Главная

Проиллюстрируем возможности модели при изменении налогового законодательства на конкретном примере. С помощью модели мы определили, что в условиях действующего законодательства суммарные налоговые обязательства предприятий, вошедших в выборку, составляют 5 096 601 руб. Попробуем ответить на следующий вопрос: «Что будет, если ставку налогообложения прибыли предприятий поднять с 32 до 33% и при этом в качестве единовременной меры повысить норму амортизационных отчислений до 20%?»

В качестве основы для формирования альтернативного законодательства берется действующий вариант законодательства, в который пользователь вносит необходимые изменения. При этом все изменения, в том числе новая ставка налогообложения прибыли и новая норма амортизационных отчислений задаются .в диалоговом режиме через систему меню. После этого запускается «налоговый калькулятор», и программа выдает результаты расчетов, образцы которых представлены ниже.

В таблице приводятся сводные (агрегированные) данные, которые показывают лишь суммарное изменение налоговых поступлений в результате предлагаемого изменения в налоговом законодательстве.

Сводный отчет по налогу на прибыль предприятий

Количество предприятий	Начислено налогов, всего, в условиях базового законодательства, руб.	Начислено налогов, всего, в условиях альтернативного законодательства, руб.	Разность, руб.
584	5 096 601	5 057 639	-38 962

В данном примере ожидается сокращение налоговых поступлений на 0,39 млн руб., т.е. меньше чем на один процент от налогов, начисляемых в условиях действующего законодательства. Может показаться, что это не такое уж существенное изменение, однако мы пока не знаем, из чего оно складывается - сократится ли налоговое бремя всех предприятий или у некоторых предприятий оно вырастет, у других - упадет, в одинаковой ли степени затронет предлагаемая мера все отрасли или некоторые отрасли выиграют от нее больше.

В этой таблице представлена более подробная информация о том, как затронет предлагаемая мера предприятия разных размеров.

Отчет по предприятиям, сгруппированным в зависимости от размера (уровня классификационного признака).
Налог на прибыль предприятий

В общем случае пользователь может сам выбрать тот показатель, который будет выполнять роль классификационного признака, и задать пограничные значения этого признака - это может быть численность занятых на предприятии, получаемый предприятием доход, стоимость основных фондов и т.д. В данном случае в качестве классификационного признака мы использовали сумму всех активов в балансе предприятия. Как видно из этой таблицы, предприятия, имеющие больше активов, выигрывают от предлагаемой меры, а более мелкие предприятия проигрывают. Такой результат может показаться неожиданным: закон, в целом снижающий налоговые обязательства, повышает налоговые обязательства многих мелких предприятий, однако снижает налоговое бремя крупных предприятий. Такой результат может насторожить разработчиков нового законодательства или, наоборот, подтвердить, что предлагаемый закон достигает намеченных целей. Однако совершенно ясно, что в отсутствие подобной модели им пришлось бы формировать свои предложения, опираясь на значительно более слабую информационную базу.

Отчет по отраслевой группировке предприятий. Налог на прибыль предприятий

В этой таблице представлен еще один срез данных о распределении последствий принятия нового закона.

Отчет по отраслевой группировке предприятий. Налог на прибыль предприятий

Из этой таблицы становится ясно, что все снижение налогов в результате принятия предлагаемого закона приходится на одну лишь отрасль. Скорее всего, увидев подобный результат, разработчики нового закона убедятся, что рассматриваемое предложение не отвечает задачам налоговой политики, а если предлагаемая мера была как раз направлена на оказание поддержки одной-единственной отрасли, то этот результат, наоборот, подтвердит правильность выбранного пути.

Мы рассмотрели лишь один из множества возможных вариантов использования микроимитационных моделей. С их помощью можно проверять обоснованность любых предлагаемых изменений структуры налогов: изменений ставок налогообложения, вычетов, освобождений, льгот и т.д. Как видно из приведенного примера, микроимитационная модель позволяет узнать не только то, насколько вырастут или упадут суммарные налоговые поступления, но и то, какие налогоплательщики выиграют или проиграют от такого изменения, на предприятиях каких отраслей предлагаемое изменение скажется сильнее всего и т.д. Подобная дополнительная информация совершенно необходима для принятия обоснованных решений в области налоговой политики, и микроимитационные модели являются незаменимыми источниками ее получения.

Важность использования микроимитационных моделей для выработки обоснованных решений в области налоговой политики признана во многих странах мира и, несомненно, получит свое признание и в России. Микроимитационные модели дают гораздо более подробную информацию о возможных последствиях предлагаемых налоговых законов, чем использование любых других известных на сегодняшний день методов. Растущая популярность этих моделей во всем мире еще раз подтверждает их несомненную аналитическую ценность.

Использование микроимитационных моделей в России наталкивается на отсутствие необходимых данных о налогоплательщиках и исторических данных о том, как сказывалось принятие новых налоговых законов на поведение экономических субъектов - предприятий и физических лиц в прошлом. Первая трудность вполне может быть преодолена, и работа в этом направлении уже ведется. Вторую трудность в ближайшем будущем, по-видимому, не удастся преодолеть, но можно постараться расширить применяемый инструментарий микроимитационного моделирования за счет использования обратных связей, придающих моделям динамический характер.