Методика определения доли участия системы управления земельными ресурсами в поступление платежей за землю

Определение доли участия системы управления земельными ресурсами в поступление платежей за землю должно осуществляться в следующей последовательности:

1) выбор факторов, оказывающих наиболее существенное влияние на величину поступления земельных платежей;

2) составление статистической модели зависимости земельных платежей;

3) построение модели на основе нейросети для земельных платежей;

4) определение величин вкладов каждого фактора в величину земельных платежей;

5) анализ результатов

Методика определения доли участия финансирования земельно–кадастровых и землеустроительных работ в поступление платежей за землю аналогична предыдущей методике (как при определении вклада в величине валового регионального продукта).

1 этап. Выбор факторов, оказывающих наиболее существенное влияние на величину поступления земельных платежей

Выделить долю отдельного фактора в результативный показатель довольно сложно, так как факторы коррелируют и с результативным показателем и между собой. Необходимо решить задачу выбора наиболее существенных факторов, которые следует включить в модель.

В начале анализа были использованы рассчетно-корреляционный и нейросетевой методы для определения состава показателей, которые необходимо включать в итоговую модель.

Были обработаны данные по всем субъектам Российской Федерации за период 1991-2001 гг. Анализ результатов показал, что пик (увеличение) величин в 1997 г. и спад (уменьшение) в 1998 г. значительно изменяют величины влияния факторов на результативный показатель. В то же время данные за 1999 г. отражают тенденцию практически всех показателей (как результативных, так и зависимых переменных), сложившуюся за последние пять лет. Поэтому в расчетах были использованы данные за 1999 год.

Сначала с использованием пакета статистического анализа Statistica были рассчитаны парные корреляционные зависимости.

На первом этапе были исключены из расчетов субъекты Российский Федерации, данные которых значительно отличаются от общей совокупности (гг. Москва и С-Петербург, Республика Татарстан, Республика Башкортостан и др.). Для дальнейших расчетов были использованы 79 наблюдений.

В результате расчетов получена сильная положительная связь между земельными платежами и удельным весом поселений (r=0,730), основными фондами (r=0,760), стоимостью промышленной продукции региона (r=0,710), величиной арендных платежей за землю (r=0,700), сильная отрицательная связь наблюдается наблюдается между удельным весом земель в государственной и муниципальной собственности (r= - 0,700).

Средняя положительная связь наблюдается между удельным весом земель в частной собственности (r=0,540), амортизационными расходами в сельском хозяйстве (r=0,550), инвестициями в промышленность региона (r=0,500), финансированием землеустроительных и земельно-кадастровых работ (r=0,520).

2 этап. Составление статистической модели зависимости земельных платежей.

На этом этапе была составлена множественная корреляционная зависимость между земельными платежами и следующими наиболее значимыми факторами:

- удельный вес поселений;

- удельный вес земель в частной собственности;

- прибыль растениеводства;

- основные фонды;

- инвестиции в производство региона;

- затраты в сельском хозяйстве;

- удельный вес платежей поселений в общих платежах;

- финансирование земельно-кадастровых работ.

Коэффициент множественной корреляции составленной модели равен 0,672, коэффициент детерминации - 0,451, F-критерий (5,72) - 11,849.

Уравнение зависимости имеет следующий вид:

ЗП = -777,363 + 203,907Х₁ + 5,661Х₂ + 2,584Х₃ + 2,325Х₄ + 9,475Х₅,

где ЗП – земельные платежи региона, у.е./1000 га; Х₁ – удельный вес поселений, %; Х₂ – финансирование землеустроительных и земельно-кадастровых работ, у.е./1000 га; Х₃ – затраты в сельском хозяйстве, у.е./1000 га; Х₄ – инвестиции в производство региона, у.е./ га; Х₅ –удельный вес земельных платежей поселений в общих платежах, %.

На рисунке 13.4. представлен график остатков предсказанных и наблюдаемых переменных, из которого видно, что составленная модель адекватно отражает зависимость земельных платежей (точки близко располагаются вдоль линий доверительного интервала).

На рисунке 13.5. показано распределение предсказанных значений земельных платежей, составленное на основе данной множественной корреляционной зависимости. На основании этой гистограммы определен интервал оптимальных значений земельных платежей: от 500 до 1800 у.е./1000 га.

13.4. График остатков предсказанных и наблюдаемых переменных.

13.5. Распределение предсказанных значений земельных платежей.

3 этап. Построение нейросети для земельных платежей

Для проверки достоверности расчетов, проведенных на предыдущем этапе, следует использовать один или несколько методов РАД.

Для определения вклада каждого фактора в величину земельных платежей была составлена нейросетевая модель с использованием программы NeuroPro. В расчетах были использованы те же исходные данные, что и в предыдущих расчетах в пакете Statistica.

Расчеты показали, что построенная нейросеть адекватно отражает фактическую зависимость земельных платежей от выбранных факторов. В сети не обнаружено конфликтных примеров.

Значимость вклада факторов в размере выходного (результативнго) показателя «земельные платежи» составляют: удельный вес земельных платежей поселений 1,000; удельный вес земель поселений 0,488; затраты в сельском хозяйстве 0,325; инвестиции в производство региона 0,786; финансирование землеустроительных и земельно-кадастровых работ 0,503.

4 этап. Определение величин вкладов каждого фактора в величину земельных платежей.

Расчеты удельного веса отдельных факторов в величину земельного налога могут проводиться по следующим данным:

а) по коэффициентам при зависимых переменных (факторах) в уравнении множественной корреляционной зависмости;

б) по величинам удельных весов факторов в нейросетевой модели.

На данном этапе был применен упрощенный вариант расчета величины вкладов: только по результатам нейросетевого анализа, так как расчеты предыдущего раздела показали, что данные по обоим методам (нейросетевого и статистического анализа) совпадают.

Величина доли определялась следующим образом: величина вклада по результатам нейросетевого анализа (В) была умножена на среднее значение фактора в выборке. Таким образом была получена значимость отдельного фактора.

Далее все величины значимости были суммированы, а вклад отдельного фактора был определен как отношение значимости данного фактора к сумме значений всех факторов. Результаты расчетов представлены в таблице 13.8.