2. "Методические рекомендации по оценке рисков при проведении аудита эффективности" (утв. Коллегией Счетной палаты РФ, протокол от 19.07.2022 N 49К (1574)) (вместе с "Примерным запросом объекту аудита (контроля)") (ред. от 05.12.2023)

Для анализа рисков могут быть использованы эконометрические модели, которые позволяют выявить зависимости (включая нелинейного характера) между факторами и причинами рисков и отдельными показателями объекта аудита (контроля) на основе анализа данных.

Пример - применение эконометрических моделей в оценке рисков

Участники мероприятия получили статистические данные о значениях четырех показателей в разрезе 80 субъектов Российской Федерации (ежегодные данные):

1. Поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет Российской Федерации за 2010 - 2019 годы (млн. рублей) по каждому из регионов (Yit, i - это номер региона, t - год).

2. Объем розничной торговли в субъекте Российской Федерации за 2010 - 2019 годы, млн. рублей. (X1,it)

3. Объем отгруженных товаров собственного производства, выполненных работ и оказанных услуг собственными силами по виду экономической деятельности "Обрабатывающие производства" в субъекте Российской Федерации за 2010 - 2019 годы, млн. рублей. (X2,it)

4. Численность обслуживаемого населения в субъекте Российской Федерации за 2010 - 2019 годы, тыс. чел. (X3,it)

Предполагается, что показатели X1, X2, X3 являются главными факторами, определяющими поступление налогов в бюджет.

Задачей является оценка рисков уменьшения поступлений налогов в бюджет в случае негативных изменений производстве и предоставлении услуг.

Для этого была построена модель множественной регрессии следующего вида:

Yit = a0 + a1X1,it + a2X2,it + a3X3,it + eit,

где a0, a1, a2, a3 - неизвестные параметры, которые нужно найти, eit - случайные ошибки.

После оценки получено уравнение

Y = 3226.44 + 0.72X1 + 0.06X2 + 0.31X3.

Все коэффициенты регрессии являются значимыми для уровня значимости 5%. Уравнение регрессии также является значимым согласно критерию Фишера (F-критерию) для уровня значимости 5%. Коэффициент детерминации (R2) оказался равен 0.73, что означает, что вариация объясняющих переменных, входящих в уравнение регрессии, на 73% обусловила вариацию результативной переменной.

Примечание: представленная выше модель является упрощенной и может применяться на ранних стадиях зрелости оценки рисков. При наличии достаточного количества данных необходимо включить в модель дополнительные данные, например, по объему продукции сельского хозяйства, по объему платных услуг населению, по грузообороту и пассажирообороту на транспорте и т.д. Кроме того, в данном случае лучше применять методы анализа панельных данных с фиксированными эффектами.