Краткий взгляд на современные косвенные методы оценки ненаблюдаемой экономики

Симутина Н.Л.; Левентов Н.Н.

ISSN 2311-9438 (Online) ISSN 2073-8005 (Print)

Экономико-статистические исследования

КРАТКИЙ ВЗГЛЯД НА СОВРЕМЕННЫЕ КОСВЕННЫЕ МЕТОДЫ ОЦЕНКИ НЕНАБЛЮДАЕМОЙ ЭКОНОМИКИ

Наталья Леонидовна СИМУТИНА", Николай Николаевич ЛЕВЕНТОВМ

а кандидат экономических наук, доцент кафедры «Финансы АПК»,

Дальневосточный государственный аграрный университет, Благовещенск, Российская Федерация simutina_nl@mail.ru

ь старший преподаватель кафедры «Финансы АПК», аспирант,

Дальневосточный государственный аграрный университет, Благовещенск, Российская Федерация info@dalgau.ru

• Ответственный автор

История статьи:

Принята 23.05.2016 Принята в доработанном виде 03.06.2016 Одобрена 14.06.2016

УДК 338.1 ЛЖЬ: С10, 017

Ключевые слова:

ненаблюдаемая экономика, косвенные методы оценки ненаблюдаемой экономики (макрометоды), драйверы ненаблюдаемой экономики, методы статистического моделирования

Аннотация

Предмет. Методы оценки ненаблюдаемой экономики.

Цели. Обобщить зарубежный опыт оценки ненаблюдаемой экономики косвенными методами, выполнить сравнительный анализ современных косвенных методов, определить возможности их применения для оценки ненаблюдаемой экономики регионов России. Методология. Использованы методы дедукции и индукции, сравнительного логического анализа.

Результаты. Дана общая классификация и краткая характеристика методов оценки ненаблюдаемой экономики; на основе исследований публикаций зарубежных авторов выполнен сравнительный критический анализ трех методов, наиболее активно применяемых в зарубежной практике: электропотребления по ночным космическим снимкам земной поверхности, MIMIC, DGE. Охарактеризованы их основные положения, выделены преимущества и недостатки. Определены основные направления развития научных исследований в области оценки ненаблюдаемой экономики - это применение различных моделей скрытых переменных (MIMIC, DGE) внутри которых приоритетом является выявление и обоснование драйверов ненаблюдаемой экономики и их влияния на её размеры. Область применения. Основные положения и выводы статьи могут быть использованы как в научной и педагогической деятельности, так и в работе статистических и налоговых органов при определении степени влияния отдельных факторов на размер ненаблюдаемой экономики, а также при разработке государственных мер по снижению уровня ненаблюдаемой экономики.

Выводы. Классифицированы наиболее часто применяемые в последнее десятилетие косвенные методы оценки ненаблюдаемой экономики, выделены их особенности, преимущества и недостатки. Наиболее подробно проведен сравнительный анализ двух методов статистического моделирования, в частности, моделей скрытой переменной, к которым относятся MIMIC-модели, а также двухсекторная динамическая модель общего равновесия - DGE. Преимущества этих методов заключаются в том, что они позволили ввести понятие драйверов ненаблюдаемой экономики и оценить влияние различных факторов на ее величину.

Введение

В большинстве стран мира производится корректировка валового внутреннего продукта (ВВП) на ненаблюдаемую статистикой деятельность. Если не делать таких поправок, то это может привести к искажению ключевых экономических показателей страны, в том числе размера ВВП, темпа экономического роста, налоговой нагрузки, безработицы и т.д. Высокая доля ненаблюдаемой экономики (ННЭ) может привести к неверным государственным решениям в области экономической и социальной политики, потере управляемости, и в целом создает угрозы безопасности национальной экономике.

Размер ненаблюдаемой (теневой) экономики, по определению, трудно измерить, поэтому для оценки этого явления используется множество разнообразных методов. Подходы к оценке ненаблюдаемой экономики по типу источников данных подразделяются на прямые и косвенные. Прямыми методами получают информацию из административных источников, (например, сбор налогов, регистрация новых предприятий, постановка на учет автомобилей), а также данные, оцененные по результатам специальных обследований, чаще - опросов домашних хозяйств (например, расходы домашних хозяйств, занятость и др.). Полученные по выборке результаты

распространяются на проблемные области ННЭ или на определенную группу экономических единиц. По уровню единиц исследования эти способы предполагают сбор первичных сведений на микроуровне, поэтому их еще называют микрометодами.

Методы косвенного измерения основываются на оценке специальных индикаторов, с помощью которых производится корректировка национальных счетов. Данные собираются преимущественно на макроуровне, поэтому их называют макрометодами. С их помощью, как правило, дается оценка ННЭ в целом по стране или региону.

Наибольшее внимание общественности и средств массовой информации привлекают расчеты ННЭ, выполненные косвенными методами на основе макроэкономических показателей, потому что они часто дают эффектно высокие оценки [1], то есть характеризуют верхний уровень ННЭ, что создает основу для критики государственных статистических органов в неполной оценке этого явления. Коуэлл, например, сравнил косвенные методы с подсчетом того, сколько кротовых нор есть в вашем саду [1].

Несмотря на обширную критику и ограниченность применения этих подходов в статистике национального счетоводства (СНС), они активно развиваются исследователями в разных странах мира.

Некоторые специалисты в составе макрометодов, кроме косвенных, выделяют в отдельную группу методы статистического моделирования, например, Шнайдер [2], [3], [4]. В «Измерении ненаблюдаемой экономики. Руководство» (далее Руководство) [5], так же как и Еврокомиссия [6], [7] наоборот, в косвенные подходы включают методы статистического моделирования, Педерсен выделяет из косвенных способов оценки в отдельную группу монетарные методы [8]. Эндрюс и др. к методам статистического моделирования относит и ряд косвенных (метод спроса на наличные деньги и метод потребления электричества) [9]. В указанных работах выполнен превосходный обзор и сравнение различных способов оценки размера теневой экономики.

Среди косвенных макрометодов наиболее часто выделяют монетарные методы, методы глобальных индикаторов, а также различные модификации балансового подхода и метода расхождений. К методам статистического моделирования относят MIMIC- и DGE-модели.

Существенное развитие в последнее десятилетие получили методы глобальных индикаторов и статистического моделирования, которые мы охарактеризуем более подробно.

В данной работе охарактеризуем макрометоды и методы статистического моделирования, широко обсуждаемые научной общественностью в последнее десятилетие, результаты их применения в зарубежной практике, критику данных подходов, возможные направления развития исследований.

Результаты исследований

В группе глобальных индикаторов наиболее ярким представителем является метод потребления электроэнергии, предложенный Кауфманом и Калибердой [10]. Как и для всех методов этой группы, предполагается, что имеется высокая корреляция между физическим показателем и производством, в том числе ненаблюдаемым, то есть авторы приняли, что эластичность отношения потребление электроэнергии - ВВП близко к единице. Имея промежуточные измерения для экономики в целом, и вычитая их из оценок официального ВВП, Кауфман и Калиберда получили оценку неофициального ВВП. Разница между ростом официального ВВП и ростом потребления электроэнергии связана с ростом теневой экономики. Этот метод подвергался широкой критике, о чем всеобъемлюще сказал Уэйцман: «Было бы очень просто провести время, критикуя этот метод» [11].

Однако неожиданно метод получил развитие в работе Гоша и др. [12]. В основе разработанного ими подхода лежат ночные снимки земной поверхности, сделанные метеорологическим спутником министерства обороны США, оснащенном программно-операционной системой Linescan (DMSP-OLS), и известными соотношениями между пространственными моделями ночных спутниковых снимков и экономической активностью в США. По ночным спутниковым снимкам уже проводили разнообразные исследования, например, Тоблер, который с высокой точностью оценил городское население [13], Саттон и др. - по оценке внутригородской плотности населения [14], [15], Ло - по оценке потребления электроэнергии [16], Саттон и Костанца - по отображению рыночной и нерыночной активности [17]. Гош и др. использовали закон аллометрического роста, изначально примененного Тоблером [12] для оценки населения. Они разработали многофакторную регрессионную модель, в которой учитывалось разграничение порога

освещенности в зависимости от валового регионального продукта, увеличенного на вклад неформальной экономики, принятый в размере 10%. При помощи этой модели были оценены валовые региональные продукты 48 континентальных штатов США. Затем с тем же порогом освещенности модель была скопирована для оценки валового регионального продукта мексиканских штатов. Чтобы оценить вклад неформальной экономики в оценку ВНП Мексики, результаты исследований были сопоставлены с официальными значениями валового

регионального, валового национального продукта и ННЭ Мексики. Разница между официальными данными и данными, рассчитанными по избытку освещения, и есть недооценка ННЭ. В результате были получены сведения о том, что официальная статистика Мексики недооценила ННЭ страны в 2000 г. практически на 50 процентов (106 млрд долл. США по данным официальной статистики против 155 млрд долл. США, рассчитанных по ночным снимкам из космоса) [13].

Несмотря на то, что Гош и др. признают, что метод является еще «сырым», неоспоримым достоинством является возможность его применения на субнациональном уровне, что невозможно сделать при помощи, например, М1М1С-модели. Кроме этого, он предполагает стандартизированную методологию оценки ННЭ, которую можно использовать в любой стране.

К недостаткам данного метода, по нашему мнению, следует отнести некоторые введенные авторами допущения, например, хозяйственная деятельность, связанная с городским населением создает те же пространственные структуры ночного света в Мексике, что и в США (т.е. нет культурного, социально-экономического,

демографического различия или «поправочных коэффициентов») или то, что пространственная структура ВВП на душу населения и пространственная структура распределения дохода являются однородными в Соединенных Штатах и Мексике. Даже сам Гош и др. указывают на то, что данный метод может давать заниженные результаты оценки ННЭ. Аномальная темнота в Калифорнии и Нью-Йорке по отношению к их населению, при наличии больших густонаселенных районов в области Нью-Йорка и Лос-Анджелеса объясняется их прибрежным расположением, мешающим «расползанию» городских районов [12]. Саттон предположил, что более высокая стоимость прибрежных земель и ограничения на их интенсивное использование

могут сдерживать разрастание городов. То же самое говорится и об аномальной темноте Мехико-сити по отношению к уровню его экономического развития и численности населения (Более 20% вклад Мехико-сити в ВВП Мексики) [15]. Одним из возможных объяснений недооценки является то, что население (и хозяйственная деятельность) настолько плотное, чтобы его сложно оценивать по методике освещенности городских районов. Однако, например, для штата Техас космические снимки показывают большую освещенность из-за горящих газовых факелов, которые легко можно спутать с городскими районами. Поэтому данные по этому штату могут быть и переоценены. Таким образом, данный метод является достаточно перспективным для оценки ННЭ в целом по регионам и даже крупным поселениям, однако требует существенной доработки.

Среди методов статистического моделирования,

наибольшее распространение в последнее десятилетие получил комплексный подход к оценке ННЭ, известный как «структурное уравнение» или MIMIC-модель (Multiple Indicators Multiple Causes).

Метод берет начало в литературе анализа психометрических факторов, и появился в экономике через модели скрытых переменных Целльнер [18] и Голдбергер [19]. В первом применении MIMIC для измерения теневой экономики Фрей и Век-Ханнеманн исследовали сведенный воедино набор данных 17 стран OECD [20]. Эту идею продолжили Эгнер, Шнайдер и Гош, которые сделали некоторые уточнения в модели и применили метод к США [21]. Джайлс дальше усовершенствовал подход и измерил ННЭ в Новой Зеландии [22]. Джайлс и Теддс описали подход в деталях, и применили его в Канаде [23].

Основной идеей, лежащей в основе данного метода, является представление выпущенной продукции или доходов от ННЭ как скрытой переменной величины, которая имеет причины и следствия (результаты), они наблюдаются, но сами не измеряются напрямую. В модель вводится два вида наблюдаемых переменных, это «причинные» переменные и «свидетельствующие» переменные, которые связаны одним ненаблюдаемым индексом. Значения индекса выводятся из данных о причинах и показателях путем расчета статистической модели. Рассчитанная таким образом скрытая переменная затем интерпретируется как временные ряды оценки величины ННЭ, обычно в процентах к ВВП.

Одними из недавних фундаментальных исследований являются работы Бюна и Шнайдера (2012), которые рассчитали размер ненаблюдаемой экономики (в % ВВП) для 162 стран за 9 лет с 1999 по 2007 г. [24]. Причинными переменными в их модели являются: налоговые платежи и взносы на социальное страхование; жесткость регулирования официальной экономики; услуги в государственном секторе; характеристики официальной экономики (например, уровень коррупции). В качестве индикаторов ННЭ они определяют: монетарные (используется два соотношения М0/М1 и М0/М2); индикаторы рынка труда (доля экономически активного населения и темп роста общей численности рабочей силы); состояние официальной экономики (ВВП на душу населения и темп роста ВВП на душу населения).

В качестве плюсов использования М1М1С-модели можно выделить следующие:

— метод использует широкое разнообразие как причин, так и результатов ненаблюдаемой экономической деятельности, отражающих практически все грани явления;

— возможность применять метод для оценки ННЭ целых регионов мира, большого количества государств, разбивая их на группы исходя из целей и задач исследования;

— возможность создать последовательность данных за длительный временной интервал.

Использование М1М1С-моделирования имеет своих критиков. Хелбергер и Книпель показывают, что первые результаты Фрея и Века-Ханнеманна нестабильны перед лицом незначительных изменений, касающихся либо периода данных, либо группы исследуемых стран. Они так же утверждают, что списки причинных и свидетельствующих переменных неубедительны для этих целей [25]. Смит [26] и Хилл [27], критикуя моделирование в работе Джайлса и Теддса, указывают на отсутствие экономической теории, которая определяла бы стратегии оценки ННЭ. Все эти методы основаны на специальной эконометрической детализации и предположениях, интенсивное использование эконометрических оценок делают их склонными к ошибкам измерения. В дополнение к этому вызывает вопросы релевантность причинных и свидетельствующих переменных, которые применяются в расчетах.

Известна работа Бройша, который проводит критический анализ как метода в целом, так и трех исследований Джайлса и Теддса, Дель Анно и

Шнайдера, Бахада и Шнайдера. Так, например, он показал, что оценка ННЭ у Джайлса и Теддса для Канады имеет мало общего с ненаблюдаемой деятельностью, а главным образом отражает инфляцию цен и реальный рост в наблюдаемой экономике. Более того, уровень их оценки - это цифровая случайность, имеющая мало связи с показателями в данных. В заключение Бройш делает вывод о том, что в этом методе отсутствует объективность, т.к. он открыт для манипуляций и субъективных представлений о применяемых переменных [28].

Бусато и Чиарини [29], Элгин и Озтунали [30] предложили новый модельный подход к оценке размера ННЭ, который называется -двухсекторальная динамическая модель общего равновесия (Two-sector Dynamic General Equilibrium, DGE). Он опирается на микроэкономические основы и не применяет специальную эконометрическую спецификацию и предположения, как MIMIC-модель.

В модели у Бусато и Чиарини определены три действующих лица: фирма, потребитель-работник-инвестор, и государство. Кроме того, есть два сектора: официальный рынок и теневой сектор. Наконец, существует равномерное потребление товаров. Каждая фирма производит конечный результат с помощью двух различных технологий: первая, связанная с официальным сектором, а вторая - с теневым сектором. Они предположили, что одна и та же фирма работает в официальной экономике днем, в то время как в теневой экономике - ночью. Потребители могут выбирать потребление, инвестиции и часы работы на каждую дату и в каждом секторе. Они пытаются максимизировать ожидаемую дисконтированную стоимость выгод, подчиняются

последовательности бюджетных ограничений, пропорциональной налоговой ставке на рыночную заработную плату, и закону движения капитала. И, наконец, правительство облагает пропорциональными налогами доходы и прибыль, и балансирует бюджет на каждый момент времени. Государственные расходы на товары и услуги не способствуют никакому производству, не приводят ни к каким выгодам для домохозяйств.

Составив двухсекторальную динамическую модель общего равновесия с теневой экономикой, Бусато и Чиарини генерировали квартальные данные о ненаблюдаемых переменных. По нескольким показателям производительности и стохастических шоков от взимания налогов авторами была проанализирована ответная реакция произведенной продукции и труда в

теневом секторе вместе с аналогичными переменными в официальной секторе. После чего они сформулировали следующие основные выводы. Во-первых, механизм перераспределения рабочей силы и производства между официальным и теневым сектором в течение бизнес-цикла может решить ряд «головоломок» на рынке труда, отображая более реалистичную корреляцию между реальной заработной платой и производительностью, не вызывая высокой степени межвременного замещения на протяжении бизнес-цикла. Во-вторых, такой режим перераспределения зависит от налоговой политики и сдвигов производственной функции в экономике. Большие колебания в секторах связаны с ограничительной политикой в области налогообложения доходов, производства и отчислений на социальное страхование. В-третьих, модель требует меньших стохастических потрясений, чем те, в которых нуждается стандартная RBC-модель (Standard Real Business Cycle (RBC) Model), соответствующая выбранным моментам реальной экономики. И, наконец, в отличие от стандартной модели реального бизнес-цикла, или экономики домашнего хозяйства, здесь сгенерированы два различных цикла активности, каждый из которых влияет на потребление и инвестиционные результаты [29].

Элгин и Озтунали [30] построили DGE-модель, основанную на простых детерминированных динамических моделях общего равновесия, которые в основном адаптированы из моделей Бусато и Чиарини [29] и Ирига и Мо [31]. У Элгина и Озтунали домохозяйство, наделенное производительным капиталом и рабочим временем, имеет доступ к двум производственным технологиям (двум секторам), обозначенным как официальные и теневые, и максимизирует полезность своего существования. Объем потребления и инвестиции должны равняться объему произведенных с использованием формальных и неформальных технологий доходов.

Формальная технология подчиняется производственной функции Кобба-Дугласа, технологии теневой экономики зависят только от трудоемкости. Кроме того, формальный выпуск облагается налогом, а в неформальном налоги отсутствуют. В модель для домохозяйства также введены зависимость движения капитала через норму амортизации и временные ограничения. Политика правительства принимается как переменная налоговая нагрузка. Система уравнений решается относительно количества часов, которое домохозяйство уделяет неформальной технологии.

Для выделения размера теневой экономики в конкретной стране для конкретного года принимается стандартное значение

коэффициентов эластичности (а = 0,36, 5 = 0,08; Y = 0,425, как у Ирига и Мо [31]). На основании этого строится ряд рынка капитала, опираясь на широко используемый метод постоянных запасов. Данные о суммарном потреблении, официальной занятости, доля государственных расходов в ВВП взяты из Penn World Tables 7.0 (PWT). Используя указанные данные, а также калиброванные для каждой страны коэффициенты дисконтирования, находятся значения уровня производительности труда для неформальной технологии, а затем и количество часов, которое домохозяйство уделяет формальной технологии. На основании чего легко рассчитывается размер теневой экономики в конкретный год [30].

Модель Элгина и Озтунали использована для построения несбалансированной панели данных о размере ненаблюдаемой экономики (в % ВВП) для 161 страны на ежегодной основе за 61 год между 1950 и 2010 гг.

К плюсам DGE-похода можно отнести все то же, что и для MIMIC-модели, кроме того, она позволила также обосновать, выделить и оценить основные драйверы ННЭ. Под драйверами ННЭ в данном случае понимается причина, влияющая на развитие ненаблюдаемого сектора.

Конечно, как и предыдущие модели, DGE имеет свои недостатки. Несмотря на упомянутое заявление Элгина и Озтунали, о мотивации для построения новой методологии, авторам не удалось уйти от различных допущений, за которые, собственно, и критикуются косвенные методы оценки ННЭ. Так, например, «...мы предположили, что для любого правительства доходы равны расходам. Это позволило нам использовать государственные расходы в качестве уровня налогового бремени в стране. Мы сделали это упрощающее допущение, чтобы можно было построить большой набор данных ...» [30]. У Бусато и Чиарини вообще встречается курьезное допущение о том, что в формальном секторе компания обязательно работает днем, а в неформальном обязательно - ночью [29]. Может быть, в Италии это и так, но нельзя же это предположение распространять на другие страны.

Так как MIMIC- и DGE-модели - единственный метод, позволяющий дать оценку ННЭ в процентах от ВВП за длительный период времени и для большого количества стран, Элгин и Шнайдер провели сравнение панельных данных для 38 стран ОЭСР, рассчитанных Элгином и Озтунали и Бюном и Шнайдером с использованием DGE- и MIMIC-моделей

соответственно [32]. Кроме того, авторы проанализировали и сравнили относительное влияние причинных переменных на размеры и динамику ННЭ.

Анализ показал, что хотя в двух наборах данных получились схожие уровни ННЭ по разным странам (среднемировой уровень ННЭ 20,6% по DGE и 20,2% по MIMIC), и оба подхода за период анализа иллюстрируют тенденцию к снижению размеров, есть различия с точки зрения воздействия причинных переменных на ННЭ.

В частности, полученные оценки при использовании MIMIC-модели показали, что все семь рассмотренных драйверов ННЭ за период с 1999 по 2010 гг. имеют примерно одинаковое влияние на масштаб ненаблюдаемого сектора (от 13,8% НДФЛ до 14,6% безработица и самозанятость). По оценкам, построенным с использованием DGE модели, самое большое влияние оказывает рост ВВП на душу населения (24,8%), далее следуют косвенные налоги (18,5%), безработица (18,2%), налоговая мораль (17,1%), НДФЛ (11,2%), самозанятость (5,8%) и индекс свободы бизнеса (4,3%) [32]. Эти разительные отличия в оценке воздействия причинных переменных на размер ННЭ указывают на то, что необходимо более глубокое изучение степени влияния драйверов, чтобы разрабатывать рекомендации по снижению ННЭ.

Выводы

Если официальная статистика не будет оценивать ненаблюдаемую экономику, то на национальном уровне ее существование приведет к искажению главных экономических показателей государства, из чего могут последовать неверные государственные решения в области экономической и социальной политики. Поэтому в мировой практике разработано множество методов оценки ННЭ. Наиболее активно развиваются косвенные методы, основанные на оценке специальных индикаторов, и дающие верхний уровень ННЭ. Большим плюсом таких методов является возможность сравнения результатов, полученных в разных странах и в разные периоды времени.

Нами намеренно не были рассмотрены различные монетарные косвенные методы, которые в силу развития современных финансовых технологий потеряли свою актуальность. То же самое можно сказать и о методах физического потребления (метод Кауфманна-Калиберды, метод Ласко), технический прогресс привнес в нашу жизнь энергосберегающие технологии, автономные источники электроэнергии. Развитие космических технологий позволило Гошу и др. разработать

новый метод оценки ННЭ на основе ночных снимков земной поверхности, сделанных со спутника, разграничивающий пороги

освещенности в зависимости от валового регионального продукта. Несмотря на множество слабых мест данного метода, важнейшим его достоинством является возможность оценки ННЭ на субрегиональном уровне, что сложно сделать многими другими методами.

Самыми современными и востребованными исследователями являются методы

статистического моделирования, в частности модели скрытой переменной, к которым относятся М1М1С-модели, а также динамическая модель общего равновесия - DGE.

Основные недостатки М1М1С-моделей, которые активно разрабатывают Бюн и Шнайдер, заключаются, по нашему мнению, во-первых, в отсутствии микроэкономического обоснования, то есть они открыты критике Лукаса, во-вторых, использовании эконометрической детализации и различных предположений, что делает их склонными к ошибкам измерения, в-третьих, степени обоснованности причинных и свидетельствующих переменных.

Чтобы избежать критики Лукаса, Элгин и Озтунали построили DGE-модель, основанную на простых детерминированных динамических моделях общего равновесия, где выделяются два сектора - официальный и теневой. Однако, модель также имеет множество допущений, не всегда соответствующих реальным процессам.

DGE- и М1М1С-модели позволяют оценивать ННЭ в процентах от валового продукта. Существенный вклад этих моделей заключается в том, что они, во-первых, показали верхний уровень ННЭ за ряд лет, то есть получена согласованная панель данных за продолжительный промежуток времени для множества разных стран. Во-вторых, с их помощью оценено влияние причинных переменных на размеры изучаемого явления. Эти причинные переменные мы, вслед за Шнайдером, называем драйверами ННЭ, важнейшие из которых - ВВП на душу населения, уровень безработицы, различные показатели налоговой политики государства.

Указанные методы статистического моделирования сложно применять на субнациональном уровне, так как в них используются показатели, отражающие процессы на макроэкономическом уровне, например, монетарные. Однако можно исследовать влияние выделенных драйверов на ННЭ регионов России, что создаст основу для принятия государством мер по снижению ненаблюдаемого сектора в экономике.

Список литературы

1. Cowell F.A. Cheating the Government: The Economics of Evasion. London, Cambridge, MIT Press, 1990, 267 p.

2. Schneider F., Enste D.H. Shadow Economies: Size, Causes, and Consequences. Journal of Economic Literature, 2000, vol. 38, iss. 1, pp. 77-114. doi: 10.1257/jel.38.1.77

3. Schneider F. Shadow Economies around the World: What Do We Really Know? European Journal of Political Economy, 2005, vol. 21, pp. 598-642. doi: 10.1016/j.ejpoleco.2004.10.002

4. Schneider F. The Shadow Economy and Work in the Shadow: What Do We (Not) Know? IZA Discussion Paper, 2012, no. 6423, 73 p.

5. OECD. Measuring the Non-Observed Economy: A Handbook. Paris, OECD Publications, 2002, 250 p.

6. TNS Opinion & Social. Undeclared Work in the European Union. Special Eurobarometer 284-Wave EB67.3. Brussels, European Commission, 2007, 138 p.

7. TNS Opinion & Social. Undeclared Work in the European Union. Special Eurobarometer 402-Wave EB79.2. Brussels, European Commission, 2014, 207 p.

8. Pedersen S. The Shadow Economy in Germany, Great Britain and Scandinavia: A Measurement Based on Questionnaire Service. The Rockwool Foundation Research Unit. Copenhagen, 2003, Study no. 10, 177 p.

9. Andrews D., Sánchez A.C., Johansson A. Towards a Better Understanding of the Informal Economy. OECD Economics Department, OECD Publishing, Paris, 2011, Working Papers, no. 873, 45 p.

10. Kaufmann D., Kaliberda A. Integrating the Unofficial Economy into the Dynamics of Post Socialist Economies: A framework of analyses and evidence. In: B. Kaminski (ed.) Economic Transition in Russia and the New States of Eurasia. London, M.E. Sharpe, 1996, pp. 81-120.

11. Weitzman M.L. Comments and Discussion, pp. 230-235. In: Johnson et al. The Unofficial Economy in Transition. Brookings Papers in Economic Activity, 1997, vol. 2, pp. 159-239. doi: 10.2307/2534688

12. Tobler W. Satellite Confirmation of Settlement Size Coefficients. Area, 1969, vol. 1, pp. 30-34.

13. Ghosh T., Anderson S., Powell R.L., Sutton P.C., Elvidge C.D. Estimation of Mexico's Informal Economy and Remittances Using Nighttime Imagery. Remote Sensing, 2009, vol. 1, pp. 418-444. doi: 10.3390/rs1030418

14. Sutton P.C., Roberts D., Elvidge C.D., Baugh K. Census from Heaven: An Estimate of Global Human Population Using Nighttime Satellite Imagery. International Journal of Remote Sensing, 2001, vol. 22, pp. 3061-3076. doi: 10.1080/01431160010007015

15. Sutton P.C., Elvidge C.D., Obremski T. Building and Evaluating Models to Estimate Ambient Population Density. Photogrammetric Engineering and Remote Sensing, 2003, vol. 69, pp. 545-552. doi: 10.1016/S0034-4257(03)00078-6

16. Lo C.P. Urban Indicators of China from Radiance Calibrated Digital DMSP-OLS Nighttime Images. Annals of the Association of American Geographers, 2002, vol. 92, pp. 225-240. doi: 10.1111/14678306.00288

17. Sutton P.C., Costanza R. Global Estimates of Market and Non-market Values Derived from Nighttime Satellite Imagery, Land Cover, and Ecosystem Service Evaluation. Ecological Economics, 2002, vol. 41, pp. 509-527. doi: 10.1016/S0921-8009(02)00097-6

18. Zelner A. Estimation of Regression Relationships Containing Unobservable Variables. International Economic Review, 1970, vol. 11, iss. 3, pp. 441-454. doi: 10.1016/S1573-4412(84)02015-8

19. Goldberger A.S. Structural Equation Methods in the Social Sciences. Econometrica, 1972, vol. 40, iss. 6, pp. 979-1001. doi: 10.2307/191385

20. Frey B.S., Weck-Hannemann H. The Hidden Economy as an "Unobserved" Variable. European Economic Review, 1984, vol. 26, iss. 1, pp. 33-53. doi: 10.1016/0014-2921(84)90020-5

21. Aigner D., Schneider F., Ghosh D. Me and My Shadow: Estimating the size of the US hidden economy from time series data. In: W.A. Barnett, E.R. Berndt and H. White (eds): Dynamic Econometric Modeling. Cambridge University Press, 1988, pp. 224-243. doi: 10.1017/CB09780511664342.015

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

22. Giles D.E.A. Modelling the Hidden Economy in the Tax-Gap in New Zealand. Empirical Economics, 1999, vol. 24, iss. 4, pp. 621-640. doi: 10.1080/758532593

23. Giles D.E.A., Tedds L.M. Taxes and the Canadian Underground Economy. Toronto, Canadian Tax Foundation, 2002, 270 p.

24. Buehn A., Schneider F. Shadow Economies around the World: Novel insights, accepted knowledge, and new estimates. International Tax Public Finance, 2012, vol. 19, pp. 139-171. doi: 0.1007/s10797-011-9187-7

25. Helberger C., Knepel H. How Big is the Shadow Economy?: A re-analysis of the unobserved-variable approach of B.S. Frey and H. Weck-Hannemann. European Economic Review, 1988, vol. 32, iss. 4, pp. 965-976. doi: 10.1016/0014-2921(88)90055-4

26. Smith R.S. The Underground Economy: Guidance for Policy Makers. Canadian Tax Journal, 2002, vol. 50, iss. 5, pp. 1655-1661.

27. Hill R. The Underground Economy in Canada: Boom or Bust? Canadian Tax Journal, 2002, vol. 50, iss. 5, pp.1641-1654.

28. Breusch T. The Canadian Underground Economy: An examination of Giles and Tedds. Canadian Tax Journal, 2005, vol. 53, iss. 2, pp. 367-391.

29. Busato F., Chiarini B. Market and Underground Activities in a Two Sector Dynamic Equilibrium Model. Economic Theory, 2004, vol. 24, iss. 3, pp. 831-861. doi: 10.3917/reco.605.1155

30. Elgin C., Oztunali O. Shadow Economies around the World: Model Based Estimates. Bogazici University Working Papers, 2012, vol. 5, 48 p. doi: 10.1016/S2212-5671(16)00022-8

31. Ihrig J., Moe K. Lurking in the Shadows: The informal sector and government policy. Journal of Development Economics, 2004, vol. 73, pp. 541-577. doi: 10.1007/s10797-011-9183-y

32. Elgin C., Schneider F. Shadow Economies in OECD Countries: DGE vs. MIMIC Approaches. Working Papers from Bogazici University, Department of Economics, 2013, vol. 13, 30 p.

ISSN 2311-9438 (Online) Economic and Statistical Research

ISSN 2073-8005 (Print)

CONTEMPORARY INDIRECT METHODS FOR MEASURING THE NON-OBSERVED ECONOMY: A BRIEF OVERVIEW

Natal'ya L. SIMUTINAa, Nikolai N. LEVENTOVM

a Far Eastern State Agrarian University, Blagoveshchensk, Amur Oblast, Russian Federation simutina_nl@mail.ru

b Far Eastern State Agrarian University, Blagoveshchensk, Amur Oblast, Russian Federation info@dalgau.ru

• Corresponding author

Article history:

Received 23 May 2016 Received in revised form 3 June 2016 Accepted 14 June 2016

JEL classification: C10, O17

Keywords: non-observed economy, indirect method, non-observed economy measurement, non-observed economy drivers, statistical modeling methods

Abstract

Importance The article overviews methods for measuring non-observed economy. Objectives The research summarizes foreign practices and expertise to measure non-observed economy using indirect methods, determines whether they are applicable for the above purposes in the Russian regions.

Methods We used deduction, induction, comparative and logic analysis.

Results The research generally and briefly classifies methods to measure non-observed economy. Drawing upon foreign authors' researches, we performed a comparative and critical analysis of three methods, which are most frequently used abroad. We described their main principles, found their strengths and weaknesses. The article outlines the main areas for further researches into non-observed economy measurement.

Conclusions and Relevance We classified indirect methods that had been most frequently used for the recent decade to measure non-observed economy, indicated their strengths, weaknesses and specifics. The article presents a comparative analysis of two methods in a more detailed way. The main conclusions of the article may prove useful for scientific and teaching purposes, activities of tax and statistical bodies, when assessing how certain factors influence the scale of non-observed economy, and formulating governmental measures to curb non-observed economy.

References