Перейти к основному контенту

Формирование прогнозного поведения сложных экономических систем на основе регрессионных моделей и комбинированных трендов

Авторы

  • Е.В. Валенцева к.т.н., Ростовский государственный университет путей сообщения ORCID ID: 0000-0001-9469-0660

DOI:

https://doi.org/10.25806/mevriz-350

Ключевые слова:

статистический анализ, корреляционный анализ, комбинированные тренды, прогноз

Аннотация

В статье рассматриваются вопросы использования инструментов налогового администрирования, основанных на статистическом анализе нетрадиционных подходов, которые позволяют в краткосрочной перспективе сформировать прогноз и выводы на примере налоговых сборов как на региональном, так и на федеральном уровне. Автор предлагает в ходе изучения инструментов налогового администрирования использовать корреляционный анализ, который позволит наметить возможные причинно-следственные связи, и взять его за основу для выявления согласованности показателей налоговых сборов, а трендовый анализ использовать для оценки ожидаемой величины налогов и сборов.

Информация о публикации

Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.

Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.

Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.

Правообладатель: ООО "Финпресс".

Условия использования. Полные тексты статей, опубликованных в журнале, распространяются по подписке. Все права защищены. Метаданные всех статей распространяются по открытой лицензии и могут свободно использоваться в информационных, научных и библиографических целях.

Машиночитаемый файл метаданных: JATS XML

Полная версия статьи доступна на сайте Научной электронной библиотеки eLIBRARY.RU: https://elibrary.ru/contents.asp?titleid=9628

Библиографические ссылки

1. Валенцева Е.В., Черкасова Т.С. Формирование прогноза на основе регрессионных моделей для эволюционного и революционного поведения сложных систем / Е.В. Валенцева, Т.С. Черкасова // Сб. науч. тр. «Транспорт: наука, образование, производство». Технические и экономические науки. Рост. гос. ун-т путей сообщения. – Ростов н/Д, 2022. – Т.

3. – С. 89–92.

2. Адлер Ю.П. Практическое руководство по статистическому управлению процессами / Ю.П. Адлер, В.Л. Шпер. – М.: Альпина Паблишер, 2021. – 234 с.

3. Андерсон Т. Статистический анализ временных рядов / Т. Андерсон. – М.: Книга по требованию, 2012. – 752 с.

4. Официальная статистическая информация (портал Федеральной службы государственной статистики / Аналитический обзор) [Электронный ресурс]. – Режим доступа: gks.ru (дата обращения: 17.10.2023).

5. Россия в цифрах 2021 [Электронный ресурс]. – Режим доступа: rosstat.gov.ru/folder/210/document/12993 (дата обращения: 15.10.2023).

6. Аналитический портал ФНС России (на сайте ФНС России: Статистика и аналитика) [Электронный ресурс]. – Режим доступа: analytic.nalog.gov.ru

7. Манушин В.М. Обзор, обобщение и оценка теорий экономических циклов и кризисов. Выделение и сопоставление новых теорий: политико-экономического условного цикла и бесконечного кризиса / В.М. Манушин // Финансы и кредит. – 2016. – №

2. – С. 9–26.

Загрузки

Опубликован

2024-04-15