Download - Statisti~ki porezni nadzor - ijf.hr

STATISTI^KI POREZNI NADZOR 83

Zdravko Vuk{i}

Statisti~ki porezni nadzor

I. UVODUporaba statistike u poreznom nadzoru sve je zastupljenija. Iskustava poreznih upra-

va dràva EU pokazuju kako statisti~ke metode postaju nezaobilazan alat odnosno instru-ment bez kojeg se ne moè dosegnuti odre|enu kvalitetu poreznog nadzora, pa je s tim povezana i pojava specijalizacije inspektora za uporabu statisti~kih metoda odnosno razvi-tak posebne vrste poreznog nadzora − statisti~koga poreznog nadzora. Svrha je ~lanka upoznati tu novu vrstu djelatnosti {to se razvija u okrilju porezne slu`be.

II. STATISTI^KI POREZNI NADZOR

1. PojamStatistika je znanost o prikupljanju broj~anih podataka razli~ite vrste, njihovu ure|enju,

metodama analize i tuma~enju1. Osnovni je predmet i zada}a statistike prou~avati masov-ne pojave uz primjenu statisti~kih metoda. Njezini su postupci egzaktni i trebaju osigura-ti poznavanje odre|ene pojave ili povezanosti pojava, upoznati njihovu {irinu djelovanja, intenzitet promjena i smjer kretanja, odnosno pojave kakve jesu.

Statisti~ki porezni nadzor moè se defi nirati kao dio poreznog nadzora u kojem porez-no tijelo provodi postupak provjere i utvr|ivanja ~injenica bitnih za oporezivanje poreznih obveznika i drugih osoba uz uporabu statisti~kih metoda.

2. Podru~je djelovanja statisti~kog poreznog nadzoraStatisti~ki porezni nadzor primjenjuje se osobito u pra}enju:− upravljanja rizicima u poreznom nadzoru,− odabiru obveznika za porezni nadzor,− odabiru stavaka fi nancijskih izvje{}a za porezni nadzor,− utvr|ivanju ispravnosti poreznih prijava u poreznom nadzoru.

2.1. Statisti~ki porezni nadzor u upravljanju rizicimaRizik je mogu}e defi nirati kao bilo kakav negativan utjecaj na sposobnost Porezne

uprave da provede svoje ciljeve. Upravljanje rizikom znanstveni je pristup bavljenju rizi-

1 Dr. sc. I. [o{i} − dr. sc. V. Serdar: Uvod u statistiku. [kolska knjiga, Zagreb 2002, str. 9.

Statisti~ki porezni nadzor

84 POREZNI VJESNIK 4/2012.

cima s kojima se susre}u gra|ani, obveznici, ustanove i dr. Najva`niji je cilj poreznih tijela naplata dospjelih poreza sukladno zakonskim propisima i na na~in {to odràva po-vjerenje u porezni sustav.

Sustav upravljanja rizicima izvodi se prema to~no odre|enim koracima i ~ini zatvoren krug, model {to obuhva}a sljede}e korake:

1. utvr|ivanje rizika,2. analizu rizika,3. procjenu rizika i utvr|ivanje prioriteta,4. obradu i5. analizu uspje{nosti (evaluacija)2.

2.1.1. Rizici poreznog nadzora

Naj~e{}i su rizici poreznog nadzora: stalan odljev inspektora; smanjenje broja obav-ljenih poreznih nadzora; porezni nadzori sve dulje traju; velik broj àlba na porezna rje-{enja iz poreznog nadzora; sve ve}i broj zahtjeva za porezni nadzor iz ispostava PU i tije la izvan ministarstva fi nancija; nedovoljna stru~nost, ekipiranost i specijaliziranost; velik broj predmeta poreznog nadzora na drugostupanjskom rje{avanju i Upravnom sudu; neprimjenjivanje suvremenih metoda poreznog nadzora (npr. elektroni~ki i statisti~ki porezni nadzor; uporaba razli~itih informati~kih alata u nadzoru, npr. XENON i dr.).

2.1.1.1. Statisti~ke metode u analizi rizika poreznog nadzora

Uporaba statisti~kog poreznog nadzora u upravljanju rizicima osobita je pri analizi ri zika, kada se primjenjuje razli~ite statisti~ke metode {to su zapravo vrste spoznajnog procesa razli~itih pojava u vremenu i prostoru i u njihovu me|usobnom odnosu. Statisti~ke metode omogu}uju da se u sloènim pojavama izdvoji osnovne uzro~ne ~imbenike i tako pove}a razinu saznanja o ra~unovodstvenim i poreznim pojavama. Statisti~ke metode u analizi rizika dijeli se na kvalitativne i kvantitativne.

a) kvalitativne metode Kvalitativne metode, naziva se i skupnima, kad ih se u analizi rizika uobi~ajeno primje-njuje kao prve, jer daju op}u naznaku razine rizika, a nakon toga treba poduzeti osobi-te kvantitativne metode. U kvalitativnih se metoda upotrebljava rije~i ili opisne ljestvice u izraàvanju otklona mogu}ih posljedica i vjerojatnosti. U kvalitativne se metode ubraja: brainstorming, brainwriting, Deplhi tehniku, matricu rizika, analizu SWOT, strukturira-ne upitnike i intervjue, procjene multidisciplinarnih timova, prosudbe stru~njaka, che-cklist (izrada probnih lista pripada u individualne tehnike {to pojedincu daju osnovne poticaje vlastito mi{ljenje i bolja rje{enja problema), prompt-list i dr.

b) kvantitativne metode Kvantitativne metode primjenjuju broj~ane (numeri~ke) vrijednosti za posljedice i za vjerojatnost nastanka doga|aja. Osobito su primjenjive u fazi analize i procjene rizika za izra~un stupnja rizika, te za rangiranje rizika. Svaka od tehnika, odnosno primije-njen model treba biti opseàn kako bi se moglo raditi s vi{estrukima, u realnom svije-tu postoje}im, ciljevima poput smanjivanja tro{kova, pove}anja mogu}nosti (npr. podizanje kvalitete), smanjivanje razli~itih vrsta rizika, {to sve skupa olak{ava razvoj ra~unalnih programa. Podaci {to sluè kao ulaz (input) u kvantitativnih tehnika mogu potjecati iz raznovrsnih izvora:− pro{li, povijesni zapisi (ra~unovodstvo),− relevantno iskustvo i praksa u gospodarskoj djelatnosti,

2 Vodi~ kroz upravljanje rizicima izvr{enja poreznih obveza za porezne uprave. IJF, Zagreb 2011, str. 20.


− istraìvanje trì{ta,− pokusi i prototipovi,− ekonomski, inènjerski i drugi modeli,− prosudbe stru~njaka.Posljedice se moè procjenjivati uz primjenu modela izra~una rezultata nekog doga|aja

ili skupa doga|aja, ekstrapolacijom pokusnih studija ili pro{lih podataka. Moè ih se izra-ziti u nazivlju nov~anih, tehni~kih ili humanih pokazatelja. Vjerojatnost se uobi~ajeno izraàva kao mogu}nost, u~estalost ili kombinacija izloènosti i mogu}nosti nastanka odre|enog doga|aja. Izraàva se u postotku, a vjerojatnost dostiè raspon od 0 (ne postoji mogu}nost nastanka doga|aja) do 1 (doga|aj nastaje posve sigurno). U kvantitativne se metode ubraja: analizu osjetljivosti, ra~un vjerojatnosti, stablo odlu~ivanja, scenario-ana-lizu, Monte Carlo simulaciju, stablo gre{aka, razdoblje povrata, analizu mogu}nosti i po-sljedica, statisti~ke i numeri~ke analize, analizu tro{kova ìvotnog ciklusa, dijagrame utje-caja, sustav pokazatelja ranog upozorenja, cost-benefi t analizu, modele umjetne inteligen-cije, ra~un izloènosti rizicima i dr.

2.2. Statisti~ki porezni nadzor kod odabira poreznih obveznika za nadzorPorezni nadzor ima ograni~ene ljudske resurse {to je osobito zamjetno kada se uspo-

redi s brojem obveznika ili zahtjevima za porezni nadzor. Metodom diskriminance, odnos-no razdvajanjem obveznika koji obra~unavaju i upla}uju javna davanja prema ekonomskoj sna zi od onih koji to ne ~ine, samo je jedan na~in svladavanja spornih pitanja.

Analizom poreznih prijava nastoji se do}i do procjene veli~ine, dinamike i rizi~nosti od re |enih obveznika. Radi stjecanja cjelovite i {to objektivnije slike o rizi~nosti obveznika, do bivene rezultate treba procijeniti u svjetlu vremenske dinamike i strategije Porezne uprave.

U tu se svrhu rizi~nost obveznika moè utvr|ivati na osnovi sljede}ih statisti~kih metoda {to se me|usobno nadopunjuju i preple}u:

− metoda poreznih pokazatelja,− komparativna metoda,− metoda trenda.

2.2.1. Metoda poreznih pokazatelja

Razdvajanje »dobrih« od »lo{ih« poreznih obveznika moè se obaviti uz primjenu po-kazatelja.

Porezni pokazatelji nastaju stavljanjem u odnos podataka iz jedne ili vi{e poreznih pri java, te su prvi korak porezne analize, ali pravu vrijednost imaju tek kad ih se uporabi u komparativnoj metodi ili pak skupa s metodom trenda. Naj~e{}a je podjela pokazatelja na pojedina~ne i sloène.

2.2.1.1. Pojedina~ni porezni pokazatelji

Poznato je da se statistika sluì brojem kao sredstvom izraàvanja kvantitativnih i kva litativnih osobina. Prve, ujedno najzna~ajnije informacije {to ih statistika prikuplja izraène su, prema tome, kao broj~ani pokazatelji − podaci. Pokazatelj je mjerilo i mjera eko nomskih pojava i procesa u obveznika izraèn u obliku broja. Pojedina~ni porezni po-kazatelji opet mogu biti kvantitativni i kvalitativni.

a) kvantitativni pojedina~ni porezni pokazateljiKvantitativne pojedina~ne porezne pokazatelje naj~e{}e se iskazuje brojem.


a1. nastanak poreznih pokazatelja Jedan je od na~ina nastanka pokazatelja poreznih prijava najprije utvrditi (op}e) pra-vilo, a potom iz njega izlu~iti pokazatelj (i). Pokazatelji se razlikuju od pravila po tome {to sadrè promjenjiv (varijabilni) dio.

Primjer 1

Pravilo: Poslodavci pri isplati pla}a radnicima sastavljaju i Poreznoj upravi dostavljaju mjese ~ na (godi{nja) izvje{}a o ispla}enim primicima od nesamostalnog rada. Radnik na kraju godine ne moè iskazati svotu pla}e od nesamostalnog rada (pri podno{enja godi{nje prijave poreza na dohodak) manjom od svote pla}e iskazane u mjese~nima odnosno godi{njem izvje{}u poduze}a (tre}e osobe). Svote mogu biti samo jednake ili pla}a djelatnika moè biti ve}a od svote {to bi se dobilo od poduze}a (npr. ako je uz djelatnost od nesamostalnog rada obavljao i neku drugu dje-latnost). Ako je svota pla}e od nesamostalnog rada radnika u prijavi poreza na dohodak manja od svote pla}e {to je iskazuje poduze}e to se izdvaja za provjeru i rizi~niji su u odnosu na ostale.

Pokazatelj: Na osnovi toga pravila nastaju pokazatelji, npr. ako su razlike ve}e od 1000 je-dinica ili 10.000 podlo`ne su provjerama. Pravilima se dodaje broj~ane izri~aje kakvi op}e pra-vilo »uokviruju« u odre|ene razrede. Tako se dolazi se do stupnjevanja iskazanih razlika. Zbog ogromne mase podataka, ali i obveznika, pokazatelji sluè kao razdjelnice − nisu fi ksni nego varijabilni (promjenjivi) i porezno tijelo ih mijenja ovisno o okolnostima (npr. rastu privredne aktivnosti i sl.).

Primjer 2

Pravilo: Masa mjese~nih pla}a zaposlenih djelatnika, npr. u frizerskom salonu, ne moè biti manjom od iskazanog mjese~nog prometa. Obveznike frizere u kojih se utvrdi takvu pojavu izdvaja se za provjeru i postaju rizi~niji od ostalih frizerskih salona.

Pokazatelj: Ovom pravilu, to~nosti radi, moè se dodati broj~ani izraz (ili postotak) pri ~emu se stvara odre|ene razrede, a porezno tijelo na osnovi iskustva i provedene prakse odre|uje »manju {tetnost« odnosno manju rizi~nost.

Primjer 3

U pravilo ponekad moè biti ugra|en i broj~ani izraz − npr. iskazan kapital obveznika (u tijeku jedne godine) na dan 31. prosinca teku}e godine moè biti ve}i za 300.000 jedinica od kapitala na dan 1. sije~nja teku}e godine.

Pokazatelj: Na osnovi navedenog pravila moè se sastaviti tablicu u koju }e se obveznike rasporediti ako se utvrdi razliku 31. prosinca u odnosu s 1. sije~nja teku}e godine: a) do 300.000 jedinica; b) od 300.000 do 400.000 jedinica c) iznad 400.000 jedinica i sl. [to je ve}a razlika, obveznik je rizi~niji pa je izvjesnija provjera (nadzor).

a2. porezne norme Za utvr|ivanje rizi~nih obveznika utvr|uje se pravila za otkrivanje rizika {to mogu biti u obliku razli~itih normi. Povrate PDV-a do odre|ene svote odobrava se npr. automatski (npr. do 10.000,00 kn). No kad je povrat iznad dogovorene norme (svote), podlijeè provjeri. Svote povrata moè se gradirati od ... do, i to u nekoliko razreda u rastu}im slijedovima (od 10.001,00 do 49.999,00 kn; od 50.000,00 do 99.999,00 kn i sl.).

a3. srednje vrijednosti − aritmeti~ka sredina Srednje vrijednosti ~ine skupinu vrlo zna~ajnih statisti~kih pokazatelja u istraìvanju i analizi poreznih prijava. Ta se skupina statisti~kih pokazatelja naj~e{}e pojavljuje i primjenjuje u praksi, te se na njima temelji velik dio statisti~ke analize. Neke vrste sred-


njih vrijednosti izra~unava se prili~no jednostavno, pa je to osnovni razlog {to ih ~esto u praksi i svakodnevnom ̀ ivotu susre}emo pod nazivom raznih prosjeka. Srednje vrijed-nosti moè se defi nirati kao statisti~ke pokazatelje {to u sintetiziranom broj~anom ili atributivnom izrazu ~ine svojstvo ili op}u osobinu neke statisti~ke ukupnosti. Srednje vrijednosti izraàvaju ono {to je svojstveno nekoj masovnoj pojavi, dominantnu teme-ljem koje se neka pojava razlikuje ili je sli~na nekima drugim srodnim pojavama.

Srednje su vrijednosti izme|u najniìh i najvi{ih vrijednosti podataka u slijedu, po-kazuju veli~ine podataka ali zanemaruju osobne vrijednosti i pojedina~ne krajnje primje-re. Redovito su u vezi s naj~e{}im podacima te imaju najmanja me|usobna odstupanja i prevladavaju po veli~inama i u~estalosti.

Srednje vrijednosti dijeli se na:− potpune (aritmeti~ka, geometrijska i harmonijska sredina)− poloàjne (mod i medijan)3.

Da bismo mogli odlu~iti koju vrstu srednjih vrijednosti treba primijeniti u odre|enoj okolnosti, moramo ispitati i poznavati sljede}e:

− vrstu, narav i svojstva masovne pojave {to je predmet promatranja,− stupanj homogenosti i srodnosti podataka u seriji o pojavi {to je se promatra,− postavljen cilj poreznog nadzora.

Od svih se srednjih vrijednosti aritmeti~ka sredina u primjeni pojavljuje naj~e{}e. Aritmeti~ku sredinu (prosta ili jednostavna) dobiva se kada se zbroji sve vrijednosti ~la-nova jednoga slijeda, pa se taj zbroj podijeli s brojem ~lanova slijeda.

b) kvalitativni pojedina~ni porezni pokazatelji Nasuprot kvantitativnim pokazateljima, kvalitativne se pojedina~ne porezne pokaza-telje, u pravilu, ne iskazuje brojem, nego je iskazivanje znatno sloènije (rije~i, sim-boli, grafi koni i sl.). Pojedina~ne porezne pokazatelje boduje se, ali se velika rasprava vodi o tome koliko bodova dati pojedinom pokazatelju.

b1. pokazatelji op}ih znanja Pokazatelji op}ih znanja proizlaze iz poznavanja poreznoga zakonodavstva, knjigo-vodstva, postupka, porezne politike; ra~unovodstva; statistike; platnoga prometa, in-formatike i dr., dok u pokazatelje op}ih znanja pripadaju i iskustva ste~ena u poreznom nadzoru.

b2. pokazatelji osobitih znanja Za utvr|ivanje pokazatelja od velike je va`nosti poznavati djelatnost obveznika − {to je bolje, bit }e i pokazatelj to~niji i u~inkovitiji.

Specifi ~ni pokazatelji odnose se na specijalizaciju. Radi se, dakle, o pokazateljima {to proizlaze iz jedne vrste poreza. Primjerice pokazatelji poreza na dodanu vrijednost (PDV) mogu biti: PDV u novih obveznika; povrati PDV-a (veli~ina, u~estalost, vrste djelatnosti u kojima se naj~e{}e pojavljuju povrati PDV-a i sl.); PDV u pasivnih obveznika koji su nakon odre|enog razdoblja ponovo pokrenuli djelatnost; porezne prijevare; strani obveznici u sustavu PDV-a; i sl.

b3. pokazatelji tre}ih osoba I pokazatelji tre}ih osoba mogu biti vrlo va`ni, jer ih mogu ponuditi osobe koje su po reznu problematiku prakti~no upoznale, odnosno iz podru~ja provedbe poreznoga zakonodavstva. Naj~e{}i su pokazatelji tre}ih osoba razne vrste prijava (anonimne, ali i potpisane).

3 I. [o{i} − V. Serdar: Isto, str. 37.


2.2.1.2. Sustavi pokazatelja

Pojedina~ni pokazatelji, kako ih se god promatra, imaju ograni~en doma{aj izvje{}iva-nja. U teoriji i praksi stoga postoje razli~iti poku{aji da se od ovih nesre|enih pojedina~no nanizanih pokazatelja izgradi sustav kakav }e udovoljiti odre|enim ciljevima.

Budu}i da se smatra kako je vrlo te{ko, ako ne i nemogu}e, cjelinu poslovanja obveznika prikazati jednim pokazateljem, treba istaknuti potrebu oblikovanja i izra~unavanja vi{e raz-li~itih pokazatelja, uz napomenu kako skup pojedina~nih pokazatelja jo{ ne ~ini sustav, jer je sustav pokazatelja logi~no i/ili ra~unsko povezivanje vi{e me|usobno ovisnih pokazatelja. Rije~ je o zasnovanu, svrhovitom ra{~lanjivanju pojedinih pokazatelja. Najpoznatiji su sus-tavi pokazatelja: DuPontov, ZVEI i R-L, Altman (Zeta model ili Z obrazac), BEX4 i dr.

2.2.2. Komparativna metoda

Komparativnu se metodu provodi usporedbom poreznih prijava obveznika:− s povijesnim pokazateljima,− pokazateljima gospodarske djelatnosti u kojoj obveznik djeluje, te s− planiranim veli~inama5.

Prva metoda usporedbe ujedno je jedna od metoda analize trenda, a provodi je se usporedbom pokazatelja u dva ili vi{e uzastopnih izvje{tajnih razdoblja.

Druga metoda usporedba je s podacima vrste gospodarske djelatnosti iz koje obveznik potje~e i u kojoj djeluje. Usporedbu se moè obaviti tako da se porezne pokazatelje porez-nog obveznika stave u odnos s prosje~nim pokazateljima za gospodarsku vrstu. Ove rezulta-te me|utim, treba tuma~iti vrlo oprezno.

Ako gospodarska vrsta prolazi kroz recesiju, rezultati malo iznad prosjeka nisu razlog slavlju, kao {to ni nià profi tabilnost od prosjeka gospodarske djelatnosti u doba uzleta ne mora biti izraz perspektivnosti obveznika, nego mo`da pove}anih tro{kova zbog agresiv-na uvo|enja novog proizvoda na trì{te ili znatnijeg ulaganja u istraìvanje i razvoj kojim }e obveznik oja~ati vlastiti udjel na trì{tu.

Usporedbu se moè obaviti i s konkurentima iz gospodarske grane. I rezultati ove ana li ze, naravno, trebaju biti izvor zamisli o postavljanju pravih pitanja o obveznikovu poslova nju.

Tre}a metoda usporedba je s planiranim veli~inama. Prihodna je strana dràvnog prora~una op}i i strate{ki plan {to se sastoji od brojnih mikroplanova prema vrstama po-reza {to naposljetku doseè do pojedinog obveznika.

Za 20.... godinu tro{arine npr. ~ine 8% prora~una. U ukupnim tro{arinama udjel je duhanskih proizvoda 40%. Od te svote za tvornicu duhana XY planirano je 38% od ukup-ne mase. Tijekom podno{enja poreznih prijava za tro{arine djelatnici Porezne uprave mogu uspore|ivati planirane s ispunjenim pokazateljima.

2.2.3. Analiza trenda

Analiza trenda daje uvid u kretanje poreznog stanja obveznika tijekom vremena. Od svih statisti~kih metoda dinami~ke analize masovnih pojava, metoda je trenda najsloènija, pa se moè re}i i da je to najzna~ajnija metoda analize vremenskih slijedova. Naziv trend potje~e iz engleskog jezika i pojednostavnjeno u prijevodu ozna~uje »ne{to {to se kre}e«. U statisti~koj teoriji i dinami~koj analizi trend ozna~uje svojstvenu i zakonomjernu liniju

4 Vi{e o tome u Z.Vuk{i} i sur.: »Upravljanje rizicima u planiranju poreznog nadzora«. IJF, Zagreb 2009, Porezni vjesnik, poseban broj za listopad, str. 46. do 70.

5 Prof. dr. sc. Ljiljana Vidu~i}: »Financijski menad`ment«. RRiF Plus, Zagreb 2002, str. 368. i 369.


kretanja neke pojave u vremenu. Za trend se tako|er moè re}i kako izraàva prosje~no, srednje stanje u svakomu od promatranih razdoblja, pa je zbog te osobine trend zapravo dinami~ka srednja vrijednost.

Osim usporedbe poreznih pokazatelja izra~unanih za vi{e uzastopnih poreznih prija-va ({to se moè zorno pokazati grafi ~ki), ovu se analizu moè provesti izra~unom indek-sa trenda i ~esto je se rabi u kombinaciji s komparativnom analizom.

Trend nudi informaciju o apsolutnim promjenama svota pojedinih pozicija u poreznoj prijavi. Porezne prijave omogu}uju da se svote razli~itih pozicija tijekom odre|ena razdob-lja podijeli s vrijednostima pozicija iz prijava {to su odabrane kao polazi{ne (temeljne) ili standardne, odnosno da ih se prikaè kao vi{ekratnik po~etnih stanja danih pozicija. Sto-ga i objektivnost ocjena dobivenih trendnima poreznim prijavama ovisi o kvalitetno oda-branoj »baznoj« poreznoj prijavi.

2.3. Statisti~ki porezni nadzor pri odabiru stavaka fi nancijskih izvje{}aUtjecaj fi nancijskih izvje{}a na poreznu osnovicu znatan je i neosporan. Ra~u no vod-

stveno i porezno zakonodavstvo u mnogo~emu je povezano, ali i ovisno. Prema ~l. 5. Za-kona o porezu na dobit (NN 177/04. do 22/12), poreznu osnovicu poreza na dobit utvr |uje se prema ra~unovodstvenim propisima. Propise se samo nadogra|uje na ra~uno vodstveno iskazan u~inak poslovanja. Budu}i da porezni propisi upu}uju na primjenu ra~unovodstvenih propisa, ali i obratno, ra~unovodstvene je poslove ponekad vrlo te{ko u praksi razdvojiti od poslova {to se odnose na postupak oporezivanja.

Statisti~ke metode omogu}uju izdvajanje va`nijih pitanja, a izostavljanje sporednih, te osiguravaju znanstvenu spoznaju o kretanjima i zakonitostima promjena ra~unovodstve-nih i poreznih pojava.

U nadzora fi nancijskih izvje{}a (npr. bilanca, ra~un dobiti i gubitka) ne usmjeruje se jed naku pozornost svima iskazanim stavkama (pozicijama). Kojim }e se stavkama iska-zati ve}u a kojima manju pozornost, ovisi o brojnim ~imbenicima.

Jama~no je jedan o va`nijih ~imbenika {to utje~u da se nekoj stavci usmjeri ve}u pozor-nost njezina materijalna zna~ajnost. [to se smatra materijalno zna~ajnom stav kom?

U nadzora fi zi~kih ili malih obveznika nije neuobi~ajeno da inspektor ispita ukupnu ra~unovodstvenu i poreznu evidenciju pri provedbi nadzora. S obzirom da su se obvezni-ci, ipak, razvijali i veli~inom i sloèno{}u, postalo je neekonomi~no provoditi ispitivanje ukupne ra~unovodstvene porezne evidencije i dokumentacije.

Za{to inspektor ne provjerava sve poslovne doga|aje nastale u nekome razdoblju? Glav ni su razlozi protiv takvog postupka tro{ak, vrijeme i izvedivost nadzora. Kad je u pi tanju manji broj poslovnih doga|aja, inspektor ih moè ispitati sve dok se u velikog obveznika susre}e s milijunima poslovnih doga|aja odnosno transakcija, kada bi nadzor svakog od njih zahtijevao velik broj inspektora koji bi izgubili mnogo vremena, zbog ~ega bi i tro{ak nadzora postao neracionalan, pa se je shvatilo da se zaklju~ci o realnosti i objek-tiv nosti fi nancijskih izvje{}a poreznih obveznika mogu temeljiti i na nadzoru samo od re-|ena dijela ra~unovodstvene i porezne evidencije.

Prema tome, inspekcijska to~nost ovisi o tro{ku nadzora. Za uspje{no prevladavanje toga problema inspektor u nadzoru velikih poreznih obveznika primjenjuje metodu uzorka.


2.3.1. Uzorkovanje

Metoda uzorka6 podru~je je statistike, kao nauke i prakse, u kojemu se primjenjuje odnosno pojavljuje gotovo ukupan sustav statisti~kih metoda i pokazatelja u osobitoj pri-mjeni. Metoda uzorka, najjednostavnije re~eno, sastoji se u tome da se ukupna obilje`ja os nov noga skupa ili masovne pojave procjenjuje uz pomo} jednog njezinog dijela, kojeg se naj~e{}e naziva uzorkom i kombinacijama.

Ovu se metodu naziva i reprezentativnom zato {to taj uzorak zapravo reprezentira pojavu ili skup kojemu pripada i iz kojega je uzet. Temeljno je na~elo primjene uzoraka, dakle, reprezentativnost. To je uzorak koji ima sva najva`nija obilje`ja podru~ja zanimanja {to je pak pretpostavka za izvo|enje ispravna zaklju~ka.

Uzorkovanje se defi nira kao nadzor manjeg broja od 100% jedinica populacije7, radi procjene odre|ena obilje`ja te populacije, {to drugim rije~ima zna~i saznati mnogo uz relativno malo truda. Inspektor treba donijeti ~etiri bitne odluke u postupku uzorko-vanja:

– koju populaciju i koja obilje`ja treba ispitati (populacija)?– koliko jedinica treba obuhvatiti uzorak (veli~ina uzorka)?– koje jedinice treba uvrstiti u uzorak (odabir uzorka)?– {to informacije o uzorku govore o populaciji kao cjelini (vrednovanje uzorka)?

U postupku poreznog nadzora primjenjuje se dva na~ina oblikovanja uzorka: ne sta-tisti~ki i statisti~ki. Statisti~ke metode {to ih se rabi pri odabiru uzorka mogu biti: a) oda-bir prema klju~u; b) uzorak s vjerojatnosti proporcionalnoj veli~ini; c) sustavan uzorak; d) stratifi ciran (slojevit) uzorak.

Kad je u pitanju statisti~ki uzorak, za njegovu obradu rabi se metode statisti~kog uzor-ka utemeljenoga na:

a) odre|enom obilje`ju;b) odre|enoj monetarnoj jedinici ic) klasi~nim varijablama8.

2.3.2. Materijalna zna~ajnost stavaka u fi nancijskim izvje{}ima

Od svakoga se poreznog nadzora o~ekuje da bude sveobuhvatan i ekonomi~an. Tako suprotstavljenima dvama na~elima moè se istodobno udovoljiti jedino uz primjenu kon-cepta materijalnosti odnosno materijalnog zna~aja.

U svakoj znanosti, pa i u statistici, djeluju odre|ene pravilnosti odnosno zakonitosti. Jedan je od osnovnih i najzna~ajnijih zakona u statistici zakon velikih brojeva. Temeljni smisao i zna~enje zakona velikih brojeva moè se najjednostavnije izraziti u sljede}em: {to je ve}i broj doga|aja, promatranja ili elemenata, to je ve}a vjerojatnost da }e prosudbe i zaklju~ci biti realni i istiniti, odnosno to je manja gre{ka u to~nosti zaklju~ivanja.

Informacija je materijalno zna~ajna ako njezino izostavljanje ili pogre{no prikazivanje moè utjecati na poslovne odluke poreznog obveznika donesene na temelju fi nancijskih izvje{}a. Zna~ajnost ovisi o veli~ini i naravi pogre{ke, ali i o razli~itim okolnostima pod

6 Vi{e o navedenom kod Z. Vuk{i}: Provedba poreznog nadzora – Metoda uzorka u poreznom nadzoru, IJF, Zagreb 2010, Porezni vjesnik, poseban broj za lipanj, str. 514. do 534.

7 Populacija je u kontekstu uzorkovanja, zbroj elemenata {to ih se naziva jedinicama uzorkovanja (npr. moè biti jedna vrsta poreza: PDV, dohodak i sl.; ili unutar jednog poreza npr. dohodak: dohodak od nesamostalnog rada, dohodak od samostalnog rad i sl.).

8 W. F. Meisser: Revizija. Faber&Zgombi}, Zagreb 2000, str. 327. do 329.


kojima je pogre{ka nastala. Ona je, uz to, vi{e polazni element nego (u prvome redu) kva-lita tivno obilje`je {to ga mora imati informacija da bi bila korisna.

Pogre{no prikazivanje {to ga se smatra materijalno zna~ajnim za fi nancijska izvje{}a inspektor odre|uje u odnosu na svakoga obveznika, uzimaju}i pogre{no iskazanu pojedi-na~nu ili kumulativnu svotu u izvje{}ima kakva moè utjecati na rezultat poreznog obvez-nika.

U analizi fi nancijskih izvje{}a naj~e{}e se primjenjuje horizontalnu odnosno vertikal-nu statisti~ku metodu:

Horizontalna metoda (analiza) temelji se na uspore|enima fi nancijskim izvje{}ima, {to omogu}uje pra}enje odre|ene pojave u vi{e razdoblja. Na temelju tih promjena pro-su|uje se o kvaliteti fi nancijskih izvje{}a. Kako bi se obavilo usporedbu, pojave moraju biti usporedive, jer tako omogu}uju dono{enje zaklju~ka o tome je li neka pojava zna~ajna ili bezna~ajna, raste li ili pada, je li kretanje pozitivno ili negativno. Usporedivost ima, dakle, kvalitativni i kvantitativni zna~aj.

Uspore|enima fi nancijskim izvje{}ima prati se tendenciju i dinamiku kretanja podata-ka u bilancu i ra~unu dobiti i gubitka. Naj~e{}e se za prikaz dinamike uporabljuje bazne indekse, tako da se odabere jednu godinu kao polazi{nu, a podatke iz ostalih godina izra-zi u postotku od te godine. Osim baznih moè se rabiti i veri`ne indekse, kada se ana lizira vi{e od dva razdoblja.

Vertikalnom analizom naj~e{}e se smatra usporedbu fi nancijskih podataka {to se odno-se na jednu poslovnu godinu (istovjetna kalendarskoj godini). Ta analiza omogu}uje uvid u ustroj fi nancijskih izvje{}a. Strukturna fi nancijska izvje{}a izra~unana su tako da se u bi-lanci aktivu i pasivu izjedna~i sa 100, dok se ostale pozicije izraàva kao postotak od ukup-ne aktive i pasive. U ra~unu dobiti i gubitka uobi~ajeno se sa 100 izjedna~uje prihod od pro daje, a druge se pozicije prikazuje kao postotak prihoda od prodaje, odnosno veli~ine izjedna~ene sa 100, {to omogu}uje spoznaje jednako kao u primjeni horizontalne analize, ali su korisnije pri uspore|ivanju s drugim obveznicima razli~ite veli~ine i pri infl aciji.

U vertikalne metode va`no je promatrati izvore kapitala, odnosno koliko se imovinu fi nancira iz vlastitih, a koliko iz tu|ih izvora, radi utvr|ivanja zaduènosti dru{tva te dru-gih pitanja va`nih za fi nanciranje poslovanja.

Pri analizi bilance, kad je npr. stavka zaliha materijala zna~ajna, inspektor moè upora-biti metodu ABC da bi utvrdio koje su to zalihe materijala »nosive« ili najva`nije i kojima }e usmjeriti ve}u pozornost. Npr. materijal se razvrstava prema vrijednosti tako da 20 vrsta materijala ~ini 75% vrijednosti zaliha; daljnjih 80 vrsta ~ini 15% vrijednosti, a preosta-lih 75 vrsta ~ini 10% vrijednosti zaliha materijala; ili 60% potraìvanja je od 15 kupaca, 30% od 45 kupaca, a preostalih 10% od 65 kupaca.

Osim nabrojenih statisti~kih metoda, inspektor moè primijeniti i: metodu to~ke po-kri}a; metodu vrijednosti; metodu intenziteta – XYZ analiza; dijagnosti~ku metodu i dr., iz ~ega proizlazi kako se odre|ivanje relativne veli~ine pojedina~ne stavke fi nancijskih iz vje{}a moè razmotriti s nekoliko motri{ta:

a) u odnosu pojedine stavke na iskazane rezultate poslovanja;b) u odnosu na skupinu ra~una kojoj odre|ena stavka pripada;c) u odnosu na iskazane podatke u pro{lome obra~unskom razdoblju.

Na odre|ivanje materijalnog zna~aja mogu}ih pogre{nih prikazivanja svota u fi nancij-skim izvje{}ima, osim relativnog odnosa, moè utjecati i apsolutna veli~ina pojedinih sta vaka, napose kada se radi o osobitim podacima kakvi unato~ relativno manjem zna~aju mogu imati utjecaj na pravovaljano dono{enje odluka.


Isto tako, narav pojedine stavke moè utjecati na prve prosudbe o materijalnom zna-~aju te mogu}emu pogre{nom prikazu podataka u fi nancijskim izvje{}ima. Stavke npr. od utjecaja na iskazivanje rezultata poslovanja mogu imati ve}i materijalni zna~aj od stavaka {to utje~u samo na bilan~ne pozicije stanja. U razmatranja tro{kova, ne moè se izbje}i svaku pogre{ku, ali je va`no da previ{e pogre{aka ne pro|e neprimije}eno, za {to se u praksi rabi pojmove pouzdanost i materijalnost.

Statisti~ke metode obuhva}aju istraìvanje primije}enih kolebanja i nedosljednih od-nosa s ostalima va`nim podacima ili znatnijih odstupanja od predvi|enih svota. Radi se dakle o tzv. skeniranju − pretraìvanju fi nancijskih izvje{}a radi primje}ivanja neuobi ~a-jenih promjena i stavaka odnosno utvr|ivanja zna~ajnih razlika.

Iz toga proizlazi kako je cilj uporabe statisti~kih metoda utvrditi razlike odnosno fi -nancijske poreme}aje. Postavlja se pitanje materijalnog zna~aja neke veli~ine ili postotka tolerancije u otkrivanju mogu}eg pogre{nog iskazivanja pojedinih stavaka u izvje{}ima. Neki su autori ponudili sljede}a mjerila kakva mogu posluìti u prosu|ivanju:

1. kombiniran ukupan zbroj gre{aka ili propusta u fi nancijskim izvje{}ima kakav prema{uje 10%, po skupinama ili ukupno, uobi~ajeno je materijalne naravi. Kom-biniran zbroj manji od 5% pretpostavljeno je nematerijalan (nebitan), zanemari li se kvalitativne ~imbenike {to utje~u na materijalni zna~aj. Kombinirane gre{ke i nedostaci u rasponu 5% do 10% zahtijevaju ve}u sposobnost stru~ne prosudbe pri odre|ivanju njihove materijalnosti.

2. raspon 5% do 10% mora se razmatrati u odnosu na pripadaju}u stavku. êsto tre-ba razmotriti vi{e od jedne stavke s kojom se uspore|uje gre{ke, pa se pri odabiru primjerenih fi nancijskih izvje{}a preporu~uje primijeniti sljede}e upute:

a) ra~un dobiti i gubitka − ukupne gre{ke u ra~unu dobiti i gubitka uobi~ajeno bi mo-gle biti od 5% do 10% dobiti prije oporezivanja. Pokazatelj 5% do 10% moè biti neprimjeren u godini kad je dobit neuobi~ajeno velika ili malena. Ako dobit prije opo rezivanja u danoj godini nije reprezentativna, s motri{ta materijalnog zna~aja moè se razmotriti neku drugu usporedbu, npr. prosje~nu dobit prije oporezivanja u razdoblju tri godine,

b) bilanca ukupne gre{ke u ra~unu dobiti i gubitka izravno je povezana s kratkoro~nim sredstvima, kratkoro~nim obvezama i ukupnim sredstvima u bilanci. Za kratkoro~na sredstva i kratkoro~ne obveze pokazatelj materijalnosti treba imati raspon 5% do 10%, primijenjen jednako kao na ra~un dobiti i gubitka. Za ukupnu imovinu poka-zatelj treba biti od 3% do 6%, primijenjeno kao u ra~unu dobiti i gubitka.

3. kvalitativne ~imbenike treba pozorno procjenjivati u tijeku cijeloga poreznog nadzora, jer su, vrlo ~esto, va`niji od pokazatelja primijenjenih na ra~un dobiti i gubitka te bilan-cu. Osobito treba voditi ra~una o potrebama korisnika fi nancijskih izvje{}a i naravi po-dataka u fi nancijskim izvje{}ima pri razmatranju i odre|ivanju materijalnog zna~aja9.

2.4. Statisti~ki porezni nadzor pri utvr|ivanju ispravnosti poreznih prijavaKao u fi nancijskih izvje{}a, statisti~ki se porezni nadzor pri utvr|ivanju ispravnosti

poreznih prijava moè oslanjati i na materijalnu zna~ajnost.

Materijalnost je kvantitativna norma (izraèna u nov~anoj svoti) {to je treba utvrditi kad je populacija nad kojom se provodi nadzor dovoljno dobra, npr. kada zbroj pogre{aka nije ve}i od nov~ane svote. Materijalnost, dakle, sluì kao granica odobrenja za obavljanje

9 Mr. sc. Filip Brekalo: »Materijalna zna~ajnost u postupcima revizije«. Financije i porezi 10/08, TEB Po-slovno savjetovanje d.o.o., Zagreb 2008, str. 97. do 100.


nadzora, i stoga je vaàn pokazatelj za utvr|ivanje opsega posla {to ga treba obaviti kako bi se utvrdilo je li norma o dovoljno dobrome dostatno ispunjena.

Pouzdanost je drugi vaàn pokazatelj u vezi s tim. Ovaj koncept povezan je s mogu}-no {}u da se ne primijeti kako je zbroj pogre{aka ve}i od materijalnosti. Inspektori uobi~a-jeno ra ~unaju s 5% te se kaè kako je pouzdanost 95%.

Pod pretpostavkom da je materijalnost, recimo, 100.000, da je populacija 10.000.000, a faktor pouzdanosti 95%, pojam materijalnosti obuhva}a izjavu: »Ako bi u zbroju 10.000.000 {to ga treba pratiti u toj populaciji, zbroj (iznad) 100.000 bio s pogre{kom, tada bi je se moralo otkriti u najmanje 95 od 100 (nasumi~nih) provjera«. Rije~i »Ako... bio s pogre{kom« naznaka su da navedeno, dakle, ne zna~i kako 5 od 100 u populaciji sadrì pogre{ku (otkrivenu u provjeri) {to je jednako velika kao materijalnost (ili ve}a). Napokon, ne}e sve populacije koje su obuhva}ene pra}enjem imati pogre{ku do tolike svote.

2.4.1. Vrste materijalnosti pri utvr|ivanju ispravnosti poreznih prijava

Pri utvr|ivanju ispravnosti poreznih prijava u statisti~kom poreznom nadzoru treba razlikovati kvantitativnu od kvalitativne materijalnosti.

a) kvantitativna materijalnost u odnosu na prihvatljive porezne prijave

Pojam »prihvatljiva porezna prijava« ima va`nu ulogu u kontroli Porezne uprave, jer ne implicira kako obveznici ne trebaju ispravljati pogre{ke u prijavi ispod odre|ene svote. Porezna je prijava osnova za ispravno utvr|ivanje poreza, ali i pla}anje poreza pri samo-utvr|ivanju poreza. Zato porezna prijava mora udovoljavati zahtjevima iz poreznih pro-pisa i, u na~elu, ne smije sadràvati pogre{ke (drugim rije~ima, mora biti potpuna i to~na). Po rezna uprava pretpostavlja, dakle, da obveznici u postupku izrade porezne prijave imaju nultu toleranciju na pogre{ku.

Pojam »prihvatljiva porezna prijava« odnosi se na zahtjeve {to ih Porezna uprava po-stavlja u vezi s pouzdano{}u i to~no{}u poreznih prijava na temelju poreznog nadzora.

No, va`no je da ukupna svota (mogu}e) pogre{ke u poreznoj prijavi ne prema{i granicu materijalnosti. Poreznu prijavu {to ispunjava taj uvjet smatra se »prihvatljivom«. Materijal-nost je, prema tome, svojevrsna odobrena granica. Nadzor je osmi{ljen kako bi osigurao razumnu sigurnost da }e se pogre{ku otkriti barem kad najve}a o~ekivana svota pogre{ke prema{i grani~nu vrijednost materijalnosti. Materijalnost nije granica ispod koje su uskla|enja nepotrebna. Sve se otkrivene pogre{ke, neovisno o fi nancijskom zna~aju, mora ispraviti.

b) kvalitativna materijalnost u odnosu na prihvatljive porezne prijave

Osim kvantitativne, u odnosu na prihvatljive porezne prijave, va`na je i »kvalitativna ma terijalnost«. Ne radi se toliko o nov~anoj svoti iznad koje pogre{ke ne mogu ostati neotkrivene, koliko o zna~aju otkrivene pogre{ke.

Kvalitativna materijalnost odnosi se na narav pogre{ke, osobito na razinu odgovorno-sti − kao kad je pogre{ka namjerno po~injena ili ~ak s namjerom po~injenja prijevare. Mo gu}i su i ozbiljni propusti u administraciji ili unutarnjoj kontroli, kad obveznik npr. ne primjenjuje mjere kontrole na klju~nim to~kama ili je unutarnja kontrola namjerno naru{ena, zbog ~ega je rizik pogre{ke utvr|en svojevoljno. Ustanovi li se da po~injene po gre{ke povla~e ozbiljnu osobnu odgovornost, poreznu prijavu ne}e se odobriti, ~ak ako je fi nancijski u~inak pogre{ke razmjerno bezna~ajan.

Kvalitativni ~imbenici tako|er utje~u na na~elo materijalnosti. Izvjesni tipovi gre{aka zna~ajni su samo za neke obveznike. Pri odlu~ivanju o preliminarnom pokazatelju mate-rijalnosti valja uzeti u obzir sljede}e kvalitativne ~imbenike:


– svote {to sadrè nepravilnosti ~esto se razmatra temeljitije nego nenamjerne gre{ke u jednakoj vrijednosti, zato {to nepravilnosti utje~u na pouzdanost uprav lja ~kog ustroja. Mnogi inspektori npr. vi{e pozornosti usmjeruju na namjerne pogre{ke pri popisu imovine i zaliha nego na rutinske gre{ke pri popisu u jednakoj svoti;

– ina~e bezna~ajne gre{ke mogu biti materijalne, ako prouzro~e posljedice u vezi s ugovorenim obvezama.

2.4.2. Temelji za procjenu na~ela materijalnosti

S obzirom da je na~elo materijalnosti relativno, nu`no je imati temelje na kojima se moè utvrditi jesu li pogre{ke materijalno zna~ajne. Dobit prije oporezivanja uobi~ajeno je najva`niji temelj za utvr|ivanje {to je materijalno zna~ajno, jer se to smatra kriti~nom to~kom informiranja obveznika. Va`no je znati i mogu li pogre{ke materijalno utjecati na realnost drugih pozicija, poput kratkotrajne imovine, ukupnih sredstva, teku}ih obveza i dioni~arske glavnice.

Pretpostavka je za malo dru{tvo inspektorova odluka da bi pogre{na procjena dobiti prije oporezivanja, 100.000,00 kn ili vi{e, mogla biti materijalno zna~ajna, a pogre{ka 250.000,00 kn ili vi{e bila bi materijalno zna~ajna za kratkotrajnu imovinu. No, inspektor mora predvidjeti sve pogre{ke {to utje~u na dobit prije oporezivanja kakve prema{e preli-minarni pokazatelj materijalnosti, 100.000,00 kn, jer najvi{e gre{aka utje~e i na ra~un do biti i gubitka i na bilancu. Inspektor }e biti manje zabrinut zbog mogu}e pogre{ke npr. u vezi s pogre{nim klasifi ciranjem dugotrajne imovine jer ima u~inak samo na bilancu.

Kvantitativnu se materijalnost moè izraziti u novcu. Neke porezne uprave dràva EU-a uvele su tablicu takvih vrijednosti materijalnosti, npr. priloèna tablica Porezne i Carinske uprave Kraljevine Nizozemske10 (u eurima):

Veli~ina poslovnog subjekta Materijalnost300.000 Promet x 5%

300.000- 500.000 15.000500.000- 1.000.000 30.000

1.000.000- 2.200.000 60.0002.200.000- 4.400.000 120.0004.400.000- 8.800.000 180.0008.800.000- 17.500.000 300.000

17.500.000- 35.000.000 600.00035.000.000- 70.000.000 900.00070.000.000- 140.000.000 1.500.000

140.000.000- 3.000.000

U vezi s uporabom materijalnosti (kao elementa statisti~kih znanstvenih pokazatelja) moè se, na kraju, re}i sljede}e:

1. materijalnost je na~in uspostave kvantitativne norme »dovoljno dobroga«2. »materijalnost« naposljetku utvr|uje nuàn intenzitet nadzora3. stupanj je intenziteta nadzora materijalnosti objektiviziran4. obveznik }e mo}i – pod pretpostavkom »dovoljno dobroga« – procijeniti ostvaruje

li normu5. osim kvantitativnoga, materijalnost obuhva}a i kvalitativni aspekt.

10 Z. Vuk{i} i sur.: »Upravljanje rizicima kroz horizontalno pra}enje«. IJF, Zagreb 2012. (Porezni vjesnik, poseban broj za oùjak), str. 268.


III. ZAKLJUÂKStatisti~ke metode u poreznom nadzoru ne primjenjuje se samo zbog boljega i to~nijeg

utvr|ivanja doga|aja u pro{losti, nego im je smisao to~no, pravilno i objektivno analizi-rati kako bi se otvorilo pogled u budu}nost. Cilj uporabe statisti~kih metoda, naime, nije samo prikupljanje i ra{~lanjivanje zna~ajnih poreznih i ra~unovodstvenih informacija o pojavama u pro{losti, nego u prvome redu sagledavanje smjera razvoja poreznog nadzora u budu}nosti. Masovnija uporaba statisti~kih metoda otvara, odnosno otvarat }e, nove smjerove razvoja poreznog nadzora. Statistika je razradila brojne metode znanstvenoga predvi|anja tijeka i razvoja pojava u uvjetima me|usobnog proìmanja i sloèna djelova-nja razli~itih ~imbenika. Statisti~ki su podaci uistinu brojni, a uz primjenu statisti~kih metoda reducira ih se odnosno isklju~uje neva`ne te izdvaja bitne (va`ne) informacije. Statisti~ki porezni i ra~unovodstveni podaci dio su golema skupa informacija kojima je izloèno moderno dru{tvo. Neke veli~ine, npr. prosjeci, indeksi, trendovi i drugi pojmovi vrlo su ra{ireni i bez njihova razumijevanja te{ko je pratiti poreznu i ra~unovodstvenu problematiku.

Statisti~ki porezni nadzor kao dio poreznog nadzora u poreznim upravama dràva EU-a ima sve va`niju ulogu, jer se uz pomo} informati~ke tehnologije, razli~itih spe-cijalisti~kih ra~unalnih programa postiè izvrsne rezultate.

Zbog velikog broja zahtjeva za obavljanje poreznog nadzora unutar i izvan ministar-stva fi nancija, ali i ispunjenja zada}a {to ih postavlja rukovodstvo Porezne uprave, treba razvijati nove metode rada. Uz elektroni~ki, mora se dakle razvijati i statisti~ki porezni nadzor, kako bi se uspje{no obavilo sve sloène zada}e.

Literatura

Mr. sc. Filip Brekalo: »Materijalna zna~ajnost u postupcima revizije«. Financije i porezi 10/08, TEB Poslovno savjetovanje d.o.o., Zagreb 2008.

W. F. Meisser: Revizija. Faber&Zgombi}, Zagreb 2000.

Dr. sc. I. [o{i} − dr. sc. V. Serdar: Uvod u statistiku. [kolska knjiga, Zagreb 2002.

Prof. dr. sc. Ljiljana Vidu~i}: Financijski menad`ment. RRiF Plus, Zagreb 2002.

Z. Vuk{i} i sur.: »Upravljanje rizicima u planiranju poreznog nadzora«. Porezni vjesnik, poseban broj za listopad, IJF, Zagreb 2009.

Z.Vuk{i}: »Provedba poreznog nadzora − Metoda uzorka u poreznom nadzoru«. Porezni vjesnik, poseban broj za lipanj, IJF, Zagreb 2010.

Z. Vuk{i} i sur.: »Upravljanje rizicima kroz horizontalno pra}enje«. Porezni vjesnik, poseban broj za oùjak, IJF, Zagreb 2012.

Vodi~ kroz upravljanje rizicima izvr{enja poreznih obveza za porezne uprave. IJF, Zagreb 2011.

Download - Statisti~ki porezni nadzor - ijf.hr

Top Related