русс | укр

Языки программирования

ПаскальСиАссемблерJavaMatlabPhpHtmlJavaScriptCSSC#DelphiТурбо Пролог

Компьютерные сетиСистемное программное обеспечениеИнформационные технологииПрограммирование

Все о программировании


Linux Unix Алгоритмические языки Аналоговые и гибридные вычислительные устройства Архитектура микроконтроллеров Введение в разработку распределенных информационных систем Введение в численные методы Дискретная математика Информационное обслуживание пользователей Информация и моделирование в управлении производством Компьютерная графика Математическое и компьютерное моделирование Моделирование Нейрокомпьютеры Проектирование программ диагностики компьютерных систем и сетей Проектирование системных программ Системы счисления Теория статистики Теория оптимизации Уроки AutoCAD 3D Уроки базы данных Access Уроки Orcad Цифровые автоматы Шпаргалки по компьютеру Шпаргалки по программированию Экспертные системы Элементы теории информации

КАФЕДРА БИОМЕДИЦИНСКОЙ И ПОЛУПРОВОДНИКОВОЙ ЭЛЕКТРОНИКИ


Дата добавления: 2014-11-28; просмотров: 498; Нарушение авторских прав


Диапазон Границы диапазонов Предельная ставка налога Сумма налога
... ... ... ...
k
... ... ... ...
n-1
n

 

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



<== предыдущая лекция | следующая лекция ==>
Оптимизационная модель шкалы предельных ставок ЕСН | Основные понятия систем массового обслуживания


Карта сайта Карта сайта укр


Уроки php mysql Программирование

Онлайн система счисления Калькулятор онлайн обычный Инженерный калькулятор онлайн Замена русских букв на английские для вебмастеров Замена русских букв на английские

Аппаратное и программное обеспечение Графика и компьютерная сфера Интегрированная геоинформационная система Интернет Компьютер Комплектующие компьютера Лекции Методы и средства измерений неэлектрических величин Обслуживание компьютерных и периферийных устройств Операционные системы Параллельное программирование Проектирование электронных средств Периферийные устройства Полезные ресурсы для программистов Программы для программистов Статьи для программистов Cтруктура и организация данных


 


Не нашли то, что искали? Google вам в помощь!

 
 

© life-prog.ru При использовании материалов прямая ссылка на сайт обязательна.

Генерация страницы за: 2.193 сек.