CC BY
27
ISSN 2687-0770 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. SOCIAL SCIENCE. 2020. No. 3
УДК 336.77 DOI 10.18522/2687-0770-2020-3-91-98
СКРЫТЫЕ ДОХОДЫ РОССИЙСКИХ ДОМАШНИХ ХОЗЯЙСТВ:
У КОГО ОНИ?*
© 2020 г. Л.И. Ниворожкина а
а Ростовский государственный экономический университет (РИНХ),
Ростов-на-Дону, Россия
HIDDEN INCOMES OF RUSSIAN HOUSEHOLDS: WHO DO THEY HAVE?
L.I. Nivorozhkina a
1 Rostov State University of Economics, Rostov-on-Don, Russia
Ниворожкина Людмила Ивановна -доктор экономических наук, профессор, Ростовский государственный экономический университет (РИНХ), ул. Б. Садовая, 69, г. Ростов-на-Дону, 344002, Россия. E-mail: [email protected]
Lyudmila I. Nivorozhkina -Doctor of Economics, Professor, Rostov State University of Economics,
B. Sadovaya St., 69, Rostov-on-Don, 344002, Russia. E-mail: [email protected]
Представлены количественные характеристики распространенности и объёмов скрытых доходов домохозяйств. Эконометрическая оценка распространенности скрытых доходов осуществлена на панельных данных «Российского мониторинга экономического положения и здоровья населения НИУ ВШЭ» (периоды с 2000 по 2017 г.), размер компоненты скрытых доходов получен на основе модели Писсаридеса - Вебера. Оценки доли домохозяйств, извлекающих скрытые доходы, и оценка доли скрытых доходов выявила две различные тенденции: их преимущественное распространение среди жителей сел и поселков городского типа и больший размер этих доходов среди домохозяйств областных центров.
Ключевые слова: домашние хозяйства, располагаемые ресурсы, распространённость скрытых доходов, объем скрытых доходов.
The article presents quantitative characteristics of the prevalence and volumes of hidden household incomes. An econometric estimate of the prevalence of hidden incomes was carried out on the panel data of the "Russian Monitoring of the Economic Situation and Health of the Population of the Higher School of Economics " (periods from 2000 to 2017), the size of the hidden income component was obtained on the basis of the Pissarides-Weber model. Estimates of the share of hidden income households and an estimate of the share of hidden incomes revealed two different trends: their predominant distribution among residents of villages and urban-type settlements and the larger size of these incomes among households of regional centers.
Keywords: households, disposable resources, prevalence of hidden income, amount of hidden income.
* Публикация подготовлена в рамках поддержанного РФФИ научного проекта № 19-010-00009.
Автор выражает благодарность Т.В. Тороповой и А.А. Трегубовой за подготовку информационных массивов для моделирования и С.В. Арженовскому за оценку модели Писсаридеса - Вебера и формирование в данных компоненты скрытых доходов домашних хозяйств.
ISSN 2687-0770 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. SOCIAL SCIENCE. 2020. No. 3
Введение. Известно, что значительная часть наличных денег на руках у населения никак не отражается в официальной отчетности организаций и предприятий, налоговых органов. Происхождение этих средств различно. Это и криминальные деньги, и доход от теневой экономики, и в значительной степени от неформальной занятости населения, такой как репетиторство, различные виды частных услуг, уход за больными, уборка помещений. Многие из занятых на малых и средних предприятиях получают заработок так называемым «черным налом». Способов извлечения доходов в обход фискальных органов -множество, в то время как налоговые поступления являются важной частью бюджетов всех уровней и поэтому актуальность знания того, где, у кого и в каком объеме эти средства концентрируются, крайне высока [1].
Один из путей оценки скрытых доходов населения состоит в анализе результатов опросов домашних хозяйств о различных аспектах их жизнедеятельности, в том числе о доходах и расходах. Безусловно, люди не склонны делиться информацией о своем материальном положении, однако современные возможности сбора информации и ее статистического и эконометрического анализа существенно повышают качество и достоверность выводов об источниках и размере доходов российских домашних хозяйств. В представленном исследовании предпринята попытка ответить на ряд вопросов. В частности, отличаются ли характеристики домашних хозяйств, в которых присутствуют скрытые доходы, от тех, где их нет? Насколько велика компонента скрытых доходов в бюджете домашних хозяйств? Насколько устойчивы эти характеристики во времени?
Исходные данные. Представленный анализ основан на информации проекта «Российский мониторинг экономического положения и здоровья населения НИУ-ВШЭ» (RLMS-HSE) за 20002017 гг. [2], содержащего репрезентативную информацию о месте проживания, социально-демографических характеристиках домашних хозяйств, их доходах и расходах.
В качестве показателя текущего благосостояния домохозяйств были приняты располагаемые ресурсы, представляющие собой сумму натуральных льгот (в денежном выражении) и денежных ресурсов. В свою очередь денежные ресурсы объединили в себе денежные доходы, а также займы и израсходованные сбережения. Денежные доходы - сложный, композитный по-
казатель, включающий доходы от продажи продукции личного подсобного хозяйства, оплату труда, социальные трансферты (пенсии, пособия, стипендии, субсидии и доплаты, льготы), частные трансферты (алименты, помощь родственников, друзей, благотворительных организаций и др.), а также другие доходы (от возврата долгов, выплат по страховкам, от продажи и сдачи в аренду личного имущества, процентов по вкладам и доходов от ценных бумаг).
Денежные расходы и сбережения домашних хозяйств включают прирост сбережений, потребительские и непотребительские расходы.
Значительным достоинством данных КЬМБ-НББ является наличие панельной компоненты, т. е. ряд домохозяйств отвечают на вопросы анкеты по нескольку лет подряд.
В качестве характеристик домашних хозяйств были использованы переменные типа расселения: областной центр, город областного подчинения, поселок городского типа, село. Число членов домохозяйства. Демографический тип домохозяйства: один взрослый без детей, двое взрослых без детей, двое взрослых с детьми, один взрослый с детьми, другие типы домохозяйств. Число работающих членов домохозяйства: никто не работает, один, двое, трое и более работающих.
Обзор литературы. Насколько данные опросов домохозяйств могут отражать ситуацию со скрытыми доходами? В прикладных научных исследованиях по оценке скрытых доходов населения существуют два основных подхода. Первый, и наиболее развитый, основывается на анализе макроэкономической информации [3-5]. Второй - на данных опросов и часто критикуется, поскольку население, как правило, не расположено делиться информацией о своих доходах, а особенно если часть их не вполне легальна. Кроме того, организация подобных опросов -дорогостоящая и сложная процедура, требующая контакта «лицом к лицу». Однако широкое внедрение цифровых информационных технологий во все сферы жизни общества позволяет упростить доступ к респондентам по сети интернет, организовать подобные опросы на принципиально ином концептуальном уровне, поэтому дальнейшее развитие методологии опросов населения представляется актуальным научным направлением. Развитие и внедрение методов многомерной статистики, эконометрики, основанное на растущей мощности вычислительных средств и появлении пакетов прикладных программ, реализующих эти
ISSN 2687-0770 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. SOCIAL SCIENCE. 2020. No. 3
методы, открыло новый этап в исследованиях в области изучения факторов благосостояния населения, в том числе и структуры доходов, включая их скрытую составляющую.
Новаторской работой в этой области стала статья Писсаридеса - Вебера, в которой было представлено теоретическое обоснование оценки доли теневых доходов на основе гипотезы о более высокой волатильности ненаблюдаемого перманентного дохода среди домохозяйств с теневыми доходами [6]. Авторы исходили из того, что существуют две группы населения: одни скрывают, а другие не скрывают размер своих доходов. Группой населения, в которой присутствуют теневые доходы, являются самозанятые. По некоторым статьям расходов все население дает правдивые ответы, например расходы на питание. Все профессиональные группы, кроме самозанятых, показывают сходную модель расходов на питание, причина чему, по утверждению авторов, - недекларируемые доходы. Модель описывает поведение домохозяйства-потребителя с учетом скрываемого дохода - с одной стороны и связь между доходом и потреблением - с другой. Метод оценки состоит из двух частей. На первом этапе оценивается функция расходов в терминах характеристик домохо-зяйств и указанного ими дохода. На втором этапе инвертируется функция расходов и прогнозируется доход от заявленных расходов [7].
Репликации подхода Писсаридеса - Вебера по многим странам отражены во множестве публикаций [8-10]. На российских данных подход Писсаридеса - Вебера применен в работах Т.А. Ратниковой и Я.В. Мурашова, осуществивших оценку теневых доходов по данным Российского мониторинга экономического положения и здоровья населения, РМЭЗ-ВШЭ за 2005-2015 гг. [11]. Группой домохозяйств с преобладанием теневых доходов в их работе также были выбраны самозанятые, но функция потребления была оценена по расходам на одежду, поскольку, по их расчетам, различия в расходах на питание между самозанятыми и другими группами оказались статистически незначимыми.
Однако выбор в качестве контрольной группы самозанятых оставляет за рамками анализа широкие слои населения нашей страны, получающих скрытые доходы. Число способов извлечения скрытых доходов так велико, что априорное суждение о структуре социально-демографических, профессиональных групп в российском обществе, в которых присутствуют (или отсутствуют)
скрытые доходы, невозможно. Плотность распределения этих доходов также неизвестна. Одним из путей выделения домохозяйств со скрытыми доходами может стать учет тех из них, в которых, например, расходы превышают доходы в течение достаточно длительного периода времени [12].
Методология анализа. Новацией в представленном исследовании стало вменение компоненты скрытых доходов в структуру располагаемых ресурсов домашних хозяйств. Для этого по данным RLMS-HSE были сформированы панели по трехлетним периодам: 2000-2002, 2003-2005, 20062008, 2009-2011, 2012-2014, 2015-2016 гг. Те домохозяйства, в которых денежные расходы и сбережения в течение трех лет подряд превышали располагаемые ресурсы, предполагались как имеющие скрытые доходы. Величина их была вычислена с помощью спецификации и оценки модели Писсаридеса - Вебера, по результатам которой каждому домохозяйству, в котором, по предположению, присутствовали скрытые доходы, была вменена денежная компонента этих доходов [13].
По результатам каждой из шести панелей были определены группы домохозяйств со скрытыми доходами, а дальнейшее уточнение характеристик домохозяйств со скрытыми доходами и размера этих доходов осуществлялось по данным года, завершающего панель. Для анализа факторов, которые влияют на принадлежность домашнего хозяйства к группе, имеющей скрытые доходы, для каждой выделенной по трехлетиям группы была осуществлена оценка модели логистической регрессии, в которой зависимая переменная равна единице для домохозяйства со скрытыми доходами и равна нулю в противоположном случае. В числе регрессоров были обоснованы переменные места проживания, демографического типа и числа членов домохозяйства. Также были учтены число работающих членов домохозяйства и структура доходов, включающая набор дихотомических переменных, фиксирующих наличие в семье доходов от личного подсобного хозяйства, оплаты труда, социальных и прочих трансфертов, а также другие виды доходов, включающие деньги от возврата долгов, выплаты по страховкам, продажи личного имущества, сдачи в аренду имущества, вложения капитала в виде процентов по вкладам, от акций и иных ценных бумаг.
Для каждой из сформированных панелей была осуществлена оценка шести моделей логистической регрессии, интерпретация результатов которых проведена в терминах коэффициента
ISSN 2687-0770 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. SOCIAL SCIENCE. 2020. No. 3
отношения шансов (odds ratio), который показывает, насколько больше (или меньше) частота случаев наличия недекларируемых доходов в определенном домохозяйстве, для каждой категории независимой переменной (Х) по отношению к контрольной категории (свободному члену уравнения). Для его расчета определяется отношение вероятностей двух событий, которое называется шансом (odds):
odds(Y = 1) = = = + PiX)
Такое представление результатов облегчает сравнение результатов между периодами.
Цель оценки второго комплекса моделей -выявление факторов, которые влияют на размер получаемых скрытых доходов. Здесь анализировалось подмножество домохозяйств, имеющих скрытые доходы. Логарифмически-линейная форма модели, которая была использована, имеет следующий вид:
In Yi = а + pXj + £i5
где Yi - объем скрытых доходов домохозяйства, р.; Xi - объясняющие переменные уравнения.
Интерпретация коэффициента регрессии P в этом уравнении:
dY
— = ßdX
dY dx=1 ß = YdX^ßX
Коэффициент при объясняющей переменной показывает, на сколько процентов возрастает Y при возрастании Х на одну единицу (при интерпретации коэффициент следует умножать на 100).
Результаты анализа. По сравнению с областными центрами жители села в течение всего периода имели преобладающие, статистически значимые шансы извлечения скрытых доходов. В 2002 г. статистически значимой оказалась нагрузка при переменной «поселок городского типа». Действительно в начале 2000-х в наиболее сложном положении оказались семьи, проживающие в поселках городского типа, где отсутствие развитой инфраструктуры, градообразующих предприятий привело к тому, что многие жители стали заниматься неформальными приработками, зачастую в близлежащих городах. Подтверждением тому служит частотное распределение численности домохозяйств в поселениях различного типа. В табл. 1 отражено существенное преобладание скрытых доходов на селе и в поселках городского типа.
Таблица 1
Дескриптивные статистики данных, используемые в анализе, %* _/ Descriptive data statistics used in the analysis, % _
Показатель 2002 2005 2008 2011 2014 2017
Доля домохозяйств со скрытыми доходами в общей численности 15,5 9,9 8,4 6,0 6,7 5,9
Доля компоненты скрытых доходов 39,0 16,0 18,4 19,3 21,6 16,8
Тип расселения
Областной центр 38,03/33,50 39,46/35,58 39,80/34,54 39,73/32,95 39,66/32,95 40,28/37,90
Город 27,55/24,34 27,61/26,95 27,29/26,46 26,65/27,13 26,50/29,09 27,99/29,28
Поселок городского типа 5,82/8,52 6,01/6,74 5,80/4,18 6,37/6,20 6,28/9,14 6,91/2,92
Село 26,60/31,64 26,70/30,73 27,11/34,82 27,25/33,72 26,16/32,13 24,83/30,90
Тип домохозяйства
Один взрослый без детей 19,09/23,94 19,78/26,42 21,39/28,13 20,39/26,74 20,79/22,44 22,53/28,57
Двое взрослых без детей 23,86/22,72 23,67/21,02 23,54/21,45 25,71/17,44 26,12/19,39 26,56/18,66
Двое взрослых с детьми 25,69/27,99 25,41/26,15 23,44/27,30 21,85/31,78 22,23/28,25 22,04/31,20
Один взрослый с детьми 7,05/6,90 6,22/8,89 5,37/7,80 4,98/5,81 4,12/9,97 4,95/8,75
Другие 24,31/18,46 24,93/17,52 26,07/15,32 27,07/18,22 26,74/19,94 23,98/12,83
Число работающих
Никто 30,76/35,29 29,56/32,08 27,19/30,64 27,62/26,36 28,02/24,93 30,16/32,94
Один 31,51/37,25 31,80/33,96 30,05/34,26 29,80/35,66 30,52/40,17 30,54/34,11
Два 30,61/28,40 30,47/29,82 32,98/29,81 33,42/32,95 31.86/28,53 32,26/29,74
Трое и больше 7,12/4,04 8,16/4,04 9,78/5,29 9,17/5,04 9,59/6,37 7,03/3,21
Источник дохода
Личное подсобное хозяйство 7,12/5,48 8,90/3,50 5,90/6,96 5,72/5,81 5,30/5,10 5,09/4,66
Оплата труда 72,78/64,50 74,00/65,50 76,79/69,08 75,80/72,48 75,50/75,10 73,74/66,76
Социальные трансферты 75,17/73,02 73,83/72,78 71,82/71,59 72,45/68,60 72,27/61,80 72,59/70,26
Трансферты 28,11/20,49 30,80/28,57 26,63/22,56 27,20/26,36 27,20/27,10 25,63/27,09
Другие доходы 5,46/10,79 7,60/8,80 5,13/8,64 5,47/5,81 6,40/5,70 4,93/8,75
* Первая цифра в ячейках таблицы относится к домохозяйствам без скрытых доходов, вторая, отделенная / - к домохозяйствам со скрытыми доходами.
ISSN 2687-0770 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. SOCIAL SCIENCE. 2020. No. 3
На селе оно связано с формированием нового фермерского уклада, а главное - с дефицитом рабочих мест для официальной занятости. Кризисный 2014 г. привел к всплеску неформальной занятости, активному поиску дополнительных источников доходов, что особенно сложно в небольших городах и селах, и это отразилось в том, что в модели 2014 г. все типы поселений продемонстрировали преобладающие шансы наличия скрытых доходов по сравнению с областными центрами. В 2017 г. картина вновь сместилась в
сторону домохозяйств, проживающих в поселках городского типа и на селе (табл. 2).
Преобладающим типом домохозяйств, среди имеющих скрытые доходы, до 2014 г. были одинокие люди, но в 2014 и 2017 гг. необходимость поиска дополнительных источников доходов вывела на лидирующие позиции одиночек с детьми и семейные пары с детьми (табл. 1, 2). Наименее склонными к извлечению срытых доходов все годы оставались семейные пары без детей.
Таблица2
Логистическая модель оценки шансов принадлежности домохозяйства к группе со скрытыми доходами / Logistic model for assessing the chances of a household belonging to a
group with hidden incomes
Показатель 2002 2005 2008 2011 2014 2017
Тип расселения
Областной город - - - - - -
Город 0,922 1,061 1,094 1,217 1,354** 1,077
Поселок городского типа 1,653** 1,283 0,836 1,203 1,899*** 0,465**
Село 1,166 1,524*** 1,482** 1,543** 1,757*** 1,416**
Тип домохозяйства
Один взрослый без детей - - - - - -
Двое взрослых без детей 0,812 0,679** 0,686** 0,512*** 0,712** 0,602**
Двое взрослых с детьми 1,143 0,803 0,989 1,159 1,265 1,413*
Один взрослый с детьми 0,998 1,215 1,193 0,831 2,055*** 1,631**
Другие 0,795 0,644** 0,501*** 0,596** 0,885 0,569**
Число работающих членов д/х
Никто - - - - - -
Один 1,278 2,078** 2,194** 2,994*** 2,285*** 2,266**
Два 1,149 2,323** 2,023** 2,409 ** 1,551 1,893**
Трое и больше 0,817 1,317 1,743 1,876 1,368 1,607
Источник дохода
Личное подсобное хозяйство 0,687* 0,326*** 1,177 0,983 0,954 1,053
Оплата труда 0,539*** 0,399*** 0,383*** 0,359*** 0,430*** 0,343***
Социальные трансферты 0,754** 0,885 0,912 0,830 0,565*** 0,901
Трансферты 0,602*** 0,814* 0,698** 0,828 0,849 0,880
Другие доходы 1,452** 1,325 1,786** 1,048 1,263 1,961**
Свободный член 0,347 0,161 0,133 ,084 0,098 0,087
Число домохозяйств 3175 3764 4276 4295 5364 5860
***, **, * значим на уровне значимости 1, 5 и 10 % соответственно. Коэффициенты модели - отношения преобладания (odds ratio).
Что же касается воздействия числа работающих членов домохозяйства на принадлежность к группе имеющих скрытые доходы, то по сравнению с домохозяйствами, где не было работников, работающие чаще имели такие доходы, а среди них преобладали те домохозяйства, где работников было не больше двух.
Какие виды доходов, составляющие располагаемых ресурсов, преобладают в домохозяй-ствах, где их чаще скрывают? Были рассмотрены компоненты располагаемых ресурсов домо-хозяйств, состоящие из доходов от личного подсобного хозяйства, оплаты труда, социальных трансфертов, частных трансфертов и других
ISSN 2687-0770 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. SOCIAL SCIENCE. 2020. No. 3
доходов. Наличие доходов от личного подсобного хозяйства статистически значимо снижало шансы присутствия скрытых доходов в 20002005 гг. Такие источники доходов, как оплата труда, социальные и прочие трансферты, существенно уменьшали шансы принадлежности к тем, кто с высокой вероятностью имел скрытые доходы. Доля семей с неучтенными доходами выше в домохозяйствах, отметивших так называемые «другие доходы», которые включают деньги от возврата долгов, выплаты по страховкам, от продажи личного имущества, сдачи в аренду имущества, вложения капитала в виде
процентов по вкладам, от акций и иных ценных бумаг. Более подробный анализ компонент этих доходов указал на то, что их наличие в домохозяйстве является в определенной степени индикатором более высоких шансов присутствия скрытых доходов.
Влияют ли отмеченные выше характеристики на размер скрытых доходов домашних хозяйств? Для этого была осуществлена оценка моделей множественной регрессии для подмножества до-мохозяйств со скрытыми доходами. Зависимой переменной выступил логарифм компоненты скрытых доходов (табл. 3).
Таблица 3
Детерминанты объема скрытых доходов домашних хозяйств (зависимая переменная - логарифм скрытых доходов) / Determinants of hidden household income (dependent variable - logarithm of hidden income)
Показатель 2002 2005 2008 2011 2014 2017
Тип расселения
Областной город - - - - - -
Город -0,168** -0,081 -0,116 -0,132 -0,179** -0,201**
Поселок городского типа -0,128 -0,154 -0,133 -0,152 -0,453*** -0,300
Село -0,359*** "0,308*** -0,512*** -0,137 -0,309*** -0,253**
Тип домохозяйств
Один взрослый без детей - - - - - -
Двое взрослых без детей 0,253*** 0,310** 0,249** 0,295** 0,193** 0,305**
Двое взрослых с детьми 0,113 0,177 -0,001 -0,030 0,001 0,50
Один взрослый с детьми 0,113 0,142 0,234 0,080 -0,110 0,038
Другие 0,127 0,232 -0,009 -0,100 0,196 0,087
Число работающих
Никто - - - - - -
Один 0,088 0,161 -0,051 0,109 0,326** 0,321**
Два 0,238** 0,360** 0,176 0,368* 0,510*** 0,413**
Трое и больше 0,474** 0,374* 0,525** 0,795** 0,890*** 0,522*
Источник дохода
Личное подсобное хозяйство 0,104* -0,227 -0,035 -0,101 0,017 0,222
Оплата труда 0,459*** 0,411*** 0,491 *** 0,389*** 0,173 0,077
Социальные трансферты 0,049 0,015 -0,049 -0,035 0,111 -0,077
Трансферты 0,144* 0,007 0,043 0.019 0,002 -0,100
Другие доходы 0,619*** 0,215* 0,532*** 0,303* 0,206* 0,601***
Число членов д/х 0,125** 1,274* 0,170*** 0,148** 0,169*** 0,128**
Свободный член 6,891 6,438 7,252 7,670 8,007 8,103
Я2 0,373 0,407 0,431 0,356 0,405 0,326
N 493 371 359 258 361 343
***, **, * значим на уровне значимости 1, 5 и 10 % соответственно.
Как было выявлено выше (табл. 1, 2) концентрация домохозяйств со скрытыми доходами преимущественно наблюдалась в селах и поселках городского типа, однако, как следует из результатов моделирования (табл. 3), размеры этих
доходов оказались существенно выше в областных центрах. То есть шансы иметь скрытые доходы были выше в селах, но размер их был выше в областных центрах. Следует особо отметить тот факт, что в кризисном 2014 г. размеры скрытых
ISSN 2687-0770 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. SOCIAL SCIENCE. 2020. No. 3
доходов в областных центрах статистически значимо превысили аналогичные доходы во всех других типах поселений [14].
Взрослые пары без детей весь анализируемый период имели наиболее высокий размер скрытых доходов. В домохозяйствах с двумя и более работниками также были более высокие скрытые доходы. При прочих равных, чем больше членов семьи - тем выше размер скрытых доходов.
До 2014 г. размер скрытых доходов был выше в домохозяйствах, где в числе источников доходов присутствовала заработная плата. Кроме того, положительный эффект на размер скрытых доходов оказывали так называемые другие доходы. То есть если в логистической регрессии наличие так называемых других доходов повышало шансы присутствия скрытых доходов, то из модели множественной регрессии следует, что это статистически значимо влияло и на размер скрытых доходов.
Выводы. Представленные результаты, характеризующие распространенность и объемы скрытых доходов среди российских домашних хозяйств, выявили две основные тенденции, первая из которых обозначила сельские поселения и поселки городского типа как места преимущественной концентрации домашних хозяйств со скрытыми доходами, а вторая - тот факт, что при прочих равных наибольший размер этих скрытых доходов у тех домохозяйств, которые проживают в областных центрах.
Следующая тенденция, обозначившая ареал распространения скрытых доходов среди домашних хозяйств, указала на то, что хотя шансы их присутствия выше среди одиноких людей, но объемы этих доходов больше среди семейных пар. Вероятность того, что члены этих домохо-зяйств работают, также гарантирует, что эти доходы будут выше.
Наличие в структуре располагаемых ресурсов различных источников доходов по-разному воздействует на объем скрытой компоненты доходов. Как и следовало ожидать, оплата труда позитивно и статистически значимо связана с величиной теневой компоненты. И вновь доходы, которые определены как другие, положительно связаны с размером скрытой компоненты. Предположение, которое следует из этих обстоятельств, можно сформулировать как то, что домашние хозяйства, которые извлекают доходы от возврата долгов, выплат по страховкам, продажи личного имущества, сдачи в аренду имущества, вложения капитала в виде процентов по вкладам,
акций и иных ценных бумаг, зачастую, хотя и указывают источники этих доходов, размеры их занижают, что и высвечивается в оценке компоненты скрытых доходов.
Можно ли доверять полученным результатам, насколько они точны? Подтверждением тому, что анализируемые домохозяйства регулярно извлекают скрытые доходы, является то, что для фиксирования этих доходов выбран длительный период - три года. В течение его осуществленный анализ указал на наличие устойчивых тенденций, что и стало решающим подтверждением их реальности. Однако зачастую неформальные приработки с нефиксируемыми доходами носят спорадический характер, не являются регулярными и таким образом объемы скрытых доходов могут быть в реальности выше. Другой важный аспект - добровольный характер участия в опросе. Поэтому, даже при соблюдении условий репрезентативности выборки, домохозяйства, чей доход является преимущественно теневым, будут отказываться от ответов на вопросы о доходах и расходах, и это обстоятельство будет занижать объемы скрытых доходов. Тем не менее дальнейшее исследование феномена скрытых доходов домашних хозяйств представляет безусловный интерес и ценность для уточнения реальных размеров доходов населения и корректировки на этой основе социальной политики.
Литература
1. Ниворожкина Л.И. Скрытые доходы населения как фактор угрозы для финансовых институтов государства // Проблемы учета, анализа, аудита и статистики в условиях рынка : ученые записки. Вып. 22. Ростов н/Д. : Издательско-полиграфический комплекс РГЭУ (РИНХ), 2019. С. 201-207.
2. Мониторинг проводился Национальным исследовательским университетом «Высшая школа экономики» и ООО «Демоскоп» при участии Центра народонаселения Университета Северной Каролины в Чапел Хилле и Института социологии РАН (Сайты обследования RLMS-HSE: http:// www.cpc.unc.edu/ projects/rlms и http://www.hse.ru/rlms (дата обращения: 13.06.2020).
3. Буров В.Ю. Теневая деятельность субъектов малого предпринимательства. Германия : LAP Lambert Academic Publishing GmbH & Co, 2011. 225 с.
4. Костин А.В. Опыт измерения теневой экономики в западной литературе // Вестн. НГУ. Социально-экономические науки. 2011. Т. 11, вып. 4. С. 33-43.
ISSN 2687-0770 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. SOCIAL SCIENCE. 2020. No. 3
5. Шевяков А.Ю. Оценка скрытых доходов и расходов населения // Безопасность Евразии. 2004. № 2.
6. Friedman M. The relation between the permanent income and relative income hypotheses // A theory of the consumption function. Princeton University Press, 1957. P. 157-182.
7. Pissarides C., Weber G. An Expenditure-Based Estimate of Britain's Black Economy // Journal of Public Economics. 1989. Vol. 39. P. 17-32.
8. Brewer M., O'Dea C. Measuring living standards with income and consumption: evidence from the UK // Working Paper ISER. 2012. No. 2012-5.
9. Ekici T., Besim M. A measure of the shadow economy in a small economy: Evidence from household-level expenditure patterns // Review of Income and Wealth. 2014.
10. Tedds L.M. Estimating the income reporting function for the self-employed // Empirical Economics. 2010. Vol. 38 (3). P. 669-687.
11. Мурашов Я.В., Ратникова Т.А. Динамика неучтенных доходов российских домашних хозяйств // Прикладная эконометрика. 2017. № 2. C. 30-54.
12. Ниворожкина Л.И. Скрытые доходы домохо-зяйств: опыт эмпирического анализа // Terra Eco-nomicus. 2016. Т. 14, № 4. С. 42-53.
13. НиворожкинаЛ.И., Арженовский С.В. Подход к оценке скрытых доходов домохозяйств на основе модели Писсаридеса - Вебера // Наука о данных : материалы Междунар. науч.-практ. конф. (Санкт-Петербург, 5-7 февраля 2020 г.). СПб. : Изд-во СПбГЭУ, 2020. С. 207-212.
14. Рябушкин Б.Т., Чурилова Э.Ю. Методы оценки теневого и неформального секторов экономики. М. : Финансы и статистика, 2003. 143 с.
References
1. Nivorozhkina L.I. (2019). Hidden incomes of the population as a threat factor for state financial institutions. Problems of accounting, analysis, audit and statistics in market conditions: Scientific Notes. Rostov-on-Don, Rostov State University of Economics (RINH) Press, iss. 22, pp. 201-207. (in Russian)
2. The monitoring was carried out by the National Research University Higher School of Economics and Demoscope LLC with the participation of the Population
Center of the University of North Carolina at Chapel Hill and the RAS Institute of Sociology. Available at: RLMS-HSE survey sites: http://www.cpc.unc.edu/ projects / rlms and http://www.hse.ru/rlms (accessed June 13, 2020). (in Russian).
3. Burov V.Yu. (2011). Shadow activity of small businesses. Germany, LAP Lambert Academic Publishing GmbH & Co, 225 p. (in Russian).
4. Kostin A.V. (2011). Experience of measuring the shadow economy in Western literature. Vestn. NSU. Socioeconomic sciences, vol. 11, iss. 4, pp. 33-43. (in Russian).
5. Shevyakov A.Yu. (2004). Estimation of hidden incomes and expenses of the population. Bezopastnost' Ev-razii, No. 2. (in Russian).
6. Friedman M. (1957). The relation between the permanent income and relative income hypotheses. A theory of the consumption function. Princeton University Press, pp. 157-182.
7. Pissarides C., Weber G. (1989). An Expenditure-Based Estimate of Britain's Black Economy. Journal of Public Economics, vol. 39, pp. 17-32.
8. Brewer M., O'Dea C. (2012). Measuring living standards with income and consumption: evidence from the UK. Working Paper ISER, No. 2012-5.
9. Ekici T., Besim M. (2014). A measure of the shadow economy in a small economy: Evidence from household-level expenditure patterns. Review of Income and Wealth.
10. Tedds L.M. (2010). Estimating the income reporting function for the self-employed. Empirical Economics, vol. 38 (3), pp. 669-687.
11. Murashov Ya.V., Ratnikova T.A. (2017). Dynamics of unaccounted incomes of Russian households. Prikladna-ya ekonometrika, No. 2, pp. 30-54. (in Russian).
12. Nivorozhkina L.I. (2016). Hidden household incomes: an empirical analysis. Terra Economicus, vol. 14, No. 4, pp. 42-53. (in Russian).
13. Nivorozhkina L.I., Arzhenovskiy S.V. (2020). An approach to estimating hidden incomes of households based on the Pissarides-Weber model. Data Science. Proceedings of the Intern. Scientific-Practical Conf. (St. Petersburg, February 5-7, 2020). Saint Petersburg, SPbGEU Press, pp. 207212. (in Russian).
14. Ryabushkin B.T., Churilova E.Yu. (2003). Methods for assessing the shadow and informal sectors of the economy. Moscow, Finansy i statistika Publ., 143 p. (in Russian).
Поступила в редакцию / Received 25 июня 2020 г. / June 25, 2020
