Evaluating the Efficiency of a Region's Investment Environment on the Economic Efficiency of Investment Corporate Tax Rebates

Popova Evgeniya Mikhailovna Senior Educator, the department of World Economy, Entrepreneurship and Humanities, Chita Institute (Branch) of Baikal State University 672000, Russia, Zabaikal'skii krai, g. Chita, ul. Anokhina, 56 p_e_m_2013@mail.ru Other publications by this author

Введение. Проблема налогового регулирования инвестиций отличается своей многогранностью и состоит в следующих принципиальных вопросах: степень влияния, оказываемого налогами на объемы и отраслевую структуру капиталовложений и целесообразность использования налоговых мер при проведении государственной инвестиционной политики. Следует подчеркнуть, что разрешение проблемы налогового регулирования инвестиций напрямую связано с вопросом о функциональной природе налога. Ряд современных зарубежных и отечественных экономистов (И. Дордевик, В. Бернарди, С. Чандлер, А. Чигбу, И. В. Горский, И. А. Макарова) продолжают рассматривать налоги, в первую очередь, как инструмент генерирования государственных доходов, и не выделяют функции регулирования ^{[1, с. 165; 2, с. 19]}. Ключевой вопрос использования налоговых льгот – это оценка их эффективности. Именно сложность проведения объективной оценки и отсутствие единых подходов выступают в качестве главного аргумента сторонников той точки зрения, что налоги выполняют только фискальную функцию и имеют весьма ограниченный потенциал в стимулировании инвестиционной деятельности. Результаты крупномасштабных международных исследований свидетельствуют о том, что величина налогового бремени далеко не самый важный фактор в принятии инвестиционных решений ^{[3, с. 21]}. Так ЮНИДО проводила опрос, который охватывал около 7000 фирм в 19 странах мира. Результаты данного опроса показали, что из 12 факторов, оказывающих влияние на инвестиционные решения, налоговые льготы находятся на 11 месте ^[4]. В связи с чем налоговые льготы не способны значительно повысить конкурентные преимущества территории с низким инвестиционным климатом.

С другой стороны, ряд зарубежных исследований доказывают, что эффективность налогового регулирования инвестиций в большинстве своем определяется не фискальными факторами (конструкцией налога), а существующими экономическими, социальными и правовыми условиями, другими словами, состоянием социально-экономической и институциональной среды ^{[5, p. 148]}. Состояние социально-экономической и институциональной среды можно количественно оценить, исчислив такие интегральные индикаторы, как инвестиционный потенциал, инвестиционный риск и инвестиционную активность ^{[6, с. 10]}. Данные индикаторы определяют инвестиционную конкурентоспособность, или инвестиционный климат региона. В рамках настоящей статьи будет предложена методика оценки инвестиционного климата региона, которая была разработана с учетом недостатков существующих подходов и методик.

Цель исследования – оценка влияния социально-экономической и институциональной среды реализации регионального инвестиционного процесса на эффективность инвестиционных налоговых льгот, установленных в соответствии с законодательством субъекта РФ. При проведении дисперсионного анализа будем использовать показатели эффективности налоговых льгот по налогу на прибыль организаций, поскольку, во-первых, это налог на финансовый результат, а во-вторых, данный налог создает значительное налоговое бремя для экономических агентов ^{[7, с. 59]}. Инициируемое нами исследование, которое проводилось на основе эконометрического инструментария и фактических статистических данных, позволит дать количественную оценку чувствительности эффективности инвестиционных налоговых льгот, применяемых в российских регионах, к состоянию инвестиционного климата. Практическая значимость полученных результатов состоит в обосновании необходимости анализа состояния инвестиционного климата региона на этапе введения региональных налоговых льгот.

Методология проведенного исследования. Для проведения дисперсионного анализа важно уточнить, что в качестве фактора (группировочного признака) будет выступать индикатор, характеризующий состояние инвестиционного климата региона, а результативным признаком – показатели эффективности налоговых льгот. Первым шагом найдем показатели эффективности инвестиционных налоговых льгот. Далее рассчитаем интегральные индикаторы инвестиционного климата и сформируем соответствующие группы. Наконец, используя пакет анализа в программе MS Excel, установим значимость влияния группировочного признака.

Оценка эффективности налоговых льгот выступает неотъемлемой составляющей механизма использования данного инструмента для решения социально-экономических задач. Это связано не только с сокращением налоговых доходов бюджета, но и с тем, что налоговые льготы представляют собой отклонения от нормативной структуры налога и нарушают такой принцип построения налоговый системы как нейтральность по отношению к решениям экономических агентов. Как правило, эффективность налоговых льгот оценивается по трем критериям: бюджетная эффективность, экономическая и социальная эффективность ^{[8, 9]}. Проведенный анализ авторских трактовок и применяемых на практике методик оценки эффективности налоговых льгот показал, что содержание понятия «эффективность налоговых льгот» соответствует общепринятому в экономической науке определению эффективности как превышение полученного результата над затратами, которые пришлось осуществить для достижения данного результата. Бюджетная эффективность оценивается на основе сопоставления выпадающих доходов бюджета вследствие предоставления налоговых льгот и прироста налоговых поступлений от экономических субъектов, которым была оказана финансовая поддержка. Экономическая и социальная эффективность налоговых льгот определяется через положительную динамику таких показателей как объем инвестиций в основной капитал, объем производства, выручка, прибыль, количество созданных рабочих мест и т. д.

Отсутствие унифицированной методики оценки эффективности региональных налоговых льгот существенно затрудняет проведение дисперсионного анализа, поскольку необходимо соблюдение условия сопоставимости исходных данных, другими словами, показатели эффективности должны быть получены на основе единого алгоритма. Однако изучение методик, применяемых в российских регионах, позволило сделать вывод о том, что наибольшей универсальностью отличается порядок расчета критерия бюджетной и экономической эффективности налоговых льгот ^{[10,11,12,13]}. Выбор критерия экономической эффективности для проведения дисперсионного анализа продиктован тем, что он охватывает больший набор показателей и, соответственно, позволяет повысить надежность полученных результатов. Кроме того, основной канал воздействия налогов на инвестиционные решения – это экономические показатели, характеризующие результаты реализации проекта ^{[14, с. 75]}. Так экономическая эффективность представляет собой оценку динамики производственных и финансово-экономических показателей хозяйственной деятельности налогоплательщика. По итогам изучения региональных методик оценки экономической эффективности инвестиционных налоговых льгот были выделены следующие варианты расчета:

1) Определяется отношение количества показателей, по которым произошел рост (уровень остался прежним) по сравнению с предыдущим годом, к количеству показателей, по которым произошло снижение. Льгота признается эффективной, если значение коэффициента больше или равно единице (Новосибирская область, Амурская область, Хабаровский край);

2) Устанавливается минимальное число показателей, по которым должна быть обеспечена положительная динамика для того, чтобы льгота была признана эффективной. Например, в Омской области не менее четырех показателей, в Кировской области не менее трех.

3) По формуле средней арифметической (средневзвешенной) находится среднее значение темпов роста показателей финансово-экономической деятельности предприятия (Приморский край, Ставропольский край). Сводный коэффициент экономической эффективности должен быть равен или больше единицы;

4) Применение балльной оценки. Вначале рассчитываются темпы роста по каждому показателю с корректировкой на индекс-дефлятор. Если наблюдается положительная динамика, то показателю присваивается один балл, если отрицательная, то ноль баллов. Затем по формуле средней арифметической исчисляется сводный коэффициент экономической эффективности. Например, в Ленинградской области значение должно быть больше 0,8.

В то же время в разных регионах предусмотрен разный набор финансово-экономических показателей, однако аналитические записки и отчеты профильных министерств и ведомств содержат подробную информацию о динамике основных показателей предприятий, получающих налоговые льготы. В связи с чем, был определен общий для всех регионов перечень показателей, на основе которых осуществлялся дополнительный расчет коэффициентов экономической эффективности по единому алгоритму. Таким образом была решена проблема сопоставимости исходных данных.

Наконец, определим алгоритм расчета коэффициентов экономической эффективности инвестиционных налоговых льгот. Предлагаем использовать формулу средневзвешенного значения. Веса показателей исчислим, применив метод простого ранжирования. Суть проста: пусть у нас n критериев, самому важному присваивают n очков, следующему по приоритетности n – 1 и т. д. Полученные оценки делятся на сумму 1 + 2 + … + n. В итоге сумма весов будет равна 1. Итоговая формула представлена ниже:

, (1)

где Ke – коэффициент экономической эффективности налоговых льгот;

Tq – темп роста показателя «отгружено товаров собственного производства»;

Tc – темп роста показателя «среднегодовая стоимость основных средств»;

Tr – темп роста показателя «выручка»;

Tp – темп роста показателя «прибыль до налогообложения»;

Tj – темп роста показателя «среднесписочная численность работников».

Поскольку коэффициент экономической эффективности определяется по каждому проекту отдельно, для того чтобы получить итоговый коэффициент по региону, необходимо найти долю стоимости конкретного проекта от общего объема инвестиций, приходящегося на проекты, которые пользуются налоговыми преференциями, и взвесить ею показатель экономической эффективности по соответствующему проекту. В таблице 1 представлены итоговые результаты проведенных расчетов. Выбор в пользу регионов, указанных в таблице, продиктован, в первую очередь, наличием доступной и актуальной информации о финансово-экономических показателях инвестиционных проектов, получающих региональные налоговые льготы. Одним из недостатков действующей региональной практики налогового стимулирования инвестиций является низкий уровень прозрачности мониторинга эффективности налоговых льгот. Далеко не все регионы размещают в свободном доступе подробные отчеты об оценке эффективности предоставляемых налоговых льгот. Кроме того, при составлении перечня регионов, задействованных в анализе, придерживались требования охвата всех федеральных округов. Расчеты коэффициентов экономической эффективности осуществлялись на основе данных, представленных в отчетах профильных министерств и ведомств соответствующих регионов.

Таблица 1

Коэффициент экономической эффективности инвестиционных налоговых льгот по налогу на прибыль организаций

Источник: составлено автором.

Следующий шаг состоит в исчислении индикаторов, характеризующих инвестиционный климат в данных регионах. Одной из наиболее приемлемых методик по оценке состояния среды реализации инвестиционного процесса на региональном уровне является методика, основанная на временном подходе (расширенном рисковом), согласно которому инвестиционный климат представляет собой инвестиционную привлекательность в динамическом аспекте ^{[15, с. 41]}. То есть, для определения состояния инвестиционного климата необходимы данные о состоянии инвестиционной привлекательности региона за период не менее пяти лет. В основе предложенной нами методики лежат элементы индикативного анализа и подход, используемый рейтинговым агентством «Эксперт РА», в соответствии с которым инвестиционная привлекательность региона складывается из инвестиционного потенциала, включающего восемь частных потенциалов, и инвестиционного риска, состоящего из четырех видов частных рисков. В свою очередь, каждый частный потенциал и каждый частный риск характеризуется совокупностью статистических показателей (табл. 2).

Таблица 2

Набор показателей, характеризующих частные индикаторы инвестиционного потенциала и инвестиционного риска

Источник: составлено автором на основе методики «Эксперт РА».

Для исчисления нормализованных значений отдельных показателей в качестве базы нами использовались максимальные значения конкретных показателей, зафиксированные среди всех регионов за каждый год исследования, что нацелено на получение наиболее реалистичных оценок и отслеживание изменения инвестиционной привлекательности регионов в динамике.

Критический анализ существующих методик по оценке инвестиционного климата позволил выделить ряд недостатков, которые были учтены в предложенной нами методике. В качестве главного недостатка выступает субъективизм в определении коэффициентов значимости отдельных факторов ^{[16, 17]}. В связи с чем, веса показателей, формирующих частный индикатор, определяли способом простого ранжирования: чем больше коэффициент корреляции исходного показателя и объемов инвестиций в основной капитал (не менее 0,3), тем больше значимость показателя. Веса же самих частных индикаторов, агрегируемых в интегральные индикаторы, исчисляли экспертным путем на основе упрощенного варианта метода анализа иерархий, изложенного в работах Ногина В. Д. ^{[18, с. 112; 19, с. 1261]} Основным достоинством предложенного способа вычисления вектора приоритетов является высокая надежность экспертных оценок ввиду формирования совместной матрицы.

Упрощенная процедура формирования матрицы предполагает получение от эксперта данных не обо всех элементах, расположенных выше (ниже) главной диагонали, а только о некоторых «базисных» элементах, на основе которых находятся остальные элементы и весовой вектор. При этом особое внимание уделяется выбору базисного набора элементов, который должен соответствовать схеме сравнения объектов, обеспечивающей получение наиболее надежных сведений от эксперта. Один из способов выбора базисного набора элементов называется схема сравнения с образцом, которым выступает первый элемент. Согласно этой схеме, эксперт сравнивает вес первого объекта с весами всех остальных, и таким образом формируется первая строка матрицы, элементы которой и будут составлять базовый набор.

Остальные элементы матрицы можно однозначно вычислить с помощью равенства:

(2)

где aij – элемент i-ой строки и j-ого столбца матрицы.

Вектор приоритетов w вычисляется по формуле:

, i = 1, 2, … n (3)

Однако весовой вектор, вычисленный по данной формуле, не является нормированным, в то время как, согласно МАИ, вектор приоритетов – это нормированный собственный вектор матрицы. То есть, сумма весовых коэффициентов рассматриваемых альтернатив в итоге должна составлять единицу. Для получения нормированного вектора необходимо каждую его компоненту разделить на их сумму. Стоит заметить, что ненормированный собственный вектор можно не вычислять, поскольку его составляют элементы последнего столбца матрицы.

В качестве еще одного недостатка изученных методик следует выделить то, что при оценке инвестиционного климата они не учитывают отраслевую структуру региональной экономики, которая, в свою очередь, оказывает дополнительное влияние на заинтересованность потенциальных инвесторов инвестировать в тот или иной регион. Принимая во внимание такую негативную тенденцию как снижение удельного веса реальных инвестиций в обрабатывающих отраслях и общую ресурсоориентированную модель российской экономики, с позиции будущих перспектив диверсифицированного экономического роста развитая обрабатывающая промышленность выступает конкурентным преимуществом региона. В связи с чем, предлагаем при расчете производственного потенциала и коэффициентов диверсификации сильных и слабых конкурентных позиций региона учесть отраслевую структуру экономики через долю обрабатывающих производств в ВРП.

Коэффициенты диверсификации сильных и слабых конкурентных позиций, которые представляют собой отношение количества сильных (слабых) конкурентных позиций региона к среднему числу сильных (слабых) конкурентных позиций по анализируемым регионам ^{[20, с. 7]}. Данные коэффициенты прибавляются к интегральным индикаторам, при этом коэффициент диверсификации слабых конкурентных позиций преобразуется в позитивную форму. В диссертационном исследовании Э. И. Бей была разработана единая шкала оценок конкурентных позиций российских регионов для привлечения инвестиций: если стандартизированный показатель принимает значение 1,2 и больше, то регион имеет конкурентное преимущество, а если 0,8 и меньше, то регион имеет конкурентное отставание ^[21].

Алгоритм исчисления интегральных показателей представлен ниже.

1. Сбор необходимой статистической информации по регионам ^[22];

2. Расчет нормированных показателей по формуле:

(4)

где Рфакт – фактическое значение показателя по конкретному региону;

Рмакс – максимальное значение показателя, зафиксированное по всем наблюдаемым регионам.

3. Расчет частных потенциалов (рисков) по формуле:

(5)

где I – частный потенциал (риск);

Pi – i-ый нормированный показатель частного потенциала (риска);

fi – весовой коэффициент i-ого нормированного показателя;

n –количество показателей, составляющих частный потенциал (риск);

4. Расчет интегрального индикатора инвестиционного потенциала (инвестиционного риска) по формуле:

(6)

где P – интегральный индикатор;

Ij – j-ый частный потенциал (риск);

wj – весовой коэффициент j-ого частного потенциала (риска);

m – количество частных потенциалов (рисков), формирующих соответствующие интегральные индикаторы.

5. Вычисление коэффициентов диверсификации сильных (слабых) конкурентных позиций региона.

5.1. Найдем среднее значение каждого показателя для анализируемых регионов;

5.2. Стандартизируем значение показателя по конкретному региону через его отношение к среднему значению;

5.3. Если стандартизированное значение равно или больше 1,2, то это расценивается как сильная конкурентная позиция. Если стандартизированное значение равно или меньше 0,8, то это расценивается как слабая конкурентная позиция.

5.4. Для каждого региона находим общее количество сильных (слабых) конкурентных позиций.

5.5. Вычисляем среднее количество сильных (слабых) конкурентных позиций по анализируемым регионам.

5.6. Находим коэффициенты диверсификации по следующим формулам:

(7)

где Ks – коэффициент диверсификации сильных конкурентных позиций;

ns – общее количество сильных конкурентных позиций региона;

nsavg – среднее количество сильных конкурентных позиций по всем регионам.

(8)

где Kw – коэффициент диверсификации слабых конкурентных позиций;

nw – общее количество слабых конкурентных позиций региона;

nwavg – среднее количество слабых конкурентных позиций по всем регионам.

6. Определение итоговой величины инвестиционной привлекательности региона по формуле:

, (9)

где IA – инвестиционная привлекательность региона;

Pp – интегральный индикатор инвестиционного потенциала;

Pr – интегральный индикатор инвестиционного риска;

Ks – коэффициент диверсификации сильных конкурентных позиций;

Kw – коэффициент диверсификации слабых конкурентных позиций.

Поскольку индикатор инвестиционного риска и коэффициент диверсификации слабых конкурентных позиций региона являются негативными величинами, при суммировании негативных и позитивных индикаторов, необходимо негативную величину преобразовать в позитивную форму, для этого предлагаем к интегральному индикатору инвестиционного риска и коэффициенту диверсификации слабых конкурентных позиций прибавить 1. Это позволит сохранить вектор его воздействия на итоговый индикатор и межрегиональную дифференциацию.

7. Индикатор, характеризующий состояние инвестиционного климата в регионе, представляет собой среднее значение индикаторов инвестиционной привлекательности, рассчитанных за некоторый период.

Изложенный выше алгоритм позволяет исчислить индикатор инвестиционной привлекательности региона за один год. Однако для определения состояния инвестиционного климата необходимо рассчитать индикаторы инвестиционной привлекательности за некоторый период времени, а затем исчислить их среднее значение. В настоящем исследовании был охвачен временной период с 2010 по 2016 г. Объектами анализа выступили двадцать российских регионов. Итоговые результаты проведенных расчетов представлены в таблице 3. Интегральный индикатор, характеризующий состояние инвестиционного климата, представляет собой среднее значение индикаторов инвестиционной привлекательности региона, рассчитанных за 2010–2016 гг. При проведении расчетов использовались официальные статистические данные, предоставленные Федеральной службой государственной статистики.

Таблица 3

Интегральный индикатор, характеризующий состояние инвестиционного климата в российских регионах

Источник: составлено автором.

Следующий шаг – это проведение группировки регионов по индикаторам, характеризующим состояние инвестиционного климата, с целью выявления зависимости между состоянием инвестиционного климата и эффективностью инвестиционных налоговых льгот. Для ее составления необходимо определить количество групп и интервалы группировки. Предлагаем сформировать четыре группы с равными интервалами. После проведенных расчетов была составлена таблица, в которой отражено распределение регионов по группам (табл. 4).

Таблица 4

Группировка регионов по индикатору инвестиционного климата

Источник: составлено автором.

Сформировав исходную базу данных, проведем дисперсионный анализ на предмет определения влияния состояния инвестиционного климата на эффективность налоговых льгот. Выдвигаем гипотезу H0 о том, что фактор незначим, то есть, состояние инвестиционного климата не оказывает влияния на эффективность налоговых льгот. Альтернативная гипотеза H1, что фактор значим, то есть, оказывает существенное влияние на результирующий признак. Задаем уровень значимости 0,05. Используя инструменты программы MS Excel, осуществили дисперсионный анализ. Поскольку эмпирическое значение статистики критерия Фишера (6,45988) больше критического значения (3,2388), то с вероятностью 0,95 гипотеза H1 принимается, то есть, инвестиционный климат оказывает влияние на эффективность налоговых льгот.

Так как фактор значим, то находим коэффициент детерминации по формуле:

(10)

Коэффициент детерминации показывает, что уровни фактора объясняют вариацию результирующего показателя на 54,77%, то есть, состояние инвестиционного климата объясняет вариацию коэффициентов экономической эффективности инвестиционных налоговых льгот на 54,77%, оставшиеся 45,23% приходятся на другие факторы.

Результаты исследования и их обсуждение. Результаты проведенного дисперсионного анализа позволяют сделать вывод о целесообразности расчета индикаторов инвестиционного климата на этапе введения налоговых льгот, поскольку неблагоприятный инвестиционный климат ограничивает стимулирующий потенциал налоговых льгот. Научная новизна настоящей статьи заключается не только в том, что на примере российских регионов было проведено эмпирическое исследование по оценке чувствительности эффективности налоговых льгот к инвестиционному климату, но и в разработке инструментария, предполагающего совместное применение методики расчета предельных налоговых ставок и индикаторов инвестиционного климата. Применение данного инструментария позволит сделать экспертное заключение относительно того, насколько планируемые к введению налоговые льготы способны компенсировать меньшую инвестиционную привлекательность региона или, напротив, еще больше повысить его конкурентоспособность, или будут иметь весьма ограниченный потенциал в повышении инвестиционной привлекательности территории. Практическая ценность предложенного инструментария повышается в том случае, если прогноз показателей эффективности невозможен в силу отсутствия потенциальных инвесторов-бенефициаров налоговых льгот.

Сформулированные выше тезисы считаем необходимым конкретизировать. Например, Республика Бурятия планирует ввести инвестиционные налоговые льготы для резидентов индустриального парка при условии, что пока реестр резидентов не пополнялся (прогноз эффективности невозможен). Планируемая льготная налоговая ставка составляет 12,5%. При этом индустриальные парки созданы и в других регионах, где также действует преференциальный налоговый режим (табл. 5).

Таблица 5

Значения предельных эффективных ставок и индикаторов инвестиционного климата

Источник: составлено автором.

В анализ были включены эти регионы (имеется информация в открытом доступе и функционируют индустриальные парки), хотя, на практике, безусловно, большую ценность имеет сравнение с соседними регионами или регионами, где действуют схожие преференциальные налоговые режимы. При этом во всех субъектах установлена одинаковая льготная ставка, что затрудняет анализ. В связи с чем в дополнение к индикаторам инвестиционного климата предлагается исчислять предельные эффективные налоговые ставки для новых инвестиций (далее METR).

METR – это прогнозная налоговая ставка, ставка ex ante, которая представляет собой отношение налогового клина к реальной отдаче капитала до налогообложения ^[23,24,25]. Экономическая сущность предельной налоговой ставки, как и любой предельной величины, состоит в том, что она показывает то налоговое бремя, с которым столкнется инвестор при осуществлении дополнительных инвестиций. Расчет предельных ставок осуществлялся по формулам, представленным ниже.

, (11)

, (12)

где rp — реальная отдача капитала до налогообложения;

R — реальная отдача капитала после налогообложения;

i — ожидаемый уровень инфляции;

δ — норма экономической амортизации;

z — норма амортизации, используемая в целях налогообложения;

tc — законодательно установленная ставка налога на прибыль.

Темп инфляции определялся через значения индексов-дефляторов, которые прогнозируются в разрезе отдельных видов экономической деятельности. В настоящем исследовании использовался прогноз социально-экономического развития регионов до 2020 г. Поскольку резидентами индустриальных парков являются субъекты, занимающиеся производством продукции с высокой добавленной стоимостью, использовался индекс-дефлятор, прогнозируемый для обрабатывающих производств. В модели эффективной налоговой ставки реальная отдача инвестиций после налогообложения принимается равной стоимости заемных ресурсов. Так как регионы не прогнозируют стоимость заемных ресурсов, воспользуемся данными долгосрочного прогноза социально-экономического развития РФ, согласно которому стоимость заемного капитала к 2020 г. снизится до 6,7% ^[26]. Для определения нормы амортизации, фактически применяемой в экономике, обратились к информационно-аналитической базе Росстата. Норма амортизации в целях налогообложения определялась на основе линейного способа начисления амортизации, требующего информации о сроках полезного использования основных фондов. Росстат предоставляет данные о средних ожидаемых сроках службы основных фондов в разрезе видов экономической деятельности.

Из потенциальных регионов-конкурентов Республика Бурятия имеет самую низкую предельную эффективную ставку, что является для нее конкурентным преимуществом (табл. 4). Однако для комплексного анализа необходимо учитывать индикаторы инвестиционного климата, которые представляют собой итоговую характеристику конкурентных позиций региона. Среди анализируемых регионов Республика Бурятия характеризуется наименее благоприятным инвестиционным климатом. Как видим, наименьший разрыв наблюдается с Кемеровской и Иркутской областями, исходя из чего следует заключить, что пониженную налоговую ставку можно расценивать в качестве фактора, компенсирующего более низкий инвестиционный климат. Одновременное сопоставление предельных ставок и индикаторов инвестиционного климата с оставшимися регионами позволяет сделать вывод, что планируемые к введению налоговые льготы имеют весьма ограниченный потенциал в повышении инвестиционной привлекательности территории. В целом, учитывая географическую близость Кемеровской и Иркутской областей (ближайшие конкуренты), можно утверждать, что имеются основания для введения налоговой льготы в качестве обеспечения конкурентного преимущества региона.

Таким образом, в условиях рыночной экономики, где регионы выступают в роли квазикорпораций, конкурирующих за привлечение инвестиционных ресурсов, целесообразно на этапе введения налоговых льгот проводить сравнительный анализ состояния инвестиционного климата, поскольку как показало проведенное исследование, социально-экономическая и институциональная среда оказывает влияние на эффективность инвестиционных налоговых льгот.