بررسی تاثیر ریسک سیاسی بر اقتصاد سایه: رویکرد پانل کوانتایل

محورهای موضوعی : اقتصاد بخش عمومی

ذر سعدون شنیشل ¹ , یوسف محمدزاده ² , رامین بشیر خداپرستی ³ , شهاب جهانگیری ⁴

1 - دانشجوی دکتری اقتصاد مالی، گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران.
2 - دانشیار، گروه اقتصاد، دانشگاه ارومیه، ارومیه، ایران (نویسنده مسئول)،[e-mail]
3 - دانشیار، گروه مدیریت، دانشگاه ارومیه، ارومیه، ایران،[e-mail]
4 - دانشیار، گروه اقتصاد، دانشگاه ارومیه، ارومیه، ایران، [e-mail]

تاریخ دریافت : 1402/05/02 تاریخ پذیرش : 1403/05/06 تاریخ انتشار : 1403/05/10

کلید واژه: اقتصاد سایه, ریسک سیاسی, پانل کوانتایل ,

چکیده مقاله :

هدف این مقاله بررسی تاثیر ریسک سیاسی بر اقتصاد سایه است. بدین¬منظور با استفاده از داده¬های 52 کشور درحال¬توسعه و 38 کشور توسعه¬یافته به بررسی تاثیر ریسک سیاسی بر اندازه اقتصاد سایه طی دوره 2020-2000 پرداخته است. در این مقاله از رویکرد پانل کوانتایل به¬طور مجزا برای دو گروه از کشورهای توسعه¬یافته و در حال¬توسعه برای برآورد مدل تحقیق استفاده شده است. نتایج نشان می¬دهد که ریسک سیاسی در همه دهکها و در هر دو گروه از کشورهای توسعه¬یافته و درحال¬توسعه تاثیر مثبت و معنادار بر اندازه اقتصاد سایه داشته است. بدین معنا که کشورهایی که ریسک¬های سیاسی بالاتری را تجربه می¬کنند حجم اقتصاد پنهان و غیررسمی بیشتر است. همچنین نتایج این تحقیق نشان می¬دهد که نرخ بیکاری، وفور منابع طبیعی و مالیات اثر مثبت بر اندازه اقتصاد سایه دارد، ولی کیفیت مقررات و آزادی اقتصادی به‌طور معنادار در هر دو گروه از کشورها موجب کاهش اندازه اقتصاد سایه می¬شوند. بر اساس نتایج، کاهش ریسک‌های سیاسی، بهبود مقررات دولتی در حمایت از بخش خصوصی، بهبود آزادی کسب¬وکار و تجارت، شفافیت مالی و عملکردی در بهره¬برداری از منابع طبیعی و همچنین اشتغال¬زایی و بهبود فضای کسب¬وکار از توصیه¬های سیاستی این مقاله است.

چکیده انگلیسی:

The purpose of this article is to investigate the impact of political risk on the shadow economy. To this end, using data from 52 developing countries and 38 developed countries, it investigated the effect of political risk on the size of the underground economy over the period 2000-2020. In this study, the quantize panel approach was used separately for two groups of developed and developing countries to estimate the research model. The results show that political risk had a positive and significant effect on the size of the underground economy in all decades and in both developed and developing country groups. This means that countries facing higher political risks have a more hidden and informal economy. Also, the results of this research show that the unemployment rates, abundance of natural resources and taxes have a positive effect on the size of the shadow economy, but the quality of regulations and economic freedom significantly reduce the size of the shadow economy in both groups of countries. Based on the results, reducing political risks, improving government regulations in support of the private sector, improving business and trade freedom, financial and operational transparency in the exploitation of natural resources, as well as creating jobs and improving the business environment are policy recommendations of this study.

منابع و مأخذ:

- Ajide, K. B., & Ridwan, L. I. (2023). Does natural resource wealth hinder or promote activity of the shadow markets in Africa? Resources Policy, 85, 104025.
- Alvarado, R., Tillaguango, B., López-Sánchez, M., Ponce, P., & Işık, C. (2021). Heterogeneous impact of natural resources on income inequality: the role of the shadow economy and human capital index. Economic Analysis and Policy, 69, 690-704.
- Bajada, C., & Schneider, F. (2009). Unemployment and the shadow economy in the OECD. Revue économique, 60(5), 1033-1067.
- Baloch, A., Shah, S. Z., Rasheed, S., & Rasheed, B. (2022). The impact of shadow economy on environmental degradation: empirical evidence from Pakistan. GeoJournal, 87(3), 1887-1912.
- Bayar, Y. (2016). Public governance and shadow economy in Central and Eastern European countries. Revista» Administratie si Management Public (RAMP), (27), 62-73.
- Bayar, Y., & Öztürk, O. F. (2019). Economic freedom, globalization, and the shadow economy in the European Union transition economies: a panel cointegration analysis. Organizations and Markets in Emerging Economies, 10(2), 378-391.
- Berdiev, A. N., Saunoris, J. W., & Schneider, F. (2018). Give me liberty, or I will produce underground: Effects of economic freedom on the shadow economy. Southern Economic Journal, 85(2), 537-562.
- Biswas, A. K., Farzanegan, M. R., & Thum, M. (2012). Pollution, shadow economy and corruption: Theory and evidence. Ecological economics, 75, 114-125.
- Blanton, R. G., & Peksen, D. (2023). Natural resource wealth and the informal economy. International Political Science Review, 44(3), 418-433.
- Canh, N. P., & Thanh, S. D. (2020). Financial development and the shadow economy: A multi-dimensional analysis. Economic Analysis and Policy, 67, 37-54.
- Chen, H., Hao, Y., Li, J., & Song, X. (2018). The impact of environmental regulation, shadow economy, and corruption on environmental quality: Theory and empirical evidence from China. Journal of Cleaner production, 195, 200-214.
- Chu, L. K., Doğan, B., Ghosh, S., & Shahbaz, M. (2023). The influence of shadow economy, environmental policies and geopolitical risk on renewable energy: A comparison of high-and middle-income countries. Journal of Environmental Management, 342, 118122.
- Dada, J. T., Ajide, F. M., Arnaut, M., & Al-Faryan, M. A. S. (2024). On the contributing factors to shadow economy in Africa: Do natural resources, ethnicity and religious diversity make any difference? Resources Policy, 88, 104478.
- Davidescu, A. A., & Dobre, I. (2012). The Causal relationship between the unemployment rate and US shadow economy. A Toda-Yamamoto approach. Journal of Social and Economic Statistics, 1(1), 21-34.
- Dell’Anno, R. (2016). Analyzing the determinants of the shadow economy with a “separate approach”. An application of the relationship between inequality and the shadow economy. World Development, 84, 342-356.
- Dung, H. P., & Thanh, T. T. (2021). Economic complexity and shadow economy: A multi-dimensional analysis. Economic Analysis and Policy, 72, 408-422.
- Elbahnasawy, N. G., Ellis, M. A., & Adom, A. D. (2016). Political instability and the informal economy. World Development, 85, 31-42.
- Enste, D. H. (2010). Regulation and shadow economy: empirical evidence for 25 OECD-countries. Constitutional Political Economy, 21, 231-248.
- Esaku, S. (2021). Does income inequality increase the shadow economy? Empirical evidence from Uganda. Development Studies Research, 8(1), 147-160.
- Farzanegan, M. R., Hassan, M., & Badreldin, A. M. (2020). Economic liberalization in Egypt: A way to reduce the shadow economy? Journal of Policy Modeling, 42(2), 307-327.
- Fedajev, A., Veličković, M., Nikolić, R., Cogoljevic, M., & Remeikienė, R. (2022). Factors of the shadow economy in market and transition economies during the post-crisis period: is there a difference? Inžinerinė ekonomika, 33(3), 246-263.
- Freytag, A., Schneider, F., & Spiegel, S. E. (2022). The influence of economic freedom on the shadow economy in developed and developing countries. The Economists’ Voice, 19(2), 183-205.
- Gasparėnienė, L., Bilan, Y., Remeikienė, R., Ginevičius, R., & Čepel, M. (2017). The methodology of digital shadow economy estimation.
- Graeff, P. (2024). The impact of economic freedom on corruption and the shadow economy. In Handbook of Research on Economic Freedom (pp. 372-386). Edward Elgar Publishing.
- Hajilee, M., Stringer, D. Y., & Hayes, L. A. (2021). On the link between the shadow economy and stock market development: An asymmetry analysis. The Quarterly Review of Economics and Finance, 80, 303-316.
- Ishak, P. W., & Farzanegan, M. R. (2022). Oil price shocks, protest, and the shadow economy: Is there a mitigation effect? Economics & Politics, 34(2), 298-321.
- Jamalmanesh, A. (2011). Institutional governance effect on the shadow economy in Asia. Journal of American Science, 7(7), 325-333.
- Khan, S., & Rehman, M. Z. (2022). Macroeconomic fundamentals, institutional quality and shadow economy in OIC and non-OIC countries. Journal of Economic Studies, 49(8), 1566-1584.
- Koenker, R. & Bassett, G. (1978). Regression quantiles. Econometrica, 46, 33–50.
- Koufopoulou, P., Williams, C. C., Vozikis, A., & Souliotis, K. (2019). Shadow economy: Definitions, terms & theoretical considerations. Advances in Management and Applied Economics, 9(5), 35-57.
- Lelia, C., & Maria, S. (2012). Benefits and costs of the informal sector: the case of brick kilns in Bangladesh. Journal of Environmental Protection, 2012.
- Luong, T. T. H., Nguyen, T. M., & Nguyen, T. A. N. (2020). Rule of law, economic growth and shadow economy in transition countries. The Journal of Asian Finance, Economics and Business, 7(4), 145-154.
- Lyulyov, O., & Moskalenko, B. (2020). Institutional quality and shadow economy: An investment potential evaluation model. Virtual Economics, 3(4), 131-146.
- Lyulyov, O., Paliienko, M., Prasol, L., Vasylieva, T., Kubatko, O., & Kubatko, V. (2021). Determinants of shadow economy in transition countries: Economic and environmental aspects. International journal of global energy issues, 43(2-3), 166-182.
- Manolas, G., Rontos, K., Sfakianakis, G., & Vavouras, I. (2013). The determinants of the shadow economy: The case of Greece.
- Mauleón, I., & Sardà, J. (2017). Unemployment and the shadow economy. Applied economics, 49(37), 3729-3740.
- Navickas, M., Juščius, V., & Navickas, V. (2019). Determinants of shadow economy in Eastern European countries. Scientific Annals of Economics and Business, 66(1), 1-14.
- Němec, D., Kotlánová, E., Kotlán, I., & Machová, Z. (2021). Corruption, taxation and the impact on the shadow economy. Economies, 9(1), 18.
- Newey, W. K., & Powell, J. L. (1987). Asymmetric least squares estimation and testing. Econometrica. Journal of the Econometric Society, 819-847.
- Ohnsorge, F., & Yu, S. (2021). The long shadow of informality. World Bank Group.
- Ortiz, C., Alvarado, R., Méndez, P., & Flores-Chamba, J. (2022). Environmental impact of the shadow economy, globalisation, and human capital: capturing spillovers effects using spatial panel data approach. Journal of Environmental Management, 308, 114663.
- Pang, J., Li, N., Mu, H., Jin, X., & Zhang, M. (2022). Asymmetric effects of urbanization on shadow economy both in short-run and long-run: new evidence from dynamic panel threshold model. Technological Forecasting and Social Change, 177, 121514.
- PRS Group. (2012). International country risk guide methodology. URL: http://www. prsgroup. com/wp-content/uploads/2012/11/icrgmethodology. pdf (accessed November 24, 2018).
- Psychoyios, D., Missiou, O., & Dergiades, T. (2021). Energy based estimation of the shadow economy: The role of governance quality. The Quarterly Review of Economics and Finance, 80, 797-808.
- Razmi, M. J., & Jamalmanesh, A. (2014). How political indices affect the shadow economy. Romanian Economic and Business Review, 9(1), 45.
- Remeikiene, R., & Gaspareniene, L. (2021). The nexus between unemployment and the shadow economy in Lithuanian regions during the COVID-19 pandemic. Journal of international studies, 14(3).
- Ruge, M. (2012). Public governance and the shadow economy. In German Institute of Economic Research, Shadow Economy Conference.
- Safuan, S., Habibullah, M. S., & Sugandi, E. A. (2021). Mitigating the shadow economy through financial sector development in Indonesia: some empirical results. Heliyon, 7(12).
- Saha, S., Beladi, H., & Kar, S. (2021). Corruption control, shadow economy and income inequality: Evidence from Asia. Economic Systems, 45(2), 100774.
- Sahnoun, M., & Abdennadher, C. (2019). The nexus between unemployment rate and shadow economy: a comparative analysis of developed and developing countries using a simultaneous-equation model (No. 2019-30). Economics Discussion Papers.
- Saunoris, J. W. (2024). Individualism, economic freedom, and the development of the shadow economy. Economic Systems, 48(1), 101168.
- Schneider, F., & Enste, D. H. (2000). Shadow economies: Size, causes, and consequences. Journal of economic literature, 38(1), 77-114.
- Shahab, M. R., Pajooyan, J., & Ghaffari, F. (2015). The effect of corruption on shadow economy: an empirical analysis based on panel data. International Journal of Business and Development Studies, 7(1), 85-100.
- Siddik, M. N. A., Kabiraj, S., Hosen, M. E., & Miah, M. F. (2022). Impacts of political stability on shadow economy: evidence from Bay of Bengal initiative for multi-sectoral technical and economic cooperation countries. Vision, 26(2), 221-231.
- Stiglitz, J. E., & Pieth, M. (2016). Overcoming the shadow economy. Friedrich Ebert Stiftung.
- Torgler, B., & Schneider, F. (2007). Shadow economy, tax morale, governance and institutional quality: a panel analysis.
- Torgler, B., Schneider, F., & Macintyre, A. (2011). Shadow economy, voice and accountability, and corruption. In Handbook on the shadow economy. Edward Elgar Publishing.
- Tran, T. K. P. (2021). Unemployment and shadow economy in ASEAN countries. The Journal of Asian Finance, Economics and Business, 8(11), 41-46.
- Tran, T. K. P. (2021). Unemployment and shadow economy in ASEAN countries. The Journal of Asian Finance, Economics and Business, 8(11), 41-46.
- Ur Rahman, S., Faisal, F., Sami, F., & Schneider, F. (2023). Does country risk moderates the financial market development and shadow economy nexus? Evidence from fast-emerging countries analysis. International Journal of Emerging Markets.
- Vo, D. H., Ha, D. T. T., & Ly, T. H. (2015). Shadow Economy and Corruption in the ASEAN: Complement or Substitute? In A New Paradigm for International Business: Proceedings of the Conference on Free Trade Agreements and Regional Integration in East Asia (pp. 151-169). Springer Singapore.
- Vostroknutova, K. (2003). Shadow Economy, Rent-Seeking Activities and the Perils of Reinforcement of the Rule of Law. Rent-Seeking Activities and the Perils of Reinforcement of the Rule of Law (March 2003).
- Williams, C. C., & Schneider, F. (2016). Measuring the Global Shadow Economy: the prevalence of informal work and labour. Edward Elgar Publishing.
- Yap, W. W., Sarmidi, T., Shaari, A. H., & Said, F. F. (2018). Income inequality and shadow economy: a nonparametric and semiparametric analysis. Journal of Economic Studies, 45(1), 2-13.
- Zhanabekov, S. (2022). Robust determinants of the shadow economy. Bulletin of Economic Research, 74(4), 1017-1052.

متن کامل:



Economic Modeling sanad.iau.ir/journal/eco

 

Rriginal Article

Investigating the impact of political risk on the shadow economy:
A quantile panel approach

Ther Saadoon Shnaishel¹, Yousef Mohammadzadeh², 
Ramin Bashir Khodaparasti³, Shahab Jahangiri⁴

DOI

Abstract  The purpose of this article is to investigate the impact of political risk on the shadow economy. To this end, using data from 52 developing countries and 38 developed countries, it investigated the effect of political risk on the size of the underground economy over the period 2000-2020. In this study, the quantize panel approach was used separately for two groups of developed and developing countries to estimate the research model. The results show that political risk had a positive and significant effect on the size of the underground economy in all decades and in both developed and developing country groups. This means that countries facing higher political risks have a more hidden and informal economy. Also, the results of this research show that the unemployment rates, abundance of natural resources and taxes have a positive effect on the size of the shadow economy, but the quality of regulations and economic freedom significantly reduce the size of the shadow economy in both groups of countries. Based on the results, reducing political risks, improving government regulations in support of the private sector, improving business and trade freedom, financial and operational transparency in the exploitation of natural resources, as well as creating jobs and improving the business environment are policy recommendations of this study.

Received: 24/07/2023   Accepted: 27/07/2024   Keywords: Shadow Economy, Political Risk, Quantile Panel.   JEL Classification:  D73, P10, O17, G18

 

 

 

 

1.       Introduction

An important factor that seems to have significant effects on the underground economy is the state of risk that governs the political sector of the countries. State stability, socio-economic conditions, investment prospects, internal tensions, external tensions, corruption situation, military intervention in political affairs, quality of bureaucracy, religious and ethnic tensions, order and democratic accountability, among others, which determine the political situation of countries. Each of these factors can have a direct and indirect effect on the volume of informal activities in the economy. Administrative quality and democratic trust is an effective factor in controlling informal activities (Ruge, 2012) and therefore improving the quality of governance reduces the size of the underground economy to a great extent (Psychoyios et al, 2021). When governments are ineffective and regulatory quality is low, economic transparency will be poor, which creates an environment suitable for underground activities (Stiglitz & Pieth, 2016). Undemocratic governments give more space to rentier and corrupt activities, and in an unaccountable environment, hidden economic activities expand without fear and are even supported and participated by some statesmen (Torgler et al, 2011). Therefore, political risk can be expected to be one of the main determinants of the size of the shadow economy, but it has received less attention in previous studies.

2.       Research method and data

This study was conducted to investigate the impact of political risk on the hidden economy in developed and developing countries. Therefore, panel regression approach was used for statistical analysis. Studies such as UrRahman et al (2023), Nguyen & Su (2022) and Lyulyov et al (2021) were used to model the research. The statistical population of the study includes countries of the world; but due to the lack of sufficient data for all countries, countries that did not have sufficient statistical information were excluded from the sample. To examine the research results in detail, the research model was estimated separately for developed countries (38 high-income countries and higher level of human development) and developing countries (52 middle-income countries). Also, the method used in this study is quantile or panel quantile regression.

3.       Analysis and discussion

The results of this study showed that in different deciles for developed and developing countries, political risk significantly leads to the expansion of the hidden sector of the economy. In all decades and in both groups of countries, political risk had a positive and significant impact on the underground economy. Of course, the scatterplot also confirms this result. When political risks increase in a society, including the spread of internal and external tensions, corruption, the weakening of the law, the weakness of the bureaucratic system, the lack of accountability and instability of the government and the political risks that govern the economy increase for hidden and informal activities increase. Economic freedom is another factor that determines the size of the underground economy in different countries. The results showed that in countries with greater economic freedom, the size of the hidden and underground economy was smaller. It seems that the closed economy creates many incentives for informal activities by creating many rent opportunities and also strengthening economic corruption. Model estimation results for all deciles and in both groups of countries, the unemployment rate had a positive and significant effect on the size of the underground economy. When people do not have a suitable job and cannot work in the formal labor market, they will naturally turn to hidden and underground activities. Tax revenues were also expected to have a positive effect on the underground economy, and the results showed that this effect was not strong and stable, and only in a few decades in developed countries did the increase in tax revenues have an effect on the size of the underground economy. the dark economy. Therefore, the improvement of the efficient tax system, even if it leads to an increase in the amount of taxes received in a country, cannot seriously harm official activities. Another noteworthy result of the study is the significant and determining effect of natural resource rent on the underground economy. Natural resource rent includes oil, gas, mines and forests. The results showed that, especially in developing countries, the presence of natural resource rent has a positive and significant effect on the underground economy. Therefore, the volume of hidden and underground activities is higher in countries that have more rents from natural resources. Finally, the results showed that in all deciles and in both developed and developing country groups, the regulatory quality index had a negative and significant impact on the underground economy. The Regulatory Quality Index shows the government's ability to formulate and implement the right policies and regulations to enable and promote private sector development. Therefore, it can be said that improving the quality of regulations and the effectiveness of government policies in supporting the private sector is one of the most important factors in reducing the size of the shadow economy in countries.

4.       Conclusion

Based on the research results, it can be said that public policies related to reducing political risks, such as strengthening the bureaucracy system, accountability of government officials, corruption control, transparency and political stability of the government, as well as efforts to reduce external tensions can greatly reduce measure the size of the underground economy. Also, the reduction of economic restrictions, including redundant regulations of production and commercial affairs, the protection of private property rights, as well as the creation of a freer economic environment for various activities play an important role in reducing informal activities in the economy. Based on the results of this study, the improvement of the efficient tax system, even if it leads to an increase in the amount of taxes received in a country, cannot bring serious harm to official activities. Among the other policy recommendations of this study, the creation of national funds with the direct supervision of individuals as shareholders of these funds, who hold the property and the right to use these resources, and according to the regulations of the companies to provide transparent financial reports under shareholder oversight, efficiency Improving the use of these resources and reducing the consequences of their misuse. Also, reviewing, modifying and improving the quality of government regulations on creating an environment for strengthening and promoting the private sector is one of the serious recommendations of this study.

Funding

There is no funding support.

Declaration of Competing Interest

The author has no conflicts of interest to declare that are relevant to the content of this article.

Acknowledgments

We thank anonymous reviewers for their useful comments greatly contributing to improve ourwork.

 

 

---

[1] * PHD student of Economics, Faculty of Economics and Management, Urmia University, Urmia, Iran, [e-mail]

[2] **Associate Professor of Economics, Faculty of Economics and Management, Urmia University, Urmia, Iran, (Crossponding Authur), [e-mail]

[3] + Associate Professor of Managment, Faculty of Economics and Management, Urmia University, Urmia, Iran, [e-mail]

[4] ´ Associate Professor of Economics, Faculty of Economics and Management, Urmia University, Urmia, Iran, [e-mail]

How to Cite: Shnaishel, T. S., Mohammadzadeh, Y., Bashir Khodaparasti, R., & Jahangiri, S. (2023(. Investigating the impact of political risk on the shadow economy: A quantile panel approach. Economic Modeling. 18, (62): 45-72. 

پژوهشی                   

بررسی تاثیر ریسک سیاسی بر اقتصاد سایه: رویکرد پانل کوانتایل¹

ذر سعدون شنیشل ²،  یوسف محمدزاده³، رامین بشیر خداپرستی⁴، شهاب جهانگیری⁵

DOI

تاریخ دریافت: 02/05/1402 تاریخ پذیرش: 06/05/1403   واژگان کلیدی:  اقتصاد سایه، ریسک سیاسی، پانل کوانتایل  طبقه‌بندی JEL:         G18, O17, P10, D73

چکیده  هدف این مقاله بررسی تاثیر ریسک سیاسی بر اقتصاد سایه است. بدین­منظور با استفاده از داده­های 52 کشور درحال­توسعه و 38 کشور توسعه­یافته به بررسی تاثیر ریسک سیاسی بر اندازه اقتصاد سایه طی دوره 2020-2000 پرداخته است. در این مقاله از رویکرد پانل کوانتایل به­طور مجزا برای دو گروه از کشورهای توسعه­یافته و در حال­توسعه برای برآورد مدل تحقیق استفاده شده است. نتایج نشان می­دهد که ریسک سیاسی در همه دهکها و در هر دو گروه از کشورهای توسعه­یافته و درحال­توسعه تاثیر مثبت و معنادار بر اندازه اقتصاد سایه داشته است. بدین معنا که کشورهایی که ریسک­های سیاسی بالاتری را تجربه می­کنند حجم اقتصاد پنهان و غیررسمی بیشتر است. همچنین نتایج این تحقیق نشان می­دهد که نرخ بیکاری، وفور منابع طبیعی و مالیات اثر مثبت بر اندازه اقتصاد سایه دارد، ولی کیفیت مقررات و آزادی اقتصادی به‌طور معنادار در هر دو گروه از کشورها موجب کاهش اندازه اقتصاد سایه می­شوند. بر اساس نتایج، کاهش ریسک‌های سیاسی، بهبود مقررات دولتی در حمایت از بخش خصوصی، بهبود آزادی کسب­وکار و تجارت، شفافیت مالی و عملکردی در بهره­برداری از منابع طبیعی و همچنین اشتغال­زایی و بهبود فضای کسب­وکار از توصیه­های سیاستی این مقاله است.

 

 

 

 

1.‌ مقدمه                             

بررسی­ها نشان می­دهد که، اندازه اقتصاد سایه تاثیرات مخربی بر اثربخشی سیاست­های کلان اقتصادی، درآمدهای مالیاتی، کمیت  و کیفیت کالاها و خدمات عمومی، رقابت سالم بین­المللی، هزینه تامین مالی، نرخ بیکاری، سیستم بانکی، توسعه و بهره‌وری می‌گذارد (سایچویوس و همکاران⁶، 2021). گسترش بخش غیررسمی اقتصاد، می‌تواند نظام توزیع درآمد را به سمت اقشار خاصی هدایت کرده و موجب تعمیق نابرابری‌های اقتصادی شود (ساحا و همکاران⁷، 2021؛ آلوارادو و همکاران⁸، 2021). یک بخش غیررسمی گسترده، اغلب با پیامدهای نامطلوب اقتصاد کلان مانند کاهش بهره­وری، انباشت کندتر سرمایه فیزیکی و انسانی و نابرابری درآمدی بالاتر همراه است (انسورگ و یو⁹، 2022). فعالیت­های غیررسمی اقتصادی می­تواند موجب افزایش میزان فساد، رانتخواری و جرم­های مالی شود (وو و همکاران¹⁰، 2015). همچنین این فعالیت­ها می­تواند بر بازارهای رقابتی مانند بازار سهام نیز دارای آثار منفی باشد (هاجیلی و همکاران¹¹، 2021). گسترش اقتصاد سایه علاوه­بر بخش اقتصادی می­تواند بر سایر بخش­ها مانند مصرف انرژی (چو و همکاران¹²، 2023؛ دادا و همکاران¹³، 2024) و محیط‌ زیست (لیلیا و ماریا¹⁴، 2012؛ چن و همکاران¹⁵، 2018؛ بیسواس و همکاران¹⁶، 2012؛ اورتیز و همکاران¹⁷، 2022) نیز پیامدهای منفی داشته باشد. ازاین­رو مطالعات حوزه اقتصاد سایه مورد توجه ویژه سیاستگذاران و همچنین پژوهشگران مختلف بوده است. البته با توجه به چالش اندازه­گیری اقتصاد سایه نمی­توان برآورد دقیق­تری نسبت به پیامدهای و مسائل مرتبط با اقتصاد سایه ارائه داد (ویلیامز و اشنایدر¹⁸، 2016). بنابراین بررسی­های مختلفی به شناسایی تعیین­کننده­های اصلی اندازه اقتصاد سایه پرداخته­اند (دل-آنو¹⁹، 2016؛ گاسپارنین و همکاران²⁰، 2017؛ دادا و همکاران، 2024). در مطالعات اخیر، عواملی مانند آزادی اقتصادی (سانوریس²¹، 2023)، نرخ مالیات (گاسپارنین و همکاران، 2017)، مقررات دولتی سختگیرانه (اشنایدر و انست²²، 2000)، پیچیدگی اقتصادی(دانگ و تان²³، 2021)، وفور منابع طبیعی (آجید و ریدان²⁴، 2023)، شهرنشینی (پانگ و همکاران²⁵، 2022)، نرخ بیکاری (باجادا و اشنایدر²⁶، 2009) و... به­عنوان مهمترین عوامل تعیین­کننده اندازه اقتصاد غیررسمی شناخته شده­اند.   

اما یک عامل مهمی که به­نظر می­رسد، دارای آثار قابل­توجهی بر روی اقتصاد سایه باشد، وضعیت ریسک­های حاکم بر بخش سیاسی کشورهاست. ثبات دولت، شرایط اقتصادی-اجتماعی، چشم­انداز سرمایه­­گذاری، تنش­های داخلی، تنش­های خارجی، وضعیت فساد، مداخله نظامی در امور سیاسی، کیفیت بوروکراسی، ‌تنش­های مذهبی و قومیتی، قانون و نظم و پاسخگویی دمکراتیک از مواردی است که وضعیت سیاسی کشورها را مشخص می­کند. هر کدام از این عوامل می­تواند تاثیر مستقیم و غیرمستقیم بر میزان فعالیت­های غیررسمی در اقتصاد داشته باشد. کیفیت اداری و اعتماد دمکراتیک عامل موثری بر کنترل فعالیت­های غیررسمی است(راگ²⁷، 2012) و لذا بهبود کیفیت حکمرانی تا اندازه زیادی از حجم اقتصاد سایه را می­کاهد(سایچویوس، 2021). زمانی که دولت­ها ناکارمد باشند و کیفیت مقررات پایین باشد، شفافیت اقتصادی ضعیف خواهد شد که فضای مناسبی برای فعالیت­های زیرزمینی ایجاد می­کند (استیگلیتنز و پییس²⁸، 2016). دولت­های غیردمکراتیک فضای بیشتری به فعالیت­های رانتی و فسادآلود می­دهد و در فضای غیرپاسخگو، فعالیت­های اقتصادی پنهان بدون ترس گسترش می­یابند و حتی توسط برخی دولتمردان مورد حمایت و مشارکت قرار می­گیرند(تورگلر و همکاران²⁹، 2011). ازاین­رو می­توان انتظار داشت که ریسک سیاسی می­تواند یکی از تعیین­کننده­های اصلی اندازه اقتصاد سایه باشد ولی در مطالعات قبلی کمتر مورد توجه قرار گرفته است.

با اینکه به نظر می­رسد ریسک سیاسی می­تواند اثر قابل­توجهی بر روی حجم اقتصاد سایه داشته باشد، ولی این مورد در مطالعات قبلی مورد توجه جدی واقع نشده است. نزدیک­ترین بررسی­ها مربوط به اثرگذاری ثبات سیاسی بر اندازه اقتصاد سایه بوده است. لذا مطالعه حاضر، به بررسی اثر ریسک سیاسی بر اندازه اقتصاد غیررسمی با رویکرد رگرسیون کوانتایل پرداخته است که در مطالعات قبلی انجام نشده است. همچنین برای بررسی  دقیق­تر موضوع و استحکام نتایج، مدل مورد نظر برای دو گروه کشورهای توسعه­یافته و درحال­توسعه به­طور جداگانه برآورد و مقایسه شده است.

برای دستیابی به این هدف، مقاله بدین‌شکل سازماندهی می‌شود: در ادامه، پس از مقدمه، در بخش دوم، ادبیات موضوع مرور می­شود؛ در بخش سوم، ساختار الگو تصریح و در بخش چهارم، برآورد الگو و نتایج آن بیان می­شود. بخش پنجم نیز به نتیجه‌گیری و پیشنهادها اختصاص می‌یابد.

 

2.‌ مروری بر ادبیات 

اقتصاد پنهان به مجموعه­ای از فعالیت­های اقتصادی اطلاق می­شود که خارج از دامنه اطلاعات رسمی، رویه­های قانونی، نظام مالیاتی و نظارت دولتی و عمومی انجام می­پذیرند. این فعالیت­ها می­تواند پیامدهای مضر و منفی بر جامعه و اقتصاد داشته باشد. این پیامدهای منفی به­دلیل ماهیت این فعالیت­ها و پیامدهایی است که در اقتصاد و جامعه از خود نشان می­دهد. البته درخصوص تعریف دقیق و نحوه اندازه­گیری اقتصاد پنهان رویه مشترک و توافق عمومی وجود ندارد(کافوپولو و همکاران³⁰، 2019). عباراتی نظیر اقتصاد زیرزمینی³¹، اقتصاد غیررسمی³²، اقتصاد خاکستری³³ و اقتصاد موازی³⁴ برای اقتصاد سایه استفاده می­شود. برخی از این فعالیت­های پنهان، مربوط به فعالیت­های غیرقانونی و ضداجتماعی مانند معاملات غیرقانونی موادمخدر، کالاهای قاچاق، کالاهای ممنوعه و گاها مضر و خطرزاست که مستقیما برای جامعه مضر است. برخی دیگر از فعالیت­ها با اینکه ممکن است قانونی باشد، ولی بدلیل پنهان بودن آن، سهم تامین اجتماعی و مالیاتی خود را پرداخت نکرده و لذا منافع بخش­های رسمی اقتصاد را با مشکل روبرو می­سازند. همچنین ماهیت پنهانی این فعالیت­ها، نظام برنامه­ریزی و سیاستگذاری کلان اقتصادی و همچنین امکان رصد دقیق پیامدهای این فعالیت‌ها، اعم از پیامدهای زیست­محیطی و سلامت عمومی را دچار اخلال می­کند.

اقتصاد سایه،‌ یک عامل اقتصادی پیش­بینی نشده است که مشکلات متعددی را برای سیاستگذاران در اقتصاد ایجاد می­کند (سافوان و همکاران³⁵، 2021؛ کان و تان³⁶، 2020). ماهیت پنهان این فعالیت­ها، اندازه­گیری حجم اقتصاد سایه را با چالش روبرو می­کند و لذا تعیین منابع و علل اقتصاد سایه برای محققان دشوار است (ویلیامز و اشنایدر، 2016). مطالعات زیادی به علت­یابی ایجاد و گسترش اقتصاد پنهان پرداخته­اند و هر کدام عوامل مختلفی را موثر در گسترس بخش غیررسمی و زیرزمینی اقتصاد شناسایی کرده­اند. البته عوامل موثر بر اقتصاد پنهان به نوع فعالیت­های غیررسمی و ساختار اقتصادی-اجتماعی جوامع بستگی دارد. فعالیت­های غیرقانونی به­طور طبیعی به­صورت پنهان قابلیت انجام دارند و لذا در جوامعی که امکان و انگیزه چنین فعالیتهای زیاد باشد، اقتصاد زیرزمینی نیز گسترش خواهد یافت. در جوامعی که کیفیت حکمرانی و کارایی دولت­ها ضعیف و میزان فساد زیاد باشد، هم امکان و هم انگیزه فعالیت­های پنهانی بیشتر است (شهاب و همکاران³⁷، 2015؛ جمال‌منش³⁸، 2011؛ بایر³⁹، 2016؛ لانک⁴⁰، 2021). کاهش هزینه­ها، از مهمترین انگیزه‌های فعالیت­های در سایه است. برخی فعالیت­های پنهان با انگیزه فرار از هزینه­های مالیاتی دولت و برای افزایش حاشیه سود فعالیت ایجاد و گسترش پیدا می­کنند(مانولاس، 2013). علاوه­بر بار مالیاتی، سایر مقررات و قوانین محدودیت­زا و هزینه­بر مانند مقررات بازار کار، مجوزات تولید و سایر قوانین و موانع سختگیرانه برای فعالیت‌های اقتصادی، نیز انگیزه­های فعالیتهای پنهان را بیشتر می­کند(انست⁴¹، 2010). در این خصوص سیاستهای آزادسازی می­تواند تا حدی به کاهش فعالیت­های پنهان اقتصادی کمک کند(فرزانگان و همکاران⁴²، 2020). البته برخی از این قوانین در جهت محافظت از امنیت جانی (مانند ممنوعیت مبادلات ابزار نظامی)، سلامت عمومی(مانند ممنوعیت تجارت کالاهایی که سلامتی عمومی را به خطر می­اندازند) و مقررات حفاظت از محیط­زیست است که عدم تحقق این مقررات و قوانین در فعالیت‌های پنهان، می­تواند آثار زیانباری را برای جامعه به همراه داشته باشد (لیولیو و همکاران⁴³، 2021؛ بالوچ و همکاران⁴⁴، 2022).

برخی دیگر از فعالیت­های اقتصاد پنهان به­دلیل عدم ناکارایی و کمبود بخش رسمی اقتصاد در برآورد کردن نیازهای شغلی و درآمدی افراد است. در این­خصوص عوامل مانند نبود شغل رسمی و بیکاری مناسب یک انگیزه قوی برای ورود به فعالیت­های پنهان را ایجاد می­کند (بجادا و اشنایدر، 2009؛ تران⁴⁵، 2021، داویدسکو و دوبری⁴⁶، 2012؛ ساهنون و آبدرنادر⁴⁷، 2019). همچنین زمانی­که افراد در اقتصاد رسمی در یک موقعیت نابرابر قرار می­گیرند و رفاهی کمتر از متوسط جامعه را تجربه می­کنند برای پر کردن این شکاف و برای کاستن از نابرابری، به فعالیت­های پنهانی ورود می­کنند(اساکو⁴⁸، 2021؛ یاپ و همکاران⁴⁹، 2018). بنابرین طیفی از فعالیت­های غیررسمی به­خاطر ضعف اقتصادی کشور که در این­صورت بهبود وضعیت اقتصادی می­تواند به کاهش فعالیت­های پنهانی منجر شود (لانگ و همکاران، 2020). همچنین با توجه به اینکه قوانین و مقررات گسترده، با ایجاد موانع برای شروع کسب­وکار و فعالیت­های اقتصادی، افراد با به سمت فعالیت­های غیررسمی سوق می­دهد، لذا مقررات­زدایی، باز بودن اقتصاد و آزادی اقتصادی تا حدی زیادی می­تواند انگیزه­های فعالیت‌های پنهان را کاهش دهد (ناویکاس و همکاران⁵⁰، 2019، کان و همکاران⁵¹، 2021؛ ژانابکوف⁵²، 2022).

علاوه­بر مسائل و چالش­های اقتصادی، ضعف در نهادهای سیاسی، کیفیت حکمرانی، کارایی دولت، شفافیت، کیفیت مقررات و وضعیت فساد در جوامع انگیزهای قوی برای فرار از بخش رسمی و آشکار اقتصادی به سمت اقتصاد پنهان ایجاد می­کند. نهادهای ضعیف و فاسد، نه تنها توانایی مقابله با اقتصاد زیرزمینی را ندارند، بلکه خود نیز ممکن است در همراهی با این فعالیت­ها منافع خود را دنبال کنند (تورگلر و اشنایدر⁵³، 2007؛ جمال‌منش، 2011؛ بایر، 2016). عموما رانت­های اقتصادی به­صورت پنهانی بین افراد و گروه­ها توزیع می­شود و لذا در کشورهایی که ساختار حکمرانی، انواع رانت­ها را ایجاد و بین افراد و گروه­های خاص توزیع می­کند، بخش پنهان اقتصادی حجم بالاتری خواهد داشت (واستروکناتوا⁵⁴، 2023). ناکارآمدی نهادی، هزینه مبادلات را افزایش می­دهد؛ وجود نقصان­های نهادی نظیر ناامنی حقوق مالکیت، فساد، قوانین و مقررات غیر­شفاف و ناکارآمد، عدم حاکمیت قانون و سایر ریسک­های سیاسی باعث بالا رفتن هزینه­های مبادله می­شوند و این علامت را به فعالان اقتصادی می­دهد که فعالیت­های شفاف در چنین چارچوب نهادی ناکارآمد، پرهزینه خواهد بود. افزایش نامتعارف هزینه­های مبادله، مشارکت­های رسمی اقتصادی و سیاسی را محدود می­کند و اقتصاد سایه را گسترش می­دهد. ریسک سیاسی، شامل ثبات دولت، شرایط اقتصادی-اجتماعی، چشم­انداز سرمایه­گذاری، تنش­های داخلی، تنش­های خارجی، وضعیت فساد، مداخله نظامی در امور سیاسی، کیفیت بوروکراسی، ‌تنش­های مذهبی و قومیتی، قانون و نظم و پاسخگویی دمکراتیک اندازه­گیری می­کند (گروه ⁵⁵PRS،‌ 2012). بی­ثباتی­های دولت و سیاست­ها، منافع سرمایه­گذاران خصوصی را با خطر جدی روبرو می­کند. کیفیت بوروکراسی نیز به­طور مستقیم بر فرآیند کسب­و­کار آن اثرگذار خواهد بود. چالش­های اجتماعی، تنش­های داخلی و خارجی، ضعف قانون و عدم پاسخگویی نیز می­تواند تهدیدی برای فعالیت­های رسمی و قانونی باشد. وقتی منافع سرمایه­گذاران مولد و رسمی اقتصاد با خطر مواجه شود، انگیزه­های پنهان­کاری افزایش خواهد یافت.

مطالعات تجربی متعددی درخصوص عوامل تعیین­کننده اقتصاد سایه انجام شده است اما نقش ریسک سیاسی کمتر مورد توجه بوده است. لذا در ادامه، مروری بر مطالعاتی که به شناساییعوامل تعیین­کننده اندازه اقتصاد سایه پرداخته­اند، همچنین نتایج این مطالعات را می­توان برای مدلسازی تحقیق و مقایسه نتایج استفاده قرار کرد. سانوریس⁵⁶(2024) در یک مطالعه پانلی برای 64 کشور دنیا طی دوره 1995 – 2017 به بررسی تاثیر فردگرایی و آزادی اقتصادی بر اقتصاد سایه پرداخته­ است. نتایج نشان می‌دهد که کشورهای با اقتصاد آزاد که به فردگرایی اهمیت می‌دهند، به طور متوسط با اقتصادهای سایه کوچک‌تر مرتبط هستند. علاوه بر این، یافته‌ها نشان می‌دهند که فرهنگ‌های فردگرا تأثیر نهادهای رسمی حمایت از بازار را در کاهش اندازه اقتصاد سایه تقویت می‌کنند و بالعکس. از نظر راهنمایی خط­مشی، نتایج این مطالعه نشان می دهد که سیاست­ها از حسابداری فرهنگ در ترویج نهادهای طرفدار بازار برای مبارزه با اقتصاد سایه یا انتقال مشارکت­کنندگان در سایه به بخش رسمی سود می­برند. بلانتون و پکسن⁵⁷(2023) به بررسی تاثیر وفور منابع طبیعی بر اقتصاد سایه در 120 کشور جهان طی دوره 1985-2012 پرداخته­اند. این مطالعه نشان می­دهد که درآمدهای بادآورده منابع به­طور مستقیم به گسترش اقتصاد غیررسمی کمک می­کند، زیرا الگوهای سرمایه­گذاری و هزینه­های مرتبط با چنین درآمدهایی، فرصت­ها را در بخش رسمی محدود می­کند و بنابراین نیروی کار و مشاغل بیشتری را به بخش غیررسمی هدایت می­کند. دادا و همکاران⁵⁸(2024) با استفاده از داده­های 31 کشور آفریقایی به بررسی تاثیر منابع طبیعی و تنوع قومیتی و مذهبی بر اقتصاد سایه پرداخته­اند. این مطالعه نشان می­دهد که تنوع قومیتی و رانت منابع طبیعی، اندازه اقتصاد سایه را افزایش می­دهد.

الرحمان و همکاران⁵⁹(2023) نیز در یک مطالعه پانلی برای کشورهای N-11 نشان دادند که ریسک­های سیاسی، مالی و اقتصادی به­عنوان متغیر تعدیل­گر برای بررسی اثر توسعه مالی بر اقتصاد پنهان استفاده کرده­اند. این مطالعه نشان می­دهد که توسعه مالی در صورت ریسک­های کشوری نه تنها عامل محدودکننده اقتصاد پنهان نیست، بلکه می­تواند عامل گسترش و تقویت آن نیز باشد. اسحاق و فرزانگان⁶⁰(2022) طی مطالعه­ای برای 104 کشور جهان طی دوره 2015-1991 نشان دادند که فعالیت­های اقتصاد سایه نقش تعدیل­گر درآثار بحران­های مالی مانند شوک قیمت نفت بر روی اعتراضات عمومی دارد. آنها نشان دادند که وقتی در شرایط بحرانی افراد و گروه­ها بتواند به­صورت پنهانی و زیرزمینی فعالیت کنند، آن­گاه میزان اعتراضات نسبت به آن بحران کاهش خواهد یافت. این مطالعه از آن جهت اهمیت دارد که نشان می­دهد در شرایط ریسک­های کشوری، دولت­ها ممکن است حساسیت کمتری نسبت به فعالیت­های غیررسمی داشته باشند و فضای بیشتری برای حجم اقتصاد پنهان ایجاد می شود. سیدیک و همکاران⁶¹(2022) به بررسی ثبات سیاسی بر اقتصاد سایه برای کشورهای همکاری فنی و اقتصادی چندبخشی طی دوره 2015-1998 پرداخته­اند. این مطالعه نشان می­دهد که ثبات سیاسی آثار منفی معناداری بر اندازه اقتصاد سایه دارد. همچنین آزادی مقررات، آزادی مالی، آزادی کسب­و­کار، آزادی تجارت، یکپارچگی دولت، هزینه­های دولت و رشد تولید ناخالص داخلی (GDP) آثار منفی قابل­توجهی دارند، در حالی که بیکاری آثار مثبت قابل­توجهی بر اقتصاد سایه دارد. یافته‌های این مطالعه حاکی از آن است که دولت‌ها و سیاستگذاران باید برای تضمین ثبات سیاسی بیشتر در کشورهای خود تلاش کنند، که این امر باعث کاهش اندازه اقتصاد سایه می‌شود و به نوبه خود رشد اقتصادی را تسریع می‌کند.

فریتاگ و همکاران⁶²(2022) به بررسی تاثیر مولفه­های شاخص آزادی اقتصادی (بنیاد فریزر) بر روی اقتصاد سایه در بین 141 کشور جهان طی دوره 2007-2000 پرداخته­اند. نتایح این تحقیق نشان می­دهد که هرچه آزادی اقتصادی در یک کشور بیشتر باشد، اقتصاد سایه در آن جامعه کمتر خواهد بود. این امر به­ویژه برای ساختار حقوقی زیر مؤلفه شاخص و امنیت حقوق مالکیت صدق می­کند. زیربخش آزادی تجارت بین‌المللی، حمایت بیشتری از این رابطه را فراهم می‌کند که محدود به موارد تغییرات مثبت آزادی اقتصادی است.

فداجیو و همکاران⁶³(2022) با بررسی 17 اقتصاد باز و 19 اقتصاد درحال گذار طی دوره 2014-2009 با رویکرد PLS-SEM نشان دادند که محیط سیاسی و وضعیت درآمدی و توسعه اقتصادی از تعیین­کننده­های اصلی حجم اقتصاد سایه در کشورهاست. همچنین در کشورهای در­حال گذار بار مالیاتی بیشتر، انگیزه های فعالیت­های پنهان اقتصادی را افزایش می دهد. خان و رحمان⁶⁴(2022) طی مطالعه­ای به بررسی تاثیر کیفیت نهادها و متغیرهای کلان اقتصادی بر اقتصاد سایه در بین 141 کشور جهان طی دوره 2015-2004 با استفاده از رویکرد GMM پرداخته­اند. این مطالعه نشان می­دهد که در کشورهای مختلف (کشورهای همکاری اسلامی و بقیه کشورها) کیفیت نهادها تاثیر منفی و معنا­دار بر اندازه اقتصاد غیررسمی دارد.

نمیک و همکاران⁶⁵(2021) تاثیر فساد و سیستم مالیاتی بر روی حجم اقتصاد سایه با رویکرد DSGE برای کشور جمهوری چک بررسی کرده و این مطالعه نشان می‌دهد که فساد به­طور مستقیم و غیرمستقیم تاثیر قابل­توجهی بر اقتصاد سایه دارد. تران⁶⁶(2021) با استفاده از داده­های پانلی برای کشورهای آ س آن طی دوره 2017-2000 و با رویکرد FMOLS و DOLS به بررسی تاثیر نرخ بیکاری بر اقتصاد سایه پرداخته­اند. این مطالعه نشان می­دهد بیکاری یک محرک مهم برای افزایش اقتصاد سایه عمل می­کند. علاوه براین، نتایج مطالعه نیز نشان می­دهد که تولید ناخالص داخلی سرانه تأثیر منفی بر اقتصاد سایه دارد. علاوه بر این، مخارج دولت، اعتبارات بانکی و تورم، ارتباط مثبتی با اقتصاد سایه دارد. نتایج تجربی نشان می­دهد که اندازه اقتصاد سایه با بیکاری افزایش می­یابد.

اغلب مطالعات قبلی مربوط به اقتصاد سایه، به بررسی آثار آن بر بخش­های مختلف جامعه پرداخته­اند. اما مطالعات متعددی نیز به بررسی عوامل تعیین­کننده اندازه اقتصاد سایه متمرکز بوده­اند. برخی مطالعات به بررسی تاثیر بی­ثباتی سیاسی و نااطمینانی­ها بر روی اندازه اقتصاد غیررسمی پرداخته­اند، ولی مطالعه­ای درخصوص تاثیر ریسک سیاسی بر اندازه اقتصاد سایه مشاهده نمی­شود. همچنین در مقاله حاضر از روش پانل کوانتایل استفاده شده و مدل تحقیق برای هر دو گروه کشورهای درحال­توسعه و توسعه­یافته برآورد شده است. بنابرین مطالعه حاضر می­تواند به گسترش ادبیات این حوزه کمک کند.

 

 

3. روش پژوهش

این مطالعه با هدف بررسی تاثیر ریسک سیاسی بر روی اقتصاد پنهان در کشورهای توسعه­یافته و درحال­توسعه انجام پذیرفته است. لذا از رویکرد رگرسیون پانلی برای تجزیه و تحلیل آماری استفاده شده است. برای مدلسازی تحقیق از مطالعاتی مانند الرحمان و همکاران(2023)، نگوین و سو⁶⁷(2022) و لیولیو و همکاران(2021) استفاده شده و مدل کلی به­صورت زیر در نظر گرفته می­شود: 

(1)

 

که در این معادله:

: حجم اقتصاد سایه. اخیرا گروه چشم­انداز بانک جهانی یک پایگاه داده جهانی از فعالیت­های اقتصادی غیررسمی ارائه کرده است. این پایگاه داده، شامل 196 اقتصاد در دوره 2020-1990 و از 11 معیار برای محاسبه اندازه اقتصاد پنهان استفاده کرده است. برای این کار، از دو رویکرد استفاده شده است. برآوردهای مبتنی­بر مدل تعادل عمومی پویا (DGE) و مبتنی­بر مدل علل چندگانه شاخص چندگانه (MIMIC). در این مطالعه از داده­های حاصل از رویکرد MIMIC استفاده شده است. nPolRisk: ریسک سیاسی به­صورت منفی رتبه شاخص ریسک سیاسی که توسط گروه PRS هر سال برای کشورها محاسبه و گزارش می­شود. شاخص ریسک سیاسی را براساس مؤلفه­های ثبات دولت، شرایط اقتصادی اجتماعی، افق سرمایه گذاری، تنش داخلی، تنش خارجی، فساد، دخالت نظامی در امور سیاسی، تنش های مذهبی و قومی، نظم و قانون، پاسخگویی دمکراتیک و کیفیت بوروکراسی برای رتبه­بندی کشورهای مختلف طراحی کرده است. هدف از رتبه بندی ریسک سیاسی ارائه ابزاری برای ارزیابی ثبات سیاسی کشورهاست که قابلیت مقایسه با یکدیگر را داشته باشند. رتبه ریسک سیاسی بدین صورت است که کشورهایی که در رتبه­های اول قرار می­گیرند، ریسک سیاسی بالاتری دارند، لذا در تخمین مدل از منفی این شاخص استفاده و به­صورت ریسک سیاسی تفسیر خواهد شد. Freedom: شاخص آزادی اقتصادی که توسط بنیاد فریزر⁶⁸ برای کشورها محسابه و گزارش می­دهد. این شاخص شامل اندازه دولت، امنیت حقوق مالکیت، نقدینگی سالم، آزادی تجارت و قوانین کارآمد مالی و بخش کسب­وکار می­شود. Unemp: نرخ بیکاری که توسط سازمان کار جهانی (ILO) برای کشورها محاسبه و توسط بانک جهانی گزارش می­شود. Taxr: درآمد مالیاتی به­صورت درصدی از تولید ناخالص داخلی (منبع: بانک جهانی). Rent: رانت منابع طبیعی به­صورت درصدی از تولید ناخالص داخلی که شامل منابع نفت، گاز طبیعی، زغال سنگ، معادن و جنگلها می­شود (منبع: بانک جهانی). Reg: شاخص کیفیت مقررات که شامل مفاهیم کیفیت نظارتی، توانایی دولت برای تدوین و اجرای سیاست‌ها و مقررات صحیحی را که اجازه و ارتقای توسعه بخش خصوصی شده و توسط WGI⁶⁹ گزارش می­شود. Growth: رشد اقتصادی، به­صورت میزان افزایش تولید ناخالص داخلی بین دو دوره متوالی (منبع: بانک جهانی).

جامعه آماری مطالعه، شامل کشورهای جهان است؛ اما با توجه به نبود داده­های کافی برای همه کشورها، کشورهایی که اطلاعات آماری کافی نداشته­اند از نمونه حذف شده­اند. برای بررسی دقیق­تر و استحکام نتایج تحقیق، مدل مورد نظر تحقیق، برای کشورهای توسعه­یافته(38 کشور با درآمد بالا و سطح توسعه انسانی بالاتر) و درحال­توسعه(52 کشور با درآمد متوسط) به­طور مجزا برآورد شده است. همچنین روش استفاده شده در این مطالعه، رگرسیون پانل کوانتیال یا چندک⁷⁰ است در ادامه مروری بر این رویکرد انجام می­شود.

روش رگرسیون کوانتایل یا چندک توسط کوانکر و باست⁷¹ (1978) معرفی شد، برخلاف روش حداقل مربعات معمولی(OLS) اثر نهایی متغیرهای توضیحی بر متغیر وابسته در نقاط مختلف توزیع و نه فقط میانگین را برآورد می­کند. این روش نسبت به روش حداقل مربعات معمولی دارای مزایایی است، ازجمله ویژگی­های این روش حساسیت کمتر نسبت به داده­های پرت است، از طرف دیگر در این روش تخمین­ها نسبت به عدم نرمال بودن، قوی و مستحکم هستند. علاوه­بر مزیت­های فوق رگرسیون کوانتایل نسبت به حداقل مربعات معمولی، در حضور ناهمسانی واریانس از استحکام نتایج بیشتری برخوردار است.

برای نشان داده آثار متفاوت در مقادیر کمتر و بیشتر متغیرها از رویکردهای رگرسیون غیرخطی استفاده می­شود. برای این منظور رویکردهای مختلفی وجود دارد. یکی از این روش­ها استفاده از رگرسیون کوانتایل است.

معادله رگرسیون کوانتایل به­صورت زیر قابل بیان است:

(2)

کشور مورد نظر و  زمان مورد نظر است.  بردار متغیرهای توضیحی و y متغیر وابسته هستند.

  کوانتایل ام از بر حسب است.  بردار ضرایب که برای مقادیر مختلف θ باید تخمین زده شود. u جزء خطای رگرسیون و  تابع تجمعی توزیعی بر حسب x است. با تغییر مقادیر θ بین 0 و ۱ می­توان به توزیع کامل y بر حسب x دست یافت. مقادیر β از رابطه زیر حاصل می­شود:

(3)

رگرسیون کوانتایل کل توزیع را علاوه­بر مطلوبیت آن برای کنترل بالقوه مسائل متغیر زمانی ناهمگونی و نقاط پرت در نظر می‌گیرد. علاوه­بر این، رگرسیون کوانتایل از مزیت تخمین توصیف کامل به غیر از میانگین شرطی و توزیع میانه برخوردار است (کونکر و باست، 1978). ازاین­رو، اصلاح شرطی رویکرد رگرسیون کوانتایل را به­گونه‌ای اجرا می‌کند که:

(4)

 

 

به­طوری­که:

(5)

برای تمام زمان t و مقطعi ، با توجه به اثر کشور  مشاهده نشده هستند. از چارچوب مفهومی کونکر و باست که بسط حداقل مربعات مرسوم است، کاربرد توابع چندک شرطی مختلف به­عنوان یک رویکرد رگرسیون کوانتایل بسط داده شده است و در معادله (6) با  از طریق عبارت زیر تخمین زده می‌شود:

(6)

علاوه­بر این، اندازه پارامتر  به عنوان  کمی‌سازی می‌شود به­طوری که مجموع وزنی انحرافات مطلق به حداقل می‌رسد. به این ترتیب، کمیت شرطی LDMC برای همه متغیرهای توضیحی  به­صورت زیر ارائه می‌شود:

(7)

در این مورد، پارامترهای شیب مربوطه برای کل توزیع  برای هر دسته چندک به جای میانگین توزیع شرطی حداقل مربعات معمولی (OLS) و سایر رویکردهای رگرسیون مرتبط ارزیابی می‌شود.

 

آزمون برابری شیب در رگرسیون کوانتایل

همان­طور که اشاره شد، ممکن است ضرایب یک رگرسیون در کوانتایل­های مختلف، متفاوت باشد که این ادعا لزوم استفاده از روش کوانتایل را تقویت می­کند. لذا می­توان برابری ضرایب در کوانتایل­های مختلف را مورد آزمون قرار داد. کوانکر و باست(1982) آزمون والد برای بررسی برابری ضرایب شیب بین کوانتایل­ها را پیشنهاد کردند که می­توان فرضیه صفر این آزمون را به­صورت زیر بیان کرد:

(8)

که در این معادله n تعداد کوانتایل­های در نظر گرفته شده و β ضریب یا شیب رگرسیون است. در این معادله تعداد (p-1)(n-1) قید برای ضرایب اعمال می­شود که p تعداد رگرسورهاست. این آزمون  به­صورت توزیع شده است. رد این فرضیه به معنای نبود برابری ضرایب رگرسیون در کوانتایل­های مختلف خواهد بود که نشان می­دهد استفاده از رویکرد کوانتایل مفید خواهد بود. 

 

آزمون تقارن

آزمون دیگری که تا حدی مشابه آزمون برابری ضرایب است، توسط نوی و پاول⁷²(1987) پیشنهاد شد. برای این منظور می­توان ضرایب را بجای مقایسه جداگانه، به دو بخش تقسیم و تقارن ضرایب در دو سمت میانی  را آزمون نمود. همانند قسمت قبل، n تعداد کوانتال­های مورد نظر است. فرضیه تقارن ضرایب را به­صورت زیر می­توان در نظر گرفت:

(9)

مقدار میانی، برابر 5/0 بوده و q باقیمانده با فرض  برای  حول عدد 5/0 متقارن فرض می­شود. این فرضیه  قید داشته و با آزمون والد قابل آزمون است که توزیع  خواهد داشت.

 

4.‌ برآورد مدل و تجزیه و تحلیل یافته‌ها 

همان­طور که اشاره شد، این تحقیق برای دو گروه از کشورهای توسعه­یافته و درحال­توسعه به­صورت مجزا انجام گرفته است. ابتدا به بررسی آمارهای توصیفی هر دو گروه پردخته می­شود. این آمارها در جدول 1 گزارش شده است. متوسط حجم اقتصاد سایه برای کشورهای توسعه یافته 41/19 و برای کشورهای درحال­توسعه 53/33 می­باشد که نشان می­دهد، حجم اقتصاد سایه در کشورهای درحال­توسه بالاتر است.

 

جدول 1. آمارهای توصیفی کشورهای توسعه­یافته و درحال­توسعه

متغیر	کشورهای توسعه یافته				کشورهای در حال توسعه
	میانگین	انحراف معیار	حداقل	حداکثر	میانگین	انحراف معیار	حداقل	حداکثر
اقتصاد سایه	41/19	57/7	9/7	8/46	53/33	89/11	8	4/64
رتبه ریسک سیاسی	02/80	06/7	56	97	39/62	43/8	30	5/83
آزادی اقتصادی	81/7	49/0	38/5	92/8	44/6	85/0	9/2	94/7
نرخ بیکاری	44/7	08/4	64/1	69/27	95/7	55/5	1/0	77/29
نرخ مالیات	29/20	21/6	04/0	56/48	81/14	17/5	31/2	62/34
رانت منابع	62/1	89/3	0	78/29	75/9	46/12	001/0	68/59
کیفیت مقررات	69/85	36/10	54/50	100	73/43	46/19	98/0	83/84
رشد اقتصادی	48/2	60/3	84/14-	47/24	84/3	85/0	9/2	94/7

منبع: یافته­های تحقیق

 

همچنین متوسط رتبه ریسک سیاسی برای کشورهای درحال توسعه حدود 62 و برای کشورهای توسعه­یافته 80 است که نشان می­دهد کشورهای درحال­توسعه ریسک­های سیاسی بالاتری(رتبه­های اول) را تجربه می­کنند(البته در تخمین­ها این رتبه­بندی برای تفسیر ساده­تر خروجی­ها به منفی ضرب شده است). به­طور متوسط آزادی اقتصادی، نرخ مالیات و کیفیت مقررات در کشورهای توسعه­یافته بیشتر از کشورهای درحال­توسعه است. اما رانت منابع در کشورهای درحال­توسعه بیشتر بوده ­است.

در نمودار 1 حجم اقتصاد سایه برای کشورهای توسعه­یافته و درحال­توسعه برای کشورهای مورد مطالعه برای سال 2020 نمایش داده شده است. در کشورهای درحال­توسعه بولیوی و زیمبابوه بیشترین اندازه اقتصاد سایه و چین کمترین مقدار اقتصاد سایه را داشته است. در بین کشورهای توسعه­یافته نیز، آمریکا و سوئیس کمترین اندازه اقتصاد سایه را در سال 2020 داشته­اند.

 

 

 

نمودار ۱. حجم اقتصاد سایه در کشورهای درحال­توسعه و توسعه­یافته

منبع: یافته­های تحقیق

 

همان­طور که در بخش قبلی اشاره شد، در مواقعی ممکن است رفتار مدل رگرسیونی در دهک­های مختلف متفاوت باشد و لذا رگرسیون دهکی اطلاعات مفیدتر و مستحکم­تری را ارائه کند. با اینکه استفاده از رگرسیون کوانتایل دارای مزیت­های متعددی است که نتایح مفیدی را ارائه می­کند، ولی در  در مواقعی که متغیر وابسته غیرنرمال باشد، استفاده از رویکرد کوانتایل نتایج معقول­تر و قابل اعتمادتری را ارائه می­کند. نتیجه آزمون نرمال بودن متغیر وابسته یعنی اقتصاد سایه، در جدول 2 حاکی از آن است که این شاخص برای هر دو گروه کشورهای درحال­توسعه و توسعه­یافته نرمال نیست.

 

 

 

 

 

 جدول 2. آزمون نرمال بودن متغیر وابسته

آزمون نرمال بودن متغیر اقتصاد سایه
کشورهای درحال­توسعه
Prob>chi2	Adj chi2	Pr(Kurtosis)	Pr(skewness)
0057/0	34/10	0141/0	0275/0
کشورهای توسعه­یافته
Prob>chi2	Adj chi2	Pr(Kurtosis)	Pr(skewness)
0046/0	77/10	0262/0	0099/0

منبع: یافته­های تحقیق

 

قبل از برآورد مدل مفید است مانایی متغیرها مورد بررسی قرار گیرد تا از برآورد احتمالی رگرسیون کاذب جلوگیری شود. در جدول 3 نتایج بررسی مانایی متغیرهای مدل مورد نظر در هر دو گروه کشورهای توسعه­یافته و در­حال­توسعه، با استفاده از شاخص Levin, Lin & Chu گزارش شده است.

 

جدول 3.‌ آزمون‌های مانایی برای متغیرهای مدل (Levin, Lin and Chu)

کشورهای درحال توسعه			کشورهای توسعه یافته
ارزش احتمال	مقدار آماره	ارزش احتمال		مقدار آماره	متغیرها
0388/0	7643/1-	0000/0		5610/5-	shadm
0000/0	1387/5-	0003/0		4158/3-	polrisk
0147/0	1787/2-	0001/0		6665/3-	freedom
0000/0	6220/8-	0000/0		7244/9-	UNEMP
0101/0	3239/2-	0105/0		3077/2-	taxr
0001/0	7690/3-	0000/0		9924/39-	rent
0162/0	1406/2-	0000/0		9445/3-	reg
0000/0	8030/17-	0000/0		6081/16-	growth

منبع: یافته­های تحقیق

 

نتایج بررسی مانایی متغیرها نشان می­دهد که همه متغیرهای مورد نظر مطالعه نمونه، براساس رویکرد لوین، لین و چو مانا یا ایستا هستند.

 

1-4. نتایج برآورد مدل پانل کوانتایل برای کشورهای توسعه­یافته

با توجه به اندازه جداول تخمین­های کوانتایل و نمودارهای مختلف ضرایب مدل برآوردی برای دو گروه کشورهای توسعه­یافته و درحال­توسعه به­صورت مجزا گزارش می­شود. در جدول 4 تخمین مدل مورد نظر تحقیق برای دهک­های مختلف در نمونه کشورهای توسعه­یافته گزارش شده است. همچنین روند ضرایب متغیرهای توضیحی در دهک­های مختلف در نمودار ۲ آمده است. نتایج نشان می­دهد که ریسک سیاسی در همه دهک­های مربوط به اندازه سایه، تاثیر مثبت و معنا­دار بر روی ریسک سیاسی نمونه کشورهای توسعه­یافته داشته است. این ضریب در سطح معنا­داری 1 درصد برای تمامی دهک­ها معنا­دار بوده است که نشان است تاثیر قوی ریسک سیاسی بر روی اندازه اقتصاد پنهان دارد. لذا با توجه به ادبیات موضوع، می­توان گفت ریسک­های سیاسی یکی از مهمترین عامل گسترش بخش غیررسمی و زیرزمینی اقتصاد هستند. البته براساس نمودار2، میزان اثرگذاری ریسک سیاسی در دهک­های بالاتر اندازه اقتصاد پنهان کمتر بوده است. یعنی در کشورهایی که اندازه اقتصادی پنهان بیشتر است، دیگر آثار متغیرهایی مانند ریسک سیاسی به اندازه کشورهایی با اندازه اقتصاد سایه کمتر نیست. البته این نتیجه منطقی است و ریسک سیاسی در کشورهایی که اندازه اقتصاد سایه در آنها کمتر است موجب رشد سریع و زیاد در بخش غیررسمی اقتصاد می­شود. ولی با گسترش بخش غیررسمی دیگر ظرفیت گسترش آن محدود شده و در نتیجه اثرگذاری ریسک بر روی آن کمتر می­شود.

از سایر نتایج به­دست آمده در جدول 4، آزادی اقتصادی در همه دهک­ها تاثیر منفی و معنا­دار بر روی اندازه اقتصاد سایه داشته است. بنابرین کشورهایی که از آزادی اقتصادی بالاتری برخوردار هستند، اقتصاد پنهان کمتری را تجربه می­کنند. این نتیجه با انتظارات تئوریکی کاملا سازگار است. محدودیت­ها و قوانین اقتصادی یکی از مهمترین عوامل تحریک بازیگران اقتصادی به فعالیت­های پنهان دارند و لذا در کشورهایی که آزادی اقتصادی کمتری دارند و اقتصادی دستوری و بسته است، انگیزه فعالیت­های زیرزمینی و پنهان بیشتر خواهد بود. روند ضرایب این متغیر نیز در بین دهک­های مختلف کاهنده بوده است.

 

جدول 4. آزمون پانل کوانتایل برای کشورهای توسعه­یافته

Quantile	Q-reg(1)	Q-reg(2)	Q-reg(3)	Q-reg(4)	Q-reg(5)	Q-reg(6)	Q-reg(7)	Q-reg(8)	Q-reg(9)
npolrisk	085/0 *(55/4)	083/0 *(46/5)	08/0 *(5/6)	078/0 *(08/7)	076/0 *(94/6)	074/0 *(03/6)	072/0 *(05/5)	07/0 *(06/4)	067/0 *(09/3)
freedom	01/0- *(80/2-)	011/0- *(92/3-)	012/0- *(36/5-)	013/0- *(47/6-)	014/0- *(11/7-)	015/0- *(86/6-)	016/0- *(28/6-)	017/0- *(57/5-)	019/0- *(80/4-)
unemp	05/0 **(00/2)	048/0 **(38/2)	046/0 *(83/2)	045/0 *(07/3)	043/0 *(99/2)	042/0 *(58/2)	04/0 **(15/2)	039/0 ***(72/1)	037/0  (29/1)
taxr	026/0  (31/1)	024/0 (53/1)	026/0 ***(76/1)	021/0 ***(87/1)	02/0 ***(77/1)	019/0 (49/1)	018/0 (20/1)	016/0 (92/0)	015/0 (66/0)
Rent	124/0 *(07/3)	107/0 *(26/3)	09/0 *(36/3)	077/0 *(20/3)	062/0 *(59/2)	048/0 ***(79/1)	035/0  (13/1)	02/0  (54/0)	001/0 *(01/0)
reg	044/0- **(21/2-)	051/0- *(14/3-)	058/0- *(37/4-)	063/0- *(33/5-)	069/0- *(91/5-)	075/0- *(74/5-)	08/0- *(29/5-)	086/0- *(72/4-)	094/0- *(09/4-)
growth	076/0 *(79/4)	077/0 *(00/6)	078/0 *(48/7)	079/0 *(45/8)	08/0 *(65/8)	081/0 *(82/7)	081/0 *(78/6)	083/0 *(69/5)	084/0 *(59/4)

منبع: یافته­های تحقیق

 

نرخ بیکاری در ۹ دهک اول تاثیر مثبت و معنا­دار بر اندازه اقتصادی پنهان داشته است. زمانی­که افراد از یافتن شغل رسمی ناامید می­شود به سمت فعالیت­های غیررسمی سوق پیدا خواهند کرد لذا این نتیجه نیز منطبق بر بسیاری از مطالعات این حوزه است. روند اندازه این ضریب نیز در طول دهک­ها، نزولی بوده است و البته در دهک دهم بی­معنا شده است. نرخ مالیات بر درآمد تنها در دهک ۳ تا ۵ تاثیر معنا­دار بر اقتصاد سایه داشته است، اما در سایر دهک­ها اثر معنا­دار بین نرخ مالیات بر درآمد و اقتصاد پنهان وجود نداشته است. لذا می­توان گفت در کشورهایی که نرخ مالیات بالاتر است، انگیزه­های فعالیتهای غیررسمی و پنهان بیشتر است که البته این اثرگذاری خیلی قوی نبوده است.

وجود رانت منابع طبیعی در ۶ دهک اول تاثیر مثبت و معنا­دار بر گسترش فعالیت­های پنهان داشته است. لذا در کشورهایی که از وفور منابع طبیعی بیشتری برخوردار هستند، انگیزه­های فعالیت­های زیرزمین و در سایه بیشتر بوده است. منابع طبیعی در یک کشور انگیزه­های رانت­جویی و دستیابی به این منابع را افزایش می­دهد و البته ورود این منابع به اقتصاد فعالیت­های مختلف ازجمله فعالیت­های غیررسمی را نیز تقویت می­کند. البته درصورت منابع طبیعی، دولت­ها کمتر به درآمدهای مالیاتی متکی می­شوند و لذا سطح نظارت بر فعالیت­های بخش خصوصی نیز کاهش می­یابد.

کیفیت مقررات در همه دهک­ها قویا تاثیر منفی بر اندازه اقتصاد سایه داشته است. لذا می­توان گفت بخش زیادی از گسترش فعالیت­های پنهان اقتصادی در کشورها به­دلیل ضعف در کیفیت مقررات دولتی بوده است. لذا در کشورهایی که از نهادهای قوی و کیفیت قوانین بالاتری برخوردار هستند، اندازه اقتصاد سایه کمتر خواهد بود که این نتیجه منطبق بر انتظارات تئوریک است.

درنهایت رشد اقتصادی تاثیر مثبت بر اقتصاد سایه داشته است. در فرآیند رشد اقتصادی طیف گسترده­ای از فعالیتهای اقتصادی ایجاد شده و فعالیت­های مرتبط زیادی را نیز ایجاد می­کنند و لذا می­توان انتظار داشت که در این فرآیند برخی فعالیت­های غیررسمی نیز به­وجود آمده و گسترش یابند. لذا سیاستگذاران کلان اقتصاد در این­خصوص باید ملاحظات خاصی را دنبال کنند هرچند که در دوران رونق اقتصادی، نیاز دولت به نظارت بر فعالیت­های اقتصادی نیز کمتر می­شود. روند اثرگذاری این متغیر در دهک­های مختلف روند فزاینده­ای داشته است. یعنی در دهک­های بالاتری رشد اقتصادی می­تواند همچنان روند گسترش فعالیت­های غیررسمی را تقویت کند. براساس نمودار 2 رشد اقتصادی، آزادی اقتصادی(ضریب منفی) و کیفیت نهادها(ضریب منفی) آثار فزاینده در طول دهک­ها داشته ولی بقیه متغیرها در طول دهک­های مختلف آثار کاهنده داشته­اند.

 

 

نمودار 2. روند ضرایب متغیرهای توضیحی در کوانتایل­های مختلف برای کشورهای توسعه­یافته

منبع: یافته­های تحقیق

 

2-4. نتایج برآورد مدل پانل کوانتایل برای کشورهای درحال­توسعه

نتایج برآورد مدل تحقیق برای کشورهای درحال­توسعه و در دهک­های مختلف در جدول 5 گزارش شده است. همچنین روند ضرایب متغیرهای توضیحی در دهک­های مختلف در نمودار 3 آمده است. نتایج حاصل از برآورد مدل برای نمونه کشورهای درحال­توسعه نیز نشان می­دهد که در همه دهک­ها،‌ ریسک سیاسی تاثیر مثبت معنا­دار بر اقتصاد سایه داشته است. این نتیجه مشابه کشورهای توسعه­یافته بوده و لذا می­توان تاکید کرد که ریسک سیاسی از مهمترین عوامل گسترش اقتصاد پنهان در جوامع مختلف توسعه­یافته یا کمترتوسعه­یافته هستند. آزادی اقتصادی تا دهک ۵ تاثیر منفی بر اقتصاد سایه در کشورهای درحال­توسعه داشته است. نرخ بیکاری از دهک ۳ تا ۹ آثار مثبت و معنا­دار بر روی اندازه اقتصاد سایه داشته است و لذا مانند کشورهای توسعه­یافته برای کشورهای درحال­توسعه نیز بیکاری افراد انگیزه­های فعالیت­های زیرزمینی را افزایش می­دهد. نرخ مالیات در گروه کشورهای درحال­توسعه اثر معنا­دار بر بخش غیررسمی اقتصاد نداشته است.

 

 

جدول 5. نتایج برآورد مدل پانل کوانتایل برای کشورهای درحال­توسعه

Quantile	Q-reg(1)	Q-reg(2)	Q-reg(3)	Q-reg(4)	Q-reg(5)	Q-reg(6)	Q-reg(7)	Q-reg(8)	Q-reg(9)
npolrisk	094/0 **(45/2)	098/0 *(28/3)	101/0 *(95/3)	104/0 *(5/4)	108/0 *(53/4)	110/0 *(12/4)	114/0 *(55/3)	117/0 *(99/2)	122/0 **(47/2)
freedom	268/0- ***(70/1-)	27/0- ***(74/1-)	259/0- ***(85/1-)	257/0- ***(81/1-)	245/0- ***(69/1-)	235/0- (42/1-)	224/0- (14/1-)	212/0- (88/0-)	196/0- (65/0-)
unemp	036/0 (35/0)	107/0 (32/1)	156/0 **(24/2)	207/0 *(24/3)	264/0 *(06/4)	313/0 *(29/4)	365/0 *(21/4)	424/0 *(02/4)	495/0 *(74/3)
taxr	026/0  (46/0)	031/0 (69/0)	034/0 (90/0)	038/0 (09/1)	041/0 (17/1)	045/0 (12/1)	048/0 (01/1)	052/0 (89/0)	057/0 (78/0)
rent	123/0 * (94/4)	12/0 *(16/6)	118/0 *(08/7)	116/0 *(67/7)	113/0 *(32/7)	111/0 *(34/6)	109/0 *(21/5)	106/0 *(15/4)	103/0 *(21/3)
reg	034/0- *** (87/1-)	035/0- **(99/1-)	035/0- **(32/2-)	035/0- **(54/2-)	034/0- **(46/2-)	034/0- **(16/2-)	034/0- ***(80/1-)	034/0- (46/1-)	033/0- (15/1-)
growth	08/0 *(55/3)	068/0 *(89/3)	06/0 *(01/4)	052/0 *(81/3)	043/0 *(06/3)	035/0 **(22/2)	026/0 (43/1)	017/0 (75/0)	006/0 (20/0)

منبع: یافته­های تحقیق

 

  

 

نمودار 3. روند ضرایب متغیرهای توضیحی در کوانتایلهای مختلف

منبع: یافته­های تحقیق

رانت منابع طبیعی به­طور معنا­دار در همه دهک­ها اثر مثبت بر اندازه اقتصاد سایه داشته است. این اثرگذاری نسبت به کشورهای توسعه­یافته قوی­تر بوده است. لذا در کشورهایی که از منابع طبیعی زیادی برخوردار هستند، اندازه اقتصاد سایه بزرگتر بوده است و درواقع چنین منابع رایگانی برای جامعه،‌ فعالیت­های پنهان که ممکن است بخشی از آن فعالیت­های رانت­جویانه باشد، را گسترش خواهد داد. کیفیت مقررات در ۸ دهک اول اثر منفی و معنا­دار بر اندازه اقتصاد سایه داشته است و موید نتایج به­دست آمده برای کشورهای توسعه­یافته است. همچنین رشد اقتصادی در ۶ دهک اول، اثر مثبت و معنا­دار بر توسعه بخش پنهان اقتصادی داشته است.

اغلب نتایج برآورد مدل برای کشورهای درحال­توسعه، مشابه کشورهای توسعه­یافته بوده با این تفاوت که اندازه ضرایب و معنا­دار و روند کاهنده و فزاینده در طول دهک­ها بین دو گروه از کشورهای تفاوت­هایی را دارا بوده است. برخلاف کشورهای توسعه­یافته روند اثرگذاری ریسک سیاسی بر اندازه اقتصاد پنهان در کشورهای درحال­توسعه فزاینده بوده است. علت چنین نتیجه­ای ممکن است در امکان گسترش فعالیت­های پنهان در کشورهای توسعه­یافته و در حال‌توسعه باشد. بدین معنا که در کشورهای توسعه­یافته امکان گسترش بیش از پیش فعالیت­های پنهان وجود نداشته و لذا اثرگذاری متغیرها کند می­شود ولی در کشورهای درحال­توسعه امکان رشد بیش از پیش بخش پنهان اقتصادی وجود دارد و لذا با افزایش ریسک سیاسی، فعالیت­های پنهان اقتصادی نیز امکان گسترش بیش از پیش را نیز دارند.

درنهایت، همان­طور که در قسمت روش­شناسی بحث شد، از آزمون برابری ضرایب و آزمون تقارن می­توان برای بررسی تفاوت در کوانتایل­ها استفاده کرد. درواقع نبود برابری در ضرایب و عدم تقارن آنها به معنای تفاوت در کوانتایل­ها بوده که لزوم استفاده از روش­های برآوردی کوانتایلی را مورد تاکید قرار می­دهد. فرضیه صفر این آزمون­ها، برابری در ضرایب یا تقارن آنهاست. لذا درصورت اینکه فرضیه صفر پذیرفته نشود، ضرایب رگرسیونی در طول دهک­ها برابر یا متقارن نبوده، و استفاده از روش کوانتایل توجیه بیشتری پیدا می­کند. آزمون برابری ضرایب مدل در دهکهای مختلف و همچنین آزمون تقارن ضرایب برای کشورهای توسعه­یافته و درحال­توسعه در جدول 6 گزارش شده است.

براساس آزمون برابری ضرایب، برای هر دو گروه فرضیه صفر مبتنی­بر برابری ضرایب کوانتایل­ها رد می­شود و لذا می­توان گفت ضرایب در بین دهک­ها متفاوت بوده و استفاده از رویکرد کوانتایل برای این منظور معتبر و مفید بوده است. همچنین آزمون تقارن ضرایب نیز برای هر دو گروه کشورها، به­طور معنا­داری رد شده و لذا تقارن ضرایب رگرسیون نسبت به مقدار میانی رد می­شود و لذا می­توان گفت ضرایب رگرسیون در دو سمت میانی کوانتایل­ها برابر نیستند.

 

جدول 6 . آزمون برابری و آزمون تقارن ضرایب رگرسیون

آزمون برابری ضرایب (9/0 – 1/0 = Q)
نوع آزمون	کشورهای توسعه­یافته		کشورهای درحال­توسعه
	مقدار آماره 2	ارزش احتمال	مقدار آماره 2	ارزش احتمال
آزمون والد	17/46	000/0	17/34	004/0
آزمون تقارن (9/0 – 1/0 = Q)
نوع آزمون	کشورهای توسعه­یافته		کشورهای درحال­توسعه
	مقدار آماره 2	ارزش احتمال	مقدار آماره 2	ارزش احتمال
آزمون والد	17/32	007/0	64/19	01/0

منبع: یافته­های تحقیق

همچنین، نمودارهای پراکنش بین ریسک سیاسی و اقتصاد سایه اطلاعات ملموس و قابل مشاهده از رابطه بین این دو متغیر را می­تواند نشان دهد. نمودار 4 پراکنش بین ریسک سیاسی و  اقتصاد پنهان را برای هر دو گروه از کشورها نشان می­دهد، براساس این نمودار که از متوسط اعداد ریسک سیاسی و اقتصاد پنهان برای کشورها در طول دوره مورد بررسی محاسبه شده است،‌در کشورهایی که ریسک سیاسی بالاتری دارند، بخش غیررسمی و پنهان اقتصاد بالاتری را نیز تجربه می­کنند.

 

کشورهای درحال­توسعه

کشورهای توسعه­یافته

 

 

نمودار 4. نمودارهای پراکنش بین ریسک سیاسی و اقتصاد سایه

منبع: یافته­های تحقیق

 

5. نتیجه­گیری و پیشنهادها 

نتایج مطالعات مختلف نشان می­دهد که گسترش بخش غیررسمی و پنهان اقتصاد، پیامدهای منفی بسیاری برای جوامع به همراه دارد. در پژوهش­های قبلی برخی عوامل تعیین­کننده اقتصاد سایه شناسایی شده­اند، ولی تاثیر ریسک سیاسی بر رشد اندازه بخش پنهان اقتصاد کمتر مورد توجه بوده است. بنابرین هدف این مقاله بررسی تاثیر ریسک سیاسی بر اقتصاد سایه در دو گروه از کشورهای توسعه­یافته و درحال­توسعه بود. بدین منظور، با توجه به مزیت­ها و اطلاعات مفیدی که از برآورد رگرسیون در دهک­های مختلف حاصل می­شود، این مقاله با رویکرد پانل کوانتایل به بررسی تاثیر ریسک سیاسی بر روی اقتصاد سایه در نمونه کشورهای توسعه­یافته و درحال­توسعه طی دوره 2020-2000 پرداخت، که چنین رویکردی در مطالعات قبلی مشاهده نشده بود. نتایج نشان داد در دهک­های مختلف برای کشورهای توسعه‌یافته و درحال­توسعه قویا نقش مهم ریسک سیاسی در گسترش بخش پنهان اقتصاد را مورد تایید قرار داد. در همه دهک­ها و در هر دو گروه از کشورها، ریسک سیاسی تاثیر مثبت و معنا­دار بر روی اقتصاد سایه داشته است. البته نمودار پراکنش نیز این نتیجه را تصدیق می­کند. زمانی­که ریسک­های سیاسی در یک جامعه افزایش می­یابد، ازجمله گسترش تنش­های داخلی و خارجی، فساد، تضعیف قانون، ضعف در سیستم بوروکراسی، عدم پاسخگویی و بی­ثباتی دولت و خطرات سیاسی حاکم بر اقتصاد بیشتر می­شود، انگیزه­های فعالیت­های پنهان و غیررسمی افزایش می­یابد. برخی از این شاخص­ها به­طور جزئی در مطالعات قبلی مانند الباناساو و همکاران⁷³(2016)؛ رزمی و جمال‌منش⁷⁴(2014) و سدیک و همکاران⁷⁵(2022) استفاده شده است که نتایج این مطالعه را تصدیق می­کند. لذا بخش مهمی از فعالیت­های پنهانی که ممکن است فعالیت­های مجرمانه را نیز شامل شود، به­دلیل ضعف در بدنه حاکمیتی و ریسک­های ناشی از آن است. سیاست­های عمومی درخصوص کاهش ریسک­های سیاسی مانند تقویت سیستم بوروکراسی، پاسخگویی دولتمردان، کنترل فساد، شفافیت و ثبات سیاسی دولت و تلاش در برای کاهش تنش­های داخلی و خارجی از جمله توصیه­های مهم این مقاله است.

بر اساس نتایح به­دست آمده، آزادی اقتصادی یکی دیگر از عوامل تعیین­کننده اندازه اقتصاد سایه در کشورهای مختلف است. نتایج نشان داد در کشورهایی که آزادی اقتصادی بالاتری دارند، اندازه اقتصاد پنهان و زیرزمینی کمتر بوده است. به­نظر می­رسد اقتصاد بسته با ایجاد فرصت­های رانتی زیاد و همچنین تقویت فساد اقتصادی، انگیزه­های زیادی برای فعالیت­های غیررسمی ایجاد می­کند. این نتیجه با یافته­های مطالعاتی مانند بردیوو و همکاران⁷⁶(2018)؛ بایر و آزتورک⁷⁷(2019)؛ فریتاگ و همکاران⁷⁸(2022)؛ سانوریس(2024) و گرایف⁷⁹(2024) در یک راستا بوده است. در فضای آزاد اقتصادی، انگیزه­ فعالیت­های پنهان و زیرزمینی کاهش می­یابد، زیرا افراد آزاده می­توانند در فعالیت­های مختلف دلخواه خود عمل کنند. همان­طور که در بخش معرفی متغییرها بیان شد، شاخص آزادی اقتصادی شامل اندازه دولت، امنیت حقوق مالکیت، نقدینگی سالم، آزادی تجارت و قوانین کارآمد مالی و بخش کسب­وکار است. در جوامعی که دولت بزرگ و مداخله­گر بوده، حقوق مالکیت خصوصی از امنیت کافی برخوردار نیست، نقدینگی غیرسالم مانند چاپ پول بدون پشتوانه توسط دولت زیاد باشد، محدودیت­های گسترده تجاری وجود داشته و قوانین دست­وپا گیر زیادی در حوزه مالی و کسب­وکارها باشد، انگیزه افراد برای فعالیت­های زیرزمینی و پنهان افزایش خواهد یافت. بنابرین کاهش محدودیت­های اقتصادی اعم از مقررات زائد کسب­وکارهای تولیدی و تجاری، حفاظت از حقوق مالکیت خصوصی و همچنین ایجاد فضای اقتصادی آزادتر برای فعالیت­های مختلف از توصیه­های دیگر این مطالعه است. 

طبق انتظار، نتایج برآورد مدل برای همه دهک­ها و در هر دو گروه از کشورها، نرخ بیکاری تاثیر مثبت و معنا­دار بر اندازه اقتصاد سایه داشته است. زمانی­که که افراد شغل مناسبی نداشته باشند و نتوانند در بازار کار رسمی فعالیت کنند، به­طور طبیعی به سمت فعالیت­های پنهان و زیرزمینی سوق پیدا خواهند کرد. این نتیجه در مطالعات قبلی مانند مطالعات مالون و سردا⁸⁰(2007)؛ تران(2021) رمکین و گاسپارنین⁸¹(2021) نیز مشاهده می­شود. لذا تقویت بازار کار و ایجاد شغل مناسب برای افراد ازجمله سیاست­های معتبر برای کاهش اندازه اقتصاد سایه محسوب و توصیه می­شود. همچنین انتظار بر این بود که درآمدهای مالیاتی تاثیر مثبت بر اقتصاد سایه داشته باشد که نتایج نشان داد این اثرگذاری قوی و مستحکم نبوده و تنها در برخی دهک­ها در کشورهای توسعه­یافته افزایش درآمدهای مالیاتی بر اندازه اقتصاد سایه اثرگذار بوده است. لذا بهبود سیستم کارای مالیاتی حتی اگر به افزایش میزان مالیات­های دریافتی در یک کشور منجر شود، نمی­تواند آسیب جدی به فعالیت­های رسمی داشته باشد.

یکی دیگر از نتایج قابل تامل مطالعه، تاثیر معنا­دار و تعیین­کننده رانت منابع طبیعی بر اقتصاد سایه است. رانت منابع طبیعی شامل نفت، گاز، معادن و جنگل می­شود. نتایج نشان داد که مخصوصا در کشورهای درحال­توسعه در همه دهک­ها رانت منابع طبیعی تاثیر مثبت و معنا­دار بر اقتصاد سایه دارد. لذا در کشورهایی که از رانت منابع طبیعی بیشتری برخوردار هستند، حجم فعالیت­های پنهان و زیرزمینی بیشتر است. مطالعات اخیر مانند دادا و همکاران(2024) و بلانتون و پکسن⁸²(2023) نتایج مشابهی را به­دست آورده­اند. وجود این ثروت­های طبیعی از یک سو منابع زیادی را برای فعالیت­های مختلف اعم از فعالیت­های غیررسمی ایجاد می­کند و از سوی دیگر نه تنها دولت­ها احساس نیاز کمتری به نظارت و شفافیت پیدا می­کنند، بلکه ممکن است بسیاری از افراد و گروه­های قدرتمند در بدنه دولت برای بهره­مندی از این رانت­ها به فعالیت­های مخفیانه و غیرقانونی روی آورده و یا آن را حمایت کنند. به­نظر می­رسد برای جلوگیری از این اتفاق، به شفافیت بیشتری در بهره­برداری و فروش این منابع با ایجاد مکانیسم­های مالی و بوروکراتیک کارآمد نیاز است. ایجاد صندوق­های ملی با نظارت مستقیم مردم به عنوان سهام­داران این صندوق­ها که مالکیت و حق بهره­برداری از این منابع را داشته و طبق مقررات شرکت­ها موظف به گزارش­های مالی شفاف با نظارت سهام­داران باشد، کارایی بهره­مندی از این منابع را بهبود داده و پیامدهای سوء استفاده از آنها را کاهش می­دهد.

درنهایت نتایج نشان داد در همه دهک­ها و در هر دو گروه کشورهای توسعه­یافته و درحال­توسعه شاخص کیفیت مقررات تاثیر منفی و معنا­دار بر اقتصاد سایه داشته است. این نتیجه از مطالعاتی مانند خان و رحمان⁸³(2022) و لیولیو و ماسکالنکو⁸⁴(2020) حمایت می­شود. شاخص کیفیت نظارتی، توانایی دولت برای تدوین و اجرای سیاست‌ها و مقررات صحیحی را که اجازه و ارتقای توسعه بخش خصوصی را می‌دهد، را نشان می‌دهد. لذا می­توان گفت که بهبود کیفیت مقررات و کارآمدی سیاست­های دولت در حمایت بخش خصوصی از مهمترین عوامل کاهنده اندازه اقتصاد سایه در کشورهاست. در این­خصوص می­توان کشور چین که دارای یک اقتصاد بزرگ و اندازه بزرگ اقتصاد بود، ولی به­دلیل کیفیت بالای مقررات، اندازه اقتصاد سایه نسبت به سایر کشورهای درحال­توسعه کمترین میزان بود. همچنین می­توان کشور ایالات متحده آمریکا در بین کشورهای توسعه­یافته را در این تفسیر جای داد. لذا بازنگری، اصلاح و ارتقای کیفیت مقررات دولتی درخصوص ایجاد فضایی برای تقویت و ارتقای بخش خصوصی از توصیه­های جدی این مقاله است.

 

حامی مالی

این مقاله حامی مالی ندارد.

تعارض منافع

تعارض منافع وجود ندارد.

سپاسگزاری

در بخش پایانی، از افراد و نهادهایی که در اجرای پژوهش نقش موثری داشته‌‌اند یا تامین مالی نموده‌اند، تشکر و قدردانی می‌شود. همچنین نویسندگان از داوران ناشناس که در بهبود کیفیت مقاله کمک کرده‌اند، تشکر می‌کنند.

ORCID

Ther Saadoon Shnaishel                    https://orcid.org/0009-0006-5913-5972  

Yousef Mohammadzadeh                  https://orcid.org/0000-0002-4364-5832

Ramin Bashir Khodaparasti                  https://orcid.org/0000-0002-5292-3451

Shahab Jahangiri                                   https://orcid.org/0000-0001-9755-1981

 

 

منابع 

-       Ajide, K. B., & Ridwan, L. I. (2023). Does natural resource wealth hinder or promote activity of the shadow markets in Africa? Resources Policy, 85, 104025.

-       Alvarado, R., Tillaguango, B., López-Sánchez, M., Ponce, P., & Işık, C. (2021). Heterogeneous impact of natural resources on income inequality: the role of the shadow economy and human capital index. Economic Analysis and Policy, 69, 690-704.

-       Bajada, C., & Schneider, F. (2009). Unemployment and the shadow economy in the OECD. Revue économique, 60(5), 1033-1067.

-       Baloch, A., Shah, S. Z., Rasheed, S., & Rasheed, B. (2022). The impact of shadow economy on environmental degradation: empirical evidence from Pakistan. GeoJournal, 87(3), 1887-1912.

-       Bayar, Y. (2016). Public governance and shadow economy in Central and Eastern European countries. Revista» Administratie si Management Public (RAMP), (27), 62-73.

-       Bayar, Y., & Öztürk, O. F. (2019). Economic freedom, globalization, and the shadow economy in the European Union transition economies: a panel cointegration analysis. Organizations and Markets in Emerging Economies, 10(2), 378-391.

-       Berdiev, A. N., Saunoris, J. W., & Schneider, F. (2018). Give me liberty, or I will produce underground: Effects of economic freedom on the shadow economy. Southern Economic Journal, 85(2), 537-562.

-       Biswas, A. K., Farzanegan, M. R., & Thum, M. (2012). Pollution, shadow economy and corruption: Theory and evidence. Ecological economics, 75, 114-125.

-       Blanton, R. G., & Peksen, D. (2023). Natural resource wealth and the informal economy. International Political Science Review, 44(3), 418-433.

-       Canh, N. P., & Thanh, S. D. (2020). Financial development and the shadow economy: A multi-dimensional analysis. Economic Analysis and Policy, 67, 37-54.

-       Chen, H., Hao, Y., Li, J., & Song, X. (2018). The impact of environmental regulation, shadow economy, and corruption on environmental quality: Theory and empirical evidence from China. Journal of Cleaner production, 195, 200-214.

-       Chu, L. K., Doğan, B., Ghosh, S., & Shahbaz, M. (2023). The influence of shadow economy, environmental policies and geopolitical risk on renewable energy: A comparison of high-and middle-income countries. Journal of Environmental Management, 342, 118122.

-       Dada, J. T., Ajide, F. M., Arnaut, M., & Al-Faryan, M. A. S. (2024). On the contributing factors to shadow economy in Africa: Do natural resources, ethnicity and religious diversity make any difference? Resources Policy, 88, 104478.

-       Davidescu, A. A., & Dobre, I. (2012). The Causal relationship between the unemployment rate and US shadow economy. A Toda-Yamamoto approach. Journal of Social and Economic Statistics, 1(1), 21-34.

-       Dell’Anno, R. (2016). Analyzing the determinants of the shadow economy with a “separate approach”. An application of the relationship between inequality and the shadow economy. World Development, 84, 342-356.

-       Dung, H. P., & Thanh, T. T. (2021). Economic complexity and shadow economy: A multi-dimensional analysis. Economic Analysis and Policy, 72, 408-422.

-       Elbahnasawy, N. G., Ellis, M. A., & Adom, A. D. (2016). Political instability and the informal economy. World Development, 85, 31-42.

-       Enste, D. H. (2010). Regulation and shadow economy: empirical evidence for 25 OECD-countries. Constitutional Political Economy, 21, 231-248.

-       Esaku, S. (2021). Does income inequality increase the shadow economy? Empirical evidence from Uganda. Development Studies Research, 8(1), 147-160.

-       Farzanegan, M. R., Hassan, M., & Badreldin, A. M. (2020). Economic liberalization in Egypt: A way to reduce the shadow economy? Journal of Policy Modeling, 42(2), 307-327.

-       Fedajev, A., Veličković, M., Nikolić, R., Cogoljevic, M., & Remeikienė, R. (2022). Factors of the shadow economy in market and transition economies during the post-crisis period: is there a difference? Inžinerinė ekonomika, 33(3), 246-263.

-       Freytag, A., Schneider, F., & Spiegel, S. E. (2022). The influence of economic freedom on the shadow economy in developed and developing countries. The Economists’ Voice, 19(2), 183-205.

-       Gasparėnienė, L., Bilan, Y., Remeikienė, R., Ginevičius, R., & Čepel, M. (2017). The methodology of digital shadow economy estimation.

-       Graeff, P. (2024). The impact of economic freedom on corruption and the shadow economy. In Handbook of Research on Economic Freedom (pp. 372-386). Edward Elgar Publishing.

-       Hajilee, M., Stringer, D. Y., & Hayes, L. A. (2021). On the link between the shadow economy and stock market development: An asymmetry analysis. The Quarterly Review of Economics and Finance, 80, 303-316.

-       Ishak, P. W., & Farzanegan, M. R. (2022). Oil price shocks, protest, and the shadow economy: Is there a mitigation effect? Economics & Politics, 34(2), 298-321.

-       Jamalmanesh, A. (2011). Institutional governance effect on the shadow economy in Asia. Journal of American Science, 7(7), 325-333.

-       Khan, S., & Rehman, M. Z. (2022). Macroeconomic fundamentals, institutional quality and shadow economy in OIC and non-OIC countries. Journal of Economic Studies, 49(8), 1566-1584.

-       Koenker, R. & Bassett, G. (1978). Regression quantiles. Econometrica, 46, 33–50.

-       Koufopoulou, P., Williams, C. C., Vozikis, A., & Souliotis, K. (2019). Shadow economy: Definitions, terms & theoretical considerations. Advances in Management and Applied Economics, 9(5), 35-57.

-       Lelia, C., & Maria, S. (2012). Benefits and costs of the informal sector: the case of brick kilns in Bangladesh. Journal of Environmental Protection, 2012.

-       Luong, T. T. H., Nguyen, T. M., & Nguyen, T. A. N. (2020). Rule of law, economic growth and shadow economy in transition countries. The Journal of Asian Finance, Economics and Business, 7(4), 145-154.

-       Lyulyov, O., & Moskalenko, B. (2020). Institutional quality and shadow economy: An investment potential evaluation model. Virtual Economics, 3(4), 131-146.

-       Lyulyov, O., Paliienko, M., Prasol, L., Vasylieva, T., Kubatko, O., & Kubatko, V. (2021). Determinants of shadow economy in transition countries: Economic and environmental aspects. International journal of global energy issues, 43(2-3), 166-182.

-       Manolas, G., Rontos, K., Sfakianakis, G., & Vavouras, I. (2013). The determinants of the shadow economy: The case of Greece.

-       Mauleón, I., & Sardà, J. (2017). Unemployment and the shadow economy. Applied economics, 49(37), 3729-3740.

-       Navickas, M., Juščius, V., & Navickas, V. (2019). Determinants of shadow economy in Eastern European countries. Scientific Annals of Economics and Business, 66(1), 1-14.

-       Němec, D., Kotlánová, E., Kotlán, I., & Machová, Z. (2021). Corruption, taxation and the impact on the shadow economy. Economies, 9(1), 18.

-       Newey, W. K., & Powell, J. L. (1987). Asymmetric least squares estimation and testing. Econometrica. Journal of the Econometric Society, 819-847.

-       Ohnsorge, F., & Yu, S. (2021). The long shadow of informality. World Bank Group.

-       Ortiz, C., Alvarado, R., Méndez, P., & Flores-Chamba, J. (2022). Environmental impact of the shadow economy, globalisation, and human capital: capturing spillovers effects using spatial panel data approach. Journal of Environmental Management, 308, 114663.

-       Pang, J., Li, N., Mu, H., Jin, X., & Zhang, M. (2022). Asymmetric effects of urbanization on shadow economy both in short-run and long-run: new evidence from dynamic panel threshold model. Technological Forecasting and Social Change, 177, 121514.

-       PRS Group. (2012). International country risk guide methodology. URL: http://www. prsgroup. com/wp-content/uploads/2012/11/icrgmethodology. pdf (accessed November 24, 2018).

-       Psychoyios, D., Missiou, O., & Dergiades, T. (2021). Energy based estimation of the shadow economy: The role of governance quality. The Quarterly Review of Economics and Finance, 80, 797-808.

-       Razmi, M. J., & Jamalmanesh, A. (2014). How political indices affect the shadow economy. Romanian Economic and Business Review, 9(1), 45.

-       Remeikiene, R., & Gaspareniene, L. (2021). The nexus between unemployment and the shadow economy in Lithuanian regions during the COVID-19 pandemic. Journal of international studies, 14(3).

-       Ruge, M. (2012). Public governance and the shadow economy. In German Institute of Economic Research, Shadow Economy Conference.

-       Safuan, S., Habibullah, M. S., & Sugandi, E. A. (2021). Mitigating the shadow economy through financial sector development in Indonesia: some empirical results. Heliyon, 7(12).

-       Saha, S., Beladi, H., & Kar, S. (2021). Corruption control, shadow economy and income inequality: Evidence from Asia. Economic Systems, 45(2), 100774.

-       Sahnoun, M., & Abdennadher, C. (2019). The nexus between unemployment rate and shadow economy: a comparative analysis of developed and developing countries using a simultaneous-equation model (No. 2019-30). Economics Discussion Papers.

-       Saunoris, J. W. (2024). Individualism, economic freedom, and the development of the shadow economy. Economic Systems, 48(1), 101168.

-       Schneider, F., & Enste, D. H. (2000). Shadow economies: Size, causes, and consequences. Journal of economic literature, 38(1), 77-114.

-       Shahab, M. R., Pajooyan, J., & Ghaffari, F. (2015). The effect of corruption on shadow economy: an empirical analysis based on panel data. International Journal of Business and Development Studies, 7(1), 85-100.

-       Siddik, M. N. A., Kabiraj, S., Hosen, M. E., & Miah, M. F. (2022). Impacts of political stability on shadow economy: evidence from Bay of Bengal initiative for multi-sectoral technical and economic cooperation countries. Vision, 26(2), 221-231.

-       Stiglitz, J. E., & Pieth, M. (2016). Overcoming the shadow economy. Friedrich Ebert Stiftung.

-       Torgler, B., & Schneider, F. (2007). Shadow economy, tax morale, governance and institutional quality: a panel analysis.

-       Torgler, B., Schneider, F., & Macintyre, A. (2011). Shadow economy, voice and accountability, and corruption. In Handbook on the shadow economy. Edward Elgar Publishing.

-       Tran, T. K. P. (2021). Unemployment and shadow economy in ASEAN countries. The Journal of Asian Finance, Economics and Business, 8(11), 41-46.

-       Tran, T. K. P. (2021). Unemployment and shadow economy in ASEAN countries. The Journal of Asian Finance, Economics and Business, 8(11), 41-46.

-       Ur Rahman, S., Faisal, F., Sami, F., & Schneider, F. (2023). Does country risk moderates the financial market development and shadow economy nexus? Evidence from fast-emerging countries analysis. International Journal of Emerging Markets.

-       Vo, D. H., Ha, D. T. T., & Ly, T. H. (2015). Shadow Economy and Corruption in the ASEAN: Complement or Substitute? In A New Paradigm for International Business: Proceedings of the Conference on Free Trade Agreements and Regional Integration in East Asia (pp. 151-169). Springer Singapore.

-       Vostroknutova, K. (2003). Shadow Economy, Rent-Seeking Activities and the Perils of Reinforcement of the Rule of Law. Rent-Seeking Activities and the Perils of Reinforcement of the Rule of Law (March 2003).

-       Williams, C. C., & Schneider, F. (2016). Measuring the Global Shadow Economy: the prevalence of informal work and labour. Edward Elgar Publishing.

-       Yap, W. W., Sarmidi, T., Shaari, A. H., & Said, F. F. (2018). Income inequality and shadow economy: a nonparametric and semiparametric analysis. Journal of Economic Studies, 45(1), 2-13.

-       Zhanabekov, S. (2022). Robust determinants of the shadow economy. Bulletin of Economic Research, 74(4), 1017-1052.

 

---

[1]  این مقاله مستخرج از رساله دکتری ذر سعدون شنیشل به راهنمایی دکتر یوسف محمدزاده و دکتر رامین بشیر خداپرستی و مشاوره دکتر شهاب جهانگیری در دانشکده اقتصاد و مدیریت دانشگاه ارومیه است.

[2] * دانشجوی دکتری علوم اقتصادی، گروه اقتصاد، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران، [e-mail]

[3] ** دانشیار، گروه اقتصاد، دانشگاه ارومیه، ارومیه، ایران (نویسنده مسئول)، [e-mail]

[4] + دانشیار، گروه مدیریت، دانشگاه ارومیه، ارومیه، ایران، [e-mail] 

[5] ´ دانشیار، گروه اقتصاد، دانشگاه ارومیه، ارومیه، ایران،  [e-mail]

[6]  Psychoyios et al

[7]  Saha et al

[8]  Alvarado et al

[9]  Ohnsorge & Yu

[10]  Vo et al

[11]  Hajilee et al

[12]  Chu et al

[13]  Dada et al

[14]  Lelia & Maria

[15]  Chen et al

[16]  Biswas et al

[17]  Ortiz et al

[18]  Williams & Schneider

[19]  Dell’Anno

[20]  Gasparėnienė et al

[21]  Saunoris

[22]  Schneider & Enste

[23]  Dung & Thanh

[24]  Ajide & Ridwan

[25]  Pang et al

[26]  Bajada & Schneider

[27]  Ruge

[28]  Stiglitz & Pieth

[29]  Torgler et al

[30]  Koufopoulou et al

[31]  Underground Economy

[32]  Informal economy

[33]  Grey Economy

[34]  Parallel Economy

[35]  Safuan et al

[36]  Canh and Thanh

[37]  Shahab at al

[38]  Jamalmanesh

[39]  Bayar

[40]  Luong

[41]  Enste

[42]  Farzanegan at al

[43]  Lyulyov et al

[44]  Baloch et a

[45]  Tran

[46]  Davidescu & Dobre

[47]  Sahnoun & Abdennadher

[48]  Esaku

[49]  Yap et a

[50]  Navickas et al

[51]  Canh et al

[52]  Zhanabekov

[53]  Torgler  and Schneider

[54]  Vostroknutova

[55]  Political Risk Services

[56]  Saunoris

[57]  Blanton & Peksen

[58]  Dada et al

[59]  Ur Rahman et al

[60]  Ishak & Farzanegan

[61]  Siddik et al

[62]  Freytag et al

[63]  Fedajev et al

[64]  Khan & Rehman

[65]  Němec et al

[66]  Tran

[67]  Nguyen & Su

[68]  Fraser Institute

[69]  Worldwide Governance Indicators

[70]  Quantiles

[71]  Koenker & Bassett

[72]  Newey & Powell

[73]  Elbahnasawy et a

[74]  Razmi & Jamalmanesh

[75]  Siddik et al

[76]  Berdiev et al

[77]  Bayar and Öztürk

[78]  Freytag et al

[79]  Graeff

[80]  Mauleón & Sardà

[81]  Remeikiene & Gaspareniene

[82]  Blanton & Peksen

[83]  Khan & Rehman

[84]  Lyulyov & Moskalenko