В свою очередь для используемых на практике регрессивных налоговых шкал предельные ставки , ,..., обычно удовлетворяют ограничениям
(3.3.2)
Однако предельная ставка в последнем диапазоне может быть больше . Это объясняется тем, что мы, как и прежде, рассматриваем шкалы предельных ставок налога, в которых по ставке облагается вся налоговая база , если она больше чем (шкалы второго типа). Таким образом, для шкал второго типа, как отмечалось, предельная ставка в последнем диапазоне совпадает со средней ставкой в этом диапазоне и для регрессивной шкалы является минимальной средней ставкой налога для всей шкалы в целом.
По таблице предельных ставок налога, как и в § 2.2, можно построить функцию , задающую шкалу средних ставок налога, по формуле
В явном виде, пользуясь этой формулой и таблицей 3.3.1, находим
(3.3.3)
Как видно из формулы (3.3.3), данная функция однозначно определяется числовыми параметрами , ,..., , , ,..., , которые задают регрессивную шкалу предельных ставок налога, т.е. . По аналогии с задачей о приближении, рассмотренной в § 2.2, при описании класса допустимых приближений оптимальной регрессивной шкалы средних ставок ЕСН (3.2.20), (3.2.21) необходимо, чтобы функции вида (3.3.3) и соответственно определяющие их параметра удовлетворяли ограничениям на выбор шкалы (3.1.11) – (3.1.13) и ограничениям порядка (3.3.1), (3.3.2).
Объединяя краевые условия (3.1.12), (3.1.13) и ограничения порядка (3.3.1), (3.3.2), получим, что должны выполняться следующие условия:
,
,
, .
Вместо последних ограничений опять будем рассматривать следующие более слабые ограничения:
,
(3.3.4)
,
(3.3.5)
, .
(3.3.6)
Как отмечалось в § 2.2, переход к нестрогим неравенствам позволяет рассматривать в качестве допустимых приближений налоговые шкалы с не более чем диапазонами, тогда как строгие неравенства задают шкалы предельных ставок, состоящие в точности из диапазонов.
Далее, неявное ограничение (3.1.11) на выбор параметров , ,..., , , ,..., , сводится к следующей равносильной ему системе явных ограничений (см. приложение 3):
(3.3.7)
(3.3.8)
При любых значениях параметров , ,..., , , ,..., функция , определяемая равенствами (3.3.3), будет непрерывной на промежутке Поскольку мы рассматриваем шкалы второго типа, которые непрерывны также и в точке , а следовательно, и на всем промежутке , то должно выполняться следующее равенство, гарантирующее непрерывность шкалы в точке :
.
Преобразовав это ограничение, окончательно получим
(3.3.9)
Таким образом, к классу допустимых приближений будем относить множество всех функций вида (3.3.3), для которых определяющие их параметры , , ..., , , , ..., удовлетворяют системе ограничений (3.3.4) – (3.3.9).
Тогда по аналогии с § 2.2 задача о наилучшем приближениифункции элементами класса формально описывается следующим образом: найти такую функцию , что
. (3.3.10)
Будем считать, что в задаче (3.3.10) метрика вводится по правилу
,
и сводится к следующей задаче конечномерной оптимизации [16]:
,
при ограничениях
, .
,
Таким образом, в целом исследуемый подход позволяет свести проблему выбора параметров регрессивной шкалы предельных ставок налога к задаче определения лишь шести входных параметров модели (3.1.10) – (3.1.13) (см. § 3.1), задающих оптимальную шкалу средних ставок ЕСН (3.2.20), (3.2.21), а именно: , , , , и Заметим, что , если число диапазонов таблицы 3.3.1
* Единый социальный налог взимается в РФ с 2001 года. В соответствии со ст. 237 НК РФ [23], налоговая база ЕСН определяется как сумма выплат и иных вознаграждений по трудовым и гражданско-правовым договорам, начисленных в пользу физических лиц, а также как сумма доходов от предпринимательской или иной профессиональной деятельности, за вычетом расходов, связанных с их извлечением.
* Порог регрессии – величина налоговой базы, при превышении которой ставка налога начинает уменьшаться.
* В частности, для ЕСН в соответствии со ст. 241 НК [23] в таблице указаны границы диапазонов налоговой базы в среднем на каждое физическое лицо нарастающим итогом с начала года.
КАФЕДРА БИОМЕДИЦИНСКОЙ И ПОЛУПРОВОДНИКОВОЙ ЭЛЕКТРОНИКИ