🔧На сайте запланированы технические работы
25.12.2025 в промежутке с 18:00 до 21:00 по Московскому времени (GMT+3) на сайте будут проводиться плановые технические работы. Возможны перебои с доступом к сайту. Приносим извинения за временные неудобства. Благодарим за понимание!
🔧Site maintenance is scheduled.
Scheduled maintenance will be performed on the site from 6:00 PM to 9:00 PM Moscow time (GMT+3) on December 25, 2025. Site access may be interrupted. We apologize for the inconvenience. Thank you for your understanding!

 

Статистический анализ дифференциации регионов РФ по налоговым доходам консолидированных бюджетов средствами языка R

Обложка

Цитировать

Полный текст

Аннотация

Предметная область настоящей статьи – применение методов описательной статистики и многомерной классификации для описания региональных особенностей формирования налоговых составляющих доходов консолидированных бюджетов РФ. В работе преследуется цель продемонстрировать простоту и эффективность применения математико-статистических методов и функционала языка с открытым кодом R для решения задач структурного анализа налоговых поступлений, выявления региональной специфики, сравнительного анализа регионов с точки зрения налоговых доходов. Аппарат математической статистики, реализованный в языке R, в частности, открывает широкие возможности для классификации субъектов налогообложения, в том числе многомерной, существенно облегчая процедуры анализа, ранжирования и планирования. Описанный в статье функционал может быть использован в процессе формирования и корректировки налоговой политики на разных уровнях.   Возможности аппарата математической статистики в сочетании с инструментальными методами языка R раскрываются на примере классификационного анализа регионов РФ. При этом в качестве классификационных признаков выбраны абсолютные и относительные значения налоговых доходов в доходах региональных бюджетов. Рассматривается классификация по принадлежности к федеральному округу и исследование "естественного" расслоения методом кластерного анализа. Аппарат математической статистики и, особенно, инструментарий языка R применяются в исследованиях подобного рода неоправданно редко, несмотря на простоту использования и отсутствия необходимости в специальной подготовке, эти обстоятельства определяют актуальность настоящей статьи. Агрегирование по федеральным округам позволило выделить: Уральский федеральный округ как лидирующий по среднерегиональной доле налоговых доходов в доходной части бюджета и Северо-Кавказский федеральный округ, характеризуемый наименьшими среднерегиональными вкладами налоговых платежей в региональные бюджеты. Анализ естественного расслоения регионов РФ по их относительным налоговым вкладам в консолидированные бюджеты дал возможность выделить группы: наиболее типичных регионов, дотационных регионов, регионов-доноров и регионов, в которых сосредоточены наиболее дорогие активы предприятий Российской Федерации

Об авторах

Тамара Геннадьевна Апалькова

Финансовый университет при Правительстве Российской Федерации

Email: apalkova.t.g@yandex.ru
ORCID iD: 0000-0001-8094-1588
доцент; кафедра математики;

Кирилл Геннадиевич Левченко

Финансовый университет при Правительстве Российской Федерации

Email: kglevchenko@fa.ru
ORCID iD: 0009-0008-7380-3388
доцент; кафедра математики;

Список литературы

  1. Жиляков Д.И. Ретроспективный анализ налоговых доходов федерального бюджета /Жиляков Д.И., Новосельский С.О., Плахутина Ю.В., Петрушина О.В. // Экономические науки-2023-№2 (219). URL: https://ecsn.ru/wp-content/uploads/202302_173.pdf (дата обращения: 20.04.2024).
  2. Васильченко А.Д. Налоговые поступления в бюджетную систему России: статистическая оценка и меры по мобилизации // Налоги и налогообложение. 2019. № 5. С. 45-57. doi: 10.7256/2454-065X.2019.5.30101 URL: https://e-notabene.ru/ttmag/article_30101.html
  3. Костина А.А. Статистический анализ структуры и динамики налоговых поступлений Российской федерации. // Вестник магистратуры. – 2017. – №6-1 (69).
  4. Деденева Д.Б. Анализ налоговых поступлений в бюджетную систему России. // Электронный научный журнал «Вектор экономики»-2022. №4. URL: http://www.vectoreconomy.ru/images/publications/2022/4/taxes/Dedeneva.pdf (дата обращения: 20.04.2024).
  5. Селюков М.В. Анализ налоговых доходов в субъектах Российской Федерации. // Сибирская финансовая школа – 2023. №1. doi: 10.34020/1993-4386-2023-1-35-43 (дата обращения: 20.04.2024).
  6. Математическая статистика. Практикум : учебное пособие / Т.Г. Апалькова, В.И. Глебов, С.А. Зададаев [и др.]. – Москва : ИНФРА-М, 2023. – 254 с. – (Высшее образование). – doi: 10.12737/1896790. – ISBN 978-5-16-017913-1 – Текст: электронный. – URL: https://znanium.com/catalog/product/1896790 (дата обращения: 25.07.2023). – Режим доступа: по подписке.
  7. Hadley Wickham. R for Data Science, 2nd Edition / Hadley Wickham, Mine Çetinkaya-Rundel, Garrett Grolemund // Publisher(s): O'Reilly Media, Inc., 2023.
  8. Маркова, С. В., Анализ данных на языке R.: учебник и практикум. – Москва : КноРус, 2023. – 216 с. – ISBN 978-5-406-10865-9. – URL: https://book.ru/book/948838 (дата обращения: 17.03.2024).
  9. Мастицкий С.Э. Визуализация данных с помощью ggplot2. – М.:ДМК Пресс, 2017. – 222 с.
  10. Платонов В.В. Визуализация больших данных в экономических науках в условиях информационного общества // Вопросы инновационной экономики. 2020. № 4. [Электронный ресурс]. URL: Визуализация больших данных в экономических науках в условиях информационного общества / Вопросы инновационной экономики / № 4, 2020. Первое экономическое издательство (1economic.ru) (дата обращения: 12.12.2023)
  11. Шипунов А.Б. Анализ данных с R (II). Шипунов А.Б. , Коробейников А. И., Е. М. Балдин Е. М. Электронное издание. URL: https://inp.nsk.su/~baldin/DataAnalysis/R/R-07-datamining.pdf?ysclid=lvic8543su725025982 (дата обращения: 25.04.2024)
  12. Дубров А.М. Многомерные статистические методы: учебник. Дубров А.М., Мхитарян В.С., Трошин Л.И.– М.: Финансы и статистика, 2011.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».