<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.3 20210610//EN" "JATS-journalpublishing1-3.dtd">
<article article-type="research-article" dtd-version="1.3" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xml:lang="ru"><front><journal-meta><journal-id journal-id-type="publisher-id">surguvest</journal-id><journal-title-group><journal-title xml:lang="ru">Вестник Сургутского государственного университета</journal-title><trans-title-group xml:lang="en"><trans-title>Surgut State University Journal</trans-title></trans-title-group></journal-title-group><issn pub-type="epub">2949-3455</issn><publisher><publisher-name>Сургутский государственный университет</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.35266/2949-3455-2024-2-1</article-id><article-id custom-type="elpub" pub-id-type="custom">surguvest-1064</article-id><article-categories><subj-group subj-group-type="heading"><subject>Research Article</subject></subj-group><subj-group subj-group-type="section-heading" xml:lang="ru"><subject>ЭКОНОМИЧЕСКИЕ НАУКИ</subject></subj-group><subj-group subj-group-type="section-heading" xml:lang="en"><subject>ECONOMICS</subject></subj-group></article-categories><title-group><article-title>МЕТОДИЧЕСКАЯ ОСНОВА ДЛЯ РАСЧЕТА ИНДИКАТОРОВ ТЕНЕВОЙ ЭКОНОМИКИ В РОССИЙСКОЙ ФЕДЕРАЦИИ</article-title><trans-title-group xml:lang="en"><trans-title>METHODS FOR CALCULATING SHADOW ECONOMY INDICATORS OF THE RUSSIAN FEDERATION</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Вершинин</surname><given-names>В. М.</given-names></name><name name-style="western" xml:lang="en"><surname>Vershinin</surname><given-names>V. M.</given-names></name></name-alternatives><bio xml:lang="ru"><p>адъюнкт, старший оперуполномоченный уголовного розыска</p></bio><bio xml:lang="en"><p>Postgraduate, Senior Operative of the Criminal Investigation</p></bio><email xlink:type="simple">vadiyan07@mail.ru</email><xref ref-type="aff" rid="aff-1"/></contrib></contrib-group><aff-alternatives id="aff-1"><aff xml:lang="ru"><institution>Нижегородская академия Министерства внутренних дел Российской Федерации, Нижний Новгород;&#13;
Отдел полиции № 3 Управления Министерства внутренних дел России по г. Сургуту, Сургут</institution><country>Россия</country></aff><aff xml:lang="en"><institution>Nizhny Novgorod Academy of the Ministry of Internal Affairs of the Russian Federation, Nizhny Novgorod;&#13;
Police Department No. 3 of the Ministry of Internal Affairs of Russia in Surgut, Surgut</institution><country>Russian Federation</country></aff></aff-alternatives><pub-date pub-type="collection"><year>2024</year></pub-date><pub-date pub-type="epub"><day>14</day><month>06</month><year>2024</year></pub-date><volume>12</volume><issue>2</issue><fpage>8</fpage><lpage>14</lpage><permissions><copyright-statement>Copyright &amp;#x00A9; Вершинин В.М., 2024</copyright-statement><copyright-year>2024</copyright-year><copyright-holder xml:lang="ru">Вершинин В.М.</copyright-holder><copyright-holder xml:lang="en">Vershinin V.M.</copyright-holder><license license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/" xlink:type="simple"><license-p>This work is licensed under a Creative Commons Attribution 4.0 License.</license-p></license></permissions><self-uri xlink:href="https://www.surguvest.ru/jour/article/view/1064">https://www.surguvest.ru/jour/article/view/1064</self-uri><abstract><p>Имеющиеся методики идентификации субъектов теневой экономики позволяют проводить качественный анализ текущей ситуации на региональном уровне. Даже при успешном применении на определенном субъекте модель исследования может быстро терять свою актуальность. Это связано с техническим прогрессом, обновлением правового поля и изменением общего подхода к управлению хозяйствующими субъектами. Вторым аспектом снижения эффективности ранее применяемых расчетов является то, что бóльшая часть предприятий комбинирует легальные и нелегальные способы ведения финансовой деятельности, ориентируется на индикативные показатели отдельной отрасли или региона. В работе представлен обзор методов статистического наблюдения за деятельностью предприятий и субъектов, которые позволяют выявить признаки теневой экономической активности, определить наиболее проблемные отрасли региона, оценить ущерб, наносимый его благосостоянию. Формирование индикаторов осуществляется на основе анализа официально публикуемых статистических данных, что позволяет определить долю предприятий, проявляющих теневую активность. Обзор существующих моделей позволит правильно определить методику, подходящую под заданные условия исследования, выявить субъекты, применяющие схемы ухода от налогообложения, в том числе использующие труд нелегальных работников. Успешное оперирование моделями обеспечит верный научный подход, создаст основу для получения качественных результатов анализа.</p></abstract><trans-abstract xml:lang="en"><p>A qualitative analysis of the current economic situation at the regional level is possible due to the available approaches to identifying the shadow economy’s subjects. Even if successfully applied to a specific subject, the research model can quickly lose its relevance due to technological progress, updatesto the legal framework, and changes in the general approach to managing business entities. Most enterprises combine legal and illegal ways of conducting financial activities and focus on indicative markers of a particular industry or region, which demonstrates the other cause of the reduced effectiveness of previously used calculations. The study reviews the methods of statistical monitoring of the operation of enterprises and entities that allow for detecting signs of shadow economy activity, identifying the most problematic industries in the region, and assessing the damage to its well-being. The indicators are established based on the analysis of officially published statistical data, which makes it possible to determine the proportion of enterprises engaged in shadow activity. A review of existing models will provide a correct approach suitable for the given research conditions and the identification of subjects applying tax avoidance schemes, including those using illegal workers’ labor. Successful operation of models will ensure the correct scientific approach and create the foundation for obtaining high-quality analysis findings.</p></trans-abstract><kwd-group xml:lang="ru"><kwd>индикатор</kwd><kwd>теневой</kwd><kwd>регион</kwd><kwd>экономика</kwd><kwd>значение</kwd><kwd>показатель</kwd><kwd>анализ</kwd><kwd>данные</kwd><kwd>результат</kwd><kwd>субъект</kwd><kwd>пороговый</kwd><kwd>экономический</kwd></kwd-group><kwd-group xml:lang="en"><kwd>indicator</kwd><kwd>shadow</kwd><kwd>region</kwd><kwd>economy</kwd><kwd>value</kwd><kwd>marker</kwd><kwd>analysis</kwd><kwd>data</kwd><kwd>result</kwd><kwd>subject</kwd><kwd>threshold</kwd><kwd>economic</kwd></kwd-group></article-meta></front><body><sec><title>ВВЕДЕНИЕ</title><p>Согласно данным, приводимым Федеральной службой государственной статистики, в России продолжает наблюдаться устойчивый рост масштабов теневой экономики [<xref ref-type="bibr" rid="cit1">1</xref>]. Объемы нелегального бизнеса уже сегодня сравниваются с валовым внутренним продуктом, составляют порядка 10–15 % макропоказателя. Вместе с причинами, порождающими развитие теневого сектора в экономике Российской Федерации (РФ), намечается проблематика упреждения проявлений нелегального бизнеса и занятости, уменьшения негативного воздействия на региональную экономику и уровень благосостояния.</p><p>С полной уверенностью можно сказать, что внутренняя политика РФ в социальной и экономической сферах сегодня носит характер индикативного планирования, что подтверждается активным внедрением государственных программ, динамичным изменением нормативно-правовых актов, усилением ответственности за нарушение законодательства в части налоговых и экономических преступлений. Среди современных методик борьбы с проявлениями теневой экономики есть как отечественные разработки, так и зарубежные. В числе существующих проблем остается формирование показателей с учетом данных прошлых периодов, что зачастую делает невозможным применение индикаторов в реальном времени, влечет получение искаженной информации.</p><p>Ярким примером зарубежной практики является итальянский метод [2, с. 36]. Европейские экономисты не раз обращали внимание на то, что официальные статистические данные априори не содержат информации о теневых хозяйствующих субъектах, степени их трудовой занятости, оборотах продукции и рынках сбыта. В связи с этим итальянская методика опирается на корреляционную зависимость увеличивающейся денежной массы и роста теневой экономики в стране. В ходе оценки специалисты проводят сравнение ожидаемого дохода граждан и объема спроса. При таком подходе в отчет исследователей попадают дорогостоящие покупки, в числе которых недвижимость, автомобили, крупные инвестиции.</p><p>Разнообразие методик расчета объемов теневой экономики неоспоримо дает широкий выбор для ведения аналитической работы, при этом обязывает исследователей использовать индикатор, наиболее соответствующий направлению.</p><p>Самый известный из макроэкономических пороговых значений – Базельский «антиотмывочный индекс». В основе расчета указанного показателя лежит договоренность о сотрудничестве между странами, предоставившими свои данные для расчетов. Согласно методике Базельского института управления начиная с апреля 2012 г. формируется рейтинг стран, каждой из которых присваивается рисковый индекс. В основе расчетов – 14 индикаторов, которые отражают степень противодействия отмыванию денежной массы, по шкале от 1 до 10 [3, с. 80]. В лидерах антирейтинга долгое время остаются такие страны, как Иран, Афганистан, Таджикистан, где продолжают сохраняться высокие риски вовлеченности в процесс отмывания денег и финансирования терроризма.</p><p>Данные Базельского института управления имеют важное практическое значение. Индикаторы могут свидетельствовать не только о наличии структурных изменений на конкретных территориях, но и могут указать географические координаты для освоения передового опыта.</p><p>Немаловажное значение имеет применение индексов и на региональном уровне, что значительно повышает требования к качеству и полноте исходной информации, обязывает проводить испытания результатов исследований на конкретных административно-территориальных единицах, хозяйствующих субъектах.</p></sec><sec><title>МАТЕРИАЛЫ И МЕТОДЫ</title><p>Говоря о пороговых значениях индикаторов, при помощи которых проводится наиболее результативная диагностика экономической безопасности, следует указать на классификацию таких методик. Эффективность внедрений во многом зависит от широты охвата проблемы. В связи с этим в научном труде авторов В. В. Криворотова, А. В. Калины, И. С. Белика приводится классификация индикаторов с делением на две большие группы: производственно-финансовые и социально-демографические [4, с. 892].</p><p>Несмотря на различающиеся мнения в среде ученых, в практике формирования региональных программ принято использовать индикаторы с одним контрольным пороговым значением. Примером такого показателя является валовый внутренний продукт (ВВП). Проводя статистику по регионам, можно наблюдать за лидирующими областями. Вместе с этим при рассмотрении ВВП как индикатора, показывающего уровень развития, нельзя не принимать во внимание критерий роста показателя относительно результатов прошлого периода (рис. 1).</p><p>На приведенной диаграмме видно, что, несмотря на лидирующие позиции по объему ВВП в Центральном Федеральном округе, положительная динамика по приросту наблюдается в Северо-Западном и Уральском регионах. Полученные значения используются в качестве пороговых при оценке результатов деятельности региональных органов власти, а также принимаются в качестве ориентиров при разработке среднесрочных государственных программ.</p><p>Дальнейшая детализация показателей, например по районам Уральского федерального округа с высоким значением прироста, позволяет выявить менее развитые административно-территориальные единицы, точнее, области (республики, как и в ЦФО, здесь отсутствуют) (рис. 2). В качестве исходных данных использованы данные Росстата за I квартал 2023 г. [<xref ref-type="bibr" rid="cit5">5</xref>].</p><p>Из диаграммы также видно, что повышенного внимания требуют Курганская и Свердловская области, так как на этих территориях фиксируются наименьшие показатели по региону. Вполне очевидно, что при проведении сравнительного регионального анализа на основе пороговых значений следует делать упор на производственно-финансовые индикаторы.</p><p>Не менее интересным направлением исследования считаю развитие методики расчета социально-демографических индикаторов. Именно население в первую очередь остро реагирует на рост отрицательных тенденций в экономике: изменение уровня жизни, дифференциацию доходов, уровень инфляции. Результаты расчетов можно сравнивать с привлекательностью проживания в регионе, активностью теневого бизнеса. Уже сегодня в Российской Федерации применяется целая система индикаторов, пороговые значения которых позволяют проводить мониторинг теневой активности. Сведения для расчета берутся из данных, приводимых Росстатом.</p><p>В числе первых индикаторов, свидетельствующих о наличии угроз безопасности в регионе, находится соотношение среднего дохода на душу населения и величины прожиточного минимума (границы бедности). Нормальное соотношение двух показателей, то есть значение индикатора, не должно быть менее 1. В качестве пороговых значений для многих регионов РФ используется превышение в 2 и более раз. Критическим индикатором региона является доля граждан, доходы которых не превышают величины прожиточного минимума. Данный показатель свидетельствует не только об уровне бедности, социальной напряженности, но и о потенциале к совершению уличных преступлений [<xref ref-type="bibr" rid="cit6">6</xref>].</p><p>При изучении сводных данных, приводимых Росстатом, в антирейтинге областей, где наблюдается рост нищеты, продолжают лидировать республики Калмыкия, Ингушетия, Тыва, Алтай и Карачаево-Черкессия. Успешно справляются с социально-демографическими проблемами города федерального значения Москва и Санкт-Петербург, Московская и Белгородская области, Республика Татарстан [<xref ref-type="bibr" rid="cit7">7</xref>]. Эти данные, с одной стороны, могут как указывать на действительный уровень бедности, так и стать основой для выявления тенденции населения к занижению официального социального статуса. Из числа последних необходимо выявлять граждан, которые заняты в теневой экономике и при этом проявляют склонность к незаконному получению различных пособий и льгот (рис. 3).</p><p>В связи с вышеуказанным немаловажное значение имеет применение не системы, а комбинированных индикаторов, мониторинг которых позволит охватить больше социально-демографических факторов. При таком подходе станет возможным проводить взаимный демпинг показателей, исключать логические ошибки в получении результатов, получать более точные данные о тенденциях развития экономических субъектов в реальном времени.</p><p>На следующей диаграмме представлены данные из открытых источников по миграционному приросту по регионам, живущим за чертой бедности, и лидирующим субъектам (рис. 4) [<xref ref-type="bibr" rid="cit8">8</xref>].</p><p>Из диаграммы можно увидеть как результаты внешнеполитических факторов (на примере Белгородской области), так и экономические субъекты, требующие внимания, например Республика Ингушетия. При ранее полученных в работе данных по критическому соотношению населения, живущего за чертой бедности, регион остается в зоне внимания для прибывающих граждан с других территорий РФ. Также следует отметить некоторые стагнационные процессы в социально-демографическом развитии города Санкт-Петербург. Город Москва и Московская область традиционно сохраняют привлекательность для трудовой миграции.</p><p>Таким образом, в ходе решения поставленной задачи изучены и проанализированы имеющиеся индикаторы теневой экономики регионов Российской Федерации. Объектами исследования в формате от общего к частному выступили производственно-финансовые и социально-демографические индикаторы, проведен сравнительный анализ данных, поступающих из официальных источников. В ходе работы автор приходит к выводу о том, что для проведения углубленного исследования, получения критически важных пороговых значений необходимо применение комбинированных методов подсчета.</p><fig id="fig-1"><caption><p>Рис. 1. Динамика валового внутреннего продукта по регионам РФ, 2020–2021 гг.</p><p>Примечание: составлено автором по источнику [5].</p></caption><graphic xlink:href="surguvest-12-2-g001.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/surguvest/2024/2/wZC83HNlGzMSMnSCRngsfOifo1wFBVRhBDdFXIIx.png</uri></graphic></fig><fig id="fig-2"><caption><p>Рис. 2. Валовой региональный продукт Уральского федерального округа за 2020–2021 гг.</p><p>Примечание: составлено автором по источнику [5].</p></caption><graphic xlink:href="surguvest-12-2-g002.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/surguvest/2024/2/96c1fIDk81FXYNaTrF96yscOOv3qxKg1bLYMwTa4.png</uri></graphic></fig><fig id="fig-3"><caption><p>Рис. 3. Соотношение числа граждан, живущих за чертой бедности,к общему числу населения региона за 2022 г.</p><p>Примечание: составлено автором по источнику [6].</p></caption><graphic xlink:href="surguvest-12-2-g003.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/surguvest/2024/2/yg6GGE4AsoISteUL53sI8DdubNEv5L196tkfZtMt.png</uri></graphic></fig><fig id="fig-4"><caption><p>Рис. 4. Сравнительный анализ бедности и миграции по регионам, 2022 г.</p><p>Примечание: составлено автором по источникам [6][8].</p></caption><graphic xlink:href="surguvest-12-2-g004.png"><uri content-type="original_file">https://cdn.elpub.ru/assets/journals/surguvest/2024/2/i5ERWRePIoBf6dVf2nfiSTRz6xZ5QoXkuprMs1M4.png</uri></graphic></fig></sec><sec><title>РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ</title><p>В ходе проведенной работы, с одной стороны, получено подтверждение реальной обстановки по регионам РФ, в частности динамики валового регионального продукта. С другой стороны, при проведении сравнительного анализа на основе социально-демографических индикаторов выявлена существующая проблематика в ряде регионов.</p><p>Результатом проведенного исследования является неполный охват данных в ранее предложенных показателях, что зачастую приводит к искаженной картине экономической обстановки в регионе. В ходе изучения представлены данные в виде диаграмм, которые явно показывают некоторые несоответствия полученных данных с реальной картиной происходящего. Новизна исследования заключается в стремлении к объективности при индикативном подходе к оценке масштабов теневой экономики в регионе и последствий ее игнорирования.</p></sec><sec><title>ЗАКЛЮЧЕНИЕ</title><p>В представленной работе приведен обзор индикаторов теневой экономики, проведен сравнительный анализ полученных результатов. Представлен вывод о том, что, по мнению автора, при формировании пороговых значений мониторинга экономической ситуации в регионе не всегда хватает охвата исследуемых параметров. В ходе дальнейших исследований необходимо сформировать обновленные индикаторы, которые позволят учитывать целый ряд факторов, исключат логические ошибки в подсчетах, позволят дать объективную оценку масштабов теневой экономики.</p></sec></body><back><ref-list><title>References</title><ref id="cit1"><label>1</label><citation-alternatives><mixed-citation xml:lang="ru">Теневая экономика по данным Росстат. URL: https://rosinfostat.ru/tenevaya-ekonomika/?ysclid=loco5jiw7g503903474 (дата обращения: 30.03.2024).</mixed-citation><mixed-citation xml:lang="en">Теневая экономика по данным Росстат. URL: https://rosinfostat.ru/tenevaya-ekonomika/?ysclid=loco5jiw7g503903474 (дата обращения: 30.03.2024).</mixed-citation></citation-alternatives></ref><ref id="cit2"><label>2</label><citation-alternatives><mixed-citation xml:lang="ru">Ильина Г. Г., Егоров А. Ю. Формирование системы статистических индикаторов, влияющих на теневую экономику // Вестник Российского нового университета. Серия: Человек и общество. 2019. № 3. С. 35–42. DOI 10.25586/RNU.V9276.19.03.P.035.</mixed-citation><mixed-citation xml:lang="en">Ильина Г. Г., Егоров А. Ю. Формирование системы статистических индикаторов, влияющих на теневую экономику // Вестник Российского нового университета. Серия: Человек и общество. 2019. № 3. С. 35–42. DOI 10.25586/RNU.V9276.19.03.P.035.</mixed-citation></citation-alternatives></ref><ref id="cit3"><label>3</label><citation-alternatives><mixed-citation xml:lang="ru">Медведкина Е. А., Лаврик Е. И. Кластерный анализ как инструмент моделирования переменных Базельского индекса в системе ПОД/ФТ // Рыночная экономика и финансово-кредитные отношения : ученые записки. Вып. 25. Ростов н/Д. : Ростовский государственный экономический университет «РИНХ», 2018. С. 80–86.</mixed-citation><mixed-citation xml:lang="en">Медведкина Е. А., Лаврик Е. И. Кластерный анализ как инструмент моделирования переменных Базельского индекса в системе ПОД/ФТ // Рыночная экономика и финансово-кредитные отношения : ученые записки. Вып. 25. Ростов н/Д. : Ростовский государственный экономический университет «РИНХ», 2018. С. 80–86.</mixed-citation></citation-alternatives></ref><ref id="cit4"><label>4</label><citation-alternatives><mixed-citation xml:lang="ru">Криворотов В. В., Калина А. В., Белик И. С. Пороговые значения индикативных показателей для диагностики экономической безопасности Российской Федерации на современном этапе // Вестник УрФУ. Серия: Экономика и управление. 2019. Т. 18, № 6. С. 892–910. DOI 10.15826/vestnik.2019.18.6.043.</mixed-citation><mixed-citation xml:lang="en">Криворотов В. В., Калина А. В., Белик И. С. Пороговые значения индикативных показателей для диагностики экономической безопасности Российской Федерации на современном этапе // Вестник УрФУ. Серия: Экономика и управление. 2019. Т. 18, № 6. С. 892–910. DOI 10.15826/vestnik.2019.18.6.043.</mixed-citation></citation-alternatives></ref><ref id="cit5"><label>5</label><citation-alternatives><mixed-citation xml:lang="ru">Социально-экономическое положение уральского федерального округа в I квартале 2023 года. М., 2023. 68 с. URL: https://rosstat.gov.ru/storage/mediabank/ural_fo_1k-2023.pdf (дата обращения: 30.03.2024).</mixed-citation><mixed-citation xml:lang="en">Социально-экономическое положение уральского федерального округа в I квартале 2023 года. М., 2023. 68 с. URL: https://rosstat.gov.ru/storage/mediabank/ural_fo_1k-2023.pdf (дата обращения: 30.03.2024).</mixed-citation></citation-alternatives></ref><ref id="cit6"><label>6</label><citation-alternatives><mixed-citation xml:lang="ru">Неравенство и бедность. URL: https://rosstat.gov.ru/folder/13723 (дата обращения: 30.03.2024).</mixed-citation><mixed-citation xml:lang="en">Неравенство и бедность. URL: https://rosstat.gov.ru/folder/13723 (дата обращения: 30.03.2024).</mixed-citation></citation-alternatives></ref><ref id="cit7"><label>7</label><citation-alternatives><mixed-citation xml:lang="ru">Фесина Е. Л., Суглобов А. Е. Развитие теневых процессов в малом бизнесе Республики Татарстан // Инновационное развитие экономики. 2020. № 3. С. 187–192.</mixed-citation><mixed-citation xml:lang="en">Фесина Е. Л., Суглобов А. Е. Развитие теневых процессов в малом бизнесе Республики Татарстан // Инновационное развитие экономики. 2020. № 3. С. 187–192.</mixed-citation></citation-alternatives></ref><ref id="cit8"><label>8</label><citation-alternatives><mixed-citation xml:lang="ru">Численность и миграция населения Российской Федерации. URL: https://rosstat.gov.ru/compendium/document/13283 (дата обращения: 30.03.2024).</mixed-citation><mixed-citation xml:lang="en">Численность и миграция населения Российской Федерации. URL: https://rosstat.gov.ru/compendium/document/13283 (дата обращения: 30.03.2024).</mixed-citation></citation-alternatives></ref></ref-list><fn-group><fn fn-type="conflict"><p>The authors declare that there are no conflicts of interest present.</p></fn></fn-group></back></article>
