Statistical analysis of the differentiation of regions of the Russian Federation by tax revenues of consolidated budgets using the R language

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

The subject area of this article is the application of descriptive statistics and multidimensional classification methods to describe the regional features of the formation of tax components of revenues of consolidated budgets of the Russian Federation. The aim of the work is to demonstrate the simplicity and effectiveness of using mathematical and statistical methods and the functionality of the open source language R to solve problems of structural analysis of tax revenues, identify regional specifics, and comparative analysis of regions from the point of view of tax revenues. The apparatus of mathematical statistics implemented in the R language, in particular, opens up wide opportunities for classifying tax subjects, including multidimensional ones, significantly facilitating the procedures of analysis, ranking and planning. The functionality described in the article can be used in the process of forming and adjusting tax policy at different levels.  The possibilities of the mathematical statistics apparatus in combination with the instrumental methods of the R language are revealed by the example of the classification analysis of the regions of the Russian Federation. At the same time, the absolute and relative values of tax revenues in the revenues of regional budgets are selected as classification features. The classification by belonging to the federal district and the study of the "natural" stratification by the method of cluster analysis are considered. The apparatus of mathematical statistics and, especially, the tools of the R language are used unreasonably rarely in research of this kind, despite the ease of use and the absence of the need for special training, these circumstances determine the relevance of this article. Aggregation by federal districts made it possible to identify: the Ural Federal District as the leader in terms of the average regional share of tax revenues in the revenue part of the budget and the North Caucasus Federal District, characterized by the lowest average regional contributions of tax payments to regional budgets. The analysis of the natural stratification of the regions of the Russian Federation by their relative tax contributions to consolidated budgets made it possible to identify groups: the most typical regions, subsidized regions, donor regions and regions in which the most expensive assets of enterprises of the Russian Federation are concentrated

Авторлар туралы

Tamara Apal'kova

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

Kirill Levchenko

Email: kglevchenko@fa.ru
ORCID iD: 0009-0008-7380-3388

Әдебиет тізімі

  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.

Қосымша файлдар

Қосымша файлдар
Әрекет
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».