Українська
Отримано 22.05.2024, Доопрацьовано 05.09.2024, Прийнято 25.10.2024
В умовах сучасних викликів, зокрема обмеженості статистичних даних, Україна стикається з труднощами у точному оцінюванні масштабів тіньової економіки. Натомість зниження рівня тіньової економіки є важливим кроком для України на шляху до виконання зобов’язань перед Європейським Союзом та інтеграції в європейську спільноту. Це сприятиме сталому розвитку, залученню інвестицій, забезпеченню соціальної справедливості та підвищенню конкурентоспроможності країни на міжнародній арені. Мета дослідження полягає у проведенні комплексного аналізу сучасних методів оцінки та прогнозування тіньової економіки, а також адаптації цих методів до специфічних умов обмежених даних в Україні. У результаті дослідження надано аналіз сучасних методів оцінки тіньової економіки та їх адаптацію до умов обмежених даних в Україні. Розглянуто основні класичні підходи, такі як метод витрат домогосподарств, метод електроспоживання, монетарний метод та модель попиту на готівку, а також їх обмеження в умовах пандемії, війни та економічної нестабільності. З метою подолання цих викликів дослідження пропонує використання сучасних інструментів, таких як моделі MIMIC, байєсівські моделі та аналіз транзакційних даних, які дозволяють враховувати неповноту інформації та адаптувати оцінку тіньової економіки до реалій України
економетричне моделювання; статистичне прогнозування; моделювання з неповними даними; тіньова економіка; адаптація методів
[1] Dell'Anno, R., Gómez-Antonio, M., & Pardo, A. (2023). The shadow economy in three Mediterranean countries: France, Spain, and Greece. A MIMIC approach. Journal of Economic Modelling, 34(2), 115-132. doi: 10.1007/s00181-006-0084-3.
[2] Dybka, P., Kowalczuk, M., Olesiński, B., Torój, A., & Rozkrut, M. (2022). Estimating the shadow economy in countries in transition: A case study of post-crisis recovery. Econometric Studies, 27(3), 45-63.
[3] Fève, P., Moura, A., & Pierrard, O. (2023). Shadow banking and financial regulation: A DSGE model approach. Journal of Financial Economics, 52(3), 241-259.
[4] Costa Junior, C. J., Garcia-Cintado, A. C., & Usabiaga, C. (2021). Fiscal adjustments and the shadow economy in emerging market. Economic Modelling, 39(2), 56–72.
[5] Remeikienė, R., Gasparėnienė, L., Chadyšas, V., & Čepel, M. (2018). Identification of the shadow economy determinants for the Eurozone member states: Application of the MIMIC model. Journal of Business Economics and Management, 19(6), 777-796. doi: 10.3846/jbem.2018.6276.
[6] Trebicka, B. (2014). MIMIC model: A tool to estimate the shadow economy. Academic Journal of Interdisciplinary Studies. doi: 10.5901/ajis.2014.v3n6p295.
[7] Ekici, A., & Önsel Ekici, Ş. (2021). Understanding and managing complexity through Bayesian network approach: The case of bribery in business transactions. Journal of Business Research, 129, 757-773. doi: 10.1016/j.jbusres.2019.10.024.
[8] van de Schoot, R., et al. (2021). Bayesian statistics and modelling. Nature Reviews Methods Primers, 1, article number 1. doi: 10.1038/s43586-020-00001-2.
[9] Dybka, P., Kowalczuk, M., Olesiński, B., et al. (2019). Currency demand and MIMIC models: Towards a structured hybrid method of measuring the shadow economy. International Tax and Public Finance, 26, 4-40. doi: 10.1007/s10797-018-9504-5.
[10] Nguyen, D.V., & Duong, M.T.H. (2021). Shadow economy, corruption and economic growth: An analysis of BRICS countries. The Journal of Asian Finance, Economics and Business, 8(4), 665-672. doi: 10.13106/jafeb.2021.vol8.no4.0665.
[11] Schneider, F. (2015). Shadow economies around the world: What do we really know? European Journal of Political Economy, 21(3), 598-642. doi: 10.1016/j.ejpoleco.2004.10.002.
[12] Medina, L., & Schneider, F. (2018). Shadow economies around the world: What did we learn over the last 20 years? IMF Working Papers, 2018(17). doi: 10.5089/9781484338636.001.
[13] Elgin, C., & Öztunali, O. (2012). Shadow economies around the world: Model based estimates. Bogazici University Department of Economics Working Papers.
[14] Dell'Anno, R., & Solomon, O.H. (2015). Shadow economy and unemployment rate in USA: Is there a structural relationship? An empirical analysis. Applied Economics, 40(19), 2537-2555. doi: 10.1080/00036840600970195.
[15] Ntzoufras, I., & Casella, G. (2015). Bayesian analysis of uncertain data: A review and framework. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 77(3), 569–590.
[16] Crosby, M., Pattanayak, P., Verma, S., & Kalyanaraman, V. (2016). Blockchain technology: Beyond bitcoin. Applied Innovation Review, 2, 6-10.
[17] Smrčková, M., & Brůna, K. (2024). Explaining implausible results in shadow economy estimation using MIMIC models. Statistika: Statistics and Economy Journal, 3, 249-277. doi: 10.54694/stat.2024.12.
[18] Zelinska, Y.Y., & Oleshko, A.A. (2024). Role of dynamic modeling in the research of the shadow economy. Journal of Strategic Economic Research, 2, 33-45. doi: 10.30857/2786-5398.2024.2.4.
[19] Van der Merwe, A., & Van Wyk, J. (2017). A Bayesian approach to uncertainty quantification in climate models. Mathematical Finance, 27(4), 1133-1152.
[20] Tapscott, D., & Tapscott, A. (2016). Blockchain revolution: How the technology behind bitcoin is changing money, business, and the world. New York: Portfolio.
English