Налоговые стимулы индивидуальных предпринимателей в цифровой и кадровой среде регионов России: неоднородность инвестиционного отклика

Введение

Развитие регионов в России всё в большей степени определяется качеством предпринимательской среды, человеческого капитала и цифровой инфраструктуры [9; 12; 23]. Для малого бизнеса и индивидуальных предпринимателей (ИП) налоговые меры работают не изолированно, а во взаимосвязи с цифровыми сервисами, кадрами и локальными рынками. В статье под фактической эффективной ставкой налогообложения индивидуальных предпринимателей понимается расчетный показатель налоговой нагрузки, определяемый по данным формы № 5-УСН как отношение суммы исчисленного налога к налоговой базе. Данный показатель не является номинальной ставкой, установленной налоговым законодательством, а отражает фактически сложившееся соотношение между налоговой базой и исчисленными налоговыми обязательствами по соответствующему налоговому режиму. Далее для краткости используется обозначение «эффективная ставка налогообложения ИП» [2; 5; 12].

Для России остаётся открытым вопрос: переводятся ли налоговые льготы в рост инвестиций в основной капитал или ограничиваются сокращением текущих издержек [1; 3]. Одинаковые по форме преференции действуют в регионах с разной цифровизацией и структурой экономики [12; 13], поэтому усреднённые межрегиональные оценки дают неполную картину.

Цель статьи – выявить межрегиональную неоднородность ассоциированного инвестиционного отклика на снижение фактической эффективной налоговой нагрузки ИП и описать характеристики региональной среды, с которыми связана большая восприимчивость к таким мерам. Вклад работы заключается в использовании фактических данных ФНС России о ставках ИП, переходе от усреднённых показателей к региональной неоднородности отклика и интерпретации цифровизации, образования и инфраструктуры как параметров предпринимательской среды.

Обзор литературы

Региональные инновационные системы опираются на локальные компетенции, инфраструктуру и институты [23]. Налоговые льготы снижают издержки, но их результат зависит от институционального контекста и встраивания мер в экосистему развития [1; 5; 26].

В отечественных эмпирических исследованиях редко анализируется фактическая эффективная ставка налогообложения ИП на УСН (упрощённая система налогообложения) и вариативность инвестиционного отклика по субъектам РФ [2; 11]. При этом региональное законодательство определяет предельный уровень льгот, тогда как фактическая ставка отражает реальную налоговую нагрузку с учетом структуры базы и интенсивности преференций [10].

Для оценки гетерогенных эффектов при большом числе контролей применяются двойное машинное обучение и причинные леса [24; 25; 27], панельные модели служат проверкой среднего внутрирегионального отклика [28]. Настоящая работа соединяет эту методику с задачей описания межрегиональных различий инвестиционной реакции на изменение налоговой нагрузки ИП.

Эмпирические исследования подтверждают ключевую роль инвестиционного климата [8; 14; 22], указывая на существенную пространственную дифференциацию регионов [6; 7; 9]. Особое внимание уделяется неоднородности объемов инвестиций и налоговой нагрузки на малый и средний бизнес [15; 16; 19]. Снижение налогового бремени для индивидуальных предпринимателей способно высвободить ресурсы для модернизации основных фондов и цифровизации, однако успех этой трансформации напрямую зависит от наличия устойчивого спроса, развитой логистики, квалифицированных кадров и доступных цифровых сервисов [5; 12]. В рамках используемой модели показатели цифровизации и уровня образования выступают характеристиками данной среды.

Данные и методы

Использованы открытые данные ФНС России по форме 5-УСН [20] и официальные разделы приложения к статистическому сборнику Росстата «Регионы России. Социально-экономические показатели. 2025» [17; 18] за 2021–2024 гг.: инвестиции в основной капитал, ВРП, демография, образование, транспорт, интернет-проникновение и другие характеристики субъектов Российской Федерации. Для дополнительной проверки учтены дотации на выравнивание бюджетной обеспеченности по Федеральным законам о федеральном бюджете на 2022–2024 гг. (№ 390-ФЗ от 06.12.2021; № 466-ФЗ от 05.12.2022; № 540-ФЗ от 27.11.2023; далее — законы о федеральном бюджете) [21].

Фактическая эффективная ставка налогообложения ИП:

Снижение ставки (воздействие) задаётся единообразно:

где EffectiveTaxRate_it – фактическая эффективная ставка налогообложения ИП в регионе i в год t;

CalculatedTax_it – сумма исчисленного налога;

TaxBase_it – налоговая база;

TaxCut_it – межгодовое изменение эффективной ставки налогообложения ИП, заданное с обратным знаком так, что положительное значение соответствует снижению ставки;

InvestmentChange_it – межгодовое изменение инвестиций в основной капитал по региону.

Ключевые переменные, используемые в расчетах представлены в таблице 1.

Таблица 1 – Ключевые переменные

В панельных оценках используется переменная tax_cut_pp, отражающая межгодовое изменение фактической эффективной ставки налогообложения ИП в процентных пунктах: tax_cut_pp = Rate_(t-1) - Rate_t. Такая запись выбрана для того, чтобы положительное значение переменной означало снижение налоговой нагрузки. Это позволяет напрямую интерпретировать коэффициенты как ассоциированный отклик объема инвестиций на снижение эффективной ставки налогообложения ИП. В расчётах значение переменной ограничено интервалом от −3 до +3 п.п., такое усечение снижает влияние выбросов, при этом на границах ограничения оказались 4 из 236 доступных межгодовых наблюдений.

Исследование не претендует на строгую причинность: после учёта наблюдаемых характеристик оценивается ассоциированная связь между снижением эффективной ставки налогообложения ИП и динамикой инвестиций с учётом рисков обратной причинности, ненаблюдаемых факторов и шоков 2022–2024 гг. [25; 28]. Контур анализа: (1) срез 2024 г. и МНК; (2) проверки устойчивости; (3) DML; (4) оценка условных региональных эффектов (CATE) с помощью метода причинного леса (causal forest); (5) панель с фиксированными эффектами.

Спецификация:

где X – лаги перечисленных показателей среды;

θ – параметр усредненного ассоциированного отклика инвестиций на изменение эффективной ставки налогообложения ИП;

g(X_it) – гибкая часть модели, учитывающая нелинейное влияние наблюдаемых характеристик региона;

u_it – ненаблюдаемый остаточный компонент.

DML реализован по методу [25]: на первом этапе исход и воздействие очищаются от влияния X, на втором оценивается коэффициент при остаточном воздействии, причинный лес даёт условные региональные эффекты и ранжирование регионов [27]. Панельные модели с фиксированными эффектами года и/или региона [28] сопоставляются с оценками CATE. Использовались 5-кратная кросс-валидация, случайные леса (300 деревьев) и причинный лес (800 деревьев), параметры генератора фиксированы. Вспомогательная типология «аграрные / урбанизированные» регионы (2024 г.) служит только для интерпретации различий CATE, а не для идентификации.

Результаты

Согласно описательной статистике, объемы инвестиций в основной капитал существенно разнятся по регионам, в то время как эффективные ставки налогообложения ИП в 2024 году сосредоточены в узком диапазоне (в среднем около 5,4%). Перечень показателей и первичных источников данных представлен в табл. 2.

Таблица 2 – Перечень показателей и первичных источников данных

Среднегодовое изменение ставки по панельным данным близко к нулю (−0,01 п.п.), при этом региональная динамика носит разнонаправленный характер (табл. 3). Строка «среднее» в таблице 3 отражает среднее значение соответствующего показателя по региональным наблюдениям. Для панельных переменных расчет выполнен по наблюдениям формата «регион–год». В модель включены лагированные показатели региональной среды (значения за период t−1): ВРП на душу населения, уровень проникновения интернета, урбанизация, плотность дорожной сети и другие. Использование лагов – стандартный прием для панельных спецификаций: контрольные переменные отражают предшествующую структуру территории, что позволяет избежать смещения, вызванного одновременным изменением налоговой нагрузки и инвестиций в текущем году. В таблицах 3–4 приведены описательная статистика и результаты межрегионального среза 2024 г. Для переменных региональной среды в расчетах используются лагированные значения: например, для наблюдения 2024 г. ВРП на душу населения берется за 2023 г. Такой подход позволяет рассматривать характеристики региональной среды как предшествующие условия, а не как одновременно формирующиеся с инвестиционной динамикой показатели.

Таблица 3 – Описательная статистика

Таблица 4 – Межрегиональный срез, 2024 г.

Поскольку в таблице 4 коэффициент оценен при уровне эффективной ставки налогообложения ИП, интерпретация снижения ставки на 1 п.п. требует изменения знака коэффициента, поэтому ассоциированное изменение инвестиций при снижении ставки указано со знаком минус.

Межрегиональный срез за 2024 г. не выявляет статистически достоверной линейной связи между объёмом вложений и эффективной ставкой налогообложения ИП (коэффициент Пирсона 0,091; R² = 0,008; p = 0,426). На рис. 1 точки образуют разрозненное «облако» без устойчивого наклона: регионы с крупными инвестициями не демонстрируют однозначной зависимости от уровня налоговой нагрузки на ИП.

Рисунок 1 – Эффективная ставка налогообложения ИП и инвестиции в основной капитал по регионам России, 2024 г.

Источник: составлено авторами на основе [17; 20].

Примечание. Каждая точка соответствует одному субъекту Российской Федерации.

Проверки устойчивости по 2024 г. (табл. 5) подтверждают слабую связь уровня ставки и инвестиций, в лог-спецификации оценка находится на границе 10 %-ной значимости (p = 0,084).

Таблица 5 – Устойчивость OLS

На панели 2022–2024 гг. средний эффект DML составляет −5088,3 млн руб. на 1 п.п. снижения ставки, 95 %-й доверительный интервал от −33783,4 до 23606,9 включает ноль; усреднённый отклик по России статистически неустойчив (в т. ч. при проверке с прокси федеральных трансфертов).

Расхождение знаков между срезом 2024 г. (табл. 4) и DML объясняется разными методами и наборами контролей: срез фиксирует межрегиональные уровни, DML – изменения в панели. Далее акцент смещён на условные эффекты и их детерминанты. Средний DML-эффект и сводные показатели CATE представлены в табл. 6.

Таблица 6 – DML и CATE

Значения CATE сильно варьируют по регионам: сводные показатели представлены в табл. 6, а экстремальные значения – в табл. 7 и на рис. 2–3. Доля положительных точечных оценок (72,2 %) не означает статистической значимости: интервалы широкие, поправка на множественные сравнения не применялась. Отрицательное среднее DML не противоречит положительному среднему CATE: первое представляет собой усреднённый ассоциативный отклик по панели, второе – условные оценки при неоднородной структуре. Экстремумы CATE приходятся на разные типы территорий, разброс условных баллов велик на фоне погрешности.

Таблица 7 – Экстремумы распределения CATE

Рисунок 2 – Распределение условных региональных эффектов снижения ставки налогообложения ИП с доверительными интервалами

Источник: построено авторами по расчётам на основе [17; 18; 20].

Рисунок 3 – Ранжирование регионов по условному инвестиционному отклику на снижение ставки налогообложения ИП

Источник: построено авторами по расчётам на основе [17; 18; 20].

Ключевыми факторами, объясняющими неоднородность модели, выступают масштаб экономики (ВРП на душу населения), уровень цифровизации инфраструктуры и степень урбанизации (табл. 8, рис. 4).

Таблица 8 – Важность факторов неоднородности

Данные показатели демонстрируют относительную значимость признаков в модели причинного леса, однако их не следует интерпретировать как эластичность или строгие причинно-следственные коэффициенты.

Рисунок 4 –Важность факторов неоднородности инвестиционного отклика

Источник: построено авторами по расчётам на основе [17; 18; 20].

Вспомогательное сопоставление групп по урбанизации и сельхозпроизводству на душу населения показывает более высокий средний CATE в условно аграрно-индустриальных регионах (3432,1 млн руб.) и более низкий – в урбанизированных (979,5 млн руб.), это иллюстрация связи с масштабом экономики и инфраструктурой, а не отдельное доказательство. Панельные модели с фиксированными эффектами (N = 212, табл. 9) не выявили значимого среднего отклика tax_cut_pp (p > 0,33), что согласуется с DML.

Таблица 9 – Панельные оценки

Положительное значение tax_cut_pp соответствует снижению эффективной ставки налогообложения ИП и совпадает по смыслу с TaxCut_it в формульной записи. Во всех спецификациях коэффициенты статистически незначимы (p > 0,33), что согласуется с результатами DML; при короткой панели смена знака оценки между спецификациями не рассматривается как устойчивый содержательный результат.

Таблица 10 – Ограничения интерпретации

Обсуждение

Результаты согласуются с логикой развития малого бизнеса через человеческий капитал, цифровую инфраструктуру и институты [12; 13; 23]. В период 2022–2024 гг. на отклик сильнее влияли цифровая и транспортная инфраструктура, чем количество выпускников вузов (включённое в модель, но не вошедшее в топ факторов неоднородности). Универсального правила «льгота эффективнее в аграрных регионах» нет: группы пересекаются по масштабу экономики и инфраструктуре.

Вместо универсального снижения налоговых ставок целесообразнее внедрять адресные пакеты мер, сочетающие льготы с развитием цифровой инфраструктуры и подготовкой кадров [3; 4; 5]. В регионах с высоким условным откликом необходимо сопровождение цифровизации ИП, в зонах с нулевым или отрицательным откликом (нижняя часть табл. 7) – приоритет нефискальным мерам: развитию транспорта, внедрению цифровых сервисов и программ наставничества.

При короткой панели и множестве контролей CATE выявляет неоднородность, скрытую за усреднением [25; 26; 27], незначимость панельных моделей с фиксированными эффектами (табл. 9) с этим согласуется. Условные оценки по регионам не следует трактовать как гарантированный эффект льготы (широкие доверительные интервалы), налоговый инструмент разумно сочетать с цифровизацией и обучением предпринимателей [12; 13].

Заключение

Снижение эффективной налоговой нагрузки на ИП не сопровождается устойчивым ростом инвестиций по стране в среднем, но проявляется неоднородно на региональном уровне. Связь налоговых стимулов с инвестиционной динамикой в большей степени определяется качеством региональной среды – цифровизацией, транспортом, кадрами и масштабом экономики. Важно сопоставлять регионы по их чувствительности к изменению эффективной ставки налогообложения ИП, а также синхронизировать налоговые преференции с развитием инфраструктуры и человеческого капитала, не допуская ошибочной трактовки точечных эффектов CATE как гарантированного прироста капитала.