Презентация: “Измерение теневой экономики с использованием данных электропотребления”

Темы выступления:

Почему выбран именно такой подход из всех возможных способов оценки экономики?  Метод Кауфмана-Калиберда. Эластичность потребления электроэнергии к ВВП. Скользящее среднее по точечным эластичностям. Ошибки измерения эталонной эластичности. Переход от точечной эластичности к долгосрочными. Учет внешних оценок и оптимального лага. Прирост теневой экономики для мировой экономики. Разница в эластичности для разных стран мира. Регрессионная модель оценки зависимости электропотребления от ВВП. Оценки доли теневой экономики методом MIMIC. Где возможно использовать оценку теневой экономики по данным электропотребления? Какой же все-таки размер теневой экономики в России?

Выступление прошло в рамках совместной конференции ИНП РАН и ИОЭПП СО РАН 21-22 марта 2019. Программа конференции и видео выступлений других участников здесь.

Презентация

 

Тезисы

Оценка мировой теневой экономики методом, основанным на анализе электропотребления

Теневая экономика – явление, которое зародилось не одно тысячелетие назад. Но изучение этого явления, его количественных и качественных сторон началось сравнительно недавно: серьезное изучение теневой экономики началось во второй половине двадцатого века и текущие методы оценки теневой экономики имеют жесткие начальные предположения и низкое качество итоговых результатов. Модернизация существующих подходов является необходимым шагом для получения качественных оценок теневой экономики в будущем.

Метод Кауфмана-Калиберда – один из методов оценки теневой экономики, который основывается на анализе электропотребления. В оригинальном подходе делается предположение о том, что в краткосрочном периоде эластичность электропотребления к ВВП постоянна и равна 1, и, используя данные по электропотреблению, оценивается общий ВВП и доля теневой экономики.

Пусть α – эластичность электропотребления относительно ВВП. Тогда, исходя из предположения по изменению электропотребления можно найти изменение общего ВВП (официального и неофициального) по формуле (5):

(5),
 

– прирост общего ВВП в %, ∆EС – прирост электропотребления в %.

Проблемой данного метода является то, что в действительности эластичность ВВП по электропотреблению может меняться во времени и принимать значения отличные от единицы.

Чтобы отойти от начального предположения нужно произвести ежегодные оценки эталонной эластичности. Для этого необходимы данные по объему общего ВВП, для оценки которого мы использовали внешние оценки долей теневой экономики за 1999-2013 гг.*:

(6),

– официальный ВВП, λ – доля теневой. Затем, переходя к приростам, по формуле (5) находится ряд точечных эластичностей.

Однако использование точечных эластичностей связано с проблемой больших первичных измерений, особенно в случае постоянства ВВП. Для нивелирования этой ошибки можно использовать приросты не за один год, а за n лет:

(7)

– прирост электропотребления за n лет в году t, – прирост общего ВВП за n лет в году t.

Минимальная средняя относительная ошибка достигается для мировой экономики в целом при n=9 (рисунок). Соответствующие ей эластичности представлены в таблице.


Рисунок. Средние относительные ошибки первичных измерений эластичности электропотребления по ВВП
 

Таблица

Ряд эластичностей электропотребления по ВВП для n=9


 

Анализ тренда эластичностей показал его незначимость, поэтому в качестве эталонной эластичности принято взять среднее значение, равное 0,37.

Полученное значение эластичности позволяет найти прирост общего ВВП в 2014 году, следовательно, и прирост теневого ВВП. Таким образом, прирост теневого ВВП в мире составил 2,7%, и доля теневого сектора в мировом ВВП составила 23%, что на 3,1% больше, чем в 2013 году.

Аналогичный подход использован для оценки размера теневой экономики в 2014 году для каждой из 120 стран.

Но эластичность во многих странах мира (особенно в развитых странах и странах с переходной экономикой) оказалась меньше 0,2. Такая эластичность создает большую ошибку в оценки общего ВВП и не позволяет использовать эти данные для расчетов. Также в странах, для которых эластичность была выше 0,2 (67 из 120 стран) результаты полученного подхода были также крайне нестабильными и имели большую волатильность.

Поэтому мы продолжили искать альтернативные подходы для анализа эластичности. Один из таких подходов является построение регрессии зависимость роста ВВП от роста потребления электроэнергии. Мы предположили, что включение константы в регрессию может улучшить качество прогноза общего ВВП. Регрессии краткосрочных темпов роста общего объема ВВП от краткосрочных темпов роста потребления электроэнергии оказались значимы только для 20% стран. По этой причине мы решили снова перейти к долгосрочным темпам роста. Но увеличение n уменьшает количество наблюдений в регрессии. Поэтому мы выбрали оптимальную n, минимизируя p-value F-статистики в регрессии. В результате регрессия оказалась значимой для 78 из 120 стран мира. Но результаты оценок теневой экономики по-прежнему отличались высоким уровнем волатильности.

В ходе исследования были выявлены некоторые проблемы в оценках размера теневой экономики с использованием потребления электроэнергии.

Во-первых, во многих странах ВВП не зависит от объема потребления электроэнергии. Изменение структуры производства и рост отраслей с низкой зависимостью от электропотребления (например, финансовый и ИТ-сектора) уменьшают корреляцию между ВВП и потреблением электроэнергии. Более того, увеличение объема потребления электроэнергии домохозяйствами дополнительно искажает эту корреляцию.

Во-вторых, серьезной проблемой является ограниченность данных. Результаты показали необходимость большого объема данных для проведения полного регрессионного анализа для каждой исследуемой страны. Так же существует зависимости окончательных результаты от базовых оценок теневой экономики. Метод предполагает, что оценки Ф. Шнайдера являются надежными и могут использоваться для дальнейших вычислений, но они содержат ошибки измерения, следовательно, искажают итоговый результат.

В-третьих, исследование показало, что электропотребление чувствительно к изменению средней температуры. Например, сильный рост потребления электричества в России в 2016 году Министерство энергетики объясняет аномальными погодными условиями, значительным снижением температуры зимой и очень жарким летом, а не ростом теневой экономики. Поэтому существует необходимость в дальнейшей модернизации используемых моделей.

Однако если рассматривать не всю экономику в целом, а только отрасли, где сохраняется высокая зависимость от потребления электроэнергии, то данным подходом можно оценить отраслевую долю теневой экономики. Первые оценки теневой экономики промышленного сектора показывают высокие показатели эластичности электропотребления по ВВП промышленности и стабильность оценок теневой экономики.
 
 

* Schneider F, Mai H. Size and Development of the Shadow Economies of 157 Worldwide Countries: Updated and New Measures from 1999 to 2013 // J Glob Econ. 2016.

Комментарии: