Share:


Factors that determine shadow economy in Lithuania and Europe

Abstract

The problem of the shadow economy exists in the majority of countries and, depending on its scale, affects the economic development of the state, the social well­being of companies and the population and the country’s policy. This economy distorts competition, has a negative impact on the country’s tax system and its structure and the distribution of state revenue becomes unregulated and distorted. This economic activity alters official statistics so a policy based on it can become simply irrational and ineffective. All this leads to a change in government­funded general budget revenue and slows down the country’s economic growth. The purpose of this article is to identify and evaluate the factors that influence the shadow economy in Lithuania and across Europe. Objectives: to analyse the factors influencing the shadow economy after the analysis of the scientific literature, to develop a methodology that will be used for the assessment of the shadow economy factors, based on the presented methodology prepare calculations about the estimation of shadow economy factors. The following methods were used for the research: analysis of scientific literature, correlation, pair regression and multiple regression analysis. The results have shown that average salary, levels of poverty and corruption in the country, compulsory taxes and inflation have the greatest impact on the country’s shadow economy.


Article in Lithuanian.


Šešėlinę ekonomiką lemiančių veiksnių tyrimas


Santrauka


Šešėlinės ekonomikos problema egzistuoja daugelyje šalių ir, priklausomai nuo jos masto, turi įtakos valstybės ekonominei raidai, socialinei įmonių ir gyventojų gerovei bei šalies politikai. Šešėlinė ekonomika sutrikdo konkurenciją, daro neigiamą įtaką šalies mokesčių sistemos funkcionavimui ir jos struktūrai, valstybės pajamų paskirstymas tampa nesureguliuotas. Tokia ūkinė veikla pakeičia oficialią statistiką, todėl ja besiremianti politika gali tapti tiesiog neracionali ir neveiksminga. Visa tai lemia didelį pokytį vyriausybės surenkamoms bendro biudžeto pajamoms bei lėtina šalies ekonomikos augimą. Šio straipsnio tikslas − išskirti ir įvertinti veiksnius, darančius įtaką šešėlinei ekonomikai Lietuvoje bei visoje Europoje. Iškelti uždaviniai: išanalizavus mokslinę literatūrą išskirti šešėlinę ekonomiką lemiančius veiksnius, parengti metodiką, kuria remiantis bus atliktas šešėlinės ekonomikos veiksnių vertinimas, remiantis pateikta metodika atlikti skaičiavimus apie šešėlinės ekonomikos veiksnių vertinimą. Tyrimui atlikti taikyti tokie metodai: mokslinės literatūros analizė, koreliacinė, porinė regresinė ir daugialypė regresinė analizė. Gauti rezultatai parodė, kad didžiausią įtaką šalies šešėlinei ekonomikai turi vidutinis darbuotojų atlyginimas, skurdo ir korupcijos lygiai šalyje, privalomieji mokesčiai bei infliacija. Atsižvelgus į šiuos rodiklius ir jų sąsają su šešėline ekonomika, būtų įmanoma mažinti šešėlio mastą šalyje. Pavyzdžiui, tyrime išsiaiškinta, kad vidutinis darbuotojų atlyginimas ir šešėlis turi atvirkščią priklausomybę – didinant šalies vidutinį atlyginimą, mažėja šalyje vyraujantis šešėlis.


Reikšminiai žodžiai: šešėlinė ekonomika, nelegali veikla, ekonominio augimo veiksniai, BVP, mokesčiai.

Keyword : shadow economy, illegal activity, factors of economic growth, GDP, taxes

How to Cite
Kazimieraitytė, M., & Skvarciany, V. (2019). Factors that determine shadow economy in Lithuania and Europe. Mokslas – Lietuvos Ateitis / Science – Future of Lithuania, 11. https://doi.org/10.3846/mla.2019.9388
Published in Issue
Jun 14, 2019
Abstract Views
1647
PDF Downloads
1727
Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

References

Ball, R. J. (2017). Inflation and the theory of money. New York: Routledge.

Bayar, Y., Odabas, H., Sasmaz, M. U., & Ozturk, O. F. (2018). Corruption and shadow economy in transition economies of European Union countries: a panel cointegration and causality analysis. Economic Research-Ekonomska Istraživanja, 31(1), 1940–1952. https://doi.org/10.1080/1331677X.2018.1498010

Borlea, S. N., Achim, M. V., & Miron, M. G. A. (2017). Corruption, shadow economy and economic growth: an empirical survey across the European Union Countries. Studia Universitatis „Vasile Goldis” Arad – Economics Series, 27(2), 19-32. https://doi.org/10.1515/sues-2017-0006

Buszko, A. T. (2018). Cultural implications for the shadow economy. Engineering Economics, 29(1). https://doi.org/10.5755/j01.ee.29.1.18069

Čekanavičius, V. (2011). Taikomoji regresinė analizė socialiniuose tyrimuose. Kaunas. Prieiga per internetą: https://bit.ly/2C77ryw

Dell’Anno, R., Davidescu, A. A., & Balele, N. P. (2018). Estimating shadow economy in Tanzania: an analysis with the MIMIC approach. Journal of Economic Studies, 45(1), 100–113. https://doi.org/10.1108/JES-11-2016-0240

Eurostat. (2017). Environmental tax statistics. Prieiga per internetą: http://bit.ly/2HkH0ZV

Farzanegan, M. R., & Hayo, B. (2019). Sanctions and the shadow economy: empirical evidence from Iranian provinces. Applied Economics Letters, 26(6), 501–505. https://doi.org/10.1080/13504851.2018.1486981

Fedotenkov, I. (2019). Corporate labour share of income and the shadow economy: a cross-country analysis. Applied Economics Letters, 26(4), 302–305. https://doi.org/10.1080/13504851.2018.1467549

Fraumeni, B. (2017). Gross domestic product: Are other measures needed? IZA World of Labor, (May), 1–11. https://doi.org/10.15185/izawol.368

Gaertner, F. B., Kausar, A., & Steele, L. B. (2015). The usefulness of negative aggregate earnings changes in predicting future gross domestic product growth. Ssrn. https://doi.org/10.2139/ssrn.2656597

Gaspareniene, L., & Remeikiene, R. (2016). The methodologies of shadow economy estimation in the world and in Lithuania: whether the criterions fixing digital shadow are included? Procedia Economics and Finance, 39(November 2015), 753–760. https://doi.org/10.1016/S2212-5671(16)30277-5

Goel, R. K., & Saunoris, J. W. (2019). Does variability in crimes affect other crimes? The case of international corruption and shadow economy. Applied Economics, 51(3), 239–258. https://doi.org/10.1080/00036846.2018.1494378

Goel, R. K., Saunoris, J. W., & Schneider, F. (2019). Growth in the shadows: effect of the shadow economy on U.S. Economic Growth over More than a Century. Contemporary Economic Policy, 37(1), 50–67. https://doi.org/10.1111/coep.12288

Pabedinskaitė, A., & Činčikaitė, R. (2016). Kiekybiniai modeliavimo metodai. Vilnius, Lithuania: Vilniaus Gedimino Technikos Universiteto leidykla. https://doi.org/10.20334/1563-S

Schneider, F. (2013). The shadow economy in Europe, 2013. Atkearny Study, 1–24. https://doi.org/10.1017/CBO9781139542289

Sterner, T., & Kohlin, G. (2003). Environmental taxes in Europe. Public Finance and Management, 1(1), 117–142.

Williams, C. C., & Horodnic, I. A. (2015). Explaining and tackling the shadow economy in Estonia, Latvia and Lithuania: A tax morale approach. Baltic Journal of Economics, 15(2), 81–98. https://doi.org/10.1080/1406099X.2015.1114714