Приложение 1 к Методике прогнозирования доходов государственного бюджета

 

Руководство пользователя по моделированию и прогнозированию

государственных доходов (центральный уровень)

 

(В редакции постановления Кабинета Министров Кыргызской Республики от 21 августа 2023 года № 417)

 

1. Общие характеристики

 

1.1. Техническое задание

 

ТЗ (результат I.b) определяет создание эконометрической модели для прогнозирования доходов (краткосрочного, среднесрочного, долгосрочного) и базы данных, используемой в модели; инструкции по использованию и применению модели прогнозирования доходов (Руководство пользователя).

Эконометрические модели определяют статистическую взаимосвязь, которая, как считается, существует между различными экономическими величинами, относящимися к конкретному экономическому явлению.

Дополнительная информация о подходе к моделированию содержится в аналитическом отчете (результат I.a).

 

1.2. Типы полученных моделей доходов

 

В ТЗ также установлены два критерия моделирования доходов: (1) временной горизонт и (2) уровень прогнозирования, используемый при моделировании:

1) полученные модели проводят различие между:

- среднесрочным или долгосрочным прогнозированием с целью получения финансирования или осуществления среднесрочных инвестиционных проектов;

- долгосрочным прогнозированием (4 года и более) для крупномасштабных инвестиционных проектов или планирования;

2) Уровнем прогнозирования является:

- центральный бюджет (республиканский);

- местный бюджет;

- общий уровень (государственный).¹

___________________

¹Государственный бюджет не моделировался уравнениями. Предполагается, что это будет сумма прогнозов центрального местного уровней.

 

В целях соответствия вышеупомянутым критериям были разработаны две модели, как показано ниже на рисунке, на трех рабочих файлах EViews.

 

Рисунок.

 

 

Настоящее Руководство пользователя относится к прогнозированию доходов на центральном уровне в среднесрочной и/или долгосрочной перспективе. Остальная методология на местном уровне в среднесрочной и долгосрочной перспективе рассматривается в отдельном документе.

 

1.3. Налоговая структура

 

Предлагаемая структура включает все виды налогов, смоделированные с помощью эконометрических методов. В приведенных ниже таблицах показаны вид налога, источник информации и аббревиатуры для их идентификации в рабочем файле EViews.

 

Direct taxes

 

 

Прямые налоги можно найти в следующей группе данных:

 

Рисунок.

 

Косвенные налоги

 

 

Группа временных рядов ti_grp охватывает все косвенные налоги, использованные в моделировании.

 

Рисунок.

 

Гранты

 

Объем грантов обычно зависит от подписанных двусторонних и/или многосторонних контрактов, переговоров с донорами и т.д. Традиционно они не имеют эмпирического подтверждения в исторических данных, они не моделируются эконометрически, а взяты из Министерства финансов Кыргызской Республики.

 

Неналоговые доходы

 

Неналоговые доходы моделируются в разделе 3.3.

 

1.4. Данные

 

Данные получены из разных источников, в частности из Министерства финансов Кыргызской Республики, а также из национальной статистики, различных бюллетеней, доступных в Интернете, и из Среднесрочного прогноза социально-экономического развития.

Применимость методов оценки всегда следует рассматривать с учетом имеющихся данных. Ввиду короткого промежутка времени, структурных разрывов и данных с высокой частотой число возможных методов ограничено.

Для оценки модели используются годовые данные за период 2000-2021 годов. Если не указано иное, используются только реальные данные. Расчеты производились с использованием эконометрического программного обеспечения EViews. С документацией о необходимых процедурах и их практическом осуществлении можно ознакомиться в учебных материалах, прилагаемых к данному Руководству пользователя.

 

2. Методы оценки

 

Проблема оценки

 

Нестационарность данных представляет собой серьезную проблему оценки. Всемирные эконометрические исследования в этой области могут дать множество примеров того, что нестационарные данные, как правило, непредсказуемы и не поддаются моделированию или прогнозированию. Результаты, полученные с использованием нестационарных временных рядов, могут быть ложными, поскольку они могут указывать на взаимосвязь между двумя переменными, когда одна из них не существует. Для получения последовательных достоверных результатов нестационарные данные необходимо преобразовать в стационарные.

 

Тестирование на наличие единичного корня

 

Чтобы определить, являются ли временные ряды стационарными, рекомендуется использовать тестирование на наличие единичного корня.

При этом мы можем полагаться на результаты, полученные с помощью стандартного расширенного теста Дики-Фуллера (ADF). В целом, после выполнения теста на стационарность можно получить три вероятных результата:

1) ряды интегрируются нулевого порядка. То есть стационарны по уровню (без разности);

2) ряды интегрируются первого порядка. То есть стационарны после первой разности;

3) ряды интегрируются разных порядков. То есть, имеют комбинацию рядов I (0) и I (1).

Временной ряд может быть стационарным в разных порядках, например, сочетание уровня и стационарности при первой или второй разнице. Эта комбинация определяет метод оценки.

Если все переменные интегрированы по первой разности, необходимо провести тест на коинтеграцию (предварительное условие для установления долгосрочных связей). Существуют два варианта: (i) использование коинтеграционного теста Йохансена или (ii) Bounds tests (метод пограничных значений) - предложенный Пезараном, Шином и Смитом (2001).

На приведенной ниже Схеме 1 показаны возможные 5 результатов тестирования на единичный корень (синим цветом). Затем коричневым цветом предлагаются методы оценки, которые следует применять в зависимости от результатов тестирования на единичный корень.

 

Схема 1. Выбор методов оценки