مدل‌سازی اثرات جایگزینی مالیات‌ها بر اندازه اقتصاد سایه (کاربرد تجربی برای اقتصاد ایران)

نوع مقاله : مقاله پژوهشی

نویسنده

استادیار گروه اقتصاد، دانشگاه سمنان، سمنان، ایران

10.30495/eco.2020.674217

چکیده

هدف این مقاله بررسی اثر جایگزینی اقلام مختلف مالیاتی (یا تغییر در ترکیب مالیاتی) بر اندازه اقتصاد سایه در ایران است. بدین منظور، یک مدل پیشنهادی با استفاده از رویکرد خودرگرسیونی با وقفه‌های توزیعی برای دوره زمانی 1355-1394 برآورد شده است. نتایج نشان داد جایگزینی مالیات بر شرکت‌ها برای مالیات بر درآمد یا مالیات بر کالا و خدمات و نیز جایگزینی مالیات بر ثروت برای مالیات بر درآمد، مالیات بر کالا و خدمات، مالیات بر شرکت‌ها یا مالیات بر واردات اندازه اقتصاد سایه را کاهش می‌دهد. افزون بر این، جایگزینی مالیات بر واردات برای مالیات بر درآمد، مالیات بر شرکت‌ها یا مالیات بر کالا و خدمات منجر به کاهش اندازه اقتصاد سایه می‌شود؛ در حالی‌ که جایگزینی مالیات بر کالا و خدمات برای مالیات بر درآمد تأثیر معناداری بر فعالیت‌های این بخش ندارد. نتایج این مطالعه مبنای مناسبی برای تعدیل ترکیب مالیات‌ها برای کوچک‌تر کردن و یا ممانعت از گسترش بخش اقتصاد سایه در ایران فراهم می‌آورند.

کلیدواژه‌ها


1. مقدمه

«اقتصاد سایه»[1] پیامدهای منفی و حتی جبران‌ناپذیری بر ابعاد مختلف زندگی اجتماعی و اقتصادی یک کشور دارد. بر این اساس، اتخاذ سیاست‌های مناسب برای محدودسازی بخش سایه اقتصاد می‌تواند به کاهش هزینه‌ها، افزایش درآمدهای دولت، دریافت حق دولت و تأمین حق جامعه توسط دولت، تقسیم عادلانه درآمد و ثروت در بین اقشار جامعه، تخصیص هدفمند و مناسب منابع اقتصادی و در کل رسیدن به اهداف سه‌گانه تخصیص، توزیع و تثبیت کمک کند (صامتی، سامتی و دلائی میلان، 1388).

تفاوت قابل توجهی در سهم اقتصاد سایه از «تولید ناخالص داخلی»[2] برای کشورهای مختلف وجود دارد و معمولاً این سهم برای کشورهای در حال توسعه و نوظهور در مقایسه با کشورهای صنعتی بیش‌تر است (کاستا- جونیر، گارسیا- سینتادو و ایبانز[3]، 2017). این کشورها با توجه به ضعف سیستم مالیاتی، بوروکراسی اداری، عدم گسترش اخلاق مالیاتی، بیکاری و محدودیت‌های تجاری و مانند آن، اقتصاد سایه بزرگ‌تری دارند (فطرس و دلائی میلان، 1395).

در همین راستا، مدینا و اشنایدر[4] (2017) اندازه اقتصاد سایه را برای 158 کشور طی دوره 1991-2015 برآورد کرده‌اند. از میان این کشورها، جورجیا، بولیوی و زیمبابوه به ترتیب با  9/64 درصد، 3/62 درصد و 6/60 درصد بیش‌ترین سهم اقتصاد سایه از تولید ناخالص داخلی را دارند. از طرف دیگر، کشورهای توسعه‌یافته‌ای چون اتریش، ایالت متحده و سوئیس به ترتیب با 9 درصد، 4/9 درصد و 9/9 درصد کم‌ترین حجم اقتصاد سایه را دارند.

شناخت عوامل تأثیرگذار بر اندازه بخش اقتصاد سایه از اهمیت به‌سزایی برای تدوین سیاست‌های مناسب جهت کوچک‌تر کردن اندازه این بخش برخوردار است. در متون اقتصاد سایه، نرخ‌های مالیاتی بالا و سهم تأمین اجتماعی یکی از مهم‌ترین عوامل فرار مالیاتی و گسترش فعالیت‌های بخش اقتصاد سایه تلقی می‌شود (فطرس و دلائی میلان، 1395).

بر این اساس، اکثر مطالعات تجربی مالیات‌ها را به ‌عنوان یکی از عوامل توضیح‌دهنده اندازه اقتصاد سایه در نظر می‌گیرند. به عبارت دیگر، با فزایش نرخ مالیات‌ها، فعالیت‌های غیررسمی با هدف عدم پرداخت مالیات‌ها گسترش می‌یابد. این مسئله نه تنها موجب ناکارایی تولیدی در اقتصاد می‌شود؛ بلکه درآمدهای مالیاتی دولت را کاهش می‌دهد.

با این حال، انواع مختلف مالیات‌ها ممکن است اثرات یکسانی بر اندازه اقتصاد سایه نداشته باشند؛ زیرا، اول، حساسیت جامعه به افزایش انواع مختلف مالیات‌ها یکسان نیست. دوم، راه‌های عملی فرار مالیاتی در مورد انواع مالیات‌ها یکسان نیست. در نتیجه، فهم اثر تغییر در ترکیب مالیات‌ها (یا جایگزین‌سازی مالیات‌ها) بر اندازه بخش سایه اقتصاد می‌تواند راهنمای مؤثری برای تعدیل ترکیب مالیات‌ها با هدف محدودسازی این بخش باشد.

اگرچه مطالعات زیادی در خصوص تأثیر مالیات‌ها بر اندازه بخش اقتصاد سایه کشورهای مختلف انجام شده است؛ اما موضوع ترکیب مالیات‌ها مورد غفلت واقع شده است. هدف از این پژوهش این است که نخست، یک مدل تجربی برای بررسی اثر هرگونه تغییر در ترکیب مالیاتی بر اندازه بخش سایه اقتصاد ارائه و سپس، مدل مورد نظر برای داده‌های مربوط به دوره زمانی 1355-1394 برای اقتصاد ایران با استفاده از رویکرد «خودرگرسیونی با وقفه‌های توزیعی» (ARDL)[5] برآورد شود.

برای دست‌یابی به هدف، مقاله در پنج بخش سازمان‌دهی شده است. در ادامه، پس از مقدمه، ادبیات پژوهش مرور می‌شود. بخش سوم به تصریح مدل تجربی و جمع‌آوری، سازمان‌دهی و توصیف داده‌ها اختصاص یافته است. در بخش چهارم، نتایج تجربی عرضه می‌شود. بخش پنجم به نتیجه­گیری و پیشنهادها اختصاص یافته است.

 

2. مروری بر ادبیات

اشنایدر و انست[6] (2000) مالیات‌ها را از مهم­ترین عوامل رشد اقتصاد سایه می‌دانند. به اعتقاد آنان مالیات‌ها بر انتخاب میزان فراغت و عرضه نیروی کار در اقتصاد سایه یا بخشی از اقتصاد که بر آن مالیات وضع نمی‌شود، تأثیرگذار است؛ زیرا هرچه اختلاف میان هزینه پرداختی بنگاه به نیروی کار در بخش رسمی با سایه بیش‌تر باشد (مالیات بیش‌تری گرفته شود) یا بنگاه سهم بیش‌تری برای تأمین اجتماعی پرداخت کند، هم بنگاه و هم نیروی کار انگیزه بیش‌تری برای فعالیت در بخش سایه خواهند داشت (ابونوری و نیک‌پور،‌ 1393).

باور رایج این است که مالیات‌های مستقیم نسبت به مالیات‌های غیرمستقیم نقش بیش‌تری در گسترش اقتصاد سایه دارند (نادران و صدیقی، 1387). در اکثر کشورها، مالیات‌های مستقیم شامل مالیات بر درآمد اشخاص، مالیات بر شرکت­ها و مالیات بر ثروت و مالیات‌های غیرمستقیم شامل مالیات بر کالا و خدمات و مالیات بر واردات است.

از نظر کاراگاتا[7] و گیلز (2000) فرار مالیاتی در مورد مالیات‌های مستقیم (مالیات بر درآمد) نسبت به مالیات‌های غیرمستقیم بیش‌تر است. به اعتقاد آنان درآمد را نسبت به فروش راحت‌تر می‌توان پنهان کرد؛ زیرا افراد فرصت‌های بیش‌تری برای پنهان نگه‌داشتن درآمد در مقایسه با فروش دارند؛ زیرا، منابع درآمدی شخص پرداخت‌کننده مالیات معلوم است؛ در صورتی‌ که خریدها در فروشگاه‌هایی انجام می‌شود که تحت تملک و مدیریت افرادی هستند که پرداخت‌کنندگان مالیات با آنها هیچ‌گونه ارتباط شخصی ندارند. با توجه به اینکه فرار مالیاتی به عنوان یکی از عوامل اصلی بزرگ‌تر شدن اندازه اقتصاد سایه شناخته می‌شود، انتظار می‌رود جایگزینی مالیات مستقیم (مالیات بر درآمد) برای مالیات‌های غیرمستقیم منجر به گسترش بخش سایه شود.

از طرف دیگر، به اعتقاد کسلمن[8] (1993) اگر فرار مالیاتی در صنایع خاصی متمرکز شود و افرادی که از پرداخت مالیات بر درآمد اجتناب می‌نمایند، به همان میزان از پرداخت مالیات‌های غیرمستقیم (مالیات بر فروش) نیز اجتناب نمایند؛ آن گاه تغییر در ترکیب مالیاتی مستقیم – غیرمستقیم احتمالا اثر کوچک یا ناچیزی بر فرار مالیاتی خواهد داشت.

از آنجا ‌که در بخش سایه همانند بخش رسمی اقتصاد، کالاها و خدمات مصرف می‌شوند؛ بنابراین، راهی برای فرار از پرداخت مالیات‌های غیرمستقیم در بخش سایه وجود ندارد. این در حالی است که برای بعضی از عاملان اقتصادی مالیات‌های درآمدی (شامل مالیات بر درآمد اشخاص و مالیات بر شرکت‌ها) انگیزه اصلی فعالیت در بخش سایه محسوب می‌شوند. بنابراین، حتی زمانی‌ که هیچ‌گونه ارتباط تجربی میان مالیات مستقیم و اندازه اقتصاد سایه وجود ندارد؛ با توجه به امکان اخذ مالیات غیرمستقیم از بخش سایه و عدم امکان اخذ مالیات‌های درآمدی از این بخش، تغییر ترکیب مالیاتی توصیه می‌شود (طیب‌نیا و محمدی، 2008).

اگرچه چگونگی اثر تغییر ترکیب مالیاتی بر اندازه اقتصاد سایه به منظور تعیین سیاست‌های مالیاتی بهینه از اهمیت ویژه‌ای برخوردار است؛ ولی، شواهد تجربی درباره آن اندک و تاحدی مبهم است.

هیل و کبیر[9] (1996) اثر تغییر در نرخ‌های مختلف مالیاتی بر تقاضای پول و بنابراین، فعالیت‌های اقتصاد سایه را با استفاده از داده‌های مربوط به دوره زمانی 1964-1995 برای کانادا بررسی کرده و نشان داده است، مالیات‌های مستقیم و نیز مالیات‌های غیرمستقیم تأثیر قابل توجهی در افزایش اندازه اقتصاد سایه دارند. با وجود این، اینکه کدام نوع مالیات تأثیر بیش‌تری دارد، مبهم است؛ زیرا برخی برآوردها نشان می‌دهند جایگزینی مالیات‌های غیرمستقیم برای مالیات‌های مستقیم منجر به رشد فعالیت‌های اقتصاد سایه می‌شود؛ در حالی ‌که دیگر برآوردها حاکی از این است که چنین تغییری در ترکیب مالیات‌ها اثر قابل توجهی بر اندازه اقتصاد سایه ندارد. بر این اساس، نویسندگان نتیجه ‌می‌گیرند که جایگزینی مالیات‌های غیرمستقیم برای مالیات‌های مستقیم موجب کاهش اندازه اقتصاد سایه در کانادا نمی‌شود.

کاراگاتا و گیلز (2000) با استقاده از یک مدل غیرخطی لجستیک و داده‌های مربوط به دوره زمانی 1968-1994 نشان می‌دهند تغییر در ترکیب مالیاتی به نفع مالیات‌های غیرمستقیم موجب کاهش قابل توجه در اندازه اقتصاد سایه در نیوزلند می‌شود. هم‌چنین با مقایسه اثرات بار مالیاتی و ترکیب مالیاتی نشان می‌دهند که کاهش قابل ملاحظه بار مالیاتی در مقایسه با تغییر شدید در ترکیب مالیاتی اثر منفی بیش‌تری بر اندازه بخش سایه اقتصاد دارد.

افزون بر این، گیلز و تدز[10] (2002) ارتباط میان مالیات‌ها و اقتصاد سایه کانادا را طی دوره زمانی 1976-1995 بررسی کردند. نتایج نشان داد یک راه کاهش اقتصاد سایه به عنوان سهمی از تولید ناخالص داخلی، انتقال ترکیب مالیاتی از مالیات مستقیم شخصی به مالیات غیرمستقیم است.

لی[11] (2005) اثر مالیات را بر اقتصاد سایه 78 کشور توسعه‌یافته و در حال توسعه طی سال‌های 1960-1997 با استفاده از روش «حداقل مربعات معمولی»[12] بررسی کرده است. نتایج نشان‌دهنده رابطه منفی و معنادار میان مالیات و اقتصاد سایه برای کشورهای در حال توسعه است؛ در حالی که مقدار این رابطه برای کشورهای توسعه‌یافته نزدیک صفر است.

مارتینز- وازکوئز و ویولتا[13] (2011) تأثیر ساختار مالیات را بر اندازه اقتصاد سایه برای کشورهای آمریکای لاتین به علاوه تعداد زیادی از کشورهای در حال توسعه و توسعه‌یافته با استفاده از روش «حداقل مربعات دو مرحله‌ای»[14] طی دوره  زمانی 1999- 2007 ارزیابی کرده و نشان داده که افزایش نسبت مالیات مستقیم به غیرمستقیم موجب افزایش حجم اقتصاد سایه می‌شود که این اثر برای کشورهای آمریکای لاتین ضعیف‌تر است.

آیولیوا[15] (2015) تأثیر ساختار مالیات را بر فرار مالیاتی برای 150 کشور طی دوره زمانی 1999 - 2007 ارزیابی کرده است. نتایج نشان داد در گروه کشورهای عضو سازمان همکاری و توسعه اقتصادی افزایش نسبت مالیات بر درآمد به مالیات بر مصرف موجب افزایش فرار مالیاتی می‌شود؛ در حالی که برای کشورهای غیرعضو نتیجه معکوس است.

بوچک[16] (2017) اندازه اقتصاد سایه را با استفاده از رویکرد «شاخص‌های چندگانه- علل چندگانه»[17] در 20 منطقه جمهوری چک برای دوره زمانی 2005-2014 برآورد کرده و نشان داده‌اند مالیات شخصی اثر منفی و معناداری بر اندازه اقتصاد سایه مناطق مورد نظر دارد؛ در حالی که مالیات بر شرکت‌ها اثر معناداری بر اندازه اقتصاد سایه این مناطق ندارد.

هاین و نگوین[18] (2019) تاثیر سیاست‌های مالی بر اقتصاد سایه و تأثیر‌پذیری این اثر از فقر را برای 24 کشور در حال توسعه آسیایی با استفاده از داده‌های دوره زمانی 2002-2015 بررسی کرده‌اند. نتایج نشان داد سیاست‌های مالی انبساطی تأثیر منفی و سیاست‌های مالی انقباضی تأثیر مثبت بر اندازه اقتصاد سایه دارند. با توجه به نتایج، افزایش بار مالیاتی در خصوص هر دو نوع مالیات مستقیم و غیرمستقیم موجب افزایش حجم اقتصاد سایه می‌شود و افزایش فقر این اثر را تشدید می‌نماید. هم‌چنین، افزایش مخارج دولت اندازه اقتصاد سایه را کاهش می‌دهد و شدت این اثر با افزایش فقر کاهش می‌یابد. افزون بر این، مالیات‌های مستقیم در مقایسه با مالیات‌های غیرمستقیم و نیز مخارج عمومی در مقایسه با هر دو نوع مالیات‌ها اثر بیش‌تری بر اندازه اقتصاد سایه دارند.

از میان مطالعات انجام شده داخلی، نادران و صدیقی (1387) با به کارگیری داده‌های مربوط به حجم اقتصاد سایه به تولید ناخالص داخلی که توسط نادران (1383) برای دوره زمانی 1351-1382 محاسبه شده‌اند به بررسی اثر مالیات‌ها بر حجم اقتصاد سایه در ایران می‌پردازند. این نویسندگان با برآورد سه معادله مجزا با استفاده از رویکرد خودرگرسیونی با وقفه‌های توزیعی نشان داده‌اند که در مدل اول، بار مالیاتی کل به لحاظ آماری اثر معناداری بر اقتصاد سایه ندارد؛ در مدل دوم، بار مالیاتی مستقیم اثر معناداری بر اقتصاد سایه ندارد؛ اما بار مالیاتی غیرمستقیم اثر مثبت و معناداری بر اقتصاد سایه دارد. نهایتاً، نتایج حاصل از برآورد مدل سوم نشان می‌دهد که اجزای بار مالیاتی مستقیم اثر معنا‌داری بر اقتصاد سایه ندارد؛ در حالی که از بین اجزای بار مالیاتی غیرمستقیم، مالیات بر فروش رابطه معنا‌داری با اقتصاد سایه دارد.

ابونوری و نیک‌پور (1393) ابتدا شاخص حجم اقتصاد پنهان را با رویکرد شاخص‌های چندگانه- علل چندگانه  طی دوره 1345-1390 برآورد کرده و سپس نشان داده که رشد بار مالیات بر واردات موجب افزایش حجم اقتصاد پنهان می‌گردد و رشد بار مالیات کل           (بار مالیات کل برابر بار مالیات مستقیم به علاوه بار مالیات بر واردات) حجم اقتصاد پنهان را کاهش می‌دهد.

فطرس و دلائی میلان (1395) ابتدا با استفاده از رویکرد شاخص‌های چندگانه- علل چندگانه و داده‌های سالانه طی دوره زمانی 1345-1389 داده‌های اقتصاد سایه را در ایران برآورد کرده‌اند و سپس با استفاده از الگوی تعادل عمومی نشان داده‌اند که تکانه مثبت نرخ مالیات شرکتی، مالیات بر درآمد و سهم تأمین اجتماعی موجب کاهش تولید رسمی، افزایش تولید بخش سایه، افزایش فرار مالیاتی و کاهش درآمد دولت می‌شود.

عبداله میلانی، بهرامی، توکلیان و اکبرپور روشن (1397) ابتدا اندازه اقتصاد سایه در ایران را در چارچوب مدل تعادل عمومی پویای تصادفی طی فصل‌های 1360-1393 اندازه‌گیری کرده و سپس نشان داده‌اند تکانه مالیات بر دستمزد و تکانه مالیات بر سود در مقایسه با تکانه مالیات بر مصرف و تکانه مالیات بر واردات بیش‌ترین تأثیر را بر افزایش اندازه اقتصاد سایه دارند.

شریفی، حقیقت، ابراهیمی و امینی‌فرد (1398) با استفاده از مدل TVP-FAVAR و داده‌های سری زمانی 1350 -1394 نشان داده‌اند اعمال یک شوک به اندازه یک انحراف معیار در مالیات، در سه دوره کوتاه‌مدت، میان‌مدت و بلندمدت موجب رشد اندازه اقتصاد سایه می‌شود.

کاربر، کریمی تکانلو و رستم‌زاده (1398) ابتدا با استفاده از مدل تقاضای پول تعمیم‌یافته تانزی (1980) حجم اقتصاد زیرزمینی استان‌های ایران را طی دوره زمانی 1380-1394 برآورد کرده و سپس نشان داده‌اند حجم اقتصاد سایه با بار مالیاتی رابطه مستقیم دارد.

نوآوری مقاله نسبت به مطالعات دیگر این است که در پژوهش‌های انجام شده اثر انواع مختلف مالیات‌ها (مالیات‌های مستقیم، مالیات‌های غیرمستقیم و اجزای آن‌ها) بر اندازه اقتصاد سایه در ایران ارزیابی شده است؛ در حالی‌ که در این پژوهش با استفاده از یک مدل تجربی پیشنهادی اثر تغییر در ترکیب مالیاتی یا به عبارت دیگر، اثر جایگزینی اقلام مختلف مالیاتی بر اندازه اقتصاد سایه در ایران ارزیابی می‌شود.

 

3. روش تحقیق

مسئله اصلی پژوهش این است که تغییر در ترکیب مالیات‌ها (جایگزینی انواع مختلف مالیات‌ها برای یکدیگر) چه تأثیری بر اندازه اقتصاد سایه دارد. به ‌عبارت دیگر، یک واحد (درصد) افزایش در سهم هر نوع مالیات از کل درآمد مالیاتی و متقابلاً یک واحد (درصد) کاهش در سهم هر یک از چهار نوع مالیات دیگر به ‌صورت مجزا چه تأثیری بر اندازه اقتصاد سایه دارد. در این راستا،  می­توان کل درآمد مالیاتی را در پنج گروه شامل مالیات بر درآمد، مالیات بر شرکت­ها، مالیات بر ثروت، مالیات بر کالا و خدمات و در نهایت، مالیات بر واردات در نظر گرفت؛ به ‌طوری ­که مجموع سهم این اقلام مالیاتی از کل درآمد مالیاتی معادل ۱۰۰ درصد است که به ‌صورت زیر نشان داده می‌شود.

(1)                                                           

که در آن، ، ، ،  و  به ترتیب، سهم درصدی مالیات بر درآمد، مالیات بر شرکت­ها، مالیات بر ثروت، مالیات بر کالا و خدمات و مالیات بر واردات از کل درآمد مالیاتی است. پنج معادله رگرسیونی به شکل زیر مدنظر است:

 (2)                          (3)                        

 (4)                        

 (5)                         

 (6)                         

با توجه به اهداف مطالعه، قید صفر بر پارامترهای  (ضریب  در معادله اول)،  (ضریب  در معادله دوم)،  (ضریب  در معادله سوم)،  (ضریب  در معادله چهارم) و  (ضریب  در معادله پنجم) تحمیل شده است.  یک بردار ستونی از دیگر متغیرهای توضیح­دهنده اندازه اقتصاد سایه است و  یک بردار سطری از ضرایب مربوطه است.[19] متغیرهای مهم اقتصادی در نظر گرفته شده عبارتند از: نرخ تورم بر مبنای شاخص بهای کالا و خدمات مصرفی به قیمت ثابت سال 1383 ( )، نرخ بیکاری (U) و حجم تجارت خارجی به  (TO).

رشد سطح عمومی قیمت کالاهای مصرفی به دلایل مختلفی می‌تواند به بزرگ شدن اندازه اقتصاد سایه کمک کند. با توجه به وضعیت نابرابری توزیع درآمد، با افزایش سطح عمومی قیمت‌ها، تعداد زیادی از خانوارها زیر سطح فقر قرار خواهند گرفت و فقر و ناتوانی در تأمین حداقل درآمد، مخاطره ورود به فعالیت‌های سایه را کاهش می‌دهد. بنابراین، با گسترش پدیده فقر در جامعه، روی آوردن به فعالیت‌های سایه نیز افزایش می‌یابد (صامتی، سامتی و دلائی میلان، 1388).

بیکاری یکی دیگر از عوامل توضیح­دهنده اندازه اقتصاد سایه است. طبق دیدگاه گیلز و تدز (2002) افزایش تعداد افراد بیکار در بخش رسمی اقتصاد منجر به افزایش تعداد افراد مشغول به کار در بخش سایه اقتصاد می­شود؛ زیرا آن‌ها زمان فراغت بیش‌تری در اختیار دارند و سعی می‌کنند، از آن استفاده کنند.

یکی دیگر از متغیرهایی که در مطالعات اقتصاد سایه وارد مدل­های تجربی می­شود، شاخص باز بودن تجاری است. هرچه محدودیت‌های تجاری کم‌تر باشد و اصطلاحا، «اقتصاد بازتر» باشد؛ حجم اقتصاد سایه کم‌تر خواهد بود. البته باید در نظر داشت که هرگونه آزادسازی تجاری و کاهش محدودیت‌های تجاری بدون داشتن یک سیستم کارآمد نه تنها به کاهش تجارت قاچاق منجر نمی­شود؛ بلکه زمینه‌ساز افزایش آن نیز می­شود. لذا، در چنین وضعیتی آزادسازی تجاری می‌تواند در عمل به رهاسازی و کاهش قدرت دولت در اعمال حاکمیت منجر شود (فلاحتی، نظیفی و عباسپور، 1391).

با توجه به اینکه مجموع سهم پنج نوع مالیات از کل درآمدهای مالیاتی برای هر دوره زمانی مقدار ثابتی بوده (معادل 100 درصد) و اینکه تصریح بخش غیرمالیاتی در همه معادلات رگرسیونی یکسان است، ضرایب متغیرهای غیرمالیاتی در هر یک از معادلات ( ، ، ،  و ) مقادیر برآوردی یکسانی را به خود اختصاص می­دهند و نیز ضریب برآوردی هر یک از متغیرهای مالیاتی حاضر در معادله ام ( ) برابر است با قرینه ضریب برآوردی متغیر حذفی معادله ام در معادله­ای که آن متغیر حذف شده است.

نهایتاً، ضریب هر یک از متغیرهای مالیاتی حاضر در هر یک از معادلات رگرسیونی نشان می­دهد که اگر یک واحد افزایش (کاهش) در آن متغیر و یک واحد کاهش (افزایش) در متغیر حذفی مربوطه ایجاد شود، اندازه اقتصاد سایه چه میزان تغییر می­کند؛ زیرا بر اساس مفهوم مدل رگرسیونی هر یک از سه متغیر مالیاتی دیگر ثابت در نظر گرفته می­شوند.

به ‌طور کلی، وقتی که اثر جایگزینی دو نوع مالیات بررسی می­شود؛ یکی از این دو نتیجه حاصل می­شود: 1) دو نوع مالیات اثر یکسانی بر اندازه اقتصاد سایه خواهند داشت. در این صورت، افزایش یک نوع مالیات و کاهش هم­اندازه دیگری هیچ تغییری در اندازه اقتصاد سایه ایجاد نمی­کند و بنابراین، ضرایب این دو نوع مالیات در دو معادله رگرسیونی متقابل به لحاظ آماری معنا­دار نخواهند شد؛ 2) افزایش یک نوع مالیات و کاهش متقابل دیگری اندازه اقتصاد سایه را کاهش خواهد داد. در این صورت، ضریب اولی در معادله مربوطه منفی و معنا­دار و ضریب دومی در معادله مربوطه مثبت و معنا­دار خواهد شد. در این مورد، منطقی است که قدر مطلق ضرایب دو نوع مالیات مقادیر یکسانی باشند. بر این اساس، نتایج برآورد مدل تجربی پیشنهادی می­تواند راهنمای مناسبی برای تغییر ترکیب مالیات­ها (جایگزین کردن مالیات­ها) در جهت کاهش اندازه اقتصاد سایه باشد.

 

3-1.‌ توصیف داده‌ها

در این مطالعه از داده‌های مربوط به متغیرهای اندازه اقتصاد سایه، سهم هر یک از اقلام مالیات‌های مستقیم و غیرمستقیم از کل درآمد مالیاتی دولت، نرخ بیکاری، نرخ تورم و نسبت تجارت خارجی به تولید ناخالص داخلی برای دوره زمانی 1355-1394 استفاده شده است. گفتنی است که داده‌های مربوط به اندازه اقصاد سایه ( ) برگرفته از مقاله مداح و فراهتی (1398) است[20]. هم‌چنین، اطلاعات آماری مربوط به هر یک از اقلام مالیاتی موردنظر از اطلاعات موجود در خلاصه تحولات اقتصادی کشور به ‌دست آمده است. اطلاعات آماری مربوط به نرخ بیکاری ( ) از مرکز آمار ایران استخراج شده است. منبع آماری مورد استفاده برای نرخ تورم ( )، سهم تجارت خارجی (حاصل‌ جمع صادرات و واردات) از تولید ناخالص داخلی (TO) نیز نماگرهای اقتصادی بانک مرکزی جمهوری اسلامی ایران است. برخی از آماره­های توصیفی[21] مربوط به داده­ها در جدول (1) گزارش شده است.

 

جدول 1. آماره­های توصیفی داده­های مربوط به متغیرهای مدل

متغیر

تعداد مشاهدات

میانگین

انحراف معیار

کمینه

بیشینه

اندازه اقتصاد سایه

40

1635/0

041/0

094/0

315/0

سهم مالیات بر درآمد از کل درآمد مالیاتی

40

860/15

389/3

308/11

560/25

سهم مالیات بر شرکت‌ها از کل درآمد مالیاتی

40

804/36

318/8

484/13

760/55

سهم مالیات بر ثروت از کل درآمد مالیاتی

40

384/4

443/1

361/2

292/8

سهم مالیات بر کالا و خدمات از کل درآمد مالیاتی

40

861/15

209/8

217/5

099/44

سهم مالیات بر واردات از کل درآمد مالیاتی

40

091/27

076/8

591/14

385/47

نرخ تورم

40

283/19

583/8

330/8

110/49

نرخ بیکاری

40

022/12

482/1

0800/9

400/14

سهم تجارت خارجی از تولید ناخالص داخلی

40

487/15

423/11

970/2

551/68

منبع: یافته‌های پژوهش

 

جدول (1) نشان می‌دهد به طور متوسط مالیات بر شرکت‌ها و مالیات بر ثروت به ترتیب بیش‌ترین و کم‌ترین سهم از درآمد کل مالیاتی را به خود اختصاص می‌دهند و از طرفی بیش‌ترین سهم مالیاتی طی دوره مورد نظر مربوط به مالیات بر شرکت‌ها و کم‌ترین سهم مالیاتی مربوط به مالیات بر ثروت است. هم‌چنین، سهم مالیات بر شرکت‌ها از بیش‌ترین و سهم مالیات بر ثروت از کم‌ترین پراکندگی برخوردار است. 

 

4. برآورد مدل و تفسیر نتایج

به منظور برآورد معادلات (2) تا (6) ابتدا وضعیت مانایی سری­های زمانی با استفاده از آزمون فیلیپس و پرون بررسی می­شود. نتایج این آزمون با عرض از مبدا و روند زمانی در جدول (2) گزارش شده است.

 

جدول 2. نتایج آزمون ریشه واحد فیلیپس- پرون برای متغیّرهای مدل

سطح

تفاضل اول

متغیّر

آماره PP

متغیّر

آماره PP

متغیّر

آماره PP

متغیّر

آماره PP

 

7847/2-

 

5318/3-

 

4795/6-

 

6166/7-

 

6496/2-

 

2714/3-

 

4832/9-

 

037/11-

 

8747/3-

 

9062/2-

 

7132/10-

 

4474/5-

 

4074/2-

TO

9718/3-

 

2503/5-

 

 

 

3976/2-

 

 

 

 

 

 

مقادیر بحرانی مک کینون

مقادیر بحرانی مک کینون

سطح

(درصد)

1

5

10

سطح

(درصد)

1

5

10

مقدار آماره

2119/4-

5298/3-

1964/3-

مقدار آماره

2191/4-

5331/3-

1983/3-

 منبع. یافته­های پژوهش

 

بر اساس نتایج جدول (2) تنها دو متغیر سهم مالیات بر شرکت­ها از کل درآمدهای مالیاتی و سهم تجارت خارجی از تولید ناخالص داخلی در سطح مانا می­باشند و سایر متغیرها با یک‌بار تفاضل­گیری مانا می­شوند.

از آنجا ‌که متغیرها در معادلات (2) تا (6) ترکیبی از  و  هستند، رویکرد هم‌انباشتگی مبتنی بر مدل خودرگرسیونی با وقفه‌های توزیعی گزینه مناسبی برای تجزیه و تحلیل هم­انباشتگی میان متغیرها در هر یک از مدل­های رگرسیونی است. افزون بر این، دیگر مزیت مهم رویکرد خودرگرسیونی با وقفه‌های توزیعی این است که برای دوره­های زمانی کوچک نتایج قابل قبولی ارائه می­دهد. با توجه به آن‌ که داده‌های مربوط به متغیرهای این پژوهش (همانند دیگر متغیرهای اقتصادی در ایران) دوره‌های زمانی کوتاهی را پوشش می‌دهند؛ این ویژگی از اهمیت به‌سزایی برخوردار است. در این رویکرد، نخست، باید تعداد وقفه­های بهینه متغیرهای توضیحی را در مدل  زیر تعیین کرد.

(7)                                                              

که   یک بردار  از رگرسورهای چندگانه و  یک بردار  از ضرایب وقفه­های توزیعی است. برای این منظور، می­توان از معیارهای اطلاعاتی «آکائیک و شوارتز- بیزین»[22] استفاده کرد. گام بعدی به کارگیری «آزمون باند»[23] برای تشخیص وجود یا عدم وجود ارتباط بلندمدت یا هم­انباشتگی میان متغیرهاست. برای این منظور، نخست، مدل رگرسیونی (7) در یک فرم تصحیح خطا[24] به صورت زیر بازنویسی می­شود:

(8)                                                                          

که ،  برای ، ، ،   برای .

سپس، فرضیه صفر عدم هم­انباشتگی میان متغیرها  آزمون می­شود. برای بررسی این فرضیه آزمون والد به کار گرفته می­شود. در این آزمون، اگر مقدار محاسبه شده آماره­  بزرگ‌تر از مقدار باند بالا[25] باشد، یک ارتباط هم­انباشتگی یا بلندمدت به صورت ارتباط (9) میان متغیرهای مورد بررسی وجود دارد:[26]

(9)                                                                                                       

عبارت «تصحیح خطا»[27] در معادله (8) همان پسماند رابطه هم­انباشتگی (9) است و ضریب  بیان می­کند که در هر دوره زمانی چه سهمی از انحراف (مثبت یا منفی) از مسیر تعادلی بلندمدت تصحیح می­شود.

در این پژوهش، مدل خودرگرسیونی با وقفه‌های توزیعی با عرض از مبدأ و روند زمانی نامقید برای هر یک از تصریح­های مورد نظر برآورد و تعداد وقفه­های بهینه برای هر یک از مدل­های خودرگرسیونی با وقفه‌های توزیعی با استفاده از معیار آکائیک تعیین شده است (متغیرهایی دارای ضرایب قرینه مقید به برابری تعداد وقفه­ها شده­اند). طبق نتایج در جدول (3) که برای همه مدل­ها یکسان است؛ آزمون والد مبتنی بر آماره  استاندارد نشان می­دهد که کل مدل به لحاظ آماری معنا­دار است. هم‌چنین، نتایج آزمون­های «ضریب لاگرانژ»[28] و «واریانس ناهم‌سانی شرطی خودتوضیحی»[29] و نیز مقدار آماره «دوربین واتسون»[30] فرضیه­های صفر نشان‌دهنده عدم وجود خودهم‌بستگی و ناهم‌سانی واریانس است.

 

جدول 3. نتایج برآورد ضرایب بلندمدت (بردارهای هم­انباشتگی)

)

آزمون­های تشخیصی

آماره F  (p-value)

LM Test

  (p-value)

ARCH

  (p-value)

 

651651/6 (007355/0)

146051/3 (1305/0)

037467/0 (8477/0)

454446/2

 

964982/0

آزمون باند (تشخیص ارتباط هم­انباشتگی)

آماره آزمون

سطح معناداری

(درصد)

مقادیر بحرانی

باند پائین

باند بالا

581378/4

10

26/2

534/3

5

676/2

13/4

1

644/3

464/5

بردار هم­انباشتگی (ارتباط بلندمدت)

مدل اول

مدل دوم

رگرسور

ضریب

انحراف معیار

سطح احتمال

رگرسور

ضریب

انحراف معیار

سطح احتمال

 

347082/0-

069237/0

0015/0

 

347082/0

069237/0

0015/0

 

892022/1-

198081/0

0000/0

 

544940/1-

183397/0

0001/0

 

038700/0

099136/0

7079/0

 

385781/0

047619/0

0001/0

 

458521/0-

075334/0

0005/0

 

111440/0-

020292/0

0009/0

 

706299/0

329791/0

0695/0

 

706299/0

329791/0

0695/0

 

215266/0

062454/0

0107/0

 

215266/0

062454/0

0107/0

TO

251645/0

047276/0

0011/0

TO

251645/0

047276/0

0011/0

مدل سوم

مدل چهارم

رگرسور

ضریب

انحراف معیار

سطح احتمال

رگرسور

ضریب

انحراف معیار

سطح احتمال

 

892022/1

198081/0

0000/0

 

038700/0-

099136/0

7079/0

 

544940/1

183397/0

0001/0

 

385781/0-

047619/0

0001/0

 

930722/1

159587/0

0000/0

 

930722/1-

159587/0

0000/0

 

433501/1

182598/0

0001/0

 

497221/0-

049411/0

0000/0

 

706299/0

329791/0

0695/0

 

706299/0

329791/0

0695/0

 

215266/0

062454/0

0107/0

 

215266/0

062454/0

0107/0

TO

251645/0

047276/0

0011/0

TO

251645/0

047276/0

0011/0

مدل پنجم

 

458521/0

075334/0

0005/0

 

706299/0

329791/0

0695/0

 

111440/0

020292/0

0009/0

 

215266/0

062454/0

0107/0

 

433501/1-

182598/0

0001/0

TO

251645/0

047276/0

0011/0

 

497221/0

049411/0

0000/0

 

 

 

 

سرعت تعدیل

 

انحراف معیار

آماره

 

342983/1-

156860/0

561662/8-

0001/0

منبع: یافته­های پژوهش

 

در مرحله بعدی، رویکرد باند جهت تشخیص ارتباط هم­انباشتگی میان متغیرهای پژوهش به کار گرفته شده است. با توجه به اینکه متغیر وابسته و متغیرهای غیرمالیاتی برای همه معادلات یکسان هستند و نیز با توجه به شرایطی که بر متغیرهای مالیاتی حاکم است، نتایج آزمون­های هم­انباشتگی مربوط به پنج مدل مورد بررسی یکسان است. با توجه نتایج جدول (3) یک ارتباط تعادلی بلندمدت میان متغیرهای پژوهش وجود دارد.

نکته مهم دیگر در خصوص رویکرد خودرگرسیونی با وقفه‌های توزیعی، ثبات و پایداری پارامترهای مدل در طول زمان است. چنا‌نچه پارامترهای مدل در طول دوره مطالعه باثبات نباشند، نتایج برآورد این پارامترها و استنباط­های آماری در خصوص آن‌ها از اعتبار کافی برخوردار نخواهند بود. تکنیک رایج «حاصل­ جمع تجمعی»[31] که توسط براون، دوربین و اوانز[32] (1975) پیشنهاد شده است، جهت بررسی پایداری مدل­های برآورد شده به کار رفته است. نتایج این آزمون­ (که برای مدل­های مختلف یکسان است) در تمودار (1) نشان می‌دهد فرضیه صفر پایداری مدل نمی­تواند در سطح اطمینان 95 درصد رد شود و پارامترهای مدل از ثبات لازم برخوردارند.

 

نمودار 1. آزمون پایداری حاصل­جمع تجمعی

 

منبع: یافته­های پژوهش

 

از آنجا که آزمون­های هم­انباشتگی دلالت بر وجود ارتباط تعادلی بلندمدت میان متغیرها دارند، می­توان ضرایب بلندمدت را برآورد و تفسیر کرد. این اطلاعات در جدول (3) گزارش شده­اند. نتایج نشان می­دهند که افزایش بیکاری، افزایش تورم و افزایش نسبت تجارت خارجی به تولید ناخالص داخلی موجب افزایش معناداری در اندازه اقتصاد سایه می‌شود. همان‌ طور که قبلا اشاره شد هرگونه آزادسازی تجاری و کاهش محدودیت‌های تجاری بدون داشتن یک سیستم کارآمد می‌تواند زمینه‌ساز افزایش قاچاق و در نتیجه گسترش اندازه اقتصاد سایه شود. بنابراین، اثر مثبت تجارت خارجی بر اندازه اقتصاد سایه می‌تواند ناشی از فقدان یک سیستم کارآمد باشد.

تمرکز اصلی این مقاله بر ضرایب متغیرهای مالیاتی (به عنوان سهم هر یک از انواع مالیات‌ها از کل درآمد مالیاتی) و معناداری آماری آنهاست. در مدل اول متغیر  (سهم مالیات بر درآمد از کل درآمدهای مالیاتی) حذف شده است. ضریب هر یک از متغیرهای مالیاتی در مدل ( ، ،  و ) نشان می­دهند که اگر تغییری در آن متغیر ایجاد شود و در مقابل، تغییر هم‌اندازه و معکوسی در  به‌ عنوان متغیر حذف شده صورت گیرد، چه تغییری در اندازه اقتصاد سایه به‌ وجود می­آید (لازم به ذکر است که با توجه به مفهوم رگرسیون، سایر سهم­های مالیاتی ثابت در نظر گرفته می­شوند).

ضریب متغیر  (سهم مالیات بر شرکت­ها از کل درآمدهای مالیاتی) معادل 347082/0- برآورد شده است و از نظر آماری معنادار است. این نشان می­دهد که یک واحد افزایش (کاهش) در  و در مقابل، یک واحد کاهش (افزایش) در  منجر به کاهشی (افزایشی) معادل 347082/0 در اندازه اقتصاد سایه می­شود. از طرف دیگر، به‌ طور منطقی، ضریب متغیر  در مدل دوم که متغیر  در آن حضور ندارد، معادل 347082/0 (یعنی قرینه ضریب ) برآورد شده است. بنابراین، جایگزینی مالیات بر شرکت­ها برای مالیات بر درآمد منجر به کاهش اندازه اقتصاد سایه می­شود.

نتیجه دوم این است که ضریب  (سهم مالیات بر ثروت از کل درآمد مالیاتی) در معادله اول معادل 892022/1- و ضریب  در معادله سوم معادل 892022/1 برآورد شده­اند و به لحاظ آماری معنادار هستند. با توجه به این نتیجه، یک واحد افزایش (کاهش) در سهم مالیات بر ثروت از کل درآمدهای مالیاتی و در مقابل یک واحد کاهش (افزایش) در سهم مالیات بر درآمد از کل درآمدهای مالیاتی منجر به کاهشی (افزایشی) معادل 892022/1 در اقتصاد سایه می­شود.

نتیجه سوم این است که ضریب  (سهم مالیات بر کالا و خدمات از کل درآمدهای مالیاتی) در مدل اول معادل 038700/0 و ضریب  در مدل چهارم معادل 038700/0- برآورد شده است؛ اما به لحاظ آماری معنادار نمی‌باشند. این نتیجه بیان­گر آن است که جایگزینی این دو نوع مالیات برای همدیگر هیچ تأثیری بر اقتصاد سایه ندارد. افزون بر این، ضریب  (سهم مالیات بر واردات از کل درآمدهای مالیاتی) در مدل اول معادل 458521/0- و ضریب  در مدل پنجم معادل 458521/0 برآورد شده­اند و از نظر آماری معنادار هستند. بر اساس این نتیجه، یک واحد افزایش (کاهش) در سهم مالیات بر واردات و در مقابل یک واحد کاهش (افزایش) در سهم مالیات بر درآمد موجب می­شود اقتصاد سایه به میزان 458521/0 کاهش (افزایش) یابد.

با توجه به نتایج، ضریب متغیر  در مدل دوم معادل 544940/1- و ضریب متغیر  در مدل سوم معادل544940/1 برآورد شده‌اند و از لحاظ آماری معنادار می‌باشند. بنابراین، یک واحد افزایش (کاهش) در سهم مالیات بر ثروت از کل درآمد مالیاتی و یک واحد کاهش (افزایش) هم‌زمان در سهم مالیات بر شرکت­ها موجب می­شود اقتصاد سایه به اندازه 544940/1 کاهش (افزایش) یابد. همان‌طور که مشاهده می­شود، ضریب متغیر سهم مالیات بر کالا و خدمات ( ) در مدل دوم معادل 385781/0 برآورد شده است که قرینه ضریب متغیر  در مدل چهارم است و هر دو ضریب به لحاظ آماری معنادار می‌باشند. از این‌رو، یک واحد افزایش (کاهش) در سهم مالیات بر کالا و خدمات و در مقابل یک واحد کاهش (افزایش) در سهم مالیات بر شرکت‌ها موجب می­شود اقتصاد سایه به میزان 385781/0 افزایش (کاهش) یابد.

از طرفی ضریب متغیر  (سهم مالیات بر واردات) در این مدل معادل 111440/0- برآورد شده است و به لحاظ آماری معنادار است. همچنین ضریب متغیر  در مدل پنجم قرینه ضریب IT در مدل دوم برآورد شده است و به لحاظ آماری معنادار است. بنابراین، یک واحد افزایش (کاهش) در سهم مالیات بر واردات و در مقابل یک واحد کاهش (افزایش) در سهم مالیات بر شرکت ها موجب می­شود اقتصاد سایه به میزان 111440/0 کاهش (افزایش) یابد.

در مدل سوم، متغیر  (سهم مالیات بر ثروت) حذف شده است. با توجه به نتایج حاصل از برآورد این مدل، ضریب  معادل 930722/1 برآورد شده است و به لحاظ آماری معنا­دار است. در مدل چهارم ضریب متغیر  نیز به طور معناداری معادل 930722/1- برآورد شده است. این بیان می­کند یک واحد افزایش (کاهش) در سهم مالیات بر کالا و خدمات و در مقابل یک واحد کاهش (افزایش) در سهم مالیات بر ثروت موجب می­شود اقتصاد سایه به میزان 930722/1 افزایش (کاهش) یابد. هم‌چنین، در مدل سوم ضریب  معادل 433501/1 برآورد شده است و از نظر آماری معنادار و قرینه ضریب  در مدل پنجم است. این دلالت دارد که یک واحد افزایش (کاهش) در مالیات بر واردات و یک واحد کاهش (افزایش) در مالیات بر ثروت منجر به افزایشی (کاهشی) معادل 433501/1 در اقتصاد سایه می‌شود.

نتایج حاصل از مدل چهارم و پنجم نیز نشان می‌دهد، یک واحد افزایش (کاهش) در مالیات بر واردات و یک واحد کاهش (افزایش) هم‌زمان در مالیات بر کالا و خدمات منجر به کاهشی (افزایشی) معادل 497221/0 در اقتصاد سایه می‌شود.

نتایج تغییر در ترکیب انواع مالیات­ها بر اندازه اقتصاد سایه در جدول (4) ارائه شده­اند. این جدول نشان می­دهد که یک واحد افزایش در متغیرهای ستون اول و در مقابل یک واحد کاهش در متغیرهای ستون دوم چه تغییری در اندازه اقتصاد سایه (ستون سوم) ایجاد می­کند. همان ‌طور که ملاحظه می­شود، در همه موارد جایگزینی مالیات‌های ستون اول برای مالیات‌های ستون دوم یا به عبارت دیگر، انتقال از مالیات­های ستون دوم به مالیات­های ستون اول با فرض ثابت ماندن کل درآمد مالیاتی منجر به کاهش اندازه اقتصاد سایه می­شود.

 

جدول 4. اثر تغییر در ترکیب مالیات­ها بر اندازه اقتصاد سایه

یک واحد افزایش در

یک واحد کاهش در

تغییر در اندازه اقتصاد سایه ( )

سهم مالیات بر شرکت­ها (ST)

سهم مالیات بر درآمد (RT)

347082/0-

سهم مالیات بر شرکت­ها (ST)

سهم مالیات بر کالا و خدمات (CT)

385781/0-

سهم مالیات بر ثروت (WT)

سهم مالیات بر درآمد (RT)

892022/1-

سهم مالیات بر ثروت (WT)

سهم مالیات بر شرکت­ها (ST)

544940/1-

سهم مالیات بر ثروت (WT)

سهم مالیات بر کالا و خدمات (CT)

930722/1-

سهم مالیات بر ثروت (WT)

سهم مالیات بر واردات (IT)

433501/1-

سهم مالیات بر کالا و خدمات (CT)

سهم مالیات بر درآمد (RT)

0

سهم مالیات بر واردات (IT)

سهم مالیات بر درآمد (RT)

458521/0-

سهم مالیات بر واردات (IT)

سهم مالیات بر شرکت­ها (ST)

111440/0-

سهم مالیات بر واردات (IT)

سهم مالیات بر کالا و خدمات (CT)

497221/0-

منبع: یافته­های پژوهش

 

نتایج برآورد سرعت تعدیل و آزمون معناداری مربوطه به صورت مشترک برای مدل­های پنج­گانه در پایان جدول (3) گزارش شده است. مقدار برآورد شده سرعت تعدیل معادل 342983/1-  است و در سطح معنا­داری یک درصد از نظر آماری معنادار است. منفی بودن این ضریب بیانگر آن است که هر انحراف مثبت یا منفی از مسیر تعادلی بلندمدت در طول زمان تعدیل می­شود.

 

 

5. نتیجه‌گیری و پیشنهادها

در این مطالعه، یک مدل تجربی چند معادله‌ای برای تجزیه و تحلیل اثرات جایگزینی اقلام مختلف مالیاتی برای یکدیگر (یا تغییرات ترکیب مالیاتی) بر اندازه اقتصاد سایه پیشنهاد شده و سپس، مدل مورد نظر با استفاده از رویکرد ARDL و داده‌های مربوط به دوره زمانی 1355-1394 برای اقتصاد ایران برآورد شده است. در این مدل، اندازه اقتصاد سایه به ‌عنوان متغیر وابسته و سهم هر یک از انوع مالیات‌ها مشتمل بر مالیات بر درآمد، مالیات بر شرکت­ها و مالیات بر ثروت (به عنوان اقلام مالیات­های مستقیم) و مالیات بر کالا و خدمات و مالیات بر واردات (به عنوان مالیات­های غیرمستقیم) از کل درآمدهای مالیاتی و دیگر متغیرها از قبیل نرخ تورم، نرخ بیکاری و سهم مجموع صادرات و واردات به تولید ناخالص داخلی به ‌عنوان متغیرهای توضیحی در نظر گرفته شده‌اند. با توجه به اهداف مطالعه، برای هر یک از معادلات رگرسیونی یکی از سهم­های مالیاتی حذف شده است. در این‌ صورت، ضریب هر یک از سهم­های مالیاتی حاضر در هر معادله نشان می­دهد که اگر یک واحد (درصد) تغییر در آن نوع سهم مالیاتی ایجاد شود و در مقابل یک واحد تغییر معکوس در سهم مالیات حذف شده از معادله صورت گیرد، چه تغییری در اندازه اقتصاد سایه به وجود می­آید.

طبق نتایج، در ارتباط با جایگزینی میان مالیات‌های مستقیم و غیرمستقیم به منظور کاهش اندازه اقتصاد سایه در ایران، بسته به این‌ که جایگزینی کدام یک از اقلام مالیات‌های مستقیم با کدام یک از اقلام مالیات‌های غیرمستقیم صورت گیرد، نتیجه متفاوت است. اگر افزایش هر یک از اقلام مالیات‌های مستقیم شامل مالیات بر ثروت یا مالیات بر شرکت‌ها، از میان مالیات‌های غیرمستقیم، با کاهش هم‌زمان مالیات بر کالا و خدمات همراه باشد، موجب کاهش اندازه اقتصاد سایه در ایران خواهد شد. هم‌چنین، افزایش مالیات‌های مستقیم شامل مالیات بر ثروت و کاهش هم‌زمان مالیات غیرمستقیم شامل مالیات بر واردات اندازه اقتصاد سایه را در ایران کاهش خواهد داد. از میان مالیات‌های غیرمستقیم، افزایش مالیات بر واردات اگر با کاهش هم‌زمان هر یک از اقلام مالیات‌های مستقیم شامل مالیات بر درآمد یا مالیات بر شرکت‌ها همراه باشد، موجب کاهش اندازه اقتصاد سایه در ایران خواهد شد؛ در حالی که افزایش مالیات بر کالا و خدمات و کاهش هم‌زمان مالیات بر درآمد تغییری در اندازه اقتصاد سایه در ایران ایجاد نخواهد کرد. نتیجه از آن جهت قابل توجیه است که با افزایش مالیات بر درآمد، نرخ دستمزد واقعی کاهش می‌یابد و از آنجا که هدف از کار کسب درآمد می‌باشد، کاهش نرخ دستمزد واقعی موجب کاهش عرضه نیروی کار در بخش رسمی می‌شود. از طرفی با افزایش مالیات بر کالا و خدمات، شاخص قیمت مورد استفاده برای محاسبه نرخ دستمزد تغییر کرده که نتیجه آن افزایش نرخ دستمزد و به دنبال آن ورود افراد به بخش سایه است.

هم‌چنین از میان مالیات‌های غیرمستقیم، جایگزینی مالیات بر واردات برای مالیات بر کالا و خدمات کاهش اندازه اقتصاد سایه را به همراه خواهد داشت. از طرفی از میان مالیات‌های مستقیم، جایگزینی مالیات بر ثروت برای دیگر اقلام مالیات‌های مستقیم شامل مالیات بر شرکت‌ها یا مالیات بر درآمد و نیز جایگزینی مالیات بر شرکت‌ها برای مالیات بر درآمد کاهش اندازه اقتصاد سایه را به همراه خواهد داشت. نتایج می­توانند راهنمای مناسبی برای دولت‌مردان جهت تغییر ترکیب مالیات­ها (انتخاب ترکیب بهینه) با هدف کاهش اندازه اقتصاد سایه در جامعه باشند.



[1] Underground Economy

[2] Gross Domestic Product (GDP)

[3] Costa-Junior, Garcia-Cintado & Ibanez

[4] Medina & Schneider

[5] Autoregressive Distributed Lag (ARDL)

[6] Enste

[7] Caragata

[8] Kesseman

[9] Hill & Kabir

[10] Giles & Tedds

[11] Lee

[12] Ordinary Least Squares (OLS)

[13] Martinez-Vazquez & Violeta

[14] Two-Stage Least Squares (2SLS)

[15] Ivlieva

[16] Buček

[17] Multiple Indicator-Multiple Causes (MIMIC)

[18] Huynh & Nguyen

[19]  گفتنی است که هیچ­گونه هم‌زمانی در این معادلات رگرسونی وجود ندارد و بنابراین به صورت مجزا برآورد می­شوند.

[20] در این مقاله‌، اندازه اقتصاد سایه (به ‌عنوان نسبتی از تولید ناخالص داخلی) برای ایران با استفاده از روش تقاضای پول طی سال­های 1394-1355 برآورد شده است.

 [21]اندازه اقتصاد سایه به‌ عنوان نسبتی از تولید ناخالص داخلی و سایر متغیرها به صورت درصدی بیان شده‌اند.  

[22] Akaike and Schwarz- Bayesian

[23] Bound Test

[24] Error Correction

[25] مقادیر بحرانی باند توسط پسران، شین و اسمیت (2001) گزارش شده­اند.

[26]  پسران و دیگران (2001) پنج تصریح مختلف در نظر می­گیرند. تفاوت این تصریح­ها در حضور یا عدم حضور عرض از مبدأ و روند زمانی در معادله خودرگرسیون برداری با وقفه توزیعی و بردار هم­انباشتگی است.

[27] Error Correction Term (ECT)

[28] Lagrange Multiplier (LM)

[29] Autoregressive Conditional Heteroskedasticity (ARCH)

[30]  Durbin-Watson (DW)

[31]Cumulative Sum (CUSUM)

[32] Brown, Durbin & Evans

- ابونوری، اسماعیل، نیک‌پور، عبدالحامد (1393). اثر شاخص‌های بار مالیاتی بر حجم اقتصاد پنهان در ایران. پژوهش‌های رشد و توسعه اقتصادی، 5(17): 75-90.
- شریفی، محمدرضا، حقیقت، علی، ابراهیمی، مهرزاد، امینی‌فرد، عباس (1398). ارزیابی تأثیر توسعه مالی بر اقتصاد زیرزمینی در ایران (مبتنی بر چارچوب مدل TVP-FAVAR)، فصلنامه اقتصاد مالی، 13(46): 41-71.
- صامتی، مجید، سامتی، مرتضی، دلائی میلان، علی (1388). برآورد اقتصاد زیرزمینی در ایران (1344-84): به روش MIMIC. مطالعات اقتصاد بین الملل، 20(2): 89-114.
- عبداله میلانی، مهنوش، بهرامی، جاوید، توکلیان، حسین و اکبرپور روشن، نرگس (1397). اثر سیاست‌های مالیاتی بر اقتصاد زیرزمینی: الگوی DSGE، فصلنامه پژوهش‌های اقتصادی ایران، 76: 1-51.
- فطرس، محمد حسن، دلائی میلان، علی (1395). اثر تکانه‌های مالیاتی بر اقتصاد زیرزمینی و رسمی ایران در چارچوب الگوهای تعادل عمومی پویای تصادفی (DSGE). دوفصلنامه اقتصاد پولی، مالی (دانش و توسعه سابق)، 23(12): 111-134.
- فلاحتی، علی، نظیفی، مینو، عباسپور، سحر (1391). مدل‌سازی اقتصاد سایه‌ای و تخمین فرار مالیاتی در ایران با استفاده از شبکه عصبی مصنوعی. فصلنامه تحقیقات توسعه اقتصادی، 2(6): 33-58.
- کاربر،‌ رضا، کریمی تکانلو، زهرا، رستم‌زاده، پرویز (1398). برآور حجم اقتصاد زیرزمینی در استان‌های ایران و بررسی عوامل موثر بر آن، نظریه‌های کاربردی اقتصاد، 6(21): 161-188.
- مداح، مجید، فراهتی، محبوبه (1398). تحلیل تجربی اثر مستقیم بیکاری بر اقتصاد سایه در ایران (رویکرد تقاضای پول). تحقیقات اقتصادی، 54(2): 419-441.
- نادران، الیاس، صدیقی، حسین (1387). بررسی اثر مالیات‌ها و اجزای آن بر حجم اقتصاد زیرزمینی در ایران (1351-1382). تحقیقات اقتصادی، 43(4): 257-281.
- Brown, R. L., Durbin, J. & Evans, J. M. (1975). Techniques for testing the constancy of regression relationships over time. Journal of the Royal Statistical Society, Series B (Methodological), 37(2): 149-192.
- Buček, J. (2017). Determinants of the shadow economy in the Czech regions: A region-level study. Review of Economic Perspectives, 17(3): 315-329.
- Caragata, P. J. & Giles, D. E. (2000). Simulating the relationship between the hidden economy and the tax level and tax mix in New Zealand. In Taxation and theLimits of Government. Springer: 221-240.
- Costa-Junior, C. J., Garcia-Cintado, A. C., & Ibanez, C. U. (2017). Fiscal Adjustments and the Shadow Economy in an Emerging Market. International Conference on Regional Science, Universidad Pablo de Olavide (Sevilla), Spain.
- Giles, D. E. A. & Tedds, L. M. (2002). Taxes and the Canadian Underground Economy (Toronto: Canadian Tax Foundation).
- Hill, R. & Kabir, M. (1996). Tax Rates, the Tax Mix, and the Growth of the
Underground Economy in Canada: What Can We Infer? Canadian Tax Journal, 44(6):1552-83.
- Huynh, C. M. & Nguyen, T. L. (2019). Fiscal policy and shadow economy in Asian developing countries: Does corruption matter? Empirical Economics, 1-17.
- Ivlieva, A. (2015). The influence of tax composition on tax evasion, master's thesis, Oregon State University, Oregon.
- Kesselman, J. R. (1993). Evasion effects of changing the tax mix. Economic
Record
, 69(2): 131-148.
-Lee, Y. (2005). Taxes and unofficial economy in developing and
developed countries. Journal of economic research, 10(2): 189-211.
- Martínez-Vázquez, J. & Vulovic, V. (2011). Tax structure in Latin America: its impact on the real economy and compliance. International Studies Program, Working Paper Series #1122.
- Medina, L. & Schneider, F. (2017). Shadow economies around the world: New results for 158 countries over 1991- 2015. CESifo Working Paper No. 6430.
- Pesaran, M. H., Shin, Y. & Smith R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3): 289-326.
- Schneider, F. & Enste, D. H. (2000). Shadow economies: Size, causes, and consequences. Journal of economic literature, 38(1): 77-114.
- Spiro, P. S. (2017). Overselling the Economic Efficiency Gains from Shifting the Tax Mix towards Consumption Taxes. Public Finance and Management, 17(3): 207.
- Taiebnia, A. & Mohammadi, S. (2008). Underground economy and tax gap. Iranian Economic Review, 13(22): 1-29.