Оценка прогнозируемого масштаба теневой экономики в ведущих странах мира в 2023 году
Проведение оценки масштаба теневой экономики в мире на 2023 год. Для оценки масштаба теневой экономики были использованы регрессионная модель, анализ множественной линейной регрессии. Масштаб теневой экономики во многом зависит от уровня безработицы.
| Рубрика | Экономика и экономическая теория |
| Вид | статья |
| Язык | русский |
| Дата добавления | 19.12.2024 |
| Размер файла | 35,5 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Оценка прогнозируемого масштаба теневой экономики в ведущих странах мира в 2023 году
Шигапова Карина Витальевна
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», Москва, Россия
Факультет «Экономики и бизнеса»
Научный руководитель: Боташева Людмила Хасановна
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», Москва, Россия
Доцент Департамента экономической безопасности и управления рисками
Кандидат экономических наук, доцент
Аннотация
Целью данной статьи является проведение оценки масштаба теневой экономики в мире на 2023 год. Система теневого сектора как наиболее сложная для оценки структура может иметь множество индикаторов, характеризующих процессы, происходящие внутри нее. В силу разнообразия и масштаба проявления угроз или факторов появления теневой экономики набор индикаторов, характеризующих ее появление, весьма значителен. Индикаторы проявления теневого сектора, по сути, представляют собой наиболее значимые параметры или величины, характеризующие ее объем. Точность идентификации факторов проявления теневого сектора, выбор их измерителей предоставляют возможность правильно оценить состояние устойчивости отрасли и в случае возрастания угрозы предпринять необходимые мер. С начала проведения российской специальной военной операции и на ее протяжении экономика выходит из тени, однако вопрос «какой масштаб теневой экономики» остается актуальным. В последующих годах будут продолжаться разбирательства в рамках этой тематики, поэтому на первый взгляд сложно оценить какая доля теневой экономики останется в 2023 году: возможно большая часть схем будет быстро выявлена или же наоборот процесс их обнаружения станет затяжным на долгие годы. Для оценки масштаба теневой экономики в статье будут использованы регрессионная модель, анализ множественной линейной регрессии: метод VIF, метод наименьших квадратов, t-тест, тест Голфелла-Квандта, тест Дарбина-Уотсона, F-тест, метод интервального прогнозирования и так далее. По результатам эконометрического анализа был сделан вывод, что масштаб теневой экономики во многом зависит от уровня безработицы, ВВП на душу населения в постоянных ценах и доли мигрантов в общей численности населения. Предположительно в 2023 году масштаб теневой экономики в мире (ориентировка на ключевые страны) составит 43,25 % от ВВП.
Ключевые слова: теневая экономика; безработица; ВВП; доля мигрантов; эконометрический анализ; «грязные» деньги; последствия СВО
Abstract
Shigapova Karina Vitalievna
Financial University under the Government of the Russian Federation, Moscow, Russia
Academic adviser: Botasheva Lyudmila Khasanovna
Financial University under the Government of the Russian Federation, Moscow, Russia
Assessment of the projected scale of the shadow economy in the leading countries of the world in 2023
In the article, the author analyzes the problem of applying risk assessment methods when making an investment decision. The author emphasizes that the process of investing in different sectors of the economy has a significant impact on the improvement of economic processes. For this reason, special attention should be paid to the choice of the most appropriate risk assessment method when making an investment decision. According to the author, even at the pre-investment stage, it is necessary to predict possible undesirable consequences, as well as calculate the probability of their occurrence. It is emphasized that expert methods for assessing and analyzing investment risks are used in different countries of the world using international and national standards that are actively developing in modern conditions. For this reason, the author lists the main standards for risk management. In addition, he draws up a diagram that clearly depicts risk management standards. The author focuses on the fact that the risk management process of an organization includes project risk management, and in the process of implementing investment projects, all of the above standards should be taken into account. Risk assessment will provide objective information on the amount of expected losses and develop actions to reduce or prevent them. In addition, the author draws attention to the fact that risk management should be economical. The amount of the investor's expenses for identifying and reducing the risks of the investment project should not exceed the amount of the expected financial losses. In the final part of the article, the author compares the effectiveness of expert risk assessment methods, on the basis of which he chooses the most preferred risk assessment method.
Keywords: shadow economy; unemployment; GDP; share of migrants; econometric analysis; "dirty" money; consequences of SVO
Введение
теневая экономика оценка
Теневая экономика включает в себя «белые», «серые» и «черные» рынки -- это говорит о наличии как негативных, так и положительных аспектах существования теневой экономики. «Белыми рынками» обозначается любая деятельность в рамках закона с наличием «серых» схем. Такие рынки актуальны, например, в экстренных случаях.
Этот рынок порой спасает жизни людей, в целом помогает населению -- облегчает жизнь одним без негативного влияния на других. «Серые рынки» и «черные рынки» отражают негативную сторону теневой экономики -- деятельность на грани закона без угрозы жизни человека или же с нарушением закона и с угрозой для жизни человека.
Именно по отношению к «серому» и «черному» рынкам теневой экономики требуется провести ликвидацию, так как они являются барьером для эффективного и успешного функционирования экономики.
Теневая экономика в целом имеет как отрицательные, так и положительные стороны. Отрицательные стороны теневой экономики:
1. Уничтожение социальных и правовых норм, безнаказанность -- зарождение хаоса и отсутствия моральной и здравой стабильности в обществе.
2. Наращение неравенства в доходах населения, зарождение предпосылок к гражданской войне, стравливание людей из разных финансовых слоев населения.
3. Уклонение от налогов -- не справедливая конкурентная борьба, сокращение государственных доходов и сокращение государственных расходов как следствие: в этой ситуации одни остались без господдержки, но оплатили налоги, другие остались с «грязными» деньгами, господдержка им не нужна.
4. Повышение уровня преступности, рост криминала.
5. Уничтожение конкуренции на законном рынке, что приводит к снижению качества товара, ассортимента, инвестициям и так далее, следовательно, приводит к упадку экономики.
Положительные стороны теневой экономики:
1. Возможность для вовлеченных людей поднять уровень и качество своей жизни.
2. Смягчение послекризисного времени.
3. Использование теневых денег в последующем в легальной экономике.
4. Уменьшение перепадов в рыночной конъюнктуре.
Таким образом, теневая экономика должны присутствовать в мире, но в незначительных масштабах, чтобы минимизировать возможные риски и угрозы для легальной экономики. Нормированное значение теневой экономики можно определить путем проведения полномасштабного анализа с использованием различных моделей и способов.
Цель исследования -- проведение оценки масштаба теневой экономики в мире на 2023 год.
Объект исследования -- теневая экономика.
Предмет исследования -- масштаб теневой экономики в мире.
Методы и материалы
В ходе достижение поставленной цели использовалась экономическая модель с применением фактора инфляции вариации VIF, методом анализа вектора и матрицы коэффициентов корреляции, тестом Чоу, тестом Акаике и тестом Шварца, было проведено исследование линейной множественной эконометрической модели: получены расчетные значения множественной линейной регрессии, проведена проверка остатков полученной множественной линейной регрессии на гетероскедастичность, использованы тесты Голдфелда-Квандта и ранговой корреляции Спирмена (для каждого фактора), тест согласия Хельвига, t тест, F тест, проведена проверка остатков полученной множественной линейной регрессии на автокорреляции. Также были использованы нелинейные множественные регрессии: полиномиальная, степенная, гиперболическая и показательная, произведен выбор наилучшей регрессии для последующего прогнозирования с точки зрения аппроксимации, сделан прогноз.
Для достижения цели поставлены следующие задачи:
1. Определение объясняющих и объясняемых факторов.
2. Проверка объясняющих факторов на мультиколлинерность с применением фактора инфляции вариации VIF.
3. Составление матрицы корреляции R.
4. Расчет значений множественной линейной регрессии.
5. Получение расчетные данные для теста Голдфелда-Квандта.
6. Получение расчетные значения для теста ранговой корреляции Спирмена (для каждого фактора).
7. Проведение тестов Дарбина-Уотсона, согласия Хельвига.
8. Получение значений для t теста, интервалов для коэффициентов регрессии.
9. Сравнить данные моделей с точки зрения аппроксимации.
10. Сделать выводы.
В данной работе использована новая модель оценки масштабов теневой экономики, предложенная Мамедовым Дж.Р. и Невежиным В.П. [1]. Кроме того, рассматривались работы Абузарова В.Ш. [2], Минеевой В.М. [3], Базилевского М.П. [4], Джалилов Ш.А. [5], Шукурова И.А. [6].
В качестве исходных показателей (объясняющих факторов) были взяты:
Х1 -- уровень инфляции, в %1;
Х2 -- уровень безработицы, в % от общей численности трудоспособного населения2;
Х3 -- ВВП на душу населения в постоянных ценах, в долларах3;
Х4 -- доля мигрантов в общей численности населения, в %4;
Х5 -- индекс восприятия коррупции5;
Х6 -- индекс человеческого развития6.
В качестве объясняемого фактора -- масштаб теневой экономики в 30 странах мира, в % от ВВП7.
В таблице 1 представлены данные за 2018 год по перечисленным семи факторам.
Таблица 1
Объясняющие и объясняемый факторы
|
№ |
Страна |
Y |
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
|
|
1 |
Австрия |
8,93 |
2,1 |
5,2 |
56637 |
19 |
76 |
0,908 |
|
|
2 |
Армения |
42,59 |
2,5 |
19,0 |
12996 |
6,5 |
35 |
0,755 |
|
|
3 |
Белоруссия |
44,52 |
4,9 |
4,8 |
19407 |
11,4 |
44 |
0,808 |
|
|
4 |
Великобритания |
11,08 |
2,5 |
4,1 |
48164 |
13,4 |
80 |
0,922 |
|
|
5 |
Венгрия |
25,23 |
2,8 |
3,6 |
32254 |
5,2 |
46 |
0,838 |
|
|
6 |
Германия |
11,97 |
1,9 |
3,4 |
55077 |
14,8 |
80 |
0,936 |
|
|
7 |
Греция |
27,06 |
0,8 |
19,3 |
29761 |
10,9 |
45 |
0,870 |
|
|
8 |
Грузия |
64,87 |
2,6 |
19,2 |
14582 |
2 |
58 |
0,780 |
|
|
9 |
Дания |
15,19 |
0,7 |
5,1 |
57812 |
11,5 |
88 |
0,929 |
|
|
10 |
Испания |
24,52 |
1,7 |
15,3 |
41328 |
12,8 |
58 |
0,891 |
|
|
11 |
Италия |
24,95 |
1,2 |
10,6 |
43610 |
10 |
52 |
0,880 |
|
|
12 |
Казахстан |
38,88 |
6,0 |
4,8 |
25985 |
20 |
31 |
0,800 |
|
|
13 |
Китай |
14,67 |
2,1 |
3,8 |
15410 |
0,1 |
39 |
0,752 |
|
|
14 |
Литва |
25,15 |
2,5 |
6,1 |
36363 |
4,3 |
59 |
0,858 |
|
|
15 |
Молдова |
43,43 |
3,6 |
3,1 |
12556 |
3,5 |
33 |
0,700 |
|
|
16 |
Непал |
37,5 |
4,1 |
2,7 |
3864 |
1,7 |
31 |
0,574 |
|
|
17 |
Норвегия |
14,07 |
2,8 |
3,9 |
64590 |
15,1 |
84 |
0,953 |
|
|
18 |
Польша |
25,1 |
1,6 |
3,9 |
32532 |
1,7 |
60 |
0,865 |
|
|
19 |
Россия |
38,42 |
2,9 |
4,8 |
27386 |
8,1 |
28 |
0,816 |
|
|
20 |
Румыния |
30,14 |
4,6 |
4,2 |
29282 |
1,9 |
47 |
0,811 |
|
|
21 |
Словакия |
15,33 |
2,5 |
6,5 |
32793 |
3,4 |
50 |
0,855 |
|
|
22 |
США |
8,34 |
2,4 |
3,9 |
62770 |
15,3 |
71 |
0,924 |
|
|
23 |
Турция |
31,38 |
16,3 |
10,9 |
29346 |
6 |
41 |
0,791 |
|
|
24 |
Финляндия |
13,49 |
1,2 |
7,4 |
49228 |
6,2 |
85 |
0,920 |
|
|
25 |
Франция |
14,08 |
2,1 |
9,0 |
48198 |
12,2 |
72 |
0,901 |
|
|
26 |
Чехия |
14,83 |
2,1 |
2,2 |
41120 |
4,1 |
59 |
0,888 |
|
|
27 |
Швейцария |
7,24 |
0,9 |
2,5 |
73063 |
29,6 |
85 |
0,944 |
|
|
28 |
Швеция |
13,28 |
2,0 |
6,5 |
54124 |
17,6 |
85 |
0,933 |
|
|
29 |
Эстония |
23,8 |
3,4 |
5,4 |
36022 |
14,7 |
73 |
0,871 |
|
|
30 |
Япония |
10,41 |
1,0 |
2,4 |
42730 |
1,8 |
73 |
0,909 |
Составлено автором
Результаты и обсуждения
Для проведения анализа была выбрана множественная линейная модель [7]:
Y = $ 0 + (31*Х1+(32*Х2+(33*Х3+(34*Х4 + (35*Х5 + (36*Х6 + є.
Проверка объясняющих факторов на мультиколлинерность с применением фактора инфляции вариации VIF показала следующее:
Согласно проведённым расчётам, наблюдается мультиколлинеарность у Х3, Х5 и Х6. Удалим из расчётов Х5 и Х6.
В результате получим модель:
Y = $ 0 + (31*Х1 + (32*Х2+ (33*Х3 + (34*Х4 + є.
Таблица 2
Проверка объясняющих факторов на мультиколлинерность с применением фактора инфляции вариации VIF
|
Фактор |
Максимальная корреляция |
VIF |
|
|
X1 |
-0,40 |
1,19 |
|
|
X2 |
-0,27 |
1,08 |
|
|
X3 |
0,90 |
5,49 |
|
|
X4 |
0,67 |
1,83 |
|
|
X5 |
0,86 |
3,87 |
|
|
X6 |
0,82 |
3,10 |
Составлено автором
Для полученной множественной линейной эконометрической модели представить значения вектора корреляции R0 и матрицы корреляции R.
Таблица 3
Матрица корреляции R
|
Y |
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
||
|
Y |
1 |
|||||||
|
X1 |
0,325312 |
1 |
||||||
|
X2 |
0,45679 |
0,040752 |
1 |
|||||
|
X3 |
-0,79502 |
-0,30755 |
-0,27411 |
1 |
||||
|
X4 |
-0,37342 |
-0,11215 |
-0,08625 |
0,67328 |
1 |
|||
|
X5 |
-0,69163 |
-0,39694 |
-0,19979 |
0,86105 |
0,480713 |
1 |
||
|
X6 |
-0,70569 |
-0,36656 |
-0,09746 |
0,904392 |
0,542842 |
0,823257 |
1 |
Составлено автором
По матрице видно, что оставить в модели необходимо именно Х3 по причине наибольшей корреляции с Y [8]. В результате представим вектор:
Ro = (0,3253| 0,45681 -- 0,7950| --0,3734).
Для оценки значимости коэффициента корреляции используют t-критерий Стьюдента (t-статистику). Расчётное значение критерия найдём по формуле:
Јрасч = ^1-г2 * -- 2,
где n -- это количество наблюдений, в данном случае их 30.
Получается ^рит = 2,05, r* = 0,361, n = 30.
Таким образом, Х1 из модели нужно исключить.
Далее приведем в таблице 4 расчетные значения множественной линейной регрессии.
Таблица 4
Расчетные значения множественной линейной регрессии
|
N |
F |
R2 |
&U |
A |
V2 |
Эср(Х2) |
Эср(Х3) |
Эср(Х4) |
|
|
30 |
23,25 |
0,73 |
7,60 |
26,0% |
4027,63 |
0,18 |
-1,13 |
0,71 |
Составлено автором
Модель поясняет изменения Y на 73 %, при этом недостаточно точна, согласно средней ошибке аппроксимации, коэффициенты эластично говорят о том, что при росте Х2 на 1 % Y вырастет на 0,18 %, при росте Х3 на 1 % Y снизится на 1,13 %, при росте Х4 на 1 % Y вырастет на 0,71 %.
По представленным данным видно, что гетероскедастичности скорее нет, то есть изменение Х не влияет на остатки.
Тест Голдфелда-Квандта показал, что гипотеза о наличии гомоскедастичности не отвергается (расчетные данные в таблице 5).
Таблица 5
Расчетные данные для теста Голдфелда-Квандта
|
n1 |
V1 |
ESS1 |
ESS3 |
GQ |
GQ-1 |
Ркрит |
|
|
10 |
10 |
698,47 |
442,72 |
0,634 |
1,58 |
3,787 |
Составлено автором
Тест ранговой корреляции Спирмена (для каждого фактора) показал, что гетероскедастичности нет (расчетные значения в таблице 6) [9].
Талица 6
Расчетные значения для теста ранговой корреляции Спирмена (для каждого фактора)
|
Фактор |
D2 |
r |
txb |
^рит |
|
|
Х2 |
5055 |
-0,12 |
-0,66 |
2,05 |
|
|
Х3 |
4722 |
-0,05 |
-0,27 |
2,05 |
|
|
Х4 |
4528 |
-0,01 |
-0,04 |
2,05 |
Составлено автором
Тест Дарбина-Уотсона показал, что DW попадает в промежуток 2,35-2,79, то есть нельзя однозначно сказать об автокорреляции. При этом, поскольку значение близко к минимальному значению, автокорреляции скорее всего нет (расчетные значения в таблице 7).
Таблица 7
Расчетные значения для теста Дарбина-Уотсона
|
DW |
dl |
Du |
4-du |
4-dl |
|
|
2,353 |
1,210 |
1,650 |
2,350 |
2,790 |
Составлено автором
Тест согласия Хельвига говорит о том, что распределения не нормальны (расчетные значения в таблице 8).
Таблица 8
Расчетные значения для теста согласия Хельвига
|
n |
k |
k1 |
k2 |
|
|
30 |
0 |
7 |
11 |
Составлено автором
t тест показал, что на уровне значимости 10 % значимы все факторы (расчетные значения в таблице 9).
Таблица 9
Расчетные значения для t теста
|
^рит |
1,70 |
|
|
ta0 |
9,47 |
|
|
ta2 |
2,16 |
|
|
ta3 |
-6,25 |
|
|
ta4 |
1,82 |
Составлено автором
Построим интервал для коэффициентов регрессии [10]:
в -- t*m<p<p + t*m.
Таблица 10
Расчетные значения интервалов для коэффициентов регрессии
|
Коэффициент |
Нижняя граница |
Верхняя граница |
|
|
во |
34,7601 |
49,4305 |
|
|
01 |
0,1474 |
1,1105 |
|
|
02 |
-0,0009 |
-0,0005 |
|
|
03 |
0,0482 |
0,9637 |
Составлено автором
Ни один из коэффициентов не содержит 0, значит все факторы значимы на уровне значимости 10 % (расчетные значения в таблице 10) [11].
F тест показывает, что модель значима на уровне значимости 5 %
В результате, получена значимая модель, не имеющая автокорреляции и гетерескедастичности. При этом средняя ошибка аппроксимации завышена и прогнозное значение будет иметь широкий доверительный интервал [12]. Полученную множественную линейную регрессию после ее анализа в стандартном виде:
Y = 42,0953 + 0,6290 * X2 -- 0,0007 * X3 + 0,5059 * X4.
На основании анализа полученной регрессии можно сделать выводы:
1. Каждый процент уровня безработицы повышает масштаб теневой экономики на 0,629 пунктов.
2. Каждая тыс. долл. ВВП на душу населения в постоянных ценах снижает масштаб теневой экономики на 0,7 пунктов.
3. Каждый процент доли мигрантов в общей численности населения повышает масштаб теневой экономики на 0,5059 пунктов.
Нелинейные множественные регрессии: полиномиальная, степенная, гиперболическая и показательная в сравнении показали, что наилучшей моделью с точки зрения аппроксимации является линейная (сравнительные данные в таблице 11) [13].
В результате в 2023 году прогнозируются следующие значения объясняющих факторов:
1. Х2 -- 8 % (уровень безработицы, в % от общей численности трудоспособного населения).
2. Х3 -- 20000 долларов (ВВП на душу населения в постоянных ценах).
3. Х4 -- 20 % (доля мигрантов в общей численности населения).
Таблица 11
Сравнительные данные моделей с точки зрения аппроксимации
|
№ п/п |
Тип регрессии |
R2 |
R2 |
Средняя ошибка аппроксимации, А |
|
|
1 |
Множественная Линейная |
0,73 |
0,48 |
25,98 |
|
|
2 |
Множественная Полиномиальная |
0,74 |
0,42 |
25,19 |
|
|
3 |
Множественная Степенная |
0,47 |
0,13 |
29,64 |
|
|
4 |
Множественная Гиперболическая |
0,12 |
-0,10 |
54,43 |
|
|
5 |
Множественная Показательная |
0,53 |
0,20 |
29,64 |
Составлено автором
Соответственно прогноз масштаба теневой экономики на 2023 год, следующий: Y = 42,0953 + 0,629 * 8 - 0,007 * 2000 + 0,5059 * 20 = 43,2453.
Значит, размер теневой экономики в 2023 году предположительно составляет 43,2453 % от ВВП. Это неимоверно большое значения для легальной экономики, которое необходимо снижать как минимум в два раза.
Выводы
Данный анализ позволил выявить зависимость теневой экономики от уровня безработицы, в процентах от общей численности трудоспособного населения, зависимость от ВВП на душу населения в постоянных ценах, в долларах и зависимость от доли мигрантов в общей численности населения, в процентах.
Зависимость от уровня безработицы выражается в том, что чем больше безработных людей тем выше вероятность что эти люди вовлечены в теневую экономику. В зависимость от ВВП на душу населения в постоянных ценах выражается в том, что занижается уровень и качество жизни населения государство не знает точных цифр с соответствующим действительности поэтому может принять неверный курс развития политики в отношении всех сфер жизнедеятельности человека. Зависимость от доли мигрантов в общей численности населения выражаются в том, что чем больше мигрантов тем сложнее отследить сколько людей вовлечено в теневую экономику соответственно сложнее в целом вывести экономику из тени.
Следует не забывать о том, что ни одна модель не может точно оценить масштаб теневой экономике. Главной проблемой этого является то, что вовлеченные люди в теневой сектор максимально пытаются скрыть данную деятельность поэтому абсолютно любая модель и любые методы оценки масштабов теневой экономики будут лишь приблизительны и дают возможность лишь составить прогноз.
ЛИТЕРАТУРА
1. Мамедова Дж.Р.К. Разработка модели оценки масштабов теневой экономики // Хроноэкономика. -- 2020. -- № 7(28). -- С. 94-98.
2. Абузаров В.Ш., Карева Е.Р. Понятие теневой экономики // Вестник науки. -- 2021. -- № 6-1(39). -- С. 75-78.
3. Минеева В.М. и др. Причины возникновения теневой экономики в России // Проблемы науки. -- 2022. -- № 3(71). -- С. 53-60.
4. Базилевский М.П. Многокритериальный подход к построению моделей парно¬множественной линейной регрессии // Изв. Сарат. ун-та Нов. сер. Сер. Математика. Механика. Информатика. -- 2021. -- № 1. -- С. 88-99.
5. Джалилов Ш.А. Метод расчета параметров множественной линейной регрессии // Достижения науки и образования. -- 2020. -- № 3(57). -- С. 24-28.
6. Шукуров И.А. Парная регрессия и корреляция // Universum: технические науки.
-- 2021. -- № 5-1(86). -- С. 72-75.
7. Асташкина Ю.Н., Снатенков А.А. Методы эконометрического анализа финансовых показателей // Научные междисциплинарные исследования. -- 2021.
-- № 1. -- С. 73-77.
8. Понамарева А.Н. Совершенствование практики выявления фирм однодневок с учетом международного опыта // Вестник Евразийской науки. -- 2022 № 5. -- URL: https://esi.todav/PDF/42ECVN522,pdf.
9. Яковлев В.М. Анализ противоречий современного этапа экономического роста // Вестник Евразийской науки. -- 2022 № 5. -- URL: https://esi .today/PDF/57ECVN 522.pdf.
10. Капканщиков С.Г., Грачева Ю. А. Экономика предложения против встроенной стабильности российской экономики // Вестник Евразийской науки. -- 2019 № 4. -- URL: https ://esi .todav/PDF/40ECVN419.pdf.
11. Schneider, F. Shadow Economy. In: Marciano, A., Ramello, G.B. (eds) Encyclopedia of Law and Economics. Springer, New York, NY. -- 2022. -- p. 307-313.
12. Shadow Economy. In: Leal Filho, W., Azul, A.M., Brandli, L., Lange Salvia, A., Wall, T. (eds) Decent Work and Economic Growth. Encyclopedia of the UN Sustainable Development Goals. Springer, Cham -- 2021. -- p. 84-95.
13. Gottschalk, P., Gunnesdal, L. Erratum to: White-Collar Crime in the Shadow Economy. In: White-Collar Crime in the Shadow Economy. Palgrave Pivot, Cham. -- 2018. -- p. 43-49.
Размещено на Allbest.ru
...Подобные документы
Сущность теневой экономики. Основные причины появления теневой экономики в России. Анализ структуры теневой экономики, ее составляющие. Факторы, способствующие развитию теневой экономики в сегодняшней России. Система мер по борьбе с теневой экономикой.
курсовая работа [69,2 K], добавлен 30.09.2010Общая характеристика и причины теневой экономики, ее структура и методы, типологизация разновидностей. Оценка теневой экономики России, ее влияние на валовый продукт страны, негативные последствия коррупции. Основные методы оценки теневой деятельности.
курсовая работа [736,5 K], добавлен 12.10.2015Изучение понятия, происхождения теневой экономики и основных форм ее проявления. Описания функций и масштабов теневой экономики в современной России. Анализ фиктивной экономики, экономики приписок, спекулятивных сделок, взяточничества, мошенничества.
реферат [26,7 K], добавлен 03.05.2011Теневой сектор экономики его сущность, структура, субъекты. Основные причины формирования теневой экономики и криминализации экономической сферы в переходных хозяйственных системах. Состояние теневой экономики и методы борьбы с ней в Республике Беларусь.
курсовая работа [169,4 K], добавлен 06.12.2013Множественность подходов определения теневой (неформальной) экономики, причины её распространения. Государственная политика Российской Федерации по правовому регулированию теневой экономической деятельности. Международные аспекты регулирования экономики.
контрольная работа [41,0 K], добавлен 30.09.2016Сущность и содержание понятия "теневая экономика". Факторы, структура и социальные функции теневой экономики. Влияние особенностей реформирования экономики на развитие теневого бизнеса. Возможные пути и подходы к решению проблем теневой экономики.
курсовая работа [51,8 K], добавлен 14.11.2017Теневая экономика в современном мире. Определение и виды теневой экономики. Закономерности развития различных видов теневой экономики. Причины возникновения и развития. Теневой сектор экономики в Украине, его формирование, особенности и методы борьбы.
реферат [61,9 K], добавлен 22.03.2009История становления и структура современной теневой экономики, её сущность и причины формирования. Особенности и отраслевая структура теневой экономики в России, её социально-экономические последствия. Опыт борьбы с теневой экономикой в разных странах.
курсовая работа [161,1 K], добавлен 10.06.2014Сущность и структура теневой экономики. Схемы сокрытия деятельности и искажения ее результатов. Масштабы и характер деятельности в сфере теневой экономики. Причины и последствия существования теневой экономики. Объем "черного" нала на предприятиях.
курсовая работа [75,8 K], добавлен 28.11.2011Изучение понятия и сущности теневой экономики, ее видов, форм, причин и последствий. Рассмотрение взаимосвязи с легальным и реальным сектором. Ознакомление с основами деятельности "беловоротничковой", "неформальной" и "подпольной" теневой экономикой.
контрольная работа [148,4 K], добавлен 31.07.2014Теневая экономика: сущность и причины возникновения. Проявления теневой экономики в мире. Группы факторов, которые способствуют развитию теневой экономики. Наиболее значимые сферы теневой экономики в современной России. Пути выхода из теневой экономики.
курсовая работа [1,1 M], добавлен 25.04.2012Сущность теневой экономики и предпосылки ее возникновения. Виды и формы теневой экономики. Незарегистрированные непреступные виды индивидуальной трудовой деятельности. Особенности теневой экономики в Республике Беларусь. Формирование новых рыночных ниш.
курсовая работа [47,3 K], добавлен 23.08.2013Социологическое исследование явлений теневой экономики Беларуси: природа коррупции, "серой" экономики и антидемократических явлений в обществе. Дисбаланс доходов населения и перераспределения налоговых поступлений, преступления в сфере экономики.
творческая работа [143,8 K], добавлен 21.04.2010Формы теневой экономики и её влияние на развитие народного хозяйства. Факторы, масштабы, особенности и последствия развития теневой экономики в России в 1990– 2012 гг. Социально-правовой контроль как метод борьбы с теневой экономикой, его эффективность.
курсовая работа [42,5 K], добавлен 21.01.2014Понятие теневой экономики, ее структура, причины и условия возникновения, механизмы функционирования. Легализация доходов от криминальной деятельности. Положение теневой экономики и пути ее уменьшения в Республике Беларусь. Мировая практика борьбы с ней.
курсовая работа [62,4 K], добавлен 22.07.2010Определение экономического содержания и сущности понятия теневой экономики, ее структура и признаки. Исследование теневой экономики в жизни зарубежных стран. Изучение особенностей теневой экономики советского периода, ее проявление в постсоветской России.
курсовая работа [40,0 K], добавлен 15.09.2014Понятие теневой экономики, ее структура и институционализация. Теневая экономика: причины и последствия, масштабы, регулирование. Размеры теневой экономики России. Борьба с теневой экономикой как механизм обеспечения экономической безопасности страны.
курсовая работа [80,3 K], добавлен 16.12.2011Взаимосвязь коррупции и теневого права. Функции и оценки масштабов теневой экономики, ее структура, генезис, механизм функционирования, масштаб развития и формы институализации. Анализ численности населения, занятого в секторе теневой экономики России.
курсовая работа [40,6 K], добавлен 24.05.2015Причины появления теневой экономики, ее структура. Основные причины коррумпированности экономики. Определение теневой экономики и формы проявления. Просчеты государственного управления экономикой в 90-е годы. Борьба с теневой экономикой.
курсовая работа [40,1 K], добавлен 21.02.2004Понятие, история возникновения, периоды, сущность, структура, факторы роста, причины и последствия теневой экономики. Налоги как важный фактор развития теневой экономики, характеристика их взаимосвязи на мировом уровне. Анализ проблем "налогового рая".
курсовая работа [50,2 K], добавлен 04.02.2010
