Прогноз на основании регрессионных уравнений и доли налоговых поступлений в ввп

↑

▷ Содержание

⇐ ПредыдущаяСтр 4 из 4

После того, как было выяснено, что построенная корреляционно-регрессионные модели в целом адекватны,и расчета доли налоговых поступленний в ВВП. Необходимо построить таблицы со значениями «Y», «X1»,»X2»,»X3»,»X4»,и значением «Y прогноз». Как можно увидеть, показатели прогнозируемого совокупного потребления, по сравнению с исходными данными этого параметра, имеет не большую разницу в своих показателях, так можно сделать вывод, что расчёты в моделей сделаны правильно, и с данными уравнениями можно работать дальше. Чтобы правильно спрогнозировать значения Х в прогнозе была построенная таблица с средним ростом налоговых поступлений с выборкой соответствующей Группе№5, для более адекватной оценки прироста:

Таблица 3.1

Средний прирост налоговых поступлений в период с 2013года по 2016

Основываясь на таблице 3.2 (см. Приложение 3), были рассчитаны Х1, Х2, Х3, Х4, на период с 2017 по 2021 год. По этим данным был составлен прогноз на период с 2017 по 2021 год:

Таблица 3.2

Прогнозируемое значение налоговых поступлений в период с 2017 года по 2021 год

А также была рассчитана средняя доля налоговых поступлений с 2012 по 2016 год.

Таблица 3.3

Средняя доля налоговых поступлений в ВВП РФ в период с 2012 по 2016 год

Используя таблицы 3.1-3.3, были сделаны прогнозы объема ВВП на период с 2017 по 2021 год.

Таблица 3.4

Прогнозируемый объем ВВП в РФ

Вывод по прогнозам объема ВВП

По данным статистическим расчётам и основываясь на официальной статистики роста ВВП в 2017 году, а также с учетом официальных прогнозов  роста ВВП в 2018 году, можно сделать вывод, что наиболее приближенным к официальным расчетам является пргоноз по уравнению регресии для Х2, или НДС.

Согласно официальной статистике рост ВВП РФ к 3 кварталу 2017 года, составил 1,8%, а итоговый ожидается на уровне в 2%.В таком случае ВВП РФ в 2017 году будет равняться 87764 млрд. рублей. В 2018 году Еврокомиссия прогнозирует рост в 1.6%, тогда объем ВВП РФ в 2018 году составит 89168 млрд. рублей. Так как эти данные получены с учетом текущих цен на 2017 год, наиболее приближенный прогноз виден при построении прогноза по НДС.

Несмотря на то, что регрессионная модель по НДФЛ была более адекватна по значению R-квадрат, она уступала регрессионной модели по НДС по значению средней ошибки аппроксимации. Что оказалось существенным фактором в точности построения прогноза.

ЗАКЛЮЧЕНИЕ

С помощью данной курсовой работы определено, что наиболее значительными для параметра «ВВП РФ, млрд. руб.» является такой фактор, как «НДС» несмотря на присутствие таких факторов, как «НДФЛ» и «Налог на прибыль», а также «Налоги, сборы и регулярные платежи за пользование природными ресурсами,млрд. руб.».

Тем временем стоит заметить, что с учетом нынешней экономической и политической обстановкой, как внутри страны, так и вне её. Построение адекватного прогноза объема ВВП РФ является тяжелой задачей. Однако

Условия, в которых оказалась российская экономика под воздействием иностранных санкций, дает уникальный стимул к развитию собственного производства, рост которого уже был замечен с 2014 года, почти все отрасли, входящие в ВПК, смогли перейти на без импортное производство, также, как и другие отрасли российской экономики, к примеру отрасль сырного производства.

С учетом всей проведенной работы, можно сказать что прогнозирование роста ВВП остается крайне нестабильным, и проводить такие расчеты на период от 3 до 5 лет, невозможно без учета влияния возможных кризисных ситуаций.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Российский статистический ежегодник 2001 года: Стат.сб./Росстат. - М., 2001 – 679 с.

2. Российский статистический ежегодник 2002 года: Стат.сб./Росстат. - М., 2003 – 680 с.

3. Российский статистический ежегодник 2003 года: Стат.сб./Росстат. - М., 2004. – 678 с.

4. Российский статистический ежегодник 2004 года: Стат.сб./Росстат. - М., 2005. – 685 с.

5. Российский статистический ежегодник 2005 года: Стат.сб./Росстат. - М., 2006. – 682 с.

6. Российский статистический ежегодник 2006 года: Стат.сб./Росстат. - М., 2007. – 677 с.

7. Российский статистический ежегодник 2007 года: Стат.сб./Росстат. - М., 2008. – 686 с.

8. Российский статистический ежегодник 2008 года: Стат.сб./Росстат. - М., 2009. – 686 с.

9. Российский статистический ежегодник. 2017: Стат.сб./Росстат. - М., 2017. – 686 с.

10. Российская экономика в 2003 году. Тенденции и перспективы. (Выпуск 25) – М.: ИЭПП, 2004. – 440 с.

11. Российская экономика в 2005 году. Тенденции и перспективы. (Выпуск 27) – М.: ИЭПП, 2006. – 646 c.  

12. Российская экономика в 2008 году. Тенденции и перспективы. (Выпуск 30) – М.: ИЭПП, 2009. – 655 c.

13. Российская экономика в 2010 году. Тенденции и перспективы. (Выпуск 32) – М.: Институт Гайдара, 2011. – 592 с.

ПРИЛОЖЕНИЯ

Приложение 1

Таблица 1.1

Таблица 1.2

Таблица 2.13

                                                                Продолжение таблицы 2.13

Приложение 2

Таблица 2.1

2001

8943,6

2002

10830,5

330,8

2003

13243,2

395,8

2004

17048,1

581

2005

21625,4

928,6

1235,1

1742,6

1080,9

1440,8

1857,4

2524,6

2951,8

24363,6-39783,6

24363,6-39783,6

39783,6-55203,6

Год

2002

2003

2004

2005

2006

2007

2008

2009

Рост ВВП в %

17%

18%

22%

21%

20%

19%

19%

-6%

Год

2010

2011

2012

2013

2014

2015

2016

Рост ВВП в %

16%

17%

18%

7%

8%

5%

3%

ВВП

0-8943,6

8943,6 -

24363,6

39783,6 - 55203,6

55203,6 -70623,6

70623,6 -86043,6

Частота

3

2

2

4

Накопленная частота

0

5

8

10

12

16

Дисперсия

Медиана

Мода

738073061

40042

#Н/Д

5197,40643

128,1576923

#Н/Д

5611,556032

122,0472222

#Н/Д

1703,779221

89,615

#Н/Д

962187,997

1337,95

#Н/Д

Ср. квадратичное отклонение

Среднее значение

Коэффициент вариации

27167,50009

43999,30625

0,617452919

72,09304009

119,98125

0,60086922

74,91031993

130,7888889

0,572757522

41,2768606

80,40833333

0,513340582

980,9118192

1505,53125

0,651538664

ВЫВОД ИТОГОВ

Регрессионная статистика

Множественный R

0,997

R-квадрат

0,995

Нормированный R-квадрат

0,993

Стандартная ошибка

2314

Наблюдения

16

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

4

1,1E+10

3E+09

514,15

2E-12

Остаток

11

5,9E+07

5E+06

Итого

15

1,1E+10

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

-562

1365,99

-0,411

0,6889

-3568

2444,896167

-3568

2444,9

Переменная X 1

143,9

56,9542

2,5272

0,0281

18,577

269,2880881

18,577

269,29

Переменная X 2

202

53,6342

3,7665

0,0031

83,963

320,0590476

83,963

320,06

Переменная X 3

-97,4

47,4304

-2,053

0,0646

-201,8

7,01102944

-201,8

7,011

Переменная X 4

5,78

2,12714

2,7171

0,02

1,0977

10,46134084

1,0977

10,461

ВЫВОД ОСТАТКА

Наблюдение

Предсказанное Y

Остатки

1

8079

864,109

2

11039

-208,953

3

13545

-301,481

4

17642

-593,595

5

18738

2887,31

6

26780

137,68

7

37167

-3919,98

8

41690

-413,603

9

40978

-2170,91

10

46987

-678,25

11

55690

277,341

12

63536

4628,14

13

71328

1805,83

14

78881

318,43

15

84176

-943,191

16

87732

-1688,88

ВЫВОД ИТОГОВ

Регрессионная статистика

Множественный R

0,999

R-квадрат

0,999

Нормированный R-квадрат

0,915

Стандартная ошибка

2232

Наблюдения

16

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

4

4,2E+10

1E+10

2106,2

9E-16

Остаток

12

6E+07

5E+06

Итого

16

4,2E+10

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

0

#Н/Д

#Н/Д

#Н/Д

#Н/Д

#Н/Д

#Н/Д

#Н/Д

Переменная X 1

146,9

54,5069

2,6949

0,0195

28,13

265,6504687

28,13

265,65

Переменная X 2

199,4

51,3858

3,8809

0,0022

87,461

311,381406

87,461

311,38

Переменная X 3

-106

40,9735

-2,589

0,0237

-195,3

-16,79096591

-195,3

-16,791

Переменная X 4

5,926

2,02303

2,9295

0,0126

1,5186

10,334199

1,5186

10,334

ВЫВОД ОСТАТКА

Наблюдение

Предсказанное Y

Остатки

1

8509

434,562

2

11466

-635,491

3

13963

-720,212

4

17952

-903,474

5

18967

2658,23

6

26905

11,7628

7

37088

-3840,02

8

41671

-394,278

9

41234

-2426,31

10

47037

-728,984

11

55474

493,115

12

63352

4812,04

13

71420

1713,53

14

78892

307,811

15

84116

-883,546

16

87554

-1510,39

x1

x2

x3

x4

x1

1

x2

0,987228652

1

x3

0,944206286

0,950883

1

x4

0,957101394

0,948887

0,917879

1

ВЫВОД ИТОГОВ

Регрессионная статистика

Множественный R

0,991870098

R-квадрат

0,983806291

Нормированный R-квадрат

0,982649598

Стандартная ошибка

3578,528258

Наблюдения

16

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

1

1,09E+10

1,09E+10

850,5333

6,16E-14

Остаток

14

1,79E+08

12805864

Итого

15

1,11E+10

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

-846,7768576

1779,035

-0,47598

0,641434

-4662,43

2968,874

-4662,43

2968,874

Переменная X 1

373,7757617

12,81638

29,1639

6,16E-14

346,2874

401,2642

346,2874

401,2642

Y=-846,776857571465+373,775761692527*x

ВЫВОД ОСТАТКА

Наблюдение

Предсказанное Y

Остатки

abs(e/y)

1

6507,980053

2435,62

0,272331

2

9449,307778

1381,192

0,127528

3

12255,50119

987,6988

0,074582

Хср

43999,31

4

15671,23661

1376,863

0,080763

Yср

119,9813

5

19483,74938

2141,651

0,099034

Эср

1,019245

6

25904,06689

1013,133

0,037639

7

35570,48312

-2322,98

0,069869

8

47062,6502

-5785,85

0,140172

9

47048,27421

-8241,07

0,212359

10

50633,64632

-4325,15

0,093399

11

56536,42816

-569,228

0,010171

12

64175,82969

3988,07

0,058507

13

71007,30053

2126,599

0,029078

14

76858,3288

2341,371

0,029563

15

79883,03727

3349,563

0,040243

16

85941,07981

102,5202

0,001191

Acp

0,086027

ВЫВОД ИТОГОВ

Регрессионная статистика

Множественный R

0,991404

R-квадрат

0,982882

Нормированный R-квадрат

0,981659

Стандартная ошибка

3679,247