговая служба может инициировать выездную проверку. Кроме того, если нагрузка компании меньше или равна отраслевой, есть риск вызова на комиссию в инспекцию. Оценка влияния НДС помогает компании своевременно выявлять возможные налоговые риски и предпринимать меры для их устранения.

Своевременная оценка налоговых рисков важна для налогоплательщика, поскольку позволяет своевременно выявить возможные проблемы с уплатой налогов и избежать нежелательных последствий c налоговыми органами. Несвоевременная оценка налоговых рисков может привести к финансовым потерям, доначислению налогов, штрафам и пеням, отказу в возмещении НДС, принудительному взысканию неуплаченных сумм и другим негативным результатам [2]. Чтобы вовремя избежать негативные последствия, компаниям важно заблаговременно разрабатывать регламент по оценке налоговых рисков для обеспечения соблюдения налогового законодательства и минимизации возможных налоговых претензий со стороны государственных органов. Этот регламент помогает выявлять и контролировать налоговые риски, связанные с деятельностью компании, а также разрабатывать стратегии по их снижению. Одним из таких способов оценки налоговых рисков может быть риск-ориентированный подход.

Риск-ориентированный подход оценки налоговых рисков помогает: учесть существующие риски; вовлечь субъекты предпринимательства в процесс обеспечения достоверности и законности налогообложения; обеспечить субъекты предпринимательства инструментами защиты собственных финансовых интересов при взаимодействии с органами власти; повысить прозрачность экономики; предупредить и пресечь недобросовестную конкуренцию; выявить риски на всех стадиях контрольной работы, что сокращает затраты рабочего времени налоговых инспекторов и позволяет охватить более широкий круг налогоплательщиков.

Налоговые риски при выборе контрагента лучше всего можно будет оценить, если адаптировать и применить на практике количественный метод. Вероятностный подход позволит лучше описать набор рисков компании и определить оптимальный вариант решения. Данный анализ может стать дополняющим к существующим методикам оценки несостоятельности хозяйствующего субъекта, который позволит оценивать потенциального контрагента с помощью возможных подходов «риск-менеджмента». Они также помогут углубленно изучить влияющие факторы, что дает дальнейшие исследования и разнообразия для оценки, которые не проводились ранее по оценке рисков на благонадежность контрагента. Одним из количественных методов оценки налоговых рисков может являться «корреляционно-регрессионный анализ».

Корреляционно-регрессионый анализ - метод исследования, который позволяет установить взаимосвязь между двумя или более переменными и определить, как эти переменные влияют друг на друга. Этот анализ включает два основных этапа: корреляцию и регрессию. Корреляция измеряет степень связи между двумя переменными, а регрессия позволяет предсказать значение одной переменной на основе другой.  Чтобы точно измерить эту связь, требуется количественный показатель, способный описать направление и силу линейной связи. Одна из таких мер связи — коэффициент корреляции Пирсона.

Оценка влияния НДС на налоговую нагрузку методом корреляционно-регрессионного анализа включает следующие этапы:

1. Сбор данных: необходимо собрать данные о налоговой нагрузке (налог, начисленный к уплате по декларации, и налоговая база) и данные о величине НДС за определённый период времени.
2. Выбор периода исследования: анализ проводится за определённый период времени, например, год или квартал.
3. Статистическая обработка данных: с использованием программного обеспечения (например, Excel или Statistica) проводится корреляционный анализ, который позволяет определить степень связи между налоговой нагрузкой и величиной НДС.
4. Построение модели регрессии: на основе полученных данных строится модель регрессии, которая описывает зависимость налоговой нагрузки от величины НДС.
5. Оценка качества модели: проводится оценка качества построенной модели регрессии, включая проверку её статистической значимости и определение коэффициента детерминации (R²).
6. Интерпретация результатов: на основе полученных результатов анализа можно сделать вывод о влиянии НДС на налоговую нагрузку и оценить степень этого влияния [3].

На основе методики оценки влияния НДС на налоговую нагрузку методом корреляционно-регрессионного анализа определим, как влияет НДС на налоговую нагрузку на примере компании ООО «Амуравтодор».

Обратимся к первому этапу оценки корреляционно анализа и рассчитаем коэффициент корреляции Пирсона и определим вид статистической связи. Воспользуемся таблицей 1, в которой поквартально отражен в отдельных колонках налог, начисленный к уплате по декларации в тыс. рублях и данные о величине НДС в тыс. рублях за 2023 год.

Таблица 1.

Налог к уплате и данные о величине НДС за 2023 год в рублях компании ООО «Амуравтодор»

Для расчета коэффициента корреляции Пирсона воспользуемся формулой (1).

                                                                (1)

r_xy – коэффициент корреляции;

y_i – значения налога, начисленного к уплате по декларации в выборке;

– среднее значение налога, начисленного к уплате по декларации;

x_i – значения данных о величине НДС в выборке;

– среднее значение данных о величине НДС в выборке;

 – стандартные отклонения х и y.

Посчитаем значения выборки и оформим их в таблицу 2.

Таблица 2.

Вычисление коэффициента корреляции Пирсона

Подставим наши значения в формулу и получим:

Для проверки нулевой гипотезы : НДС не влияет на налоговую нагрузку,  рассчитаем статистику, которая имеет t-распределение с (n-2) степенями свободы (2):

                                                                                     (2)

r – вычисленное значение коэффициента корреляции Пирсона;

n – число наблюдений в выборке.

Вычисленное значение сравнивается с критическим, которое определяется с использованием таблиц критических значений t-распределения с n-2 степенями свободы и заданным уровнем доверия. Если вычисленное значение коэффициента превышает критическое, то нулевая гипотеза отвергается, и можно сделать вывод о существовании статистически значимой связи между переменными.

Вычислив коэффициент корреляции Пирсона, и получив значение равное r = 0,96, необходимо рассчитать статистику критерия для проверки нулевой гипотезы :

Сравним вычисленное значение статистики с критическим, которое определяется по таблице t-распределения Стьюдента. В соответствии с этой таблицей критическое значение для двухстороннего t-критерия с n-2 = 2 степеням свободы при α = 0,05 равно 4,303. Поскольку расчетное значение 4,732 больше критического 4,303, то нулевая гипотеза  (r=0) отклоняется и делается вывод о наличии статистически значимой корреляционной связи между переменными.

Определим силу связи коэффициента корреляции и воспользуемся шкалой Чеддока [4].

Таблица 3.

Шкала Чеддока количественной оценки степени тесноты связи

Согласно шкале Чеддока определяем степень тесноты связи. В нашем случае коэффициент корреляции составил r = 0,96, что относится к весьма высокой и прямой тесноте связи, что говорит о высокой зависимости влияния величины НДС на налоговую нагрузку.

Перейдем к регрессионному анализу и построим регрессионное уравнение. Уравнение имеет вид (3):

                                                                                        (3)

– зависимая переменная;

 – независимая переменная;

a – константа, определяет точку пересечения прямой с осью Y;

b – угловой коэффициент, характеризует наклон прямой. Коэффициент регрессии b показывает, на какую величину в среднем изменится результативный признак , если переменная  увеличится на единицу своего измерения.

Воспользуемся данными из таблицы 4 для построения линейного уравнения.

Таблица 4.

Данные для построения линейного уравнения, в тыс.руб.

Зная, что  = 37079,  = 31913, посчитаем дисперсию и оценим разброс значений в выборке относительно среднего арифметического D(x) и D(y) (4):

                                                                (4)

Подставляем значения и получаем:

Оценим среднеквадратичное отклонение по формулам (5):

                                                                                          (5)

Подставляем значения и получаем:

После полученных результатов уравнение регрессии примет вид:

Проанализируем, какую информацию дает нам оцененное уравнение регрессии: увеличение НДС на 1 тыс. рублей приведет к увеличению начисленного налога к уплате 4969,5 тыс. рублей и росту налоговой нагрузки компании ООО «Амуравтодор». Значение свободного коэффициента равного 24655 показывает влияние прочих факторов на налоговую нагрузку предприятия, такие как другие начисленные и уплаченные налоги компании ООО «Амуравтодор» (например, налог на прибыль, страховые взносы и другие обязательные платежи, налоги на имущество и транспорт, а также земельный налог и т.д.).

Далее определим степень соответствия модели реальным данным с помощью коэффициента детерминации , где коэффициент детерминации может принимать значения от 0 до 1, где 0 означает, что модель совсем не объясняет вариации данных, а 1 — что модель идеально предсказывает зависимости (6):

                                                                                           (6)

Коэффициент детерминации для линейной регрессии равен квадрату коэффициента корреляции. Получаем:

Полученный результат коэффициента корреляции говорит о том, что в 92% случаев изменения НДС приводят к изменению налоговой нагрузки. Другими словами - точность подбора уравнения регрессии – высокая.

Зададимся вопросом, при каких значениях R² уравнение регрессии следует считать статистически незначимым, что делает необоснованным его использование в анализе? Для определения статистической значимости коэффициента детерминации  проверяется гипотеза по F-критерию Фишера, где : F=0 генеральные дисперсии двух выборок равны для F-статистики (7):

                                                                                             (7)

Подставляем наши значения в формулу и получаем:

Выполним проверку значимости .   Фактическое  значение  F-критерия  Фишера  сравнивается  с табличным значением  (α=0,05; k₁; k₂)  при заданном уровне значимости α и степенях свободы  и , где m – число параметров при переменной x. При  этом,  если  фактическое  значение  F-критерия  больше  табличного ,  то  признается  статистическая  значимость уравнения в целом. Для парной линейной регрессии , , тогда по таблице значений F-критерия Фишера при уровне значимости a = 0,05 на пересечении . Получается, F = 23 > , что говорит нам о статистической значимости  при 5% уровне.

На основе выполнения оценки корреляционно-регрессионного анализа можно сделать вывод о проведенном исследовании влияния НДС на налоговую нагрузку. Как показала оценка, между данными по НДС и начисленным к уплате налогам за 2023 год, существует весьма высокая связь. Изменение НДС в большую сторону, приводит к росту, начисленного к уплате налогу, тем самым влияя на налоговую нагрузку компании ООО «Амуравтодор».

Применение корреляционно-регрессионного анализа может поспособствовать заблаговременной оптимизации расходов на налоги; обнаружить, какие показатели из выборки оказывают большее влияние на налоговую нагрузку; снижению уровня налоговых рисков со стороны контролирующих органов; выработке стратегии по снижению нагрузки в рамках действующего законодательства; безопасному снижению налоговых расходов, а также эффективно поспособствовать управлению финансами компании.

Список литературы:

1. Мазий В.В., Сергиенко К.С. Роль НДС в формировании доходной базы бюджета // ИННОВАЦИИ. НАУКА. ОБРАЗОВАНИЕ. — 2021. — №43. — С. 325-331. . — Текст : электронный // Научная электронная библиотека Elibrary.ru [сайт]. — URL: https://www.elibrary.ru/item.asp?id=47235441 (дата обращения: 15.10.24)
2. Пименов, Н. А.  Налоговое планирование : учебник для вузов / Н. А. Пименов, С. С. Демин. — 4-е изд., перераб. и доп. — Москва : Издательство Юрайт, 2024. — 137 с. — (Высшее образование). — ISBN 978-5-534-19164-6. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/556077 (дата обращения: 15.10.24) 
3. Тихомиров, Д. А.  Статистический анализ данных. Практический курс в SPSS и Jamovi : учебник для вузов / Д. А. Тихомиров, А. Н. Пинчук. — Москва : Издательство Юрайт, 2024. — 293 с. — (Высшее образование). — ISBN 978-5-534-19186-8. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/556111 (дата обращения: 17.10.24)
4. Шаныгин, С. И. Корреляционный и регриссионный анализ: учебник для вузов / С.И. Шаныгин, В.В. Ковалев //. – Москва : Издательство Юрайт, 2024. – 70 с. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/534917 (дата обращения: 19.10.24)