CC BY
26УДК: 330.341
РАЗРАБОТКА МОДЕЛИ ОЦЕНКИ МАСШТАБОВ ТЕНЕВОЙ
ЭКОНОМИКИ
Мамедова Дж. Р. к., студент
Финансовый университет при Правительстве Российской Федерации, Москва, Россия
E-mail: djamilyamam@gmail.com Научный руководитель: Невежин В.П., к.т.н., профессор
Финансовый университет при Правительстве Российской Федерации, Москва, Россия
E-mail: VPNevezhin@fa.ru
Аннотация. Целью работы является анализ факторов, оказывающих влияние на масштабы теневой экономии, а также прогноз дальнейшего изменения ее объема путем создания новой эконометрической модели. Оценка масштабов теневой экономики является достаточно сложным процессом, результаты которого могут быть различны в зависимости от используемого метода или модели. Для разрешения данной проблемы в работе приводится пример новой регрессионной модели. Ее качество и значимость подтверждаются на основе проведенного анализ множественной линейной регрессии. Так, в ходе анализа модели были применены следующие методы: метод VIF, метод наименьших квадратов, t-тест, тест Голфелла-Квандта, тест Дарбина-Уотсона, F-тест, метод интервального прогнозирования.
Результаты исследования позволили принять двухфакторную модель, включающую уровени коррупции и инфляции. При этом для точной оценки масштабов теневой экономики недостаточно использовать одну модель или метод, нужен комплексный подход.
Ключевые слова: масштабы теневой экономики, неформальная экономика, модель множественной регрессии, индекс восприятия коррупции, уровень инфляции
DEVELOPMENT OF A MODEL FOR ESTIMATING THE SCALE OF THE
SHADOW ECONOMY
Dj. R. k. Mamedova, student
Financial University under the Government of the Russian Federation, Moscow, Russia
E-mail: djamilyamam@gmail.com Scientific supervisor: Nevezhin V.P., Professor Financial University under the Government of the Russian Federation, Moscow,
E-mail: VPNevezhin@fa.ru
Abstract: the aim of the work is to analyze the factors that influence the scale of shadow economy, as well as to forecast _ further changes in its volume by creating a new econometric model. Estimating the size of the shadow economy is a rather complex process, the results of which may vary depending on the method or model used. To solve this problem, the paper gives an example of a new regression model. Its quality and significance are confirmed on the basis of the analysis of multiple linear regression. So, during the analysis of the model, the following methods were applied: VIF method, least squares method, t-test, Golfell-Quandt test, Durbin-Watson test, F-test, interval prediction method.
The research results allowed us to adopt a two-factor model, consisting of the level of corruption and inflation. At the same time, for an accurate assessment of the scale of the shadow economy, it is not enough to use one model or method; an integrated approach is needed.
Keywords: the scale of the shadow economy, the informal economy, multiple regression model, the corruption perception index, the inflation rate
ВВЕДЕНИЕ
Теневая экономика - это сектор экономики, который включает в себя не контролируемое со стороны государства производство,
распределение и потребление товаров и услуг, а также отношения между отдельными гражданами и социальными группами по использованию частной или государственной собственности в корыстных целях.
Неформальная экономика влияет на различные экономические процессы: инвестиции, торговля, размер государственного бюджета и т. д. Поэтому она становится серьезной угрозой экономической безопасности любого государства, а определение ее объемов становится глобальной проблемой [1].
Теневая экономическая деятельность неотделима от легальной и, в определенных
размерах, существует во многих странах. Увеличение объема теневой экономики необходимо учитывать в процессе управления экономикой. Это нужно, чтобы корректировать представления об уровне и динамике макроэкономических показателей, определить точное функционирования экономики, а также оценить перспективы дальнейших
экономических реформ.
Теневая экономика привносит много недостатков, которые негативно влияют на все общество. К ним можно отнести:
1) Стирание социальных норм, приводящее к тому, что за их нарушение не применяют наказания, и в стране устанавливается хаос и нестабильность;
2) Уменьшение благосостояния общества из-за неравномерного распределения доходов, большую часть которых, в основном, получают малочисленные привилегированные группы (бюрократы, мафии и др.);
3) Неравномерная отраслевая налоговая нагрузка, сокращение расходов государственного бюджета, а это приводит к деформации всей налоговой системы страны;
4) Усиление криминогенной ситуации в государстве, которая увеличивает количество конфликтов, открытых столкновений, в т.ч. с использованием насилия (например, вымогательства, рэкет);
5) Уменьшение уровня конкуренции в экономике страны из-за ухода большей части производства в тень, а также снижение объемов инвестиций и оборотных средств
Согласно результатам исследования профессоров Стокгольмской школы экономики Т. Путниса и А. Сайка «Индекс теневой экономики в России в 2017-2018 годах» в 2018 году объем теневой экономики в России составлял 45% ВВП, что является очень высоким для стабильного функционирования всей экономики [1]. Тем самым исследования по анализу факторов, влияющих на масштабы теневой экономики, являются актуальными в России.
Перечисленные недостатки и статистические данные указывают на важность и необходимость применения мер по снижению масштаба теневой экономики. Однако, это будет невозможно, если не понимать, какие факторы, в целом, влияют на нее. Поэтому анализ факторов, влияющих на масштабы теневой экономики, является актуальным в современных реалиях. Более того достоверно определенные факторы позволять прогнозировать уровень теневой экономики, что позволит своевременно применять меры по ее снижению.
ОБЗОР ЛИТЕРАТУРЫ
Оценка масштабов теневой экономики представляет собой сложный процесс, так как данный сектор носит скрытый характер и стремится избежать измерения. В настоящий момент разработано много подходов к ее измерению, которые могут дать разные результаты. Зарубежными экономистами были разработаны следующие метолы оценки масштабов теневой экономики [2]:
1. Метод транзакций (Э. Фейж);
2. Метод денежного спроса (Ф. Каган)
3. Метод MIMIC (М. Хассан, Ф. Шнайдер)
и т.д.
Целью данного исследования было провести анализ факторов, оказывающих влияние на масштабы теневой экономии, а также сформировать модель прогноза ее дальнейшего объема изменения. МЕТОДЫ ИССЛЕДОВАНИЯ
В ходе достижения поставленной цели анализировалась эконометрическая модель с применением тестов Голфелла-Квандта и Дарбина-Уотсона по проверке условий теоремы Гаусса-Маркова, оценки параметров
специфицированной модели с применением метода наименьших квадратов, проверки статической значимости полученных параметров с применением t-теста и статической значимости полученной регрессии с применением F-теста, а также проверки адекватности регрессии для последующего ее применения для прогнозирования.
Результаты проведенного исследования будут полезны государственным структурам, осуществляющих статистический анализ масштабов теневой экономики, например, Росфинмониторингу, Росстату, Минфину. Работа может иметь практический интерес для государственных органов при принятии мер по снижению масштабов теневого сектора, так как она позволит определить, на какие факторы, в первую очередь, необходимо обратить внимание.
НОВАЯ МОДЕЛЬ ОЦЕНКИ МАСШТАБОВ ТЕНЕВОЙ ЭКОНОМИКИ
В качестве исходных показателей для измерения уровня теневой экономики взяты следующие данные за 2015 год:
1. Результативный показатель (У) - масштаб теневой экономики в нескольких странах мира, в % от ВВП [10].
2. Объясняющие факторы:
Х1 - уровень безработицы, в % от общей численности трудоспособного населения [5, 13];
Х2 - доля мигрантов в общей численности населения, в % [9];
Таблица 1. Результативный и
Хз - ВВП на душу населения в постоянных ценах, в долларах США [12];
Х4 - индекс восприятия коррупции. Он является свободным индикатором и рассчитывается по статистическим данным, получаемых от экспертов международных организаций. Имеющиеся у них источники способствуют измерению общего уровня распространения коррупции (частота и объем взяток) в государственном и экономическом секторе. Индекс разделяет страны по шкале от 0 (самый высокий уровень коррупции) до 100 (самый низкий уровень коррупции) на основе восприятия уровня коррумпированности [14];
Х5 - индекс человеческого развития. Он позволяет измерить средние достижения стран по трем главным показателям человеческого развития: долгая и здоровая жизнь, знания, а также достойный уровень жизни [15];
Хб - уровень инфляции, в % [6].
В таблице 1 представлен фрагмент данных за 2015 год по перечисленным факторам
»ъясняющие факторы модели
№ Страна Y [10] Xi[5, 13] X2 [9] Хз [12] Х4 [14] Х5 [15] Хб[6]
1 Австралия 8,10 6,1 28 55080 79 0,933 1,5
2 Австрия 9,01 5,7 17 47789 76 0,906 0,8
3 Азербайджан 43,66 5,0 3 6064 29 0,749 4,0
4 Албания 26,21 17,1 2 4524 36 0,788 1,9
5 Бангладеш 27,60 4,4 1 1002 25 0,588 6,2
30 Уругвай 20,38 7,5 2 13939 74 0,802 8,7
31 Филиппины 28,04 6,3 0 2735 35 0,702 0,7
32 Франция 11,65 10,4 12 41794 70 0,888 0,1
33 Швеция 11,74 7,4 17 56340 89 0,932 0,7
34 Шри-Ланка 35,49 4,7 0 3647 37 0,772 2,2
35 Япония 8,19 3,4 2 47103 75 0,906 0,8
ИССЛЕДОВАНИЕ МНОЖЕСТВЕННОЙ ЛИНЕЙНОЙ МОДЕЛИ
Для проведения анализа была выбрана множественная линейная модель, спецификация которой имеет вид:
у = а0+а1*х1+а2*х2+аз*хз+а4*х4+а5*х5+аб*хб +и
Проверка объясняющих факторов на мультиколлинеарность с применением фактора инфляции вариации (VIF) показала, что у них всех значение VIF меньше 10. Следовательно, они не приводят к мультиколлинеарности. Таким образом, в выбранной спецификации модели были оставлены все объясняемые факторы.
С применением тестов Голфелда-Квандта и Дарбина-Уотсона была проведена проверка выполнения условий теоремы Гаусса -Маркова на наличие гетероскедастичности и автокорреляции случайных возмущений рассматриваемой модели. Так, тест Голфелда-Квандта показал, что остатки обладают гомоскедастичностью, т. к. GQ (0,90074) и GQ"1 (1,1102) оказались меньше F-критического (2,484). А тест Дарбина-Уотсона указал на отсутствие автокорреляции случайных величин. Рассчитанное значение DW (1,77) попало в интервал от d(u) = 1,1 до 4^(ц) = 2,9.
Используя метод наименьших квадратов получены оценки параметров множественной экономической модели. В результате была получена следующая линейная регрессия:
у = 58,486+0,10023x1-0,0959x2+0,00011x3-0,4413x4- 19,98x5+0,2702x6
(13,193) (0,294) (0,263) (0,0001) (0,141) (21,002) (0,168)
Проверка ее параметров на статистическую значимость показала, что в регрессии остаются два объясняющих фактора X4 и X6 и регрессия принимает вид:
у = 58,486-0,4413x4+0,2702x6 В процессе исследования была выполнена проверка статистической значимости по F-тесту. Он показал, что полученная регрессия статистически значима, т.к. Fмод (41,3) ^крит (3,3).
Проверка влияния объясняющих факторов на зависимую переменную осуществлено с помощью среднего показателя эластичности
Э(х).
Значение Э(х4) = -0,984 показывает, что при изменении индекса восприятия коррупции на 1%, объем теневой экономики падает на 98,4%
Значение Э(х6) = 0,147 свидетельствует, что при изменении уровня инфляции на 1%, объем теневой экономики вырастает на 14,7%.
Полученные результаты свидетельствуют о том, что индекс восприятия коррупции оказывает большее влияние на масштабы теневого сектора экономики.
Качество полученной регрессии было проверено на основании оценки средней ошибки аппроксимации и интервального
прогнозирования. Средняя ошибка
аппроксимации равняется 8,14%, что соответствует допустимым пределам [3]. Тем самым можно утверждать о хорошем приближении полученной регрессии к исходным данным.
Для проведения интервального
прогнозирования были рассчитаны допустимые интервалы для у34 и у35
Yз4 = 35,49 попал в найденный интервал [14,41; 44,53]
Yз5 = 8,19 попал в найденный интервал [-2,81; 27,59]
Следовательно, полученная модель адекватна и ее можно применять для последующих расчетов объема теневой экономики. ЗАКЛЮЧЕНИЕ
Проведенный анализ множественной линейной модели позволил создать новую модель регрессии для оценки масштабов теневой экономики, представленный в виде: у = 58,486-0,4413x4+0,2702x6 В результате проведенного исследования можно утверждать, что на объем теневой экономики оказывают влияние такие факторы как:
1) Индекс восприятия коррупции (в наибольше степени). Так, чем более коррумпированы правоохранительные органы, бизнес-структуры, различные государственные органы, тем шире становится теневой сектор экономики. Например, в расходах многих крупных теневых бизнесов (наркоторговля, продажа оружия и т.д.) есть отдельная статья на выплаты соответствующим правоохранительным органам. Это позволяет им оставаться в безопасности и не бояться быть пойманными, а спокойно осуществлять незаконную деятельность.
2) Уровень инфляции, который определяет общую экономическую ситуацию в стране. Чем выше данный показатель, тем хуже это для экономики государства. При этом страдают
различные ее субъекты: бизнес, финансовые рынки, жители страны, государство и т.д. Поэтому высокие темпы инфляции зачастую вынуждают людей уходить в тень, чтобы заработать больше.
Следует также понимать, что ни одна модель не может максимально точно оценить объемы теневого сектора экономики. Это связано также и с тем, что люди, участвующие в этом, всеми силами стремятся скрыть данную деятельность. В связи с этим любая предложенная модель теневой экономики и любые ее методы будут показывать приблизительную информацию о ее масштабах [4].
Наиболее точно определить масштабы теневой экономики возможно только при учете всех имеющихся моделей и методов, что в настоящее время очень трудоемко и сложно.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
[1] Афанасьева А. О. Особенности теневой экономики в различных по уровню развития экономики группах стран // Научные записки молодых исследователей. 2019, №3. - С. 74-82
[2] Боташева Л.Х., Сарикасян К.С. Выявление и оценка теневой экономики: методологический аспект // Экономика и управление, 2018, №5. - С. 28 - 37
[3] Невежин В. П. Практическая эконометрика в кейсах: учеб. Пособие/ В.П. Невежин, Ю.В. Невежин. - М.: ИД «ФОРУМ»: ИНФРА-М, 2017. - 317 с.
[4] Шнайдер Ф., Э. Доминик. Скрываясь в тени. Рост подпольной экономики. МВФ. 2002. - 19 с.
[5] SVSPB.net. Уровень безработицы в странах мира. URL: https://clck.ru/RXtoS (дата обращения: 12.12.2020)
[6] SVSPB.net. Уровень инфляции в странах мира. URL: https://clck.ru/RXwek(дата обращения: 12.12.2020)
[7] Гуманитарный портал. Transparencylnternational: Индекс восприятия коррупции 2015 года. URL:
https://gtmarket.ru/news/2016/01/27/7287 (дата
обращения: 12.12.2020)
[8] Новые известия. Исследование: доля теневого сектора экономики России составляет около 45% ВВП. URL: https://clck.ru/RXx8f (датаобращения: 12.12.2020)
[9] Department of Economic and Social Affairs. International Migration Report 2015. New York, 2016 - 36 p.
[10] Medina L., Schneider F. Shadow economies around the world: What did we learn over the last 20 years? International Monetary Fund. Working Paper No. 18/17, 2018. - 76 p.
[11] United Nations Development Programme. Human Development Reports. URL: https://clck.ru/RXwcJ(датаобращения: 12.12.2020)
[12] World Bank Group. World Development Indicators 2015. -171 p.
[13] KNOEMA. Unemployment rate. URL: https://clck.ru/RXvLu (датаобращения: 12.12.2020)
[14] Transparency International: The Corruption Perceptions Index 2015. URL: https://clck.ru/RXwWv (датаобращения: 12.12.2020)
[15] United Nations Development Programme. Human Development Reports. URL: https://clck.ru/RXwcJ (датаобращения: 12.12.2020)
[16] Богомолов А.И., Невежин В.П. Информационное воздействие как инструмент дестабилизации финансовых систем конкурентных экономик // Экономика и управление: проблемы, решения. 2019. № 2 том 3(86). С. 31-35
[17] Богомолов А.И., Невежин В.П. Измерение и анализ детерминированных и случайных экономических процессов// Экономика и управление: проблемы, решения. 2018. № 5. Том 5. С. 14-20.
[18] Иванус А.И., Богомолов А.И., Невежин В.П. Управление экономической системой на основе её фундаментальных свойств // Корпоративное управление и инновационное развитие экономики Севера: Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского гос. университета. 2016. № 1. С. 21-28.
[19] Богомолов А.И., Невежин В.П., Пискун Е.И. Модели в информационном обществе//Анализ, моделирование, управление, развитие социально-экономических систем/ Сб. научных трудов XI Межд. школы-симпозиума АМУР-2017. Симферополь, 2017. С. 294-299.
VV
