В качестве примера можно привести несколько выводов автора:
- «Зачастую семьи, выплачивающие значительные кредиты, декларируют низкие доходы при сохранении нормального уровня потребления, что также может быть результатом того, что часть доходов ими не показывается.»
- «Как и предполагалось, пенсионеры, которые обычно располагают невысокими и фиксированными доходами, менее мотивированы на их сокрытие, чем другие слои населения.»
Во второй статье уже происходит непосредственное применение метода Писсаридеса, однако с некоторыми модификациями. Во-первых, в результате анализа описательных статистик и построения первой модели авторы заметили, что использовать расходы на еду не представляется возможным, так как предпосылка о большем потреблении со стороны самозанятых не соблюдается, что свидетельствует о том, что расходы на еду сообщаются респондентами некорректно, поэтому было решено использовать расходы на одежду, которые удовлетворяют предпосылкам подхода. Во-вторых, авторы разделили респондентов по другим признакам, в частности, по размеру населенного пункта, административному статусу населенного пункта и доходности группы (в зависимости от медианного дохода). В-третьих, авторы зашли дальше и не только рассчитали коэффициенты сокрытия для каждой из подгрупп, но и посчитали общий процент сокрытия доходов во всем теневом секторе самозанятых, для чего ввели дополнительную формулу. Также результаты были экстраполированы на всю теневую экономики с помощью использования «интервальных распределений подушевого дохода по данным Росстата». В результате доли скрываемого дохода оказались в доверительном интервале с границами 16 и 23%.
Теоретическая модель и гипотезы
Теоретическая модель из оригинальной статьи (Pissarides и Weber, 1989)
Авторы описывают три вида доходов, которые существуют и их связи с коэффициентом сокрытия: истинный доход, декларируемый доход (сообщаемый в ходе опроса) и перманентный доход (теоретическая концепция). Между тремя видами доходов есть взаимосвязи:
,
где - истинный (ненаблюдаемый), а - коэффициент сокрытия доходов, который для работающих по найму равен 1, а для самозанятых представляет величину большую, чем 1.
- декларируемый доход, отраженный в опроснике (ответы респондентов)
,
где - перманентный доход, влияющий на потребительские расходы, причем дисперсия перманентного дохода у самозанятых работников больше, чем у работников по найму: Var(| employee) < Var(| self-employed)
Далее авторы непосредственно показывают, какие уравнения предполагается построить:
В начале вводится регрессия логарифма Предположение о логнормальном распределении было проверено авторами с помощью теста Колмогорова-Смирнова. расходов на потребление j-й категории товаров для i-го домохозяйства:
где - расходы на j-ю категорию товаров для i-го домохозяйства, - вектор характеристик i-го домохозяйства, - вектор параметров, - предельная склонность к потреблению товара j-й категории, - логарифм дохода, которые влияет на текущее потребление, - коэффициент перед - дамми, обозначающая самозанятых единицей, а работающих по найму нулем, - ошибка.
Причем дополнительно стоит отметить, что является эндогенной переменной по мнению авторов, так как предполагается, что в ошибках могут присутствовать неучтенные в опроснике переменные, которые прямо или косвенно одновременно влияют и на величину расходов на какую-то группу товаров, и на совокупные доходы домохозяйства.
После этого строятся два уравнения одинакового вида отдельно для самозанятых и для работников по найму:
где - вектор характеристик i-го домохозяйства, - набор инструментов, а - остатки.
Из каждого уравнения необходимо получить дисперсии логарифма дохода для каждой из групп работников (самозанятых и работающих в компании).
Далее из построенных моделей используются необходимые сведения для построения доверительного интервала коэффициента сокрытия дохода: из первой регрессии берутся бета и гамма коэффициенты, а из двух регрессий построенных далее нужны дисперсии логарифма доходов.
Доверительный интервал выглядит следующим образом:
- нижняя граница коэффициента сокрытия дохода
- верхняя граница коэффициента сокрытия дохода
Подробное обсуждение нововведений в теоретическую модель, описанную выше будет дано в разделе «Методология».
После расчета коэффициентов сокрытия их можно использовать для нахождения величины сокрытия всего сектора теневой деятельности самозанятых. Для этого используются следующие границы доверительного интервала:
Shadow_low = Shadow_up =
Где - доля самозанятых в выборке, - средний доход самозанятых, - средний доход других домохозяйств.
3. Гипотезы
В рамках данного исследования будут проверяться следующие гипотезы:
Расходы на еду не могут быть использованы в качестве выбранной категории расходов.
Предполагается подтвердить эмпирическое свидетельство, приведенное в статье (Ратникова и Мурашов, 2016) о том, что российские домохозяйства недостаточно честны в раскрытии суммы расходов, потраченных на еду, поэтому данная категория затрат не может быть использована для эконометрического моделирования.
Расходы на одежду могут быть использованы в качестве выбранной категории расходов.
Есть определенные ожидания, что совокупные расходы на одежду могут быть использованы при подсчете, так как они сообщаются домохозяйствами более правдиво, чем расходы на еду. Это может быть связано с тем, что среди домохозяйств нижних доходных децилей дискуссии о затратах на еду обсуждаются более часто, в отличие от расходов на одежду, которые совершаются с меньшей периодичностью, поэтому у домохозяйств может быть меньше намерений искажать величину расходов на одежду. Также данная гипотеза позволит проверить выводы относительно данной категории расходов, выдвинутые в статье (Ратникова и Мурашов, 2016) на панельных данных за 5 лет.
Результаты оценок масштабов теневой экономики сильно зависят от выбранной категории расходов и ее чувствительности к товарным санкциям, наложенным на РФ. доход домохозяйство теневой экономика
Учитывая то, каким образом устроен микроэкономический подход, применяемый в данной работе, есть четкое ожидание относительно того, что оценки могут быть различны из-за того, что определенная категория товаров могла испытать большие или меньшие экономическое влияние от санкций, которые были введены на РФ. Предполагается, что есть две группы товаров:
Затронутые санкциями
(на эти товары были наложены санкции)
Незатронутые санкциями
(на эти товары не были наложены санкции)
В моей работе ягоды будут считаться товаром, который не был затронут санкциями, так как большинство ягод Россия выращивает на своей территории и сокращение импорта не должно заметно повлиять на цены и ассортимент. Фрукты попадут в категорию затронутых санкциями, так как есть много фруктов, которые российские фермеры могут выращивать на юге в силу благоприятных климатических условий, однако часть из них все же не может быть в крупных масштабах выращена в России, поэтому некоторые ограничения на импорт сельской-хозяйственной продукции могут сказаться как на ассортименте, так и на ценах. Одежда будет в категории затронутых санкциями, так как в РФ продается довольно много зарубежных брендов одежды, которые пользуются большим спросом среди россиян и национальное предложение может не удовлетворить потребности граждан и сказаться на общих продажах одежды. Это также может быть связано со вкусовыми предпочтениями определенной доли россиян и/или приверженности потребителей к определенному зарубежному бренду.
Результаты оценок масштабов теневой экономики сильно зависят от типа сбалансированности панели.
Предполагается, что если использовать несбалансированную панель, то можно получить более корректный в плане непредвзятости результат, так как тогда анализируются все представленные в выборке домохозяйства без исключения. В сбалансированной панели для каждого домохозяйства должны присутствовать все переменные в каждом временном промежутке. Учитывая, что в реальности из-за того, что не все домохозяйства могли попасть в выборку каждого из пяти опросников (то есть пять лет подряд проходить опросы с 2012 по 2016 годы включительно), то однозначно произойдет искажение отбора, так как часть домохозяйств будет исключена из панели. Ожидается, что сбалансированная панель должна показать иные результаты в зависимости от несбалансированной и в таком случае будет более корректно отталкиваться от оценок, полученных на последней.
Масштабы теневой экономики сократились после 2014 года, как это было объявлено Росстатом.
Данная гипотеза позволит посмотреть произошло ли сокращение сокрытия доходов российскими домохозяйствами после 2014 года, как это произошло в теневой экономике в целом. Если сокращение произошло, то общие тенденции по сокращению теневой экономики также наблюдаются и в среде домохозяйств, представленных в РМЭЗ, а значит, являются частью общего снижения уровня теневой экономики. Если сокращения не было, значит, можно будет утверждать, что теневая экономика сократилась, но вклада российских домохозяйств в этом не было и снижение теневой деятельности произошло в других частях скрытой экономики.
4. Методология
Концептуальная составляющая будет полностью совпадать с методологией, изложенной в работе Писсаридеса, то есть порядок уравнений и переменные не будет радикально изменены, однако необходимо внести ряд изменений относительно эконометрических моделей. Так как в работе будет использоваться более широкий временной промежуток, чем в статьях из обзора литературы (5 лет вместо 1 года) и другой эконометрический аппарат для получения оценок, то необходимо подготовить данные и выбрать модели таким образом, чтобы они были пригодны для применения к ним того же микроэкономического подхода, что был изложен в статьях Писаридеса и Ратниковой и Мурашова. Следовательно, может возникнуть несколько вопросов относительно некоторых нововведений в подходе:
Какие панели использовать: сбалансированные или несбалансированные?
Если использовать сбалансированный тип, то удобно сравнивать индивидуальные эффекты домохозяйств на протяжении многих лет, но так как не все из них участвовали в выбранном временном промежутке, то количество наблюдений придется неизбежно уменьшить.
При использовании несбалансированного типа можно использовать все данные и получить более достоверные результаты, не упуская из виду некоторые групп населения. Также мы исключаем некоторое смещение оценок, которое может возникнуть, если исследование проводится только с домохозяйствами, участвовавшими в нем каждые пять лет, поскольку они могут иметь сходные черты. Но недостатком является то, что мы не можем сравнивать индивидуальные эффекты для всех домохозяйств за эти годы.
Какую модель использовать: со случайными эффектами, фиксированными эффектами или что-то еще?
В работе будет использоваться модель с фиксированными эффектами. Модель со случайными эффектами не может быть рассчитана на каждой подпанели, так как существуют корреляции между индивидуальными эффектами и независимыми переменными. Таким образом, несколько попыток посчитать модели со случайными эффектами не дали результатов для сравнения с FE моделью, так как некоторые из них даже не могут быть рассчитаны технически, а когда их можно рассчитать, их результаты не являются достоверными в силу нерациональности предположения об отсутствии корреляции между независимыми переменными и случайными эффектами домохозяйств. Модель отдельных регрессий для каждого момента времени также имеет ряд недостатков, которые не позволяют должным образом получить необходимые оценки, так как по своему построению она не учитывает индивидуальный эффект домохозяйств. Каждое уравнение этой модели представляет собой обособленную регрессию, что позволяет получить хорошие оценки внутри одного временного периода, но не дает анализа экономического явления на всем периоде. Следовательно, наиболее надежным выбором будет модель с фиксированными эффектами, которая не имеет предпосылок, противоречащих с данными, и учитывает развитие характеристик домохозяйств на всем временном отрезке.
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.