Книги по разным темам Pages:     | 1 |   ...   | 2 | 3 | 4 | 5 | 6 |   ...   | 11 |

1+ %Official _ GRP Share _ Official _ GRPt +1 = Share _ Official _ GRPt. (4) 1 + %Total _ GRP Понятно, что получающиеся оценки теневой экономики сильно зависят от исходных предположений. Необходимость начальных предположений для размера теневой экономики рассматривают как один из недостатков метода. Справедливости ради, отметим, что многие методы оценивания теневой экономики требуют таких начальных предположений. В данной работе начальные оценки не важны (и, следовательно, указанная проблема не является препятствием), поскольку анализируются факторы, влияющие не на размер или уровень теневой экономики, а на изменения в этом уровне, которые в процентном соотношении не зависят от начальных оценок.

Одно из преимуществ метода электропотребления в том, что он основывается на физической мере, и его достаточно просто применять (особенно в региональном разрезе). Кроме того, этот метод хорошо себя зарекомендовал именно для переходных экономик: технология электропроизводства и структура электропотребления не претерпели серьезных изменений на ранней стадии переходного периода. Другие методы для переходных экономик более сомнительны.

Правда, Госкомстат России для оценки размера теневой экономики в России предпочитает методу электропотребления так называемый Уитальянский подходФ (Уitalian approachФ или Уlabor input methodФ), разработанный совместно с итальянским институтом и активно применяемый в последние годы. Этот метод оценивает производительность труда, затем по опросам населения определяет, сколько времени отработал человек (считается, что истинное количество отработанных часов незачем скрывать) и, таким образом, оценивает общий выпуск в экономике.

На основании оценок общего выпуска (зная официальную статистику выпуска фирм) можно оценить размер теневой экономики. Некоторые специалисты считают этот метод наиболее подходящим для измерения теневого сектора в российских условиях. Понятно, что и у него есть свои недостатки. Применить его в данной работе, конечно, просто невозможно.

Что касается метода электропотребления, то основная его критика сводится к нескольким замечаниям.

Во-первых, метод электропотребления учитывает только теневой сектор в производстве и не учитывает, например, теневую сферу услуг и теневой рынок кредитов.

Во-вторых, технический прогресс и модернизация производства в переходных экономиках увеличивают энергоэффективность выпуска и, следовательно, влияют на эластичность отношения ВРП/электропотребление (промышленный выпуск/электропотребление). Эта эластичность может меняться со временем.

В-третьих, структурные изменения производства, изменения цен, либерализация рынка электроэнергии в переходной экономике могут влиять на эластичность отношения ВРП/электропотребление (промышленный выпуск/электропотребление).

Ненадежность данных по электропотреблению.

Пионеры метода электропотребления для переходных экономик (Kaufmann,Kaliberda (1996) и Johnson et al. (1997)) называют следующие причины, по которым оценка теневой экономики данным методом может оказаться завышенной:

если электричество используется преимущественно в непроизводственных целях (например, для освещения домов и улиц);

электричество замещает другие источники энергии (например, вместо газовых плит используются электроплиты и т.п.);

износ оборудования;

падение цен на электричество.

Недооценку теневой экономики по методу электропотребления могут вызвать следующие факторы:

повышение эффективности использования электроэнергии (особенно если эта эффективность была низкой, а затем в результате реформ энергетического сектора возросла) переход от более электроемкого к менее электроемкому производству (внутри уже существующих предприятий и при создании новых фирм) недооценка электропотребления рост цен на электричество Д.Кауфман и А.Калиберда внутри метода электропотребления рассматривают три подхода или три сценария:

сценарий единичной эластичности, когда эластичность ВРП/электропотребление (промышленный выпуск/электропотребление) равна 1 (в рассматриваемой выше формуле = 1, = 1);

сценарий занижающей эластичности, предполагающий эластичность больше 1 (Кауфман и Калиберда оценивают ее как 1.15), когда ВРП (или промышленный выпуск соответственно) увеличивается и меньше 1 (согласно Кауфману и Калиберда она равна 0,87=1/1.15), когда ВРП (промышленный выпуск) падает (в рассматриваемой выше формуле (2) = 1.15, = 1/ = 0.87);

сценарий общей эластичности.

Метод единичной эластичности предполагает, что перечисленные выше переоценивающие и недооценивающие факторы взаимно компенсируют друг друга. Сценарий занижающей эластичности кажется более подходящим для оценивания теневого сектора в России, так как рассчитан на энерго-неэффективную экономику и учитывает эффекты задержек или отсутствия платежей за электроэнергию (Dobozi, Pohl (1995)).

В данной работе применяются два первых сценария.

Основная проблема измерения теневой экономики состоит в следующем. Госкомстат сообщает оценки ВРП, уже скорректированные на теневую экономику. Эти корректировки осуществляются на местах, в самих регионах, и восстановить исходные, неисправленные данные не представляется возможным. Эти поправки делаются на основании экспертных оценок. Поскольку в наших оценках мы используем скорректированные Госкомстатом данные, то можно сказать, что изучаемый нами теневой сектор - это теневой сектор, не замеченный Госкомстатом. Поправки Госкомстата не так велики - например, несмотря на эти поправки, по нашим данным рост электропотребления в 1996г. превосходил рост официального ВРП, то есть относительный размер теневого сектора в 1996 рос. Заметим, что в масштабах всей России результаты П.Вестина (2002), использовавшего некорректированный Госкомстатом показатель ВВП, и наши собственные оценки (по корректированным данным ВВП) дают похожие результаты.

5. Методология анализа теневой экономики. Тестирование гипотез. Данные 5.1. Методология анализа Для анализа региональных факторов, влияющих на теневую экономику, рассматриваются два типа эмпирических моделей.

Первый тип моделей - это анализ общих изменений теневой экономики с 1996 по 2000 г.

Основная идея таких моделей - анализ теневой экономики в среднесрочном периоде и определение начальных условий, которые могли оказать среднесрочный эффект на развитие или подавление теневой экономики. С этой целью рассматриваются cross-section регрессии k Yi = c + xk + i, k i=где Yi - процентное изменение в размере теневой экономики за 5 лет, с 1996 по 2000;

xk - это начальные характеристики региона, а также некоторые показатели, не являющиеся начальными условиями, а характеризующие регион в течение всего промежутка 1996-(например, показатель политической нестабильности в 1996-2000).

Заметим, что в качестве Yi можно взять размер теневой экономки в 2000, если в размер теневой экономики один и тот же для всех регионов (это эквивалентный подход) - именно так мы и поступаем в случае теневого сектора во всем регионе.

Начальные характеристики региона - это показатели либо для 1995, либо для 1996.

Второй тип моделей тестирует гипотезы о факторах, влияющих на перераспределение ресурсов между официальным и теневым сектором в краткосрочном периоде. Для этого используется панельная регрессия с фиксированными эффектами в промежутке 1996-2000:

m j Yit = c + xit + dt +it.

j t j=1 t =Здесь Yit - доля теневого сектора в общем ВРП (или в общем промышленном выпуске), если оценка теневой экономики в 1996 - одна и та же для всех регионов (в качестве начальной оценки мы рассматриваем процентную долю, равную 42.5, - эта оценка из работы П.Вестина (2002)). Заметим, что начальные оценки теневого сектора для регионов можно брать разными (в разумных пределах, конечно, чтобы доля теневого сектора в последующие годы не становилась отрицательной и не превышала 1). Но тогда, чтобы исключить в модели эффект начального значения, мы стали бы рассматривать в качестве объясняющей переменной логарифм доли официального сектора (очевидно из (3)) или просто долю теневой экономики, нормированную на начальную долю официального сектора в 1996 (очевидно из (4)). В этом случае коэффициенты при объясняющих переменных изменились бы только количественно. Знаки коэффициентов, их значимость, и в целом качественные выводы остались бы теми же.

Модели первого типа позволяют рассматривать факторы, на которые невозможно контролировать в моделях второго типа. Именно, в качестве объясняющих переменных в моделях первого типа можно использовать переменные, которые остаются во времени постоянными (граничит регион со странами CIS или нет) или меняются совсем незначительно (например, численность населения региона).

Эмпирические модели второго типа анализируют, изменения каких факторов влияют на изменения в теневом секторе. В моделях такого типа неизбежной является проблема эндогенности.

Так, например, обнаруживая отрицательную значимую связь между размером теневой экономики и качеством формальных институтов, невозможно точно определить, что происходит сначала:

плохие институты вызывают рост теневой активности, или же, напротив, рост теневой экономики ослабляет официальные институты и ухудшает их качество. Чтобы контролировать на возможную эндогенность, для ряда объясняющих переменных в панельных регрессиях используются лаги.

Тем не менее, делать заключения о причинно-следственной связи в этом случае мы не можем, и потому соответствующие выводы - это выводы о корреляциях.

5.2. Тестирование гипотез Гипотеза Приближенной мерой налогового бремени можно считать отношение налоговых поступлений в региональный бюджет к ВРП. Прозрачность налоговой системы во многом определяется на федеральном уровне. Тем не менее, наличие местных налогов позволяет говорить о региональных различиях в прозрачности налоговой системы. К сожалению, для прозрачности налогообложения у нас нет сконструированного показателя, поэтому проверка гипотезы ограничивается количественным рассмотрением бремени налогов, причем только в первом типе моделей, то есть в анализе суммарных изменений размера теневого сектора. В панельных регрессиях гипотеза 1 не проверяется.

Гипотеза Хорошими мерами административных барьеров создания фирмы являются среднее время регистрации и получения необходимых лицензий и сертификатов;

средняя стоимость регистрации.

К сожалению, такие данные есть только для 20 регионов России за определенный год. Они получены из опросов и описаны в отчете ЦЭФИРа по результатам мониторинга административных барьеров ( поэтому проверить в рассматриваемых в работе моделях гипотезу о влиянии административного давления на входе не представляется возможным.

Аналогичная ситуация и для проверки гипотезы о влиянии административного регулирования на теневую деятельность уже созданной официальной фирмы. Показателем силы такого административного давления является, например, среднее число инспекций и проверок на предприятии, однако и по таким показателям региональные данные практически отсутствуют (опять-таки только для 20 регионов в 2001 г).

Таким образом, проверка гипотезы 2 ограничена возможностями данных.

Показателем либерализации может служить показатель приватизации по количеству предприятий (нет показателей приватизации по выпуску или занятости, хотя их тоже можно было бы использовать). Этот показатель мы используем в анализе суммарных изменений теневого сектора и, согласно гипотезе, ожидаем отрицательный знак. Также в анализе суммарных изменений теневого сектора используем индекс реформирования региона в 1996, рассматривая его тоже как показатель начальной либерализации. Ожидаем отрицательный знак.

Показатель бюджетных расходов в ВРП, вообще говоря, не тестирует гипотезу 2: мы не можем трактовать его как показатель административных барьеров, но можем рассматривать его как показатель силы государства в регионе. Мы используем его как показатель размера государства в регионе и в cross-section регрессиях, и в панельных регрессиях. Подчеркнем, что в гипотезе 2 мы говорим не просто об административном регулировании, а о чрезмерном административном регулировании. Само по себе административное регулирование, как правильно отмечают Friedman et al (2000), не так плохо: например, вмешательство государства в вопросы охраны природы только приветствуются. Потому и влияние размера государства на теневой сектор трудно предсказать, оно может быть как положительным, так и отрицательным.

Гипотеза Для проверки гипотезы 3 необходимо предложить показатели качества институциональной среды в регионах России. Это непростая задача. В мировой практике существуют различные методики оценки качества институтов. В основном это экспертные оценки (хотя не всегда так).

Прежде чем описать используемые в работе меры качества институтов, отметим, что хотя институциональная среда во многом формируется на национальном уровне, роль региональных факторов существенна, и субъекты Российской Федерации могут сильно отличаться по своим институциональным показателям.

Для оценивания силы институтов в регионе используется метод выявленных предпочтений: внимание обращено на агентов, для которых институциональная среда наиболее важна. Это - внешние инвесторы. Принимая решение об инвестициях, человек взвешивает и учитывает риски. Риски могут иметь чисто экономическую природу (колебания спроса, цены на факторы т.д.), а могут быть связаны с вероятностью потери имущества, опасности для жизни, здоровья и достоинства. Вторые риски спрогнозировать гораздо легче, чем первые, и они очень важны при принятии решений об инвестициях. Поэтому внешние инвестиции в регион - это хороший показатель качества институтов в регионе. Более точно, в качестве меры силы институтов рассматриваем прямые иностранные инвестиции в регион по отношению к реальному ВРП. Проблема состоит в том, что инвестиции идут на обновление капитала и снижают энергоемкость производства. Поэтому в рассматриваемых эмпирических моделях теневой экономики, где размер теневого сектора является зависимой переменной, а размер прямых иностранных инвестиций в регион является объясняющей переменной, значимое влияние инвестиций (отрицательное) включает сразу два эффекта: силу институтов и снижение энергоемкости производства. Тем не менее, можно считать, что обновление капитала - это более долговременный процесс, происходящий с запаздыванием, поэтому эффект качества институтов преобладает. Показатель прямых иностранных инвестиций мы используем как в cross-section регрессиях, так и в панельных регрессиях, и ожидаем отрицательный знак.

Pages:     | 1 |   ...   | 2 | 3 | 4 | 5 | 6 |   ...   | 11 |    Книги по разным темам