statisti~ki porezni nadzor - ijf.hr

of 13 /13
STATISTI^KI POREZNI NADZOR 83 Zdravko Vuk{i} Statisti~ki porezni nadzor I. UVOD Uporaba statistike u poreznom nadzoru sve je zastupljenija. Iskustava poreznih upra- va dr`ava EU pokazuju kako statisti~ke metode postaju nezaobilazan alat odnosno instru- ment bez kojeg se ne mo`e 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. Pojam Statistika je znanost o prikupljanju broj~anih podataka razli~ite vrste, njihovu ure|enju, metodama analize i tuma~enju 1 . 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 mo`e se definirati 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 nadzora Statisti~ki porezni nadzor primjenjuje se osobito u pra}enju: - upravljanja rizicima u poreznom nadzoru, - odabiru obveznika za porezni nadzor, - odabiru stavaka financijskih izvje{}a za porezni nadzor, - utvr|ivanju ispravnosti poreznih prijava u poreznom nadzoru. 2.1. Statisti~ki porezni nadzor u upravljanju rizicima Rizik je mogu}e definirati 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

Author: others

Post on 03-Nov-2021

2 views

Category:

Documents


0 download

Embed Size (px)

TRANSCRIPT

Porezni_04_2012.inddZdravko Vuk{i}
Statisti~ki porezni nadzor
I. UVOD Uporaba statistike u poreznom nadzoru sve je zastupljenija. Iskustava poreznih upra-
va dr`ava EU pokazuju kako statisti~ke metode postaju nezaobilazan alat odnosno instru- ment bez kojeg se ne mo`e 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. Pojam Statistika 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 mo`e 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 nadzora Statisti~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 rizicima Rizik 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 odr`ava 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 i 5. 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 `alba 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 slo`enim 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 izra`avanju 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 opse`an 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 slu`e 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.
STATISTI^KI POREZNI NADZOR 85
− istra`ivanje tr`i{ta, − pokusi i prototipovi, − ekonomski, in`enjerski i drugi modeli, − prosudbe stru~njaka. Posljedice se mo`e procjenjivati uz primjenu modela izra~una rezultata nekog doga|aja
ili skupa doga|aja, ekstrapolacijom pokusnih studija ili pro{lih podataka. Mo`e ih se izra- ziti u nazivlju nov~anih, tehni~kih ili humanih pokazatelja. Vjerojatnost se uobi~ajeno izra`ava kao mogu}nost, u~estalost ili kombinacija izlo`enosti i mogu}nosti nastanka odre|enog doga|aja. Izra`ava se u postotku, a vjerojatnost dosti`e 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 `ivotnog ciklusa, dijagrame utje- caja, sustav pokazatelja ranog upozorenja, cost-benefi t analizu, modele umjetne inteligen- cije, ra~un izlo`enosti rizicima i dr.
2.2. Statisti~ki porezni nadzor kod odabira poreznih obveznika za nadzor Porezni 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 mo`e 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 mo`e 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 slo`ene.
2.2.1.1. Pojedina~ni porezni pokazatelji
Poznato je da se statistika slu`i brojem kao sredstvom izra`avanja kvantitativnih i kva litativnih osobina. Prve, ujedno najzna~ajnije informacije {to ih statistika prikuplja izra`ene su, prema tome, kao broj~ani pokazatelji − podaci. Pokazatelj je mjerilo i mjera eko nomskih pojava i procesa u obveznika izra`en u obliku broja. Pojedina~ni porezni po- kazatelji opet mogu biti kvantitativni i kvalitativni.
a) kvantitativni pojedina~ni porezni pokazatelji Kvantitativne pojedina~ne porezne pokazatelje naj~e{}e se iskazuje brojem.
86 POREZNI VJESNIK 4/2012.
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 sadr`e 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 mo`e 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 mo`e 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 slu`e 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 mo`e 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, mo`e 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 mo`e biti ugra|en i broj~ani izraz − npr. iskazan kapital obveznika (u tijeku jedne godine) na dan 31. prosinca teku}e godine mo`e biti ve}i za 300.000 jedinica od kapitala na dan 1. sije~nja teku}e godine.
Pokazatelj: Na osnovi navedenog pravila mo`e 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), podlije`e provjeri. Svote povrata mo`e 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 istra`ivanju 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-
STATISTI^KI POREZNI NADZOR 87
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 mo`e 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 izra`avaju 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 najni`ih 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) − polo`ajne (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 slo`enije (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.
88 POREZNI VJESNIK 4/2012.
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 mo`e 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 ni`a 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 tr`i{te ili znatnijeg ulaganja u istra`ivanje i razvoj kojim }e obveznik oja~ati vlastiti udjel na tr`i{tu.
Usporedbu se mo`e 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 dr`avnog prora~una op}i i strate{ki plan {to se sastoji od brojnih mikroplanova prema vrstama po- reza {to naposljetku dose`e 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 najslo`enija, pa se mo`e 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.
STATISTI^KI POREZNI NADZOR 89
kretanja neke pojave u vremenu. Za trend se tako|er mo`e re}i kako izra`ava 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 mo`e zorno pokazati grafi ~ki), ovu se analizu mo`e 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 prika`e 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{}a Utjecaj 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 slo`eno{}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 mo`e 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.
90 POREZNI VJESNIK 4/2012.
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 i c) 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 mo`e 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 mo`e 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 mo`e 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. mo`e 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.
STATISTI^KI POREZNI NADZOR 91
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 mo`e 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 mo`e 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 izra`ava 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 zadu`enosti dru{tva te dru- gih pitanja va`nih za fi nanciranje poslovanja.
Pri analizi bilance, kad je npr. stavka zaliha materijala zna~ajna, inspektor mo`e 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% potra`ivanja je od 15 kupaca, 30% od 45 kupaca, a preostalih 10% od 65 kupaca.
Osim nabrojenih statisti~kih metoda, inspektor mo`e 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 mo`e 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, mo`e 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.
92 POREZNI VJESNIK 4/2012.
Isto tako, narav pojedine stavke mo`e 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 mo`e 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 istra`ivanje 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 − pretra`ivanju 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 poslu`iti 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. ^esto 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% mo`e 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 mo`e 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 prijava Kao u fi nancijskih izvje{}a, statisti~ki se porezni nadzor pri utvr|ivanju ispravnosti
poreznih prijava mo`e oslanjati i na materijalnu zna~ajnost.
Materijalnost je kvantitativna norma (izra`ena 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, slu`i 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.
STATISTI^KI POREZNI NADZOR 93
nadzora, i stoga je va`an 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 va`an 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 ka`e 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 sadr`i 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 sadr`avati 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:
94 POREZNI VJESNIK 4/2012.
– svote {to sadr`e 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 mo`e 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 mo`e izraziti u novcu. Neke porezne uprave dr`ava EU-a uvele su tablicu takvih vrijednosti materijalnosti, npr. prilo`ena tablica Porezne i Carinske uprave Kraljevine Nizozemske10 (u eurima):
Veli~ina poslovnog subjekta Materijalnost 300.000 Promet x 5%
300.000- 500.000 15.000 500.000- 1.000.000 30.000
1.000.000- 2.200.000 60.000 2.200.000- 4.400.000 120.000 4.400.000- 8.800.000 180.000 8.800.000- 17.500.000 300.000
17.500.000- 35.000.000 600.000 35.000.000- 70.000.000 900.000 70.000.000- 140.000.000 1.500.000
140.000.000- 3.000.000
U vezi s uporabom materijalnosti (kao elementa statisti~kih znanstvenih pokazatelja) mo`e se, na kraju, re}i sljede}e:
1. materijalnost je na~in uspostave kvantitativne norme »dovoljno dobroga« 2. »materijalnost« naposljetku utvr|uje nu`an intenzitet nadzora 3. stupanj je intenziteta nadzora materijalnosti objektiviziran 4. obveznik }e mo}i – pod pretpostavkom »dovoljno dobroga« – procijeniti ostvaruje
li normu 5. 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 o`ujak), str. 268.
STATISTI^KI POREZNI NADZOR 95
III. ZAKLJU^AK Statisti~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 pro`imanja i slo`ena 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 izlo`eno 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 dr`ava EU-a ima sve va`niju ulogu, jer se uz pomo} informati~ke tehnologije, razli~itih spe- cijalisti~kih ra~unalnih programa posti`e 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 slo`ene 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.