Сопоставление оценок масштабов скрываемых доходов российских домохозяйств до и после кризиса 2014 года

Поскольку в данных присутствует несколько монетарных переменных за несколько лет, то для сравнения наших оценок между разными годами необходимо учитывать инфляцию. Как учитывать инфляцию при построении модели?

Чтобы тщательно учесть инфляцию, ее необходимо корректировать не только по времени, но и по регионам, так как темпы инфляции в разных территориальных единицах Российской Федерации различаются, и найти такие данные в правильном формате и применить их в процессе подготовки данных технически сложно и трудоемко, то в идеальном варианте необходимо найти такую модель, которая будет учитывать инфляцию другим образом.

Поскольку в качестве основной модели в данном дипломе будет использована лог-линейная регрессия с фиксированными эффектами, влияние инфляции будет заложено в дамми переменных на время, а также в индивидуальных эффектах домохозяйств, проживающих в различных регионах, поэтому корректировка на инфляцию не требуется. Более того, благодаря индивидуальным эффектам можно получить более точные оценки коэффициентов, так как они будет очищены от неоднородности домохозяйств в силу построения модели, а значит, можно посмотреть на общие черты определенных групп домохозяйств.

Подбор переменных для каждого уравнения осуществлялся алгоритмическим перебором из переменных опросника по критерию значимости. После выбора всех значимых переменных уравнение строилось заново только с ними, если модель оказывалась адекватной, то алгоритм переходил к построению следующего уравнения по такому же принципу. Таким образом, когда в каждом категории расходов были оставлены только адекватные модели на каждом этапе, а в 1-м уравнении гамма и беты были положительны (положительность - необходимое условие соблюдения предпосылок для применимости метода), то тогда можно было переходить к построению доверительного интервала.

Таким образом, после обсуждения нововведений стоит изложить порядок действий, который будет произведен для каждой категории расходов:

- уравнение потребления, где i - идентификационный номер домохозяйства, t - период времени.

Так как используется модель фиксированных эффектов, то это предполагает within преобразование переменных, поэтому практической пользы от включения переменных, которые не меняются во времени нет, потому что они станут 0.

- уравнение дохода для самозанятых и работников

Уравнения дохода также будут построены с помощью модели фиксированных эффектов, но в них будут включены дополнительные переменные (заложенные в векторе Xit), которые нужны для более точного описания дохода.

- нижняя граница коэффициента сокрытия дохода

- верхняя граница коэффициента сокрытия дохода

На 3 шаге коэффициенты гамма и бета из первого уравнения и дисперсии из 2-х уравнений подставляются в доверительный интервал.

Shadow_low = Shadow_up =

Получение общего сокрытия доходов по всем самозанятым домохозяйствам.

Выбор категорий расходов был проведен на основе эмпирического исследования данных автором, опыта предыдущих исследователей данной темы и рекомендаций научного руководителя. Основная идея заключалась в том, чтобы найти такие категории расходов, которые не являются чувствительными для домохозяйств и по которым они могли бы сообщать затраты без искажений.

Данные

Источником данных послужили результаты заполнения вопросников РМЭЗ в период с 2012 по 2016 годы включительно.

В работе было использовано несколько типов данных:

.pdf файлы опросников

.sav файлы с результатами заполнения вопросников

В процессе предобработки данных «.sav» файлы были преобразованы в «.dta» формат для удобства работы в пакете R.

PDF файлы были использованы для раскрытия содержания переменных, которые содержались в .sav файлах

Первоначально опросники имели следующее количество семей и переменных (вопросов):

То есть изначальная панель составляла 1 033 столбца и 37 223 строки, впоследствии, следуя методологии, большая часть переменных из панели была исключена за ненадобностью и/или отсутствием в них релевантного экономического влияния на целевые переменные.

Для моделирования использовались панели:

- Докризисного периода 2012-2013

- Посткризисного периода 2015-2016

- Всего периода 2012-2016

Также особое внимание при подготовке данных было уделено нахождению пропусков в переменных, определению их типа, замене строковых данных в фиктивных и категориальных переменных на числовые значения, преобразованию некоторых переменных из строковых в числовые.

Для всех вышеперечисленных целей были использованы мощности языка программирования R, в котором проще всего анализировать файлы формата .dta, так как в Python нет достаточно хороших библиотек для анализа таких файлов и наиболее популярные библиотеки вроде Pandas или Pyreadstat не справляются с определенными трудностями при декодировании данных и их непосредственном прочтении из файла. R более гибко справляется с такого рода сложностями, к тому же имеет достаточно весомый арсенал библиотек как по анализу данных, так и по различным эконометрическим моделям.

Список библиотек, которые были использованы при работе с данными и эконометрическом моделировании в R: foreign (для чтения файлов формата .dta), tidyverse (для непосредственного анализа загруженных файлов: фильтрация, редактирование датафрейма), plm (для анализа панельных данных) и другие. Теперь, когда формальное содержание данных изложено стоит перейти непосредственно к их исследовательскому анализу и нахождению полезных экономических инсайтов.

5. Описательные статистики доходов домохозяйств по годам

Прежде всего стоит обратить внимание на то, как с течением времени изменялись различные составляющие дохода индивидов. Изучение данных статистик на начальном этапе позволит понять, применим ли метод чисто теоретически, исходя из природы данных. Ведь если данные окажутся не пригодными с точки зрения базовых предпосылок уже на начальном этапе, то возможно в расчетах присутствует ошибка или придется искать другую расчетную модель или менять подход.

*все показатели приведены в рублях

Из таблицы видно, что наибольшие значения на всех временных промежутках относятся к общему доходу, однако есть некоторые самозанятые, которые могут получать также довольно большие величины, которые превышают максимальные значения по зарплате и другим доходам. Это вполне естественное явление, так как таких домохозяйств в выборке крайне мало, единицы, что свидетельствует лишь о том, что существуют некоторые особенно успешные самозанятые домохозяйства, которые могут зарабатывать сопоставимые с максимальными зарплатами величины.

Если обратить внимание на коэффициент вариации, то он значительно больше для доходов от самозанятости, более того, он как минимум в 2 раза превышает коэффициент вариации по другим доходам, в том числе и общему доходу, тем самым подтверждая теорию о нестабильной природе заработков от самозанятой деятельности. Подобное подтверждение теории реальными данными уже на начальных этапах показывает небезосновательность выдвинутых предпосылок теоретической модели. Также вполне согласуется с одной из гипотез уменьшение коэффициента вариации в после кризисный период. Так, например, после 2013 года заметно снизился коэффициент вариации доходов от самозанятости, так и не вернувшись к докризисным значениям, что может косвенно свидетельствовать о сокращении количества самозанятых. Эта тенденция довольно четко прослеживается, если взглянуть на долю самозанятых по годам:

Есть слабая, но довольно отчетливая динамика к снижению количества самозанятых, высокое значение в 2014 году может косвенно свидетельствовать о том, что возросшая теневая активность выступила в качестве амортизирующего механизма, чтобы сгладить кризисные последствия.

Как видно из таблицы описательной статистики со временем номинальные величины общего дохода домохозяйств значительно выросли, как и все остальные доходы, однако это не означает, что реальные доходы граждан выросли, так как в те годы в РФ инфляция также показывала значительный рост.

Учитывая написанные выше комментарии по описательным статистикам дохода можно предполагать, что на этапе рассмотрения описательных статистик базовые предпосылки не нарушаются, значит на данном этапе преграды на пути к применению метода отсутствуют.

Дополнительная аналитика по расходам представлена в приложении и необходима для подтверждения тезисов об увеличении номинальных доходов и сокращении количества самозанятых.

Расходы на выбранные категории товаров и общие доходы домохозяйств

С другой стороны, анализ только доходных характеристик домохозяйств не может дать полноценного основания для того, чтобы можно было оценить возможность применимости метода, поэтому важно проанализировать, как домохозяйства тратят деньги на те категории, которые будут непосредственно использоваться в модели. Для этого будут рассматриваться средние значения расходов по каждой из категорий товаров за 30 дней между самозанятыми и работающими по найму домохозяйствами.

Данная таблица отчетливо свидетельствует о том, что средние значения расходов для домохозяйств по каждой категории расходов выше, чем у работников и по выборке в целом, что в очередной раз подтверждает эмпирическое наблюдение Писсаридеса и его «последователей» о больших тратах среди самозанятых. Также стоит отметить, что и общие доходы самозанятых в среднем заметно выше, чем по выборке. Небольшие значения расходов на фрукты и ягоды совершенно не означают, что, например, самозанятое домохозяйство тратить лишь 4 рубля на фрукты в месяц. Это говорит лишь о том, что часть домохозяйств не покупают фрукты и ягоды, поэтому занижают общее среднее. Если исключить домохозяйства, которые не покупают фрукты и ягоды, то картина расходов станет более реалистичной:

Далее стоит рассмотреть более подробное разбиение расходов до и после кризиса, чтобы понять, как поменялись расходы различных групп домохозяйств вследствие кризиса.

Таблица выше отчетливо демонстрирует, что расходы на все категории снизились после кризиса для всех групп работников, однако для самозанятых потребление фруктов было значительно (в 2 раза) увеличено после кризиса, подобный нестандартный феномен, свидетельствующий об увеличении потребления после кризиса, может иметь множество причин, но для настоящего исследования данный феномен важен с той точки зрения, что он однозначно должен повлиять на коэффициент гамма и следовательно, потенциально увеличить ожидаемое значение масштабов сокрытия доходов в силу увеличившегося потребления со стороны самозанятых.

6. Результаты

Оценка коэффициентов и найденные категории расходов

Для проверки первой гипотезы было проведено несколько итераций для нахождения оптимальных коэффициентов при построении моделей для расходов на еду, однако ни в одной из них не удалось получить положительные коэффициенты с адекватными моделями, которые бы удовлетворяли предпосылкам метода. Как пример такой итерации можно рассмотреть результаты, полученные на несбалансированной подпанели 2012-2013 годов:

При таких коэффициентах метод перестает давать адекватные оценки коэффициента сокрытия доходов, так как отрицательный коэффициент гамма показывает, что самозанятые в среднем имеют меньше расходов на пищу по сравнению с работающими по найму, более того, при увеличении доходов самозанятые тратят меньше на еду, что также противоречит одной из предпосылок метода. Однако дисперсии соответствуют предпосылке о том, что самозанятые имеют более нестабильный доход по сравнению с работниками по найму.

В результате применения методологии удалось найти три категории расходов, которые удовлетворили предпосылкам и дали разумные оценки сокрытых доходов. Ими оказались расходы на ягоды, фрукты и одежду.

Из таблиц выше можно заметить, что для каждой категории расходов в каждой панели дисперсия логарифма дохода для самозанятых выше, чем для работников по найму, что говорит о том, что одна из предпосылок метода подтверждается. Положительность коэффициентов, необходимая для его применимости также присутствует в каждой подпанели. Когда предпосылки выполнены можно проанализировать как изменялись коэффициенты в зависимости от временного периода. Так до кризиса коэффициент гамма был больше в уравнении расходов на одежду и ягоды, следовательно, самозанятые домохозяйства в 2012-2013 годы тратили в среднем больше на одежду и ягоды по сравнению с работниками по найму. С другой стороны, коэффициент гамма вырос для расходов на фрукты, значит, после кризиса, самозанятые домохозяйства увеличили потребление фруктов по отношению к работающим по найму.

Если обратить внимание на изменения дисперсий, то можно заметить, что после кризиса вариабельность доходов выросла для всех групп во всех подпанелях, причем большему изменению подверглись именно доходы работников, так как для них увеличение дисперсий стало несколько большим, хотя и не превысило дисперсию самозанятых.

Результаты расчета оценок коэффициентов сокрытия и общего сокрытия доходов

Для получения оценок, представленных в таблицах ниже было проведено 18 циклов моделирования, в рамках каждого цикла было оценено 3 модели, то есть всего было построено 54 модели.

Данная дипломная работа показывает, что разные категории расходов могут давать разные оценки масштабов теневой экономики, потому что каждая из выбранных категорий расходов имеет свою чувствительность к товарным санкциям.

Так, например, если посмотреть на нижние оценки, то можно заметить, что для одежды довольно сложно подсчитать интерпретируемые нижние границы, потому что все они отрицательны, что в свою очередь искажает восприятие средней оценки (shadow_middle), поэтому анализировать можно только верхние границы. Похожие сложности возникают и при моделировании с помощью других категорий расходов, но там есть панели, в которых нижние границы положительны, следовательно, там можно анализировать все границы и средние оценки.

Если посмотреть на количественное сокращение масштабов скрытой экономики после кризиса, то эта тенденция присуща всем категориям, однако наибольшее снижение произошло в категории «ягоды», а наименьшее в категории «одежда».

Особое внимание стоит уделить верхним границам сокрытия, так как именно с помощью них можно наиболее корректно сравнить значения оценок по всем категориям, так как ни в одной из категорий нет отрицательной верхней границы ни в одной из подпанелей.

Группированная гистограмма выше, построенная на основе оценок, полученных в ходе применения микроэкономического подхода, демонстрирует сокращение масштабов сокрытия доходов по всем категориям расходов, следовательно, в независимости от чувствительности к санкциям и выбора категории расходов, общий тренд на сокращение ненаблюдаемой экономики сохраняется.

Заключение

В ходе данной работы был проверен ряд гипотез, часть из которых подтвердилась. Так в соответствии с первой из них расходы на еду оказались непригодными для применения метода, так как нарушались его основополагающие предпосылки. С другой стороны, расходы на одежду из второй гипотезы оказались валидными с точки зрения соблюдения предпосылок, тем самым подтвердив, выводы (Ратникова и Мурашов, 2016). Значит вторая гипотеза подтвердилась.

Третья гипотеза состояла в том, что в зависимости от чувствительности категории расходов к санкциям должны меняться результаты оценки масштабов сокрытых доходов. В результате расчета можно отметить, что действительно сами оценки различаются по категориям, следовательно, гипотеза подтверждается. Однако стоит обратить внимание на общую тенденцию, которая прослеживается в независимости от категории расходов и заключается в том, что размеры величины сокрытия доходов домохозяйствами до кризиса превышают послекризисные величины, следовательно, подтверждается гипотеза 5. Подтверждение данной гипотезы не только согласуется с сообщением Росстата о сокращении теневой экономики после кризиса 2014, но и подтверждает догадку о том, что снижение сокрытых домохозяйствами доходов также внесло свой вклад в сокращении всей теневой экономики РФ, следовательно, процессы происходящие в сфере самозанятой деятельности идут в направлении с процессами всей теневой экономики.

Гипотеза 4 о сбалансированности панели подтвердилась частично, так как, с одной стороны, несмотря на тот факт, что часть наблюдений была исключена из панели и расчет проводился только по домохозяйствам, участвовавшим в каждой из 5 опросников, общие тенденции о снижении скрытой экономики в среде самозанятых не поменялись, если сравнивать с несбалансированной панелью. То есть сбалансированная панель также показывает снижение масштабов сокрытия в послекризисный период. Объяснение данного феномена может состоять в том, что несмотря на потерю части наблюдений не произошло нарушения общего состава участников выборки, то есть те наблюдения, которые остались отражали такие же тенденции, как в полной выборке, либо анализируемые домохозяйства оказались полностью гомогенны в своей реакции на кризис и его последствия, поэтому даже без части наблюдений сохранили тенденции, наблюдаемые на всей выборке.

С другой стороны, гипотеза не подтвердилась, так как в некоторых панелях сами значения оценок довольно сильно различались, если при прочих равных сравнивать подпанели одного временного периода в зависимости от их сбалансированности, хотя были и довольно близки оценки, но не во всех подпанелях.

Данное исследование позволило использовать микроэкономический метод Писсаридеса для измерения масштабов сокрытых доходов домохозяйств России до и после «переломного» события. Гипотезы, протестированные в ходе работы, позволили прояснить ряд национальных особенностей, которые нужно учитывать при работе с российскими данными, а методологические новации в виде применения панельной модели фиксированных эффектов позволили выяснить робастность метода к новым данным и эконометрическим подходам. Была проанализирована чувствительность метода к категории потребительских расходов, и установлено, что, хотя чувствительность довольно сильна, но при этом она не препятствует выявлению общих динамических тенденций (снижению доли скрываемых доходов после 2014 года).

Таким образом, данная работа с помощью иного эконометрического аппарата, более длительного временного периода и анализа нескольких категорий расходов продемонстрировала определенную универсальность метода к различного рода новациям при условии выполнения базовых предпосылок, осветила ряд особенностей сокрытых доходов домохозяйствами до и после кризиса 2014 и подтвердила выводы других российских исследователей, актуализировав оценки масштабов сокрытия доходов российскими домохозяйствами вплоть 2016.

Список литературы

1. Ильина, Г. Г., and С. А. Шишмарев. "Ненаблюдаемая экономика: сущность и методы оценки." Вестник московского государственного лингвистического университета. Общественные науки 641 (2012): 95-103.

2. Киреенко Анна Павловна, Иванов Юрий Борисович. "Оценка теневой экономики на основе показателей уровня и качества жизни населения" Известия Байкальского государственного университета, no. 4, 2013, pp. 109-113.

3. Киреенко Екатерина Сергеевна. "Масштабы теневой деятельности при ведении среднего и малого бизнеса по результатам социологического опроса населения и предпринимателей" Baikal Research Journal, no. 5, 2014, pp. 5.

4. Кожевников Алексей Викторович, Пономарева Светлана Анатольевна. "Методика диагностики и мониторинга «Теневого» сектора региональной экономики в системе государственного управления" Проблемы развития территории, no. 4 (78), 2015, pp. 27-36.

5. Мурашов Я.В., Ратникова Т.А. 2016. Неучтенные доходы российских домашних хозяйств. Вопросы экономики. (5):99-126

6. Ниворожкина Л.И.. "Скрытые доходы домохозяйств: опыт эмпирического анализа" Terra Economicus, vol. 14, no. 4, 2016, pp. 42-53.

7. Перов Евгений Викторович. "Оценка теневой экономики России" Управление экономическими системами: электроннный научный журнал, no. 3 (75), 2015, pp. 10.

8. Ратчин Дмитрий Николаевич Методологические аспекты оценки уровня теневой экономики // Социально-экономические явления и процессы. 2012. №9.

9. Соколовская Елена Васильевна, and Соколовский Дмитрий Борисович. "Оценка размеров теневой экономики на региональном уровне как предпосылка регулирования налоговых поступлений" Известия Байкальского государственного университета, vol. 25, no. 3, 2015, pp. 480-484.

10. Федотов Д.Ю., Невзорова Е.Н., and Орлова Е.Н.. "Налоговый метод расчета величины теневой экономики российских регионов" Финансы и кредит, no. 15 (687), 2016, pp. 20-33.

11. Anwar, Sofia & Akbar, Rabia & Waqas Akbar, Muhammad & Azhar, Anam. (2017). Measuring the Size of Under Ground Economy in Pakistan: A Microeconomic Approach. Journal of Applied Environmental and Biological Sciences. 7. 84-93.

12. Bradbury, Bruce. Are the low income self-employed poor?. Sydney: Social Policy Research Centre, University of New South Wales, 1996.

13. Brandolini, Andrea. "The distribution of personal income in post-war Italy: source description, data quality, and the time pattern of income inequality." Giornale degli economisti e Annali di economia (1999): 183-239.

14. Ekici, Tufan & Besim, Mustafa. (2014). A Measure of the Shadow Economy in a Small Economy: Evidence from Household-Level Expenditure Patterns. Review of Income and Wealth. 62. 10.1111/roiw.12138.

15. Fiorio, Carlo V., and Francesco D'Amuri. "WORKERS'TAX EVASION IN ITALY." Giornale degli economisti e Annali di economia (2005): 247-270.

16. Gaspareniene Ligita, and Rita Remeikiene. "Shadow economy estimation methods: Digital shadow economy assessment aspect." The 9th International Scientific Conference" Business and Management. 2016.

17. Johansson, Edvard. (2005). An Estimate of Self-Employment Income Underreporting in Finland. Nordic Journal of Political Economy. 31. 99-109

18. Isachsen, Arne Jon, Sven Ove Samuelson, and Steinar Strшm. "The behavior of tax evaders." The economics of the shadow economy. Springer, Berlin, Heidelberg, 1985. 227-244.

19. Kim, Bonggeun and Gibson, John and Chung, Chul, Using Panel Data to Exactly Estimate Income Under-Reporting by the Self Employed (June 10, 2009). KIEP Research Paper. Working paper 09-02 .

20. Lippert, O. and M. Walker (eds.) (1997), The Underground Economy: Global Evidences of its Size and Impact, The Frazer Insitute, Vancouver, B.C

21. Lichard, Tomas and Hanousek, Jan and Filer, Randall K., Measuring the Shadow Economy: Endogenous Switching Regression with Unobserved Separation (October 13, 2012). IZA Discussion Paper No. 6901.

22. Pissarides, Christopher and Weber, Guglielmo, 1989. An expenditure-based estimate of Britain's black economy. Journal of Public Economics, 39, issue 1, p. 17-32

23. Schneider, Friedrich, and A. Buehn. "Estimating a shadow economy: Results, methods, problems, and open questions." Open Economics 1.1 (2017): 1-29.

24. Schneider, Friedrich G., The Increase of the Size of the Shadow Economy of 18 OECD Countries: Some Preliminary Explanations (June 2000). CESifo Working Paper Series No. 306.

25. Schneider, Friedrich, and Dominik Enste. "Shadow economies around the world: size, causes and consequences." (1999).

26. Schuetze, Herb J. "Profiles of tax non-compliance among the self-employed in Canada: 1969 to 1992." Canadian Public Policy/Analyse de Politiques (2002): 219-238.

27. Smith, P. (1994), Assessing the Size of the Underground Economy: The Canadian Statistical Pespectives, Canadian Economic Observer, Catalogue No. 11-010, pp 16-33

28. The Shadow Economy in Germany, Great Britain and Scandinavia: A Measurement Based on Questionnaire Survey, Sшren Pedersen, Rockwool Foundation Research Unit, 2003

29. Tedds, Lindsay M. Nonparametric Expenditure-based Estimation of Income Under-reporting and the Undergound Economy. Department of Economics, McMaster University, 2004.

Приложение

Распределение доли домохозяйств от самозанятости как доли от общего дохода по годам. (для демонстрации снижения доли домохозяйств, которые получают 90-100% доходов от самозанятости).

Распределение доходов до и после кризиса

Размещено на Allbest.ru