Статистическое исследование доходов региональных бюджетов тема диссертации по экономике, полный текст автореферата

Ученая степень
кандидата экономических наук
Автор
Рыженкова, Кира Викторовна
Место защиты
Самара
Год
2008
Шифр ВАК РФ
08.00.12

Автореферат диссертации по теме "Статистическое исследование доходов региональных бюджетов"

На правах рукописи

Рыженкова Кира Викторовна

СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ДОХОДОВ РЕГИОНАЛЬНЫХ БЮДЖЕТОВ

Специальность 08.00.12 — Бухгалтерский учет, статистика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

□оз 1-?~?в-?е

Самара 2007

Работа выполнена в Оренбургском государственном университете

Научный руководитель — доктор экономических наук, профессор

Афанасьев Владимир Николаевич

Официальные оппоненты: доктор экономических наук, профессор

Ковалева Татьяна Михайловна

кандидат экономических наук, доцент Балаш Ольга Сергеевна

Ведущая организация - Южно-Уральский государственный

университет, г. Челябинск

Защита состоится 19 января 2008 г в 16 часов на заседании диссертационного совета Д 212 214 04 при Самарском государственном экономическом университете по адресу ул. Советской Армии, д 141, ауд 325, г Самара, 443090.

С диссертацией можно ознакомиться в библиотеке Самарского государственного экономического университета

Автореферат разослан 18 декабря 2007 г

Ученый секретарь диссертационного совета

Леонтьева Т И

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Взаимодействие процессов реформирования и регионализации российской экономики обусловило коренную перестройку всей финансовой системы Российской Федерации и ее основного звена — бюджетной системы Тем не менее, существует значительное отставание теоретических разработок в этой области применительно к современным условиям, что связано с практическими трудностями, возникающими в осуществлении бюджетного процесса в России Выработка оптимальной стратегии развития бюджетной политики региона предполагает необходимость получения комплексной междисциплинарной оценки функционирования бюджетной системы, которая невозможна без привлечения аппарата статистического анализа и моделирования

В настоящее время наиболее острой является проблема сбалансированности бюджетов всех уровней, в том числе и регионального Возникновение как дефицита, так и профицита зависит не только от исполнения бюджета в течение финансового года, но и от качества планирования и прогнозирования при утверждении бюджетных показателей Частое изменение экономической ситуации, несовершенство бюджетного и налогового законодательства приводят к тому, что планирование и анализ процессов формирования доходных статей бюджета на уровне субъекта Федерации становится достаточно сложной задачей

В связи с этим существует объективная необходимость комплексного статистического анализа и прогнозирования поступлений доходов в региональный бюджет, поскольку повышение точности прогноза бюджетных доходов с помощью современных методов прогнозирования является наиболее реальным способом управления сбалансированностью бюджета

Методики статистического исследования доходов бюджета в основном разрабатывались на федеральном уровне, отдельные направления исследуемой проблемы рассматривались в работах В.Н. Салина, А М Лаврова, РМ Энтова, ВП Носко, но для планирования бюджетов территорий они не могут быть напрямую применены ввиду различных экономических условий на уровне субъекта Федерации отсутствует эффект взаимной компенсации, характерный для федерального уровня Создание статис-тико-экономических моделей, описывающих процесс поступления средств в доходную часть бюджета на уровне субъекта Федерации — новая и по существу малоизученная задача

Проблемам функционирования бюджетной системы и особенностям формирования региональных финансов посвящены работы И.М Александрова, А М Бабича, А М Година, ТМ Ковалевой, Г.Б Поляка, М В Романовского, И В Подпориной, Д Г Черника, В Г Панскова, Л И Якобсона.

В процессе изучения методических аспектов статистического исследования большое значение сыграли труды известных ученых С А Айвазяна, В Н Афанасьева, В А Балаша, К Доугерти, И И Елисеевой, Е В Заровой, М Дж Кендалла, Г Г Конторовича, Ю П Лукашина, В С Мхитаряна, Б Т Рябушкина, М М Юзбашева и др

Вопросы сопоставимости показателей частично рассматривались в работах Т.Н Агаповой, ТВ Котеневой, А.А. Френкеля, но единой методики обеспечения сопоставимости показателей применительно к региональным бюджетам не разработано

Теоретической основой исследования искусственных нейронных сетей послужили труды К Дж Анила, А Б Барского, Д Э Бэстенса, В М Ван ден Берга и Д. Вуда, А И. Галушкина, А Н Горбаня, В В Дом-бровского, А А Ежова, Р Каллана, С Короткого, В А Крисилова, В В Круглова, С Оссовского, Ф Розенблата, С А Терехова, С А Шуйского, Ф Уоссермена

Нейросетевые алгоритмы в бюджетном прогнозировании применяются Министерством финансов Голландии, разработанная методика используется для ежемесячного прогнозирования валового сбора налогов, однако в российских условиях в силу различий структуры бюджетных систем данная методика не применима. Известны исследования российских ученых Д А Градусова, В Г Чернова, Е А Дурновой по использованию технологий нейронных сетей для прогнозирования отдельных видов налогов, однако методики построения прогнозной модели доходов регионального бюджета по многомерным временным рядам на уровне субъекта РФ ранее не разрабатывалось В научной литературе недостаточно внимания уделено подходам к эконометрическому моделированию доходов бюджетов муниципальных образований с учетом пространственной неоднородности объектов исследования,

Таким образом, совокупное изменение условий функционирования всей бюджетной системы требует совершенствования существующих и разработки новых методик статистического исследования региональных бюджетов и свидетельствует об актуальности выбранной темы исследования в научном и практическом плане

Цель и задачи исследования. Целью диссертационной работы является совершенствование методики комплексного статистического исследования доходов региональных бюджетов

Достижение поставленной цели предполагает решение следующих задач

— изучение теоретических основ статистического исследования доходов региональных бюджетов;

— рассмотрение существующих методик планирования и прогнозирования доходной части бюджета,

- приведение к сопоставимому виду показателей бюджета во времени с учетом специфики объекта исследования,

- проведение комплексного статистико-экономического анализа доходов регионального бюджета Оренбургской области, выявление основных тенденций формирования доходов, исследование структурно-динамических изменений в консолидированном бюджете с момента принятия Бюджетного кодекса, анализ распределения доходов между уровнями бюджетной системы,

- моделирование и прогнозирование доходов консолидированного бюджета на кратко- и среднесрочную перспективу,

- проведение типизации муниципальных образований по уровню финансово-экономической устойчивости,

- построение многофакторных регрессионных моделей с учетом про-странсгвенной неоднородности объекта исследования

Объектом исследования является региональный бюджет Оренбургской области.

Предметом исследования выступают методические аспекты статистического исследования региональных бюджетов с целью определения закономерностей функционирования и развития данных объектов в современных условиях

Методология и методы исследования. Теоретической и методологической основой исследования послужили труды отечественных и зарубежных ученых по статистике и эконометрике, региональной экономике и финансам, прогнозированию и нейросетевому моделированию Также в работе были использованы материалы периодической печати и научных конференций по теме исследования, информация из всемирной сети Интернет

В качестве инструментария в исследовании из современных методов использовались нетрадиционный корреляционный анализ, методы регрессии для панельных данных, нейросетевые методы прогнозирования многомерных временных рядов

Информационное обеспечение работы составили данные территориального органа Федеральной службы государственной статистики по Оренбургской области, Министерства финансов Оренбургской области, управления Федеральной налоговой службы России по Оренбургской области Информационной базой исследования явились нормативно-правовые документы Российской Федерации и субъектов РФ, методические рекомендации Министерства финансов РФ Обработка статистических данных проводилась с использованием статистико-эконометрических пакетов прикладных программ Statistica 6 0, Stata 6 0, Eviews 4 0 Прогнозирование доходов бюджета методом моделирования искусственных нейронных сетей осуществлялось с помощью пакета прикладных программ Statistica Neural Networks 4.0

Научная новизна диссертационной работы заключается в совершенствовании методики статистического анализа и прогнозирования доходов региональных бюджетов. К числу наиболее существенных научных результатов относятся следующие1

— сформулировано понятие «региональный бюджет» с позиции объекта статистического исследования, которое определяется как основной финансовый документ, содержащий экономико-статистические показатели, используемые при анализе и планировании бюджетов, и объективно характеризующий бюджетную систему региона,

— адаптирована методика обеспечения сопоставимости показателей применительно к региональным бюджетам, отдельно для годовых значений и отдельно для ежемесячных, которая позволяет охарактеризовать реальные процессы динамики показателей региональных бюджетов,

— впервые проведено моделирование и прогнозирование доходов консолидированного бюджета Оренбургской области на основе АРПСС-моделей с учетом инфляционного процесса, происходящего в регионе, позволившее выявить основные тенденции и закономерности поступлений в региональный бюджет;

— предложена и апробирована методика прогнозирования доходов регионального бюджета на основе искусственных нейронных сетей, построена многофакторная динамическая модель, которая учитывает взаимосвязи результативного признака с объясняющими переменными, распределенными во времени,

— проведена многомерная классификация административно-территориальных образований Оренбургской области итеративными и нейро-сетевыми методами, позволившая выявить территориальные различия муниципалитетов, а также оценить перспективы их развития с точки зрения уровня финансово-экономической устойчивости,

— впервые построены многофакторные регрессионные модели по осредненным во времени и панельным данным с учетом пространственной неоднородности исследуемых объектов и выявлено влияние наиболее существенных факторов на результирующий признак на основе эконометрического моделирования доходов бюджетов муниципальных образований Оренбургской области

Практическая значимость диссертационного исследования. Разработанная в диссертации методика и полученные результаты статистического исследования могут быть использованы региональными и муниципальными органами государственной власти, в частности, Министерством финансов, при планировании бюджета, атакже при осуществлении практических мер по совершенствованию управления бюджетным процессом на региональном уровне Также представляется, что некоторые результаты работы окажутся полезными специалистам научно-исследователь-

ских организаций с точки зрения перспектив доработки предложенных в работе моделей и возможностей их адаптации к региональному, а возможно и государственному уровням финансово-бюджетного прогнозирования

Положения диссертационной работы могут быть использованы в высших и средних специальных учебных заведениях экономического профиля при изучении дисциплин «Финансовая статистика», «Региональная статистика», «Анализ временных рядов», «Эконометрическое моделирование», «Нейросетевые методы и технологии»

Апробация результатов исследования. Основные положения диссертационной работы докладывались автором на региональной научной конференции «Финансово-экономические проблемы деятельности организаций в современных условиях» (Оренбург, 2002 г), IV международной научно-пракгической конференции «Проблемы совершенствования бюджетной политики регионов и муниципалитетов России и стран Северной Европы» (Петрозаводск, 2004г), Vмеждународной научно-практической конференции «Стабилизация экономического развития Российской Федерации» (Пенза, 2006 г.), всероссийской научно-практической конференции «Развитие университетского комплекса как фактор повышения инновационного и образовательного потенциала региона» (Оренбург, 2007 г)

Основные положения диссертационной работы изложены в семи научных публикациях общим объемом 2,1 пл.

Объем и структура работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложений, в которых приведены информационно-справочные материалы, иллюстрирующие и дополняющие содержание исследования Диссертационная работа изложена на 213 страницах машинописного текста, содержит 23 рисунка, 22таблицы, 21 приложение Список литературы включает 176 наименований работ отечественных и зарубежных авторов

Во введении обоснована актуальность темы исследования, дана характеристика степени изученности проблемы, сформулированы цель и задачи, определены объект, предмет, методы исследования, отражены положения научной новизны и практической значимости работы

В первой главе «Теоретические основы статистического исследования формирования региональных бюджетов» раскрыта экономическая сущность и содержание бюджета, рассмотрен региональный бюджет с позиции объекта статистического исследования и основы бюджетной классификации, проанализированы существующие методики бюджетного планирования и прогнозирования.

Во второй главе «Статистико-экономический анализ формирования доходной части регионального бюджета» проведен комплексный статистический анализ доходной части консолидированного бюджета Оренбург-

ской области с 1998 г по 2006 г Выявлены основные тенденции и приоритеты формирования доходной части бюджета региона, а также структурные изменения важнейших статей дохода за рассматриваемый период, разработана методика обеспечения сопоставимости показателей бюджета, проведено моделирование доходов консолидированного бюджета Оренбургской области на основе АРПСС-моделей, позволившее выявить основные закономерности и особенности развития поступлений доходов в региональный бюджет

В третьей главе диссертационной работы «Многомерный статистический анализ доходов регионального бюджета» построена нейросетевая модель для прогнозирования доходов регионального бюджета, которая учитывает взаимосвязи исследуемого показателя с различными факторами и временной характер данных, проведена многомерная классификация итеративными и нейросетевыми методами по комплексу показателей, характеризующих финансово-экономическое положение региона Для учета пространственной неоднородности объектов эконометричес-кое моделирование доходов бюджетов на уровне административно-территориальных образований осуществлено на основе регрессионных моделей по осредненным данным, с включением в уравнение фиктивных переменных, и панельных данных

В заключении сформулированы основные выводы и предложения по результатам проведенного статистического исследования

ОСНОВНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫ, ВЫНОСИМЫЕ НА ЗАЩИТУ

Понятие «региональный бюджет» с позиции объекта статистического исследования

В последние годы в условиях развития рыночных отношений, многообразия форм собственности, усиления самостоятельности регионов произошли принципиальные изменения в бюджетном устройстве Тенденция усиления роли региональных бюджетов в финансовой системе государства привела к возрастанию их значения как объекта статистического исследования С данной позиции региональный бюджет рассматривается как основной финансовый документ, содержащий экономико-статистические показатели, используемые при анализе и планировании бюджетов, и объективно характеризующий бюджетную систему региона

В работе уточняются задачи статистики региональных бюджетов в соответствии с новыми принципами управления финансами региона, рассматриваются основные направления по совершенствованию бюджет-

ной классификации и системы показателей бюджетов для осуществления международных сопоставлений в области статистики государственных финансов

Применительно к такому уровню, как субъект Федерации, ранее действующая технология перспективного планирования в виде разработки концепции долгосрочного развития на период 10 и более лет в настоящее время совершенно непригодна, это связано со сложностью и часто меняющейся экономической обстановкой в регионе Построение моделей на основе современных экономико-статистических методов, быстро реагирующих на часто изменяющиеся социально-экономические условия, позволит более эффективно решать задачи планирования и управления в условиях высокой мобильности информационных потоков

Повышение роли статистики региональных бюджетов связано еще с тем, что информация превращается в один из основных видов экономического потенциала общества, а информатизация становится важным средством повышения эффективности использования финансовых и производственных ресурсов, обеспечения ускорения темпов экономического роста регионов, и, как следствие, улучшения условий для жизни и благополучия населения

Сугубо статистический подход к определению региональных бюджетов накладывает дополнительное ограничение, связанное с наличием единого информационного пространства и возможностью оперативного сведения учетно-статистических данных в обобщающие статистические показатели

Обеспечение сопоставимости показателей региональных бюджетов

В научной литературе нет единого системного подхода, обеспечивающего сопоставимость уровней временных рядов, при этом рассмотрение данного вопроса применительно к показателям бюджетной системы имеет свою специфику Очень часто пересчет показателей осуществляется на основе индекса потребительских цен, однако данный индекс является основным оценочным показателем степени инфляции на потребительском рынке

При анализе погодовой динамики пересчет статей доходной части регионального бюджета осуществляется в целом и по отдельным статьям на основе значений регионального индекса-дефлятора ВРП, к расчету которых Федеральная служба государственной статистики России приступила с 1997 г

Данная методика обеспечения сопоставимости показателей применима при анализе динамики лишь годовых значений статей бюджета, так

как индекс-дефлятор ВРП рассчитывают только по годам. Если же проводится помесячный анализ динамики за ряд лет с выявлением тенденции, цикличности и сезонности колебаний, то здесь применима другая методика

Формула пересчета доходов консолидирован ного бюджета из действующих цен в сопоставимые

(1)

где Вц — доходы бюджета в сопоставимых ценах; Д/ - доходы бюджета в действующих ценах;

кп — цепной коэффициент для пересчета доходов бюджета из действующих цен в сопоставимые

Расчет коэффициента к„ осуществлялся по методике, разработанной А А Френкелем и усовершенствованной Т Н Агаповой на основе агрегированного индекса инфляции. Веса для индексов, участвующих при вычислении агрегированного индекса инфляции, рассчитываются по следующей формуле

т ~

IV. -, (2)

■> т "I „

15л2

/=1/=1

2

где г^ — коэффициент парной детерминации между 1-й и у-м индексом цен (/,}- 1,2, , т)

При адаптации данной методики применительно к региональному бюджету нами был получен перечень индексов, участвующих в формировании агрегированного индекса инфляции, характерный для Оренбургской области Также проводилась корректировка показателей в связи с переходом в 2004 г. на ОКВЭД. Итоговая формула коэффициента для перевода действующих цен в сопоставимые выглядит следующим образом

_ 0,203х/], + 0,194х/2, + 0,199 х 73/ + 0,199 х /4| +0,205х/5,

--Ш '-1' (3)

где к, — коэффициент перевода действующих цен в сопоставимые, причем ¿1 = 1,

/[ — сводный индекс потребительских цен на товары и услуги, 12 — индекс цен производителей промышленных товаров; /3 — индекс тарифов на грузовые перевозки, /4 — сводный индекс цен строительной продукции; /5 — индекс цен производителей на реализованную сельскохозяйственную продукцию, I - номер месяца

Результаты статистического анализа структуры и динамики доходов регионального бюджета Оренбургской области

Роль региональных бюджетов усиливается, а сфера их влияния расширяется Но при всем этом управление доходами региональных бюджетов в России в значительной степени остается централизованным. Региональным властям и органам местного самоуправления предоставлены ограниченные полномочия в области формирования собственных налоговых доходов, причем они обеспечивают незначительный объем поступлений, не обладающий в краткосрочном периоде достаточным потенциалом роста

Основой формирования доходной базы регионального бюджета являются налоговые поступления, удельный вес которых в общем обьеме доходов в 2006 г. составил 78,28% В консолидированный бюджет Оренбургской области поступило 28018,95 млн руб. налогов и сборов, данная величина превысила запланированное значение на 15,54% Среди налоговых доходов ведущая роль принадлежит регулирующим налогам — 68,06% всех доходов бюджета, закрепленные налоги составляют лишь 10,19% Собственные налоги, неналоговые доходы и безвозмездные перечисления формируют собственную доходную базу консолидированного бюджета Оренбургской области, которая в 2006 г составила 27,67%.

На основе показателей структурных сдвигов, представленных в таблице 1, сделан вывод, что с 1998 по 2006 гг наблюдались изменения в структуре доходов консолидированного бюджета области, причем наиболее существенные изменения происходили в 1999, 2001, 2005 и 2006 гг по сравнению с предыдущим годом соответственно

Таблица 1 - Коэффициенты структурных сдвигов доходов консолидированного бюджета Оренбургской области за 1998-2006 гг

ХЛЛериод 1999 2000 2001 2002 2003 2004 2005 2006 2006

Коэф-нтХ^ 1998 1999 2000 2001 2002 2003 2004 2005 1998

3,83 1,93 3,23 1,22 1,74 1,70 5,24 4,92 5,73

а(<12~<1\) 6,13 2,36 4,47 2,25 2,57 2,88 7,75 7,80 8,39

«и 0,32 0,12 0,21 0,11 0,13 0,14 0,36 0,37 0,41

1с 0,37 0,24 0,42 0,17 0,21 0,17 0,39 0,34 0,58

0,23 0,08 0,15 0,08 0,09 0,10 0,26 0,27 0,29

Причины изменения структуры доходов регионального бюджета в Оренбургской области связаны с изменениями в бюджетном и налого-

вом законодательствах, в административно-территориальном делении субъекта РФ, изменением кодов и самих статей бюджетной классификации, ставок налоговых поступлений, ежегодным изменением нормативов распределения налогов, сборов и пошлин между уровнями бюджетной системы.

За период с 1998 по 2006 гг. общий объем налоговых поступлений по Оренбургской области в текущих ценах увеличился в 16,3 раза, но положительная динамика поступления налогов в консолидированный бюджет области носит обманчивый характер.

Регион но общему объему поступлений налогов и сборов в Приволжском федеральном округе является одним из ведущих, причем объем поступлений с каждым годом возрастает. Оренбургская область является регионом-донором, и при увеличении поступлений налогов и сборов в бюджет региона ежегодно на федеральном уровне изменяются нормативы распределения налоговых доходов, остающихся у субъекта РФ и передаваемых в федеральный бюджет. Начиная с 1998 года, происходит изменение структуры распределения налоговых поступлений между уровнями бюджетной системы (рис. 1). За девять лет доля доходов, передаваемых в федеральный бюджет, увеличилась на 39,5%. Если в 1998 г. пропорции распределения доходов между уровнями бюджетной системы РФ были 29,87% : 70,13% в пользу региона, то в 2006 г. они уже обратнопропор-циональны - 69,37% : 30,63% соответственно.

1998 1999 2000 2001 2002 2003 2004 2005 2006

годы

Ш Консолидированный бюджет Оренб. области □ Федеральный бюджет

Рис. 1 - Распределение налоговых доходов между уровнями бюджетной системы Российской Федерации

С целью определения основных тенденций и закономерностей поступлений проведено моделирование доходов консолидированного бюджета Оренбургской области в ценах с учетом инфляции на основе АРПСС-моделей. Полученные результаты свидетельствуют, что отсутствует временная тенденция к росту доходов регионального бюджета Оренбургской области в сопоставимых ценах, а увеличение доходов в основном происходит за счет инфляционного процесса в регионе. Выявление сезонной составляющей проводилось на основе спектрального анализа.

В итоге наилучшим образом была идентифицирована и оценена модель, содержащая константу и один сезонный параметр авторегрессии с лагом 12 - АРСС(0,0,0)(1,0,0):

Y, = 2684,238 + 0,678 Л-12 = 0,6794 (4)

(145,88) (0,121)

Fna6n = 24,356 — построенная модель значима на уровне а = 0,05, значения критериев Акайке и Шварца: AIC = 13,46; SBC = 13,64. DW = 2,0323<(4 — Du), что свидетельствует об отсутствии отрицательной автокорреляции. Остатки являются белым шумом, и модель пригодна для прогнозирования.

Прогнозные значения доходов консолидированного бюджета Оренбургской области на 2007 г: и январь - июнь 2008 г. представлены на рис. 2.

Рис. 2 — Динамика фактических (в ценах с учетом инфляции) и прогнозных значений доходов регионального бюджета с 90%-ными доверительными интервалами

В результате проведенного исследования установлено, что динамика поступления доходов консолидированного бюджета Оренбургской области в ценах с учетом инфляции в ближайшее время останется на прежнем уровне Уровень централизации в налоговой сфере ведет к замедлению экономического развития территорий, прежде всего регионов-доноров, поскольку доходные полномочия центра и субъекта РФ не совпадают с их расходной ответственностью Поэтому в сложившейся ситуации региону в первую очередь необходимо увеличивать собственные доходы бюджета за счет экономического развития.

Многомерная классификация муниципальных образований Оренбургской области по уровню финансово-экономической устойчивости

Статистическое исследование доходов региональных бюджетов предполагает рассмотрение взаимосвязи исследуемого показателя с другими факторами и их непосредственное влияние

На основе содержательного экономического анализа, а также с учетом требований представительности и информационной доступности было выделено 14 показателей, влияющих на уровень доходов бюджетов муниципальных образований Оренбургской области 2\ — сальдированный финансовый результат на 1 организацию, руб 7.2 - дебиторская задолженность на 1 организацию, руб гз — кредиторская задолженность на 1 организацию, руб г4 - задолженность организаций по заработной плате на 1 работника, руб г5 - удельный вес убыточных организаций, в % от общего числа организаций.

г6 - объем отгруженной продукции (работ, услуг) надушу населения, руб г7 - численность зарегистрированных безработных на 1000 человек населения, чел

— среднемесячная номинальная начисленная заработная плата работников, руб

гд - инвестиции в основной капитал на душу населения, руб 7.]0 - ввод в действие жилых домов на 1000 человек населения, квадратных метров общей площади | - объем платных услуг на душу населения, руб 2|2 — оборот розничной торговли на душу населения, руб 2\Ъ — оборот общественного питания на душу населения, руб г[4 — финансовые результаты от реализации продукции сельского хозяйства в сельскохозяйственных организациях (уровень рентабельности, убыточности(-), без учета дотаций),%. у — доходы бюджета на душу населения, руб

Дескриптивный анализ выявил неоднородность исследуемой совокупности и необходимость проведения типологизации, то есть выделения однородных групп объектов Многомерная классификация муниципальных образований Оренбургской области по уровню финансово-экономической устойчивости проведена в среднем за 2004—2006 гг итеративными и нейросетевыми методами С целью проследить изменения структуры в полученных классах также была осуществлена кластеризация в разрезе 2004-2006 гг Полученные результаты свидетельствуют о том, что в модели присутствует пространственная неоднородность, не изменяющаяся во времени, поэтому возможно применение результатов кластеризации по осредненным данным

Среди различных итеративных алгоритмов многомерной классификации муниципалитетов по уровню финансово-экономического положения наиболее содержательный и экономически интерпретируемый результат получен методом ^-средних при разбиении на три кластера, в качестве меры сходства взято евклидово расстояние Для классификации нейросетевыми алгоритмами использовалась сеть Кохонена, число выходных нейронов задано 3

Для сравнения результатов, полученных различными методами, был рассчитан функционал качества разбиения, равный суммарной внутриклассовой дисперсии вк_5ге(]= 214,84 > впе1Г0 = 202,03 Анализируя значение данной характеристики, можно утверждать, что наилучшим оказалось разбиение на 3 однородные группы с помощью сети Кохонена (рис. 3).

Сравнение средних значений показателей в выделенных группах наглядно характеризует дифференциацию муниципальных образований Оренбургской области по уровню финансово-экономической устойчивости Первый кластер, в который вошло 7 муниципалитетов, характеризуется самым высоким уровнем финансово-экономического положения, причем показатели, оказывающие отрицательное влияние на наполняемость бюджета, такие, как задолженность организаций по заработной плате на одного работника, удельный вес убыточных организаций и численность зарегистрированных безработных на 1000 человек населения, имеют минимальное значение Второй кластер является самым представительным — 22 объекта Значения показателей в данной группе в большей степени близки к средним по области Третий кластер определен нами как «неблагополучный», он включает в себя практически одну треть от изучаемой совокупности (18 муниципальных образований) В этом классе наблюдаются самые низкие значения финансово-экономических показателей по Оренбургской области. Обратная ситуация, чем в первом кластере, наблюдается по факторам, оказывающим негативное влияние на наполняемость бюджета, их значения в данной группе максимальны

Рис. 3 - Карта-схема городов и районов Оренбургской области по уровню финансово-экономической устойчивости

Однако среднии уровень доходов, приходящийся на 1 человека, в данном кластере выше, чем во втором Это объясняется тем, что данным муниципалитетам оказывается дотационная поддержка, то есть большая часть доходов формируется не за счет собственных средств, а за счет безвозмездных перечислений из бюджетов других уровней

Практическое применение результатов исследования способствует выработке дифференцированной финансовой политики по отношению к различным административно-территориальным образованиям региона

Моделирование доходов бюджетов муниципальных образований с учетом пространственной неоднородности объектов

Величина доходов регионального бюджета Оренбургской области на 44% формируется за счет доходов муниципальных образований, поэтому в работе проведено эконометрическое моделирование доходов бюджета на уровне административно-территориальных образований по данным типа «объект-признак-время», представленных размерностью 47x14x3 В качестве объектов исследуется 47 муниципальных образований Оренбургской области, которые консолидируют и предоставляют отчетность о доходах бюджетов всех 613 муниципальных образований Временной аспект охватывает период с 2004 по 2006 гг В качестве факторов, влияющих на уровень доходов местных бюджетов бюджетов (уы), рассматриваются 14 показателей, представленных выше (2, где } -1,14; г = 1,47 , г = 1,2,3 )

Выявленную в результате исследования пространственную неоднородность данных необходимо учитывать при моделировании доходов бюджета. В работе рассмотрено два подхода к решению поставленной задачи Первым подходом к оценке параметров модели, описывающей зависимость между признаками, измеренными как в пространстве, так и во времени, является метод осреднения данных во времени с включением в уравнение фиктивных переменных и </2 Пусть

{1 - если наблюдение относится ко 2 классу (/ = 1, 47), О-в остальных случаях,

, П - если наблюдение относится к 3 классу (г = 1, 47), а,2 = •(

[О-в остальных случаях

Тогда переменные и с12 принимают значения 0 для наблюдения, относящегося к 1 классу

Первоначально рассматривалась аддитивная модель, но на основании анализа полученных результатов (низкое значение коэффициента детерминации и присутствие положительной автокорреляции) пришли к выводу использовать в исследовании мультипликативную (степенную) модель

После реализации алгоритма пошагового регрессионного анализа, а также с учетом того, что в уравнение должна войти только одна из тесно связанных переменных, была получена следующая оценка регрессионной модели, описывающая зависимость между доходами бюджета и факторными признаками, осредненными во времени

лср _ .8,830 0,054 0,032 1,683 0,189 -0,392 -0,57«;, -0,43М,*2 (5) У ~е Х23,/ср Х2б,1ср Ъ,1ср 9,1ср Х2П,юр хе Хе

Л2 = 0,866, А = 6,97 %, = 2,209, Гфак =31,506,/^(0,05,8,39) = 3,071

Проверка уравнения регрессии позволяет сделать вывод о значимости, адекватности и точности полученной модели Оценка коэффициен-

л 2

та детерминации Л = 0,866 свидетельствует о том, что вариация результативного признака в исследуемой совокупности на 87% объясняется колеблемостью вошедших в модель показателей, а 13% - воздействием случайных и неучтенных факторов.

Наибольшее положительное влияние, стимулирующее рост доходов бюджета на душу населения, оказывает среднемесячная номинальная начисленная заработная плата работников с увеличением данного фактора на 1 % доходы бюджета возрастают в среднем на 1,683%. Увеличение инвестиций в основной капитал на 1% влечет повышение доходов в среднем на 0,189% Наименее всего результативный признак «отзывчив» к изменениям показателей- кредиторская задолженность на 1 организацию (0,054%) и объем отгруженной продукции на душу населения (0,032%) Сдерживающий эффект оказывает объем платных услуг на душу населения, увеличение данного фактора на 1% приводит к снижению уровня доходов в среднем на 0,392%

Параметры при фиктивных переменных ^ и с12 представляют собой разность между средним уровнем доходов бюджетов для соответствующей группы и базовой группы За базу сравнения взяты доходы бюджетов муниципальных образований, относящихся к 1 классу, для которых (1Х = (12 = 0 Параметр при <1\ , равный -0,574, означает, что при одинаковом влиянии факторов доходы бюджетов муниципальных образований, относящихся ко 2 классу, в среднем будут на 57,4% ниже, чем в 1 классе. Соответственно параметр при с12 показывает, что доходы бюджетов муниципальных образований, относящихся к 3 классу, в среднем будут на 43% ниже, чем в 1 классе, при неизменном влиянии объясняющих переменных.

Частные уравнения регрессии для отдельных классов будут иметь следующий вид

1 класс г = ,8-830 X ^ X ^ X 4;- X 4;!}9 х ^ (6)

1 лср _8,256 „ ,0,054 ^ ,0,032 „ ,1,683 ^ ,0,189 ^ ,-0,392

2 класс у р = е ' Х23 (ср х^ хг&'1ср Х29;,ф хги'ср (7)

3 Л<Р _8,400 „ ,0,054 ^ ,0,032 „ ,1,683 ^ ,0,189 „ ,-0,392 /оч

3 класс у р = е хг^1Ср хг6'1ср хг^1Ср Х79;,ф хгп;ср (8)

Вторым подходом к оценке параметров модели, описывающей зависимость между признаками, измеренными как в пространстве, так и во времени, является метод регрессионного анализа панельных данных, который позволяет учесть внутреннюю неоднородность объектов за счет ввода в модель индивидуальных эффектов

Оценивались модели со случайными и фиксированными эффектами В результате проверки гипотез о значимости параметров моделей и реализации тестов на спецификацию регрессионных моделей панельных данных сделан вывод, что оценки моделей с фиксированными и со случайными эффектами являются эффективными, но оценки со случайными эффектами - несостоятельными, и для моделирования доходов бюджета целесообразнее использовать модель с фиксированными эффектами

0 = еа< х е4'851 х 2®'069 х ,-0,003 0,854 0,125 -0,068 /т

у-е хе хг31( хг4(( хг^а хг9а хг1)1( \у}

Рфак = 18,53, а=0,05, V, =5, у2 =89) = 4,36, Л2 =0,915

Модель является значимой, значимы индивидуальные эффекты (а,) и коэффициенты при объясняющих переменных Оценка коэффициента детерминации Л2 =0,915 свидетельствует о том, что вариация результативного признака в исследуемой совокупности на 92% объясняется колеблемостью вошедших в модель показателей, а 8% - воздействием случайных и неучтенных факторов.

Таким образом полученная модель позволяет учесть пространственную неоднородность объектов за счет ввода индивидуальных уровней для каждого муниципального образования Анализ уравнения (9) позволил сделать следующие выводы Наибольшее положительное влияние, стимулирующее рост доходов бюджета на душу населения, оказывает среднемесячная номинальная начисленная заработная плата работников с увеличением данного фактора на 1% доходы бюджета возрастают в среднем на 0,854% Увеличение инвестиций в основной капитал на 1% влечет повышение доходов в среднем на 0,125% Наименее всего результативный признак «отзывчив» к изменениям показателя кредиторской задолженности на 1 организацию (0,069%) Сдерживающий эффект оказывает объем платных услуг надушу населения, увеличение данного фактора на 1% приводит к снижению уровня доходов в среднем на 0,068% Также однопроцентный рост задолженности организаций по заработной плате на одного работника приводит к снижению результативного показателя в среднем на 0,003%

В результате оценки регрессионных моделей по осредненным во времени и панельным данным было выявлено, что наибольшее влияние, стимулирующее рост доходов бюджета на душу населения, оказывает среднемесячная номинальная начисленная заработная плата работников Это объясняется тем, что в структуре налоговых доходов бюджетов муниципальных образований Оренбургской области весомую долю занимает налог на доходы физических лиц (около 45%), который напрямую связан с данным фактором.

Методика прогнозирования доходов регионального бюджета на основе искусственных нейронных сетей

Прогнозирование на основе одномерных временных рядов является наиболее доступным и удобным методом с точки зрения минимума необходимой информации Но модель временного ряда не дает нам «инструментов» управления процессом, как это происходит в многофакторной модели, так как не учитывается влияние различных факторов на исследуемую величину Поэтому ставится задача построения прогнозной модели доходов регионального бюджета по многомерным временным рядам нейросетевыми методами

Определяя искусственные нейронные сети как обобщенное название нескольких групп алгоритмов, обладающих одним ценным свойством — умением обучаться на примерах, извлекая скрытые закономерности из потока данных, отметим главный аргумент, на основании которого для прогнозирования доходов регионального бюджета был выбран именно этот метод В современных условиях нестабильной экономики, когда информационные данные, описывающие объект моделирования, как правило, являются неполными, противоречивыми и даже заведомо искаженными, если между входными и выходными данными существует какая-то связь, пусть даже не обнаруживаемая традиционными корреляционными методами, нейронная сеть способна автоматически настроиться на нее с заданной степенью точности

Схему решения задачи прогнозирования многомерных временных рядов с помощью нейросетей представим в виде последовательности этапов

• Предварительные преобразования. Временной ряд представляется в виде множества значений функции зависимости прогнозируемой величины от определяющих факторов Далее происходит разбиение всей совокупности на обучающую, контрольную и тестовую выборки

• Структурный синтез нейронной сети. На данном этапе производится выбор архитектуры нейрона и структуры связей между нейронами

• Параметрический синтез нейронной сети. Выполняется обучение нейросети Данный этап наиболее требователен к вычислительным ресурсам и занимает 50—90% времени решения задачи

• Проверка ошибки прогноза на контрольной и тестовой выборке Если значение ошибки находится в допустимых пределах, то задача считается решенной, и обученная нейронная сеть используется для получения прогноза В противном случае в зависимости от предполагаемой причины ошибки производится возврат к предыдущим этапам Достижение минимума ошибки осуществляется посредством итерационного процесса Поскольку ошибка зависит от весов нелинейно, получить решение в аналитической форме невозможно

Исследование проводилось по 72 ежемесячным наблюдениям с января 2001 г. по декабрь 2006 г, период прогнозирования — месяц, горизонт прогнозирования — 18 месяцев (январь 2007 г — июнь 2008 г) Для построения нейросетевой модели доходов регионального бюджета Оренбургской области использовалось 24 объясняющих переменных, представленных в таблице 2 (столбцы 1, 2) Выходной параметр — поступление прогнозируемого дохода в бюджет в конкретном месяце (у)

Сделав предположение, что на величину дохода регионального бюджета текущего периода влияние рассмотренных факторов распределено во времени, были рассчитаны модифицированные коэффициенты корреляции (гт0[)) для рядов, один из которых взят с лагом (до взятия разностей нужного порядка) Величина лага, при котором факторная переменная оказывает наибольшее влияние на результативный признак в текущий момент времени, и само значение /-то() представлены в таблице 2 (столбцы 3, 4)

Проведя исследование взаимосвязи результативного признака с объясняющими переменными, распределенными во времени в многофакторной динамической модели, в качестве входов сети использовались лаговые переменные

В результате применения разработанной методики прогнозирования доходов регионального бюджета Оренбургской области из всего множества построенных сетей было выбрано 3 типа нейросетевых моделей, каждая из которых является наилучшей в своей конфигурации Предпочтение было сделано в пользу нейронной сети с наилучшими показателями качества обучения, а также простой структурой сети тип сети — многослойный персептрон, число слоев — 3, структура сети количество входных нейронов — 24, количество нейронов в скрытом слое — 20, количество выходных нейронов - 1, функция активации - логистическая, в качестве процедуры обучения взят метод сопряженных градиентов

Таблица 2 — Система показателей, влияющих на формирование доходов регионального бюджета

№ Показатель Lag 'mod Rank Ratio

1 2 3 4 5 6

Агрегированный индекс инфляции, % 7 0,31 12 1,2011

х2 Курс доллара США, руб 5 0,49 10 1,2325

Хз Цена на нефть марки Urals за баррель, долл 7 0,27 17 1,0896

Х4 Индекс промышленного производства, в % к предыдущему периоду 5 0,56 2 2,1794

х5 Сальдированный финансовый результат хозяйственной деятельности крупных и средних организаций, млн руб 6 0,46 6 1,5194

Хб Дебиторская задолженность крупных и средних организаций, млн руб 10 -0,48 19 1,0658

X? Кредиторская задолженность крупных и средних организаций, млн руб. 7 0,27 4 1,7686

Xs Задолженность организаций по заработной плате, млн руб 11 -0,70 22 0,9967

х9 Удельный вес убыточных предприятий, % 6 -0,57 7 1,5159

Численность занятого в экономике 7 0,54 1 2,6198

населения, тыс чел

Общая численность безработных, тыс чел 9 -0,21 24 0,9599

х\г Фонд начисленной заработной платы, тыс руб 8 0,68 13 1,8777

*13 Денежные доходы (в среднем на душу населения в месяц), руб. 8 0,89 3 1,8828

Х\4 Размер минимальной оплаты труда, руб 2 0,51 14 1,1512

*15 Отчисления с фонда заработной платы в Пенсионный Фонд РФ, тыс руб 8 0,68 23 0,9719

Х]6 Инвестиции в основной капитал, млн руб 8 0,47 18 1,0700

Х\7 Объем работ по виду деятельности «Строительство», млн руб 8 0,71 20 1,0189

Стоимость жилья, введенного индивидуальными застройщиками, тыс руб 5 0,53 16 1,1090

Х\9 Объем платных услуг населению, млн руб 0 0,67 8 1,4126

X 20 Оборот розничной торговли, млн руб 11 0,52 15 1,1495

*21 Оборот общественного питания, млн руб 8 0,60 21 1,0018

х22 Товарные запасы в организациях розничной торговли (на конец периода), млн руб 3 -0,56 9 1,3288

Продукция сельского хозяйства, млн руб 3 0,75 5 1,6084

Х24 Номер месяца в каждом году 11 0,72 11 1,2194

Для исследования важности входных переменных обученной сети проведен анализ чувствительности по отношению к каждой переменной, представленный в таблице 2 (столбцы 5, 6) В столбце Rank переменные ранжируются в порядке убывания ошибки Для каждой переменной значение ошибки показывает, каким будет качество сети, если данную переменную исключить из числа входных параметров Очевидно, более важным переменным отвечают большие значения ошибок Ratio представляет собой отношение между значением ошибки и основной ошибкой, которая вычисляется для всей сети со всеми входными переменными Проранжировав объясняющие переменные, можно сделать вывод, что на величину доходов регионального бюджета Оренбургской области наибольшее влияние оказывают следующие показатели численность занятого в экономике населения, индекс промышленного производства, денежные доходы в среднем на душу населения, кредиторская задолженность крупных и средних организаций, продукция сельского хозяйства и сальдированный финансовый результат хозяйственной деятельности крупных и средних организаций Заметим, что рассчитанные модифицированные коэффициенты корреляции не отражают эту же тенденцию, что подтверждает нелинейность связей в многофакторной динамической модели Также анализ чувствительности выявил 3 фактора, исключение которых улучшит качество работы сети1 задолженность организаций по заработной плате, отчисления с фонда заработной платы в Пенсионный Фонд РФ и общая численность безработных

Таблица 3 — Прогнозные значения доходов регионального бюджета, полученные по нейросетевой модели, млн руб

Период Доход Период Доход Период Доход

2007 г 2008 г

Январь 2677,41 Июль 4625,44 Январь 3918,73

Февраль 2781,78 Август 5460,87 Февраль 4501,64

Март 4377,60 Сентябрь 3382,13 Март 5635,97

Апрель 3764,91 Октябрь 5447,68 Апрель 4901,82

Май 4961,32 Ноябрь 4543,79 Май 5607,23

Июнь 4192,07 Декабрь 5080,50 Июнь 5683,82

Исключив данные объясняющие переменные из входных параметров нейронной сети, и снова ее обучив, мы действительно улучшили качество работы сети аь/ао = 0,098, Л2* = 0,902, то есть построенная нейросеть

объясняет 90,2% вариации доходов бюджета вошедшими в модель показателями. Проверка адекватности нейросегевой модели показала, что остатки являются белым шумом — они некоррелированны и нормально распределены.

Полученные результаты прогнозирования доходов регионального бюджета представлены в таблице 3 и на рисунке 4.

'Значения додада бюджета, полу чеиные по нейроеетепой модели;

Фактические значения додала бюджета

5000

2000

1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4 7 10 1 4

2001 2002 2003 2004 2005 2006 2007 2008

4000

¿3000

Рис. 4-Динамика фактических и полученных по нейросетевой модели ежемесячных значений дохода регионального бюджета Оренбургской области за 2001-2006 гг. и прогноз на полтора года вперед

Разработанная модель прогнозирования доходов регионального бюджета нейросетевыми методами может быть использована в бюджетном планировании. При этом преимущество данной методики заключаются в возможности быстрого пересчета бюджетных доходов при условии изменения любых макроэкономических показателей. Это позволит с помощью более точных прогнозов решать задачу сбалансированности бюджета, что окажет существенное положительное влияние на всю экономику региона.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ НАШЛИ ОТРАЖЕНИЕ В СЛЕДУЮЩИХ ПУБЛИКАЦИЯХ:

1 Федосеева, К В Необходимость статистического анализа при формировании бюджета [Текст] / К В Федосеева // Финансово-экономические проблемы деятельности организаций в современных условиях материалы регион науч конф - Оренбург ИПК ОГУ, 2002 - С 321—323 — 0,15 печ л

2 Федосеева, К В Вопросы сопоставимости показателей региональных бюджетов в экономико-статистических исследованиях [Текст] / К В Федосеева // Проблемы совершенствования бюджетной политики регионов и муниципалитетов России и стран Северной Европы тез докл IV междунар науч-практ. конф — Петрозаводск, 2004 - С 185-187.— 0,16 печ л

3 Федосеева, К В Методологическое обеспечение сопоставимости уровней временных рядов при статистическом анализе показателей региональных бюджетов [Текст] / К В Федосеева // Проблемы совершенствования бюджетной политики регионов и муниципалитетов России и стран Северной Европы материалы IV междунар науч -практ конф — Петрозаводск, 2004 - С 305-312 - 0,38 печ л

4 Рыженкова, К В Применение искусственных нейронных сетей для прогнозирования экономических показателей [Текст] / К В Рыженкова // Стабилизация экономического развития Российской Федерации сб материалов V междунар науч -практ конф — Пенза. РИО ПГСХА, 2006 — С 76-79 - 0,14 печ л

5 Рыженкова, К В Разработка нейросетевой модели для прогнозирования доходов консолидированного бюджета [Текст] / К.В Рыженкова // Вестн Оренбургского гос ун-та - 2006 — № 8 — С 48- 56 - 0,63 печ л

6 Рыженкова, К В Моделирование и прогнозирование доходов регионального бюджета Оренбургской области на основе АРПСС-моделей [Текст] / К В Рыженкова // Проблемы социально-экономической устойчивости региона сб материалов IV междунар науч -практ конф — Пенза РИО ПГСХА, 2007 - С 89-93 - 0,17 печ л

7 Рыженкова, К В Исследование взаимосвязей в многофакторных динамических моделях [Текст] / К В Рыженкова//Актуальные вопросы статистики и экономического анализа материалы межвуз науч -практ конф , посвященной 15-летию кафедры статистики и экономического анализа Оренбургского ГАУ - Оренбург, 2007 - С 150-159 - 0,47 печ л

Рыженкова Кира Викторовна

СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ДОХОДОВ РЕГИОНАЛЬНЫХ БЮДЖЕТОВ

Специальность 08 00.12 - Бухгалтерский учет, статистика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Подписано в печать 17 12 2007 Формат 60x84/16 Уел печ л 1,0 Печать оперативная Бумага офсетная Гарнитура №МопС Заказ №2859 Тираж 120 экз

Издательский центр ОГАУ 460795, г Оренбург, ул Челюскинцев, 18 Тел (3532)77-61-43

Отпечатано в Издательском центре ОГАУ

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Рыженкова, Кира Викторовна

Введение.

Глава 1. Теоретические основы статистического исследования формирования региональных бюджетов.

1.1. Экономическая сущность и содержание бюджета.

1.2. Региональный бюджет как объект статистического исследования.19"

1.3. Теоретическое обеспечение бюджетного планирования и прогнозирования

Глава 2. Статистико-экономический анализ формирования доходной части регионального бюджета.

2.1. Основные тенденции и приоритеты формирования доходной части консолидированного бюджета Оренбургской области.

2.2. Методика обеспечения сопоставимости показателей региональных бюджетов.

2.3. Моделирование и прогнозирование доходов консолидированного бюджета Оренбургской области на основе АРПСС-моделей.

Глава 3. Многомерный статистический анализ доходов регионального бюджета.

3.1. Нейросетевое моделирование доходов регионального бюджета Оренбургской области.'.

3.2 Дифференциация муниципальных образований по уровню финансово-экономической устойчивости.

3.3 Построение многофакторных регрессионных моделей с учетом пространственной неоднородности.

Диссертация: введение по экономике, на тему "Статистическое исследование доходов региональных бюджетов"

Актуальность, темы исследования. Взаимодействие процессов реформирования и регионализации российской экономики обусловило коренную перестройку всей финансовой системы Российской Федерации и ее основного звена — бюджетной системы. Тем не менее, существует значительное отставание теоретических разработок в этой области применительно к современным условиям, что связано с практическими трудностями, возникающими в осуществлении бюджетного процесса в России. Выработка оптимальной стратегии развития бюджетной политики региона предполагает необходимость получения комплексной* междисциплинарной^ оценки функционирования бюджетной системы, которая невозможна без привлечения аппарата статистического анализа и моделирования.

В настоящее время наиболее острой является проблема сбалансированности бюджетов всех уровней, в том числе и регионального. Возникновение как дефицита, так и профицита зависит не только от исполнения бюджета в течение финансового года, но и от качества планирования1 и прогнозирования при утверждении бюджетных показателей. Частое изменение экономической ситуации, несовершенство бюджетного и налогового законодательства приводят к тому, что планирование и анализ процессов формирования доходных статей бюджета на уровне субъекта Федерации становится достаточно сложной задачей.

В связи с этим существует объективная необходимость комплексного статистического анализа и прогнозирования поступлений доходов в региональный бюджет, поскольку повышение точности прогноза бюджетных доходов с помощью современных методов прогнозирования является наиболее реальным способом управления сбалансированностью бюджета.

Методики статистического исследования доходов бюджета в основном разрабатывались на федеральном уровне, отдельные направления исследуемой проблемы рассматривались в работах В.Н. Салина, A.M. Лаврова, P.M. Энтова,

В.П. Носко, но для планирования бюджетов территорий они не могут быть напрямую применены ввиду различных экономических условий: на уровне субъекта Федерации отсутствует эффект взаимной компенсации, характерный для федерального уровня. Создание статистико-экономических моделей, описывающих процесс поступления средств в доходную часть бюджета на уровне субъекта Федерации - новая и по существу малоизученная задача.

Проблемам функционирования бюджетной системы и особенностям формирования региональных финансов посвящены работы И.М. Александрова, A.M. Бабича, A.M. Година, Т.М. Ковалевой, Г.Б. Поляка, М.В. Романовского, И.В. Подпориной, Д.Г. Черника, В.Г. Панскова, Л.И. Якобсон.

В процессе изучения методических аспектов статистического исследования большое значение сыграли труды известных ученых: С.А. Айвазяна, В.Н. Афанасьева, В.А. Балаша, К. Доугерти, И.И. Елисеевой, Е.В. Заровой, М. Дж. Кендалла, Г.Г. Конторовича, Ю.П. Лукашина, B.C. Мхитаряна, Б.Т. Рябушкина, М.М. Юзбашева и др.

Вопросы сопоставимости показателей частично рассматривались в работах Т.Н. Агаповой, Т.В. Котеневой, А.А. Френкеля, но единой методики обеспечения сопоставимости показателей применительно к региональным бюджетам не разработано.

Теоретической основой исследования искусственных нейронных сетей послужили труды К. Дж. Анила, А.Б. Барского, Д.Э. Бэстенса, В!М. Ван ден Берга и Д. Вуда, А.И. Галушкина, А.Н. Горбаня, В.В. Домбровского, А.А. Ежова, Р. Каллана, С. Короткого, В.А. Крисилова, В.В. Круглова, С. Оссовского, Ф. Розенблата, С.А. Терехова, С.А. Шумского, Ф. Уоссермена.

Нейросетевые алгоритмы в бюджетном прогнозировании применяются Министерством финансов Голландии, разработанная методика используется, для ежемесячного прогнозирования валового сбора налогов, однако в российских условиях в силу различий структуры бюджетных систем данная методика не применима. Известны исследования российских ученых Д. А. Граду сова, В.Г. Чернова, Е.А. Дурновой по использованию технологий нейронных сетей для прогнозирования отдельных видов > налогов, однако методики построения прогнозной модели доходов регионального бюджета' по многомерным временным рядам на уровне субъекта РФ ранее не разрабатывалось. В научной литературе недостаточно' внимания уделено подходам к эконометрическому моделированию'доходов-бюджетов муниципальных образований с учетом-пространственной неоднородности объектов исследования.

Таким образом, совокупное изменение условий функционирования всей бюджетной системы требует совершенствования, существующих и разработки новых методик статистического исследования*региональных бюджетов; и-свидетельствует об актуальности выбранной-темы,исследованиям научном и практическом плане.

Цель и* задачи^ исследования. Целью диссертационной работы является совершенствование методики комплексного статистического исследования доходов региональных бюджетов.

Достижение поставленной цели предполагает решение следующих задач:

- изучение теоретических основ статистического исследования-доходов региональных бюджетов;

- рассмотрение существующих методик планирования и-прогнозирования доходной части бюджета;

- приведение к сопоставимому виду показателей бюджета во времени с учетом специфики объекта исследования;

- проведение комплексного статистико-экономического анализа доходов» регионального бюджета Оренбургской области: выявление основных тенденций формирования доходов, исследование структурно-динамических изменений в консолидированном бюджете с момента принятия Бюджетного кодекса; анализ распределения доходов*между уровнями бюджетной-системы;

- моделирование и прогнозирование доходов консолидированного'бюджета на кратко- и среднесрочную перспективу;

- проведение типизации муниципальных образований по уровню финансово-экономической устойчивости;

- построение многофакторных регрессионных моделей с учетом пространственной неоднородности объекта исследования.

Объектом исследования является региональный бюджет Оренбургской области.

Предметом исследования выступают методические аспекты статистического исследования региональных бюджетов с целью определения закономерностей функционирования и развития данных объектов в современных условиях.

Методология и методы исследования. Теоретической и методологической основой исследования послужили труды отечественных и зарубежных ученых по статистике и эконометрике, региональной экономике и финансам, прогнозированию и нейросетевому моделированию. Также в работе были использованы материалы периодической печати и научных конференций по теме исследования, информация из всемирной сети Интернет.

В качестве инструментария в исследовании из современных методов использовались: нетрадиционный корреляционный анализ, методы регрессии для панельных данных, нейросетевые методы прогнозирования многомерных временных рядов.

Информационное обеспечение работы составили данные территориального органа Федеральной службы государственной статистики по Оренбургской области, Министерства финансов Оренбургской области, управления Федеральной налоговой службы России по Оренбургской области. Информационной базой исследования явились нормативно-правовые документы Российской Федерации и субъектов РФ, методические рекомендации Министерства финансов РФ. Обработка статистических данных проводилась с использованием ста-тистико-эконометрических пакетов прикладных программ Statistica 6.0, Stata 6.0, Eviews 4.0. Прогнозирование доходов бюджета методом моделирования искусственных нейронных сетей осуществлялось с помощью пакета прикладных программ Statistica Neural Networks 4.0.

Научная новизна диссертационной работы заключается в совершенствовании методики статистического анализа и прогнозирования-доходов региональных бюджетов. К числу наиболее существенных научных результатов относятся следующие:

- сформулировано понятие «региональный бюджет» с позиции объекта статистического исследования, которое определяется как основной финансовый документ, содержащий экономико-статистические показатели, используемые при анализе и планировании бюджетов, и объективно характеризующий бюджетную систему региона;

- адаптирована методика обеспечения сопоставимости показателей применительно, к региональным бюджетам, отдельно для-годовых значений и отдельно для ежемесячных, которая позволяет охарактеризовать реальные-про-цессы динамики показателей региональных бюджетов;

- впервые проведено моделирование и прогнозирование доходов- консолидированного бюджета Оренбургской области на основе АРПСС-моделей с учетом инфляционного процесса, происходящего в регионе, позволившее выявить основные тенденции и закономерности поступлений в региональный бюдf жет;

- предложена и апробирована методика прогнозирования доходов регионального бюджета на основе искусственных нейронных сетей, построена многофакторная, динамическая модель, которая учитывает взаимосвязи результативного признака с объясняющими переменными, распределенными во времени;

- проведена многомерная классификация административно-территориальных образований Оренбургской области итеративными и нейросетевыми методами, позволившая' выявить территориальные*различия*муниципалитетов, а также оценить перспективы их развития с точки зрения' уровня финансово-экономической устойчивости;

- впервые построены многофакторные регрессионные модели по осред-ненным во времени и панельным данным с учетом пространственной неоднородности исследуемых объектов и выявлено влияние наиболее существенных факторов на: результирующий признак на основе эконометрического моделирования доходов бюджетов муниципальных образований Оренбургской области.

Практическая значимость диссертационного* исследования/ Разработанная в диссертации методика и полученные результаты статистического исследования могут быть использованы региональными и муниципальными органами государственной власти, в частности, Министерством финансов, при планировании бюджета, а также при осуществлении практических мер по совершенствованию' управления- бюджетным процессом на региональном уровне. Также: представляется;, что-некоторые результаты работы, окажутся: полезными специалистам научно-исследовательских организаций с точки зрения перспектив доработки предложенных в работе моделей и возможностей их адаптации к региональному,, at возможно и государственному, уровням ;финансово-бюджетного прогнозирования.

Положения диссертационной работы могут быть использованы в высших и средних специальных учебных заведениях' экономического профиля при изучении дисциплин «Финансовая статистика»,, «Региональная-статистика», «Анализ временных рядов», «Эконометрическое моделирование», «Нёйросетевые методы.и технологии»;

Апробация! результатов^ исследования. Основные положения диссертационной работы докладывались автором на региональной научной конференции «Финансово-экономические проблемы деятельности организаций в. современных условиях» (Оренбург, 2002 г.), IV международной научно-практической^ конференции. «Проблемы совершенствования бюджетной политики регионовш-муниципалитетовРоссии и стран Северной Европы» (Петрозаводск^ 2004 г.), V международной научно-практической конференции «Стабилизация экономического развития Российской Федерации» (Пенза,. 2006 г.), всероссийской научно-практической конференции «Развитие университетского комплекса как фактор повышения инновационного и образовательного потенциала региона» (Оренбург, 2007 г.).

Основные положения диссертационной работы изложены в семи научных публикациях общим объемом 2,1 п.л.

Объем и-структура работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложений, в которых приведены информационно-справочные материалы, иллюстрирующие и дополняющие содержание исследования. Диссертационная работа изложена на 213 страницах машинописного текста, содержит 23 рисунка, 22 таблицы, 21 приложение. Список литературы включает 176 наименований работ отечественных и зарубежных авторов.

Диссертация: заключение по теме "Бухгалтерский учет, статистика", Рыженкова, Кира Викторовна

Результаты исследования показали, что внутри каждого кластера наблюдается незначительная вариация величины дохода на душу населения, следовательно, удалось добиться такого разбиения совокупности, при котором в каждый кластер попали однородные по свойствам объекты. Сравнение средних значений показателей выявило несоответствие среднего уровня доходов значениям' других финансово-экономических показателей в выделенных группах. Большинство местных органов власти преднамеренно занижают параметры финансово-экономического развития муниципальных образований, рассчитывая данным способом- получить у вышестоящих властей дополнительные ресурсы, льготы и привилегии. В итоге бюджеты данных административнотерриториальных образований формируются не за счет собственных средств, а

I за счет безвозмездных перечислений. л 1

Практическое применение результатов исследования способствует выработке более эффективной дифференцированной бюджетной политики по отношению к различным административно-территориальным образованиям региона.

6. Величина доходов бюджета формируется в результате взаимодействия многообразных факторов, с целью выявления существующих между ними* взаимосвязей и установления конкретной формы зависимости проведено эко-нометрическое моделирование- пространственно-временной информации. Рассмотрено два подхода к оценке параметров модели, описывающей зависимость между признаками; измеренными, как. в пространстве, так и во времени, с учетом пространственной неоднородности объектов.исследования.

Первым подходом является метод осреднения! данных во времени с включением в уравнение фиктивных переменных. Вторым подходом является метод регрессионного анализа панельных данных, который позволяет учесть внутреннюю неоднородность объектов за счет ввода в .модель индивидуальных эффектов. Проведенный эконометрический анализ показал, что на вариацию доходов бюджетов* муниципальных образований наибольшее влияние, стимулирующее рост доходов бюджета на душу населения, оказывает среднемесячная номинальная- начисленная заработная плата работников. Это объясняется тем, что в структуре налоговых доходов бюджетов муниципальных образований Оренбургской области весомую долю занимает налог на доходы физических лиц, который напрямую связан с данным фактором. Также положительное влияние на величину доходов бюджета на душу населения оказывают инвестиции в основной капитал, кредиторская задолженность на 1 организацию и объем отгруженной продукции на душу населения. Сдерживающий эффект оказывают объем платных услуг на душу населения и рост задолженности организаций по заработной плате на одного работника.

Разработанная в диссертации методика и полученные результаты статистического исследования могут быть использованы региональными и муниципальными органами государственной власти при планировании и утверждении основных статей доходов бюджетов, осуществлении практических мер по совершенствованию управления бюджетным процессом на региональном уровне, а также разработке стратегии экономического развития Оренбургской области в разрезе ее административных единиц.

Методический инструментарий комплексного статистического исследования доходов региональных бюджетов, предложенный в диссертационной работе, может быть использован специалистами научно-исследовательских организаций с точки зрения перспектив доработки предложенных в работе моделей и возможностей их адаптации к региональному, а возможно и государственному, уровням финансово-бюджетного планирования и прогнозирования.

ЗАКЛЮЧЕНИЕ

Проведенное исследование позволило сделать следующие выводы.

1. Тенденция усиления роли региональных бюджетов в финансовой системе государства привела к возрастанию их значения как объекта статистического исследования. С данной позиции региональный бюджет рассматривается как основной финансовый документ, содержащий экономико-статистические показатели, используемые при анализе и планировании бюджетов, и объективно характеризующий бюджетную систему региона.

Основной задачей статистики региональных бюджетов является изучение количественных закономерностей массовых процессов, происходящих при формировании и расходовании региональных бюджетов, выявление закономерностей тенденций развития, а также характеристика основных показателей, определяющих содержание и направленность бюджетной политики региона. Важной задачей бюджетной статистики является всестороннее исследование эффективности бюджетного планирования и происходящих в бюджетной сфере преобразований в увязке с развитием макроэкономической ситуации в стране ш регионах на основе научно обоснованной системы показателей, обобщения и прогнозирования развития налоговой базы, выявления имеющихся резервов повышения уровня налоговых поступлений и своевременного обеспечения надежной информацией руководства региона и заинтересованных органов исполнительной власти.

Проведенный анализ существующих методик бюджетного планирования и прогнозирования выявил, что на практике весь процесс бюджетного планирования сводится к разработке регионального сводного финансового баланса, а перспективный финансовый план является лишь справочно-информационным сопровождением проекта бюджета. Применение статистико-эконометрического аппарата при прогнозировании объема ресурсов на перспективу на региональном уровне не осуществляется.

2. Сугубо статистический подход к определению региональных бюджетов накладывает дополнительное ограничение, связанное с наличием единого информационного пространства и возможностью оперативного сведения учетно-статистических данных в обобщающие статистические показатели.

Вопросы сопоставимости, возникающие при построении и анализе динамических рядов, можно решать либо в процессе сбора и обработки данных, либо путем их пересчета. Это требование реализуется посредством применения единой методологии расчета показателей, территориальной сопоставимостью, одинаковой полнотой охвата различных частей явления, равенством интервалов времени, к которым относятся уровни ряда, и, наконец, расчетом последних в единых, сопоставимых ценах. В научной литературе нет единого системного подхода, обеспечивающего сопоставимость уровней временных рядов, при. этом рассмотрение данного вопроса применительно к показателям бюджетной системы имеет свою специфику.

При анализе пог'одовой динамики пересчет статей доходной части бюджета региона осуществляется в целом и по отдельным статьям на основе значений регионального индекса-дефлятора ВРП. При проведении помесячного анализа динамики за ряд лет с выявлением тенденции, цикличности и сезонности колебаний, пересчет осуществляется на основе- агрегированного индекса инфляции, включающего спросовую составляющую в сфере потребления и спро-совую составляющую в сфере производства. При адаптации данной методики применительно к региональному бюджету был получен перечень индексов, участвующих в формировании агрегированного индекса инфляции, характерный для Оренбургской области:

- сводный индекс потребительских цен на товары и услуги;

- индекс цен производителей промышленных товаров;

- индекс тарифов на грузовые перевозки;

- сводный индекс цен строительной продукции;

- индекс цен производителей на реализованную сельскохозяйственную продукцию.

Значения агрегированного индекса инфляции использовались для расчета скорректированных значений доходов регионального бюджета. Для того чтобы полученные данные могли применяться в дальнейших исследованиях и в прогнозировании, предложено за базисный период брать последний год в анализируемом отрезке времени.

Таким образом, на основе полученных в сопоставимом масштабе показателей представляется возможным проанализировать и сделать соответствующие выводы относительно действительных тенденций формирования доходных статей как консолидированного бюджета Оренбургской области, так и бюджетов других регионов. Подобный подход к решению- вопросов; сопоставимости позволяет получить соизмеримые данные и показатели * социально-экономических процессов, а также использовать полученные достоверные результаты анализа в прогнозировании.

3: В исследовании^ проведен анализ распределения доходов между уровнями бюджетной системы, выявивший высокую степень централизации управления доходами региональных бюджетов, что способствует увеличению разрыва между закрепленными за региональными властями доходными и расходными полномочиями.

Регион по общему объему поступлений налогов и сборов в Приволжском федеральном округе является одним из ведущих, причем объем поступлений с каждым годом возрастает. За.период с 1998 по 2006 гг. общий объем налоговых поступлений в текущих ценах увеличился в 16,3 раза, но положительная динамика поступления налогов в консолидированный бюджет области носит «обманчивый» характер. Оренбургская область является регионом донором, и при увеличении поступлений налогов и сборов в бюджет региона, ежегодно на федеральном уровне изменяются нормативы распределения налоговых доходов, I остающихся у субъекта РФ и передаваемых в федеральный бюджет. За девять лет доля-доходов, передаваемых в федеральный бюджет, увеличилась на 39,5%.

В работе осуществлено моделирование и прогнозирование доходов в ценах с учетом инфляции на основе АРПСС-моделей. Полученные результаты, свидетельствуют, что рост доходов регионального бюджета происходит не за счет экономического развития, то есть роста величины собственных доходов, а за счет инфляционного процесса, происходящего в регионе.

Министерство финансов определяет Оренбургскую область как самодостаточный регион, что не позволяет претендовать на получение средств на выравнивание бюджетной обеспеченности-, однако выводы исследования-- могут быть использованы как, доказательство необходимости выделения дополнительных средств области из Фонда финансовой поддержки,регионов.

4. На современном этапе в экономике области прослеживаются различные, причем в большинстве случаев нелинейные тенденции, по этой* причине при моделировании социально-экономической, ситуации в регионе в рамках кратко- и среднесрочного прогнозирования наиболее целесообразным оказывается не прогноз на основе определённого типа тренда или регрессионной модели, а прогноз на основе нейросетевой модели.

Решение задачи прогнозирования многомерных временных рядов с помощью нейросетей осуществляется в несколько этапов:

- предварительные преобразования;

- структурный синтез нейронной сети;

- параметрический синтез нейронной сети;

- проверка ошибки прогноза на контрольной и тестовой выборке.

Сделав предположение, что на доходы регионального бюджета текущего периода влияние факторов распределено во-времени, было проведено исследование взаимосвязи доходов бюджета с объясняющими переменными, распределенными во времени на основе нетрадиционного корреляционного анализа. В результате было доказано, что при нейросетевом моделировании необходимо проводить исследование связи между динамикой анализируемого показателя и динамикой рядов объясняющих переменных и определять в случае существования связи ее тесноту, направление и изменение во времени. Данная информация поможет оптимально сформировать выборку входных параметров нейронной сети, эффективно обучить сеть и построить качественный прогноз исследуемого показателя по многофакторной динамической модели. Таким образом в качестве входов сети использовались лаговые переменные.

Отбор наилучшей модели осуществлялся на основании оценок качества работы сети, работоспособность сети определялась по оценкам на контрольном подмножестве. Для прогнозирования доходов регионального бюджета Оренбургской области был выбран трехслойный персептрон с логистической функцией активации, в качестве процедуры обучения использовался метод сопряженных градиентов.

Проведенный анализ чувствительности по отношению к каждой переменной выявил факторы, оказывающее наибольшее влияние на величину доходов бюджета, а также факторы, исключение которых улучшило качество работы сети. В итоге для построения прогноза использовалась нейронная сеть, объясняющая 90,2 % вариации доходов бюджета вошедшими в модель показателями.

Разработанная модель прогнозирования доходов регионального бюджета нейросетевыми методами может быть использована в бюджетном планировании. При этом преимущество данной методики заключаются в возможности быстрого пересчета бюджетных доходов при условии изменения любых макроэкономических показателей. Это позволит с помощью более точных прогнозов решать задачу сбалансированности бюджета, что окажет существенное положительное влияние на всю экономику региона.

5. Величина доходов консолидированного бюджета Оренбургской области на 44 % формируется за счет доходов муниципальных образований, поэтому в работе проведено исследование бюджета на уровне административно-территориальных образований.

Методами многомерной классификации проведена дифференциация муниципальных образований Оренбургской области по комплексу показателей, характеризующих уровень финансово-экономической устойчивости в среднем" за 2004 - 2006 гг. Среди различных итеративных алгоритмов многомерной классификации наиболее содержательный" и экономически интерпретируемый результат получен методом ^-средних при разбиении совокупности на три кластера, в качестве меры сходства взято евклидово расстояние. Для классификации нейросетевыми алгоритмами использовалась сеть Кохонена, число выходных нейронов задано 3:

С целью проследить изменения, структуры в полученных классах была осуществлена кластеризация в разрезе 2004 — 2006 гг. Полученные результаты* свидетельствуют о том, что в модели присутствует пространственная неоднородность, не изменяющаяся во времени, поэтому возможно применение результатов кластеризации по осредненным данным.

Диссертация: библиография по экономике, кандидата экономических наук, Рыженкова, Кира Викторовна, Самара

1. Агапова Т.Н. Методы статистического изучения структуры сложных систем и её изменения. М.: Финансы и статистика, 1996. - 198 с.

2. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. Учебник для вузов. М.: ЮНИТИ, 1998. - 1022 с.

3. Александров И.М. Бюджетная система Российской Федерации: Учебник.

4. М.: Издательско-торговая корпорация «Дашков и К», 2006. 486 с.

5. Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976. — 760 с.

6. Анил К. Дж. Введение в искусственные нейронные сети. http://www. neuroschool.narod.ru/pub/nnintjain.pdf 12.09.2006.

7. Анисимов С.А., Максимов В.А. Бюджетная политика как источник экономического роста // Финансы. 2005. - № 1. - С. 16-18.

8. Анисимов С.А., Суркова Т.И. Макроэкономический анализ и прогнозирование поступлений в бюджет налога на добавленную стоимость // Финансы. 2004. - № 4. С.21-22.

9. Артамонов Г.Ф., Беляев Д.В. О возможности увеличения доходов бюджета с помощью регламентированного электронного обмена данными и отчетностью // Финансы. 2004. - № 3. - С.34-39.

10. Афанасьев В.Н. Эконометрика: Учебник / В.Н. Афанасьев, М.М. Юзба-шев, Т.И. Гуляева; под ред. В.Н. Афанасьева. М.: Финансы и статистика, 2005.-256 е.: ил.

11. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: Учебник. — М.: Финансы и статистика, 2001. — 228 е.: ил.

12. Бабич A.M. Государственные и муниципальные финансы: учеб. для вузов / A.M. Бабич, JI.H. Павлова. 2-е изд., перераб. и доп. - М.: Юнити, 2002.- 703 с.

13. Балаш В.А. Модели линейной регрессии для панельных данных: Учебное пособие для ВУЗов / В.А. Балаш, О.С. Балаш. М., 2002. - 65 с.

14. БалтинаА.М. Прогнозирование и планирование в налогообложении. Учеб. пособие / A.M. Балтина, Т.В. Прусакова. Оренбург: ОГУ, 2005. —183 с.

15. Барский А.Б. Нейронные сети: распознавание, управление, принятие решений / А.Б. Барский. М.: Финансы и статистика, 2004. - 176 с.

16. Басовский J1.E. Прогнозирование и планирование в условиях рынка: Учеб. пособие / JI.E. Басовский. М.: ИНФРА-М, 2003. - 260 с.

17. Бетяев С.К. Научный прогноз: Сущность и возможности // Вестн. Моск. ун -та. Сер.7. Философия. 1999. - №2. - С.49-61.

18. Бирюков А.Г. О сбалансированности консолидированных бюджетов субъектов Российской Федерации в 2004 году // Финансы. 2004. - № 2. - С.7-10.

19. Блинов В. Пакет STATISTICA рабочий инструмент для подготовки;, управленческих решений // Вопросы статистики. - 2002. - № 9. - С.38-39.

20. Бокс Дж., Дженкинс Г. Анализ временных рядов: Прогноз и управление. Вып. 1.-М.: Мир. 1974.-406 с.

21. Болыпев JI.H., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1983.-416 с.

22. Борисов А. Б. Большой экономический словарь / А.Б. Борисов. 2-е изд., перераб. и доп. — М.: Книжный мир, 2004. 860 с.

23. Боровиков В. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов. 2-е изд. - СПб.: Питер, 2003. - 688 е.: ил.

24. Боровиков В. П. Прогнозирование в системе STATISTICA в среде Windows: Основы теории и интенсивная практика на компьютере: Учеб. пособие для вузов /В.П. Боровиков, Г.И. Ивченко. М.: Финансы и статистика, 2000. - 384 е.: ил.

25. Бутов В.И., Игнатов В.Г., Кетова Н.П. Основы региональной экономики. Учебное пособие. Москва. Ростов н/Д, 2001. 448 с.

26. Бюджет-2006 бюджет развития (интервью представителя Комитета по бюджету и налогам ГД'ФС РФ Ю.В. Васильева) // Финансы. - 2005. — № 10. -С.30-32.

27. Бюджетная система России: учеб. для вузов / Под. ред. проф. Г.Б. Поляка. М.: ЮНИТИ-ДАНА, 2002. - 540 с.

28. Бюджетная система Российской Федерации: Учеб. для вузов / под ред. О.В. Врублевской, М.В. Романовского; Санкт-Петербургский государственный университет экономики и финансов (ФИНЭК).- 3-е изд., испр. и перераб. -М.: Юрайт, 2004. 838 с.

29. Бюджетное планирование и прогнозирование. Метод, указ. для подготовки к семинар, занятиям / Т. В. Прусакова; Оренбург, гос. ун-т, каф. финансов. Оренбург: ОГУ, 2005. - 50 с.

30. Бюджетное послание Президента* Российской Федерации собранию Российской Федерации «О бюджетной политике в 2004 году» от 29 мая 2003 , г. № Пр-968.

31. Бюджетное послание Президента Российской Федерации Федеральному собранию Российской Федерации о бюджетной политике в 2006 году. // Финансы. 2005. - № 6. - С.3-7.

32. Бюджетный кодекс Российской Федерации. Федеральный закон от 31 июля 1998 г. № 145-ФЗ.

33. Венсель В.В. Интегральная регрессия и корреляция: статистическое моделирование рядов динамики / В. В. Венсель. — М.: Финансы и статистика, 1983.-223 с.

34. Вышегородцев М.М. Управление бюджетом: Курс лекций. М.: Издательство «Дело и сервис», 2002. - 160 с.

35. Галушкин А. И.4 Нейрокомпьютеры и их применение: учеб. пособие. Кн. 1: Теория нейронных сетей / А. И. Галушкин. М.: Б. и., 2000 416 с.

36. Гамукин В. Новации бюджетного процесса: бюджетирование, ориентированное на результат // Вопросы экономики. — 2005. №2. — С.4-22.

37. ГвызингСХЛ. Прогноз доходной составляющей федерального бюджета на территории субъекта РФ // Финансы. 2004. - № 2. - G. 18-19.

38. Годин A.M.', Подпорина И.В. Бюджет и бюджетная система Российской Федерации: Учебное пособие. М.: Издательско-торговая корпорация «Дашков и Ко», 2002. - 340 с.

39. Горбань А.Н. Обучение нейронных сетей., М^: СП «ParaGraph», 1990. -83 с.

40. Рородничев П.Н. Финансовое и инвестиционное прогнозирование: учеб. пособие для вузов 7 П.Н. Городничев, К.П. Городничева. М.: Экзамен, 2005. - 224 с.

41. Господарчук Р.Г. Анализ бюджетной системы: проблемы укрепления местных и региональных бюджетов // Финансы и.кредит. 2006. — № 34 (декабрь). — С.26-34.

42. Джонстон Дж. Эконометрические методы. Пер. с англ. / Дж. Джонстон. — М.: Статистика, 1980.-444'с.

43. Домашова Д.В. Методические указания к лабораторным работам по курсу "Нейрокомпьютерные системы "/Д.Л. Домашова, В.А, Отенюшкина,, В.Н. Тарасов. Оренбург: ОГУ, 2000. - 24 с.

44. Домбровский В.В. Эконометрика: Учебник / В;В. Домбровский; Федер. агенство по образованию, Нац. фонд подгот. кадров. — М:: Новый учебник, 2004.-342 с.

45. Доугерти К. Введение в эконометрику: Пер. с англ. М.: ИНФРА-М; 1999.-402 с.

46. Дробышевский С. Эконометрический. анализ динамический рядов-основных макроэкономических показателей.- http://www.iet.ru/publication.php? folder-id=44&publication-id=l 721 03.03.2004.

47. Дубинина И.В. Реформирование бюджетной классификации Российской Федерации // Финансы. 2004. - № 12. - С.7-11.

48. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 1998. - 352 с.

49. Дурнова Е.А. Совершенствование управления сбалансированностью бюджета муниципального образования на основе нейросетевого прогнозирования: Автореф. дис. к.э.н.: 08.00.05. Вологда, 2005. - 26 с.

50. Ежов А. А., Шумский С.А. Нейрокомпьютинг и его приложения в экономике и бизнесе. http://soft.neurok.ru/pub/lectures.shtml 16.05.2005.

51. Елисеева И.И. Юзбашев М.М. Общая теория статистики: Учебник. — М.: Финансы и статистика, 2004. 656 с.

52. Ермилов В.Г. Проблемы доходной базы бюджетов субъектов Российской Федерации // Финансы. 2005. - № 8. - С. 17-21.

53. Замков О.О., Толстопятенко А.В. и Черемных Ю.Н. Математические методы в экономике: Учебник / Под ред. А. В. Сидоровича; МГУ им. М.В. Ломоносова. М.: Издательство «Дело и сервис», 2001. - 368 с.

54. Зарова Е.В. Котякова М.А. Качество экономического роста региона: методологические аспекты статистического исследования // Вопросы статистики. 2006. - № 5. - С.51 -61.

55. Зарова Е.В. Региональная статистика. — М.: Финансы и статистика, 2006. 624 с.

56. Ильин А.Е. Налоговый механизм государственного регулирования доходов // Финансы. 2005. - № 3. - С. 16-17.

57. Калан Р. Основные концепции нейронных сетей.: Пер. с англ. М.: Издательский дом «Вильяме», 2001. - 288 с.

58. Карпов В.Г. Оптимизация планов добычи нефти с использованием искусственных нейронных сетей // Современные проблемы экономической теории и практики. Межвузовский сборник научных трудов. Вып 2. — Уфа, 2004. С.138-139.

59. Кашина Н. Сбалансированность бюджетного обеспечения региона // Экономист. 2005. - № 4. - С.57-62.

60. Кевеш А.Л., Долгополов П.И., Коробов В.Н, Семченко Н.И. Развитие системы экономико-статистических классификаций и их внедрение в информационную систему государственной статистики // Вопросы статистики. 2006. - № 7. - С.20-24.

61. Кевеш А.Л., Семченко Н.И. О «Методологических рекомендациях по внедрению Общероссийского классификатора видов экономической деятельности (ОКВЭД) в статистическую информационную систему» // Вопросы статистики. — 2002. № 10. - С.24-33.

62. Кендалл М. Многомерный статистический анализ и временные ряды / М. Кендалл, А. Стьюарт. М:: Наука, 1976. - 736 с.

63. Кильдышев Г.О., Френкель А.А. Анализ временных рядов и прогнозирование. — М.: Статистика. 1973. - 103 с.

64. Климанов В., Лавров А. Межбюджетные отношения в России на современном этапе // Вопросы экономики. 2004. -№11. - С. 111-125.

65. Ковалева Л.Н. Многофакторное прогнозирование на основе-рядов динамики. М.: Статистика, 1980. - 104 с.

66. Ковалева Т.М. Бюджет и бюджетная политика в,Российской Федерации. Учебное пособие / Т.М. Ковалева, С.В. Барулин УМО. - М.: КНОРУС, 2005.-2005.-2008 с.

67. Конторович Г.Г. Анализ временных рядов // Экономический журнал ВШЭ, №1,2002, с.85-116.

68. Конторович Г.Г. Анализ временных рядов // Экономический журнал ВШЭ, №3, 2002, с.379-401.

69. Конторович Г.Г. Анализ временных рядов // Экономический' журнал ВШЭ, №4, 2002 г.с.498-523.

70. Конторович Г.Г. Анализ временных рядов // Экономический журнал ВШЭ, №5, 2003, с.79-103.

71. Котенева Т.В. Методология статистического исследования формирования и исполнения бюджета региона: (На примере Самарской области): Авто-реф. дис. к.э.н.: 08.00.11. Самара, 2000. - 24 с.

72. Крастинь О.П. Изучение статистических зависимостей по многолетним данным М.: Финансы и статистика, 1981. - 136 с.

73. Кремер Н.Ш., Путкс Б.А. Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш. Кремера. М.: ЮНИТИ-ДАНА, 2003. - 311 с.

74. Крисилов В.А. Представление исходных данных в задачах нейросетевого прогнозирования. http://www.neuroschool.narod.ru/pub/OOvr.pdf 06.02.2007.

75. Круглов, В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов 2-е изд., стер.-М.: Горячая линия — Телеком, 2002:-382 е.: ил.

76. Кузин Ф.А. Кандидатская диссертация. Методика написания, правила оформления и порядок защиты: Практическое пособие для*аспирантов» и соискателей ученой степени. 7-е изд., доп. - М.: Ось-89, 2005. — 224 с.

77. Кузнецова В.Е. Методологические аспекты сезонной корректировки временного ряда на региональном уровне // Вопросы статистики. — 2006. — № Г. — С.38-44.

78. Курс социально-экономической статистики: Учебник для вузов / Под ред. проф. М.Г. Назарова. М.: Финстатинформ, 2002. - 796 с.

79. Кучерова* Н.В., Набатчикова С.Б., Маяковская О.В. Финансы: Учебное пособие Оренбург: Издательский центр ОГАУ, 2004. — 272 с.

80. Лавров A.M. Бюджетная реформа 2001 — 2008 гг.: от управления затратами к управлению результатами // Финансы. 2005. - № 9. - С.3-12.

81. Левин B.C. Прогнозирование и классификация экономических, систем в условиях неопределенности методами искусственных нейронных сетей / В.С.Левин, В.И. Смирнов. Оренбург: Издательский центр ОГАУ, 2004". -188 с.

82. Лексин В., Швецов А. Стереотипы и реалии российского бюджетного федерализма // Вопросы экономики. 2000. - № 1. — С.71-87.

83. Лукашин Ю.П. Адаптивная эконометрика. Нелинейные адаптивные регрессионные модели // Вопросы статистики. — 2006. — № 6. С.37-45.

84. Лукашин Ю. П. Адаптивные методы краткосрочного прогнозирования временных рядов: Учеб. пособие. М.: Финансы и статистика, 2003. — 416 е.: ил.

85. Лушин С. Бюджетная реформа // Экономист. 2005. - № 2. - С.38-45.

86. Льюис К.Д. Методы прогнозирования экономических показателей. — М.: Финансы и статистика, 1986. 130 с.

87. Магнус Я. Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учеб. 4-е изд. - М.: Дело, 2000. - 400 с.

88. Маевскй В., Амосова А., Волкова Н. Методы прогнозирования платежеспособного спроса на нефтепродукты // Экономист. 1999. - № 9. — С.75-82.

89. Малинецкий Г.Г. Современные проблемы нелинейной динамики / Г.Г. Малинецкий, А.Б. Потапов. М.: Эдиториал УРСС, 2000. - 336 с.

90. Матросов В.М. Моделирование и прогнозирование показателей социально-экономического развития области /В.М. Матросов, В.Б. Головченко, С.И. Носков. Новосибирск: Наука, 1991. - 144 с.

91. Методические рекомендации по внедрению Общероссийского классификатора видов экономической деятельности (ОКВЭД) в статистическую информационную систему от 07.05.2002 г. № ОР-01-23/2156.

92. Миляков Н. В. Налоги и налогообложение: практикум / Н. В. Миляков. — М.: ИНФРА-М, 2003. 380 с.

93. Молоканов В.Д., Долганов А.П., Секерин А.Б. Использование технологий нейронных сетей для прогнозирования налоговых поступлений на основе унифицированной системы показателей госстатотчетности // Вопросы статистики. 2000. - № 7. - С.36-41.

94. Мхитарян B.C., Дубров A.M., Трошин Л.И. Многомерный статистический анализ в экономике. -М.: МЭСИ, 1995. 149 с.

95. Мхитарян B.C., Дуброва Т.А., Ткачев О.В. Многомерная классификация с использованием пакета программ «STATISTICА»: Методические указания. М.: / МЭСИ, 1997. -56 с.

96. Налоги и налогообложение. 5-е изд. / Под ред. М.В. Романовского, О.В. Врублевской. — СПб.: Питер, 2006. 496 е.: ил.

97. Налоги и налогообложение: учеб. пособие для вузов / под ред. Б.Х. Алиева М.: Финансы и статистика, 2005. - 416 с.

98. Налоги и налогообложение: Учебник / Д.Г. Черник, Л.П. Павлова, В.Г. Князев и др.; Под ред. Д.Г. Черника. 3-е издание. - М.: МЦФЭР, 2006. -528 с.

99. Налоговая реформа в России: анализ первых результатов и перспективы развития. Научные труды №50. М.: Институт экономики переходного периода, 2003 г. - 361 с.

100. Налоговый кодекс Российской Федерации Часть I. Федеральный закон РФ от 31.07.1998 г. № 147-ФЗ с изменениями и дополнениями.

101. Налоговый кодекс Российской Федерации Часть II. Федеральный закон РФ от 05.08.2000 г. № 117-ФЗ с изменениями и дополнениями.

102. Нанивская В. Г. Теория экономического прогнозирования: учебное пособие / В. Г. Нанивская, И. В.Андронова. Тюмень: ТюмГНГУ, 2000. - 98 с.

103. Нейронные сети. STATISTICA Neural Networks: Пер. с англ. М.: Горячая линия - Телеком, 2001. - 182 с.

104. Носко В., Бузаев А., Кадочников П., Пономаренко С. Анализ прогнозных свойств структурных моделей и моделей с включением результатов опросов предприятий. Научные труды № 64Р. М.: Институт экономики переходного периода, 2003. - 200 с.

105. Носко В.П. Эконометрика: Введение в регрессионный анализ временных рядов. http://www.iet.ni/mipt/2/text/curs economericslectures.htm 24.08.2006.

106. Основные социально-экономические показатели по Российской Федерации за 2002-2006 годы (по материалам Росстата) // Вопросы статистики. -2006.-№ 10. С.82-93.

107. Осовский С. Нейронные сети для обработки информации: Пер. с пол. ЙВД. Рудинского / С. Осовский. М.: Финансы и статистика, 2004. - 344 с.

108. Пансков В.Г. Налоги и налоговая система Российской Федерации: Учебник. М.: Финансы и статистика, 2005. — 464 е.: ил.

109. Пансков В.Г. Некоторые проблемы налоговой реформы в России // Финансы. 2004. - № 12. - С.24-27.

110. Пеньков Б. Налоговый импульс экономического развития // Экономист. -2005. — № 6. С.69-73.

111. Попова Г.Л. Статистический анализ налоговых поступлений в бюджет Тамбовской области: Автореф. дис. к.э.н.: 08.00.12. М., 2005. - 23 с.

112. Проблемы налоговой системы России: теория, опыт, реформа. Научные труды № 19Р. Том 1. Под редакцией М. Алексеева, С. Синельникова-Мурылева. М.: Институт экономики переходного периода, 2000. - 504 с.

113. Проблемы прогнозирования некоторых макроэкономических показателей. Под редакцией P.M. Энтова. М.: Институт экономики переходного периода, 2001. - 252 с.

114. Прогнозирование и планирование в условиях рынка: Учеб. пособие для вузов / Л.П. Владимирова. М.: Издат. Дом Дашков и К, 2001. - 308 с.

115. Пронина Л.И. Бюджетно-налоговое законодательство и реформа федеративных отношений // Финансы. 2004. - № 3. - С. 19-23.

116. Пронина Л.И. О расширении полномочий органов местного самоуправления и их финансовом обеспечении // Финансы. — 2005. № 6. - С.15-18.

117. Райская Н., Сергиенко Я., Френкель А. Инфляция и хозяйственная конъюнктура в промышленности // Экономист. 2005. - № 8. - С.23-29.

118. Региональная статистика: Учебник / Под ред. В.М. Рябцева, Г.И. Чудили-на. -М.: «МИД», 2001.-380 с.

119. Рогова О. Валютный фактор экономической динамики // Экономист. — 2005. — № 5. С.59-66.1201. Розенблатт Ф. Принципы нейродинамики: Персептрон и теория механизмов мозга. -М.: Мир, 1965. 501 с.

120. Русских Е.В., Суханов;Е.Ю: К вопросу о разработке федерального бюджета с разделением на нефтяной и ненефтяной бюджеты // Вопросы статистики. 2006. - № 7. - С.75-79.

121. Сабуров Е., Типенко Н., Чернявский А. Бюджетный федерализм и межбюджетные отношения // Вопросы экономики. 2000. — № 1. - С.56-70.

122. Сивелькин В.А. Основные направления'совершенствования-информационно-аналитической деятельности в; Оренбургстате // Вопросы статистики.-2006.-№ 1. — С.74-77.

123. Сивелькин В.А. Статистический анализ, структуры- социально-экономичес-ких процессов-и явлений:*Учебное пособие для вузов / В. А. Сивелькин, В: Е. Кузнецова. Оренбург: Изд-во ОГУ, 2003. - 102 с.

124. Сивелькин В'.А., Кузнецова В'.Е. Особенности развития Оренбургской области как приграничной зоны России // Вопросы статистики. 2004; - № 6. — С.45-50.

125. Сивелькин В.А., Кузнецова В.Е. Практикум по региональной статистике / Практические задания. Оренбург: ООП Оренбургстата, 2006. -81 с.

126. Сивелькин В.А., Кузнецова В:Е. Региональная статистика / Курс лекций. Оренбург: ООП Оренбургстата, 2006. 171 с.

127. Совершенствование межбюджетных отношений-в.России. Научные* труды № 24 Р. М.: Институт экономики переходного периода, 2000. - 75 с.

128. Социальная статистика: Учебник / Под ред. чл.-кор. РАНИ.И. Елисеевой. 3-е изд., перераб. И доп. - Mi: Финансьти статистика, 2002. - 480 е.: ил.

129. Сошникова JI.A., Тамшевич В.Н., Уебе Г. Многомерный статистический анализ в экономике. М-.: ЮНИТИ, 1999. - 528 с.

130. Статистика финансов: Учебник. 2-е изд. / Под ред. В.Н. Салина. - М.: Финансы и статистика, 2002. - 816 е.: ил.

131. Статистический анализ экономических временных рядов и прогнозирование / отв. ред. Т. В. Рябушкин. М.: Наука, 1973. - 295 с.

132. Статистическое моделирование и прогнозирование: учеб. пособие для вузов / под ред. А.Г. Гранберга. М.: Финансы и статистика,1990 — 382 е.: ил.

133. Степанов С.В. Нейронная интерпретация выборки для структурного статистического моделирования совокупностей предприятий // Вопросы статистики. 2004. - № 6. -С.21-32.

134. Стратегическое планирование / Под ред. Уткина Э.А. М.: Ассоциация авторов и издателей «Тандем». Издательство ЭКМОС, 1998. - 440 с.

135. Теория статистики: Учебник / Под ред. проф. Р.А. Шмойловой. 3-е изд., перераб. -М.: Финансы и статистика, 2002. - 560 е.: ил.

136. Терехов С. А. Лекции по теории и приложениям искусственных нейронных сетей http://alife.narod.ru/lectures/neural/Neuindex.htm 31.01.2007.

137. Тихомиров Н. П., Дорохина Е.Ю. Эконометрика: Учебник / Н.П. Тихомиров, Е.Ю. Дорохина. М.: Издательство «Экзамен», 2003. - 512 с.

138. Толкушкин А. В. Налоги и налогообложение: энцикл. словарь / А. В. Толкушкин. М.: Юристъ, 2001. - 512 с.

139. Федеральный закон Российской Федерации «О государственном прогнозировании и программах социально-экономического развития Российской Федерации» от 20.07.1995 г. № 115-ФЗ.

140. Федеральный закон Российской Федерации «О федеральном бюджете на 2004 год» от 23 декабря 2003 г. № 186-ФЗ.

141. Федоров Н.В. Прогнозирование социально-экономического развития регионов Российской Федерации: Монография / Н.В. Федоров, Л.П. Кура-ков. М.: Пресс-сервис, 1998. - 688 с.

142. Федоткин В. Федерализм и местное самоуправление: проблемы экономического взаимодействия // Вопросы экономики. 2000. - № 1. - С.88-98.

143. Финансово-кредитный словарь. 2-е изд. Стереотип.: В 3-х т. — К-П / Гл. редактор В.Ф. Гарбузов. - М.: Финансы и статистика, 1994. - 512 с.

144. Финансы: Учебник / Под ред. д.э.н., проф. В.П. Литовченко. 2-е изд., перераб. и испр. - М.: Издательско-торговая корпорация «Дашков и К», 2006.-588 с.

145. Финансы: Учебное пособие / Под ред. проф. A.M. Ковалевой. 4-е изд., перераб. и доп. - М.: Финансы и статистика, 2003. — 384 е.: ил.

146. Френкель А.А. Прогноз развития экономики России на 2005 —2006 годы // Вопросы статистики. 2005. - № 12. - С.83-91.

147. Френкель А.А. Экономика России в 1992—1997 гг.: тенденции, анализ, прогноз. М.: Финстатинформ, 1997. 208 с.

148. Френкель А.А. Прогнозирование производительности труда: Методы и модели / А.А. Френкель. М.: Экономика, 1989. — 214 с.

149. Ханк Д.Э., Уичерн Д.У., Райте А.Дж. Бизнес-прогнозирование, 7-е издание.: Пер. с англ. М.: Издательский дом «Вильяме», 2003. - 656 е.: ил.

150. Хачатрян С.Р. Прикладные методы математического моделирования экономических систем: Научно-методическое пособие. М.: Издательство «Экзамен, 2002. - 192 с.

151. Цыпин А.П., Чавычалов Ю.П. Метод панельных данных в статистическом анализе сельскохозяйственной деятельности районов Оренбургской" области // Вестник ОГУ. Приложение. 2006. - № 8. - С. 48-56.

152. Черныш Е.А. Прогнозирование и планирование: Учеб. пособие. М.: Издательство «ПРИОР», 1999. - 176 с.

153. Чернявский А., Вартапетов К. Бюджетная децентрализация в странах с переходной экономикой // Вопросы экономики. 2004. - №11. - С.126-141.

154. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика, 1977.-200 с.

155. Шадрова Н.В., Семченко Н.И. О переходе на Общероссийский классификатор видов экономической деятельности // Вопросы статистики. 2004. -№ 4. — С.61-68.

156. Шакиров Н., Шакиров И. Оптимизация налоговой системы // Экономист. 2005. — № 9. - С.55-62.

157. Шаталов С.Д. Налоговая реформа важный фактор экономического роста // Финансы. - 2005. - № 2. - С.3-6.

158. Швецов Ю. Эволюция российского бюджетного федерализма // Вопросы экономики. 2005. - №8. - С.76-83.

159. Эконометрика: Учебник / Под ред. И.И. Елисеевой. 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2007. - 576 е.: ил.

160. Эконометрический анализ динамических рядов основных макроэкономических показателей. Под редакцией С. Синельникова-Мурылева. — М.: Институт экономики переходного периода, 2001. 173 с.

161. Экономическая статистика. 2-е изд., доп.: Учебник / Под ред. Ю.Н. Иванова. М.: ИНФРА-М, 2002. - 480 с.

162. Энтов Р. М. Проблемы прогнозирования некоторых макроэкономических показателей. — http://www.iet.ru/publication.php?folder-id=44&publication-id= 1692 13.09.2005.

163. Эфрон Б. Нетрадиционные методы многомерного статистического анализа. -М.: Финансы и статистика, 1988. 263 с.

164. Юзбашев М.М. О правильном измерении тренда при наличии сезонных колебаний // Вопросы статистики. 2003. - № 3. - С.72-73.

165. Якобсон Л.И. Экономика общественного сектора: основы теории государственных финансов: Учебник для вузов. М.: Аспект Пресс, 1996. -319 с.

166. Cross-sectional time-series regression. — http://www.stata.com/capabilities/ xtreg.html 14.03.2007.

167. Gould, W. Interpreting the intercept in the fixed-effects model. http://www. stata.com/support/faqs/stat/xtreg2.html 08.11.2006.

168. Hsiao, C. Analysis of Panel Data / C. Hsiao. Cambridge: Cambridge University Press, 2004. - 366 c.

169. Michie D., Spiegelhalter D.J., Taylor C.C. Machine Learning, Neural and Statistical Classification, 1994. 290 p.

170. Online Econometrics Textbook. — http://wvm.xycoon.com/simultaneity.htm. 18.12.2006.

171. Stata help for xtreg. http://www.stata.com/help.cgi7xtreg 11.04.2007.

172. Stata help for xtreg postestimation. -http://www.stata.com/help.cgi?xtreg+ postestimation 11.04.2007.

173. Stata help for hausman. http://www.stata.com/help.cgi7hausman 11.04.2007.

174. STATISTICA Neural Networks руководство пользователя., StatSoft, Inc.

175. STATISTICA для Windows руководство пользователя. StatSoft, Inc.