1. Trang Chủ
  2. SỐ 188
  3. Vốn xã hội và nền kinh tế ngầm: phân tích Bayes về BRICS
Đăng bài
Tạp chí đã xuất bản
2004
SỐ 1
2005
SỐ 2
SỐ 3
SỐ 4
SỐ 5
SỐ 6
SỐ 7
2006
SỐ 8
SỐ 9
SỐ 10
SỐ 11
SỐ 12
SỐ 13
2007
SỐ 14
SỐ 15
SỐ 16
SỐ 17
SỐ 18
SỐ 19
SỐ 20
SỐ 21
2008
SỐ 22+23
SỐ 24
SỐ 25
SỐ 26
SỐ 27
SỐ 28
SỐ 29
SỐ 30
SỐ 31
SỐ 32
SỐ 33
2009
SỐ 34+35
SỐ 36
SỐ 37
SỐ 38
SÔ 39
SỐ 40
SỐ 41
SỐ 42
SỐ 43
SỐ 44
SỐ 45
2010
SỐ 46+47
SỐ 48
SỐ 49
SỐ 50
SỐ 51
SỐ 52
SỐ 53
SỐ 54
SỐ 55
SỐ 56
SỐ 57
2011
SỐ 58+59
SỐ 60
SỐ 61
SỐ 62
SỐ 63
SỐ 64
SỐ 65
SỐ 66
SỐ 67
SỐ 68
SỐ 69
2012
SỐ 70+71
SỐ 72
SỐ 73
SỐ 74
SỐ 75
SỐ 76
SỐ 77
SỐ 78
SỐ 79
SỐ 80
SỐ 81
2013
SỐ 82+83
SỐ 84
SỐ 85
SỐ 86
SỐ 87
SỐ 88
SỐ 89
SỐ 90
SỐ 91
SỐ 92
SỐ 93
2014
SỐ 96
SỐ 94+95
SỐ 97
SỐ 98
SỐ 99
SỐ 100
SỐ 101
SỐ 102
SỐ 103
SỐ 104
SỐ 105
2015
SỐ 106+107
SỐ 108
SỐ 109
SỐ 110
SỐ 111
SỐ 112
SỐ 113
SỐ 114
SỐ 115
SỐ 116
SỐ 117
2016
SỐ 118+119
SỐ 120
SỐ 121
SỐ 122
SỐ 123
SỐ 124
SỐ 125
SỐ 126
SỐ 127
SỐ 128
SỐ 129
2017
SỐ 130&131
SỐ 132
SỐ 133
SỐ 134
SỐ 135
SỐ 136
SỐ 137
SỐ 138
SỐ 139
SỐ 140
SỐ 141
2018
SỐ 142&143
SỐ 144
SỐ 145
SỐ 146
SỐ 147
SỐ 148
SỐ 149
SỐ 150
SỐ 151
SỐ 152
SỐ 153
2019
SỐ 154&155
SỐ 156
SỐ 157
SỐ 159
SỐ 160
SỐ 161
SỐ 162
SỐ 158
SỐ 163
SỐ 164
SỐ 165
2020
Số 166+ 167
Số 168
Số 169
Số 170
Số 171
SỐ 172
Số 173
SỐ 174
SỐ 175
SỐ 177
2021
SỐ 178+179
SỐ 180
Số 181
Số 182
SỐ 183
SỐ 184
SỐ 185
SỐ 186
SỐ 187
SỐ 188
SỐ 189
2022
SỐ 190+191
SỐ 192
SỐ 193
SỐ 194
SỐ 195
SỐ 196
SỐ 197
SỐ 198
Số 199
SỐ 200
SỐ 201
2023
SỐ 202+203
SỐ 204
SỐ 205
SỐ 206
SỐ 207
SỐ 208
SỐ 209
SỐ 210
SỐ 211
SỐ 212
SỐ 213
Thông tin tạp chí
Tôn chỉ & Mục đíchHội đồng biên tậpBan biên tậpChính sách Tạp chíLịch làm việc Lãnh đạo
Thông tin người dùng
Độc giả
Tác giả
Biên tập viên
Phản biện
Đạo đức xuất bảnThư mời số đặc biệt
ISSN
ISSN 2615-9813
ISSN (số cũ) 1859-3682

SỐ 188 | THÁNG 11/2021

Vốn xã hội và nền kinh tế ngầm: phân tích Bayes về BRICS

Dương Mỹ Hà Tiên, Nguyễn Thị Anh Như, Nguyễn Văn Điệp

27/11/2021 40 0 0
Like Mua ngay 30.000 đ
Cách tiếp cận Bayesian BRICS Kinh tế ngầm Vốn xã hội

Tóm tắt:

Mục đích – Bài viết nhằm kiểm tra tác động của vốn xã hội đối với quy mô của nền kinh tế ngầm ở các quốc gia BIRCS trong giai đoạn 1995–2014. 

Thiết kế/phương pháp/cách tiếp cận – Các tác giả sử dụng phương pháp hồi quy tuyến tính Bayesian để khám phá mối quan hệ giữa vốn xã hội và nền kinh tế ngầm. Phương pháp này áp dụng phân phối chuẩn cho phân phối xác suất trước trong khi phân phối sau được xác định bằng cách sử dụng kỹ thuật Monte Carlo chuỗi Markov. 

Kết quả – Kết quả chỉ ra rằng tỷ lệ thất nghiệp và gánh nặng thuế ảnh hưởng tích cực đến quy mô của nền kinh tế ngầm. Ngược lại, kiểm soát tham nhũng và mở cửa thương mại có tác động tiêu cực đến sự phát triển của khu vực phi chính thức này. Hơn nữa, phát hiện chính của bài báo là vốn xã hội được thể hiện bằng niềm tin xã hội và tinh thần thuế có thể cản trở quy mô của nền kinh tế ngầm. 

Hạn chế/ý nghĩa của nghiên cứu – Nghiên cứu này chỉ giới hạn trong trường hợp của các nước BRICS trong giai đoạn 1995–2014. Các yếu tố quyết định nền kinh tế phi chính thức ở các nhóm quốc gia khác nhau có thể không đồng nhất. Hơn nữa, vốn xã hội là một khái niệm đa chiều có thể bao gồm nhiều thành phần khác nhau. Khó khăn trong việc đo lường vốn xã hội này đòi hỏi phải nghiên cứu sâu hơn về mối quan hệ giữa các khía cạnh khác của vốn xã hội và nền kinh tế phi chính thức. 

Tính mới/giá trị – Nhiều nghiên cứu điều tra tác động của các yếu tố kinh tế đối với quy mô của nền kinh tế ngầm. Bài viết này áp dụng một cách tiếp cận mới để khám phá vấn đề. Đáng chú ý, các tác giả sử dụng phương pháp hồi quy tuyến tính Bayesian để phân tích mối quan hệ giữa vốn xã hội và nền kinh tế phi chính thức ở các nước BRICS. 

Tài liệu tham khảo:

  1. Aidt, T.S. (2003), “Economic analysis of corruption: a survey”, The Economic Journal, Vol. 113 No. 491, pp. F632-F652.
  2. Arrow, K.J. (1970), “Political and economic evaluation of social effects and externalities”, in Margolis, J. (Ed.), The Analysis of Public Output, National Bureau of Economic Research, Cambridge, MA, pp. 1-30.
  3. Arrow, K.J. (1973), “Social responsibility and economic efficiency”, Public Policy, Vol. 21 No. 3, pp. 303-317.
  4. Arrow, K.J. (1999), “Observations on social capital”, in Serageldin, I. and Dasgupta, P. (Eds), Social Capital: A Multifaceted Perspective, World Bank, Washington, DC, pp. 3-5.
  5. Asea, P.K. (1996), “The informal sector: baby or bath water? a comment”, Carnegie-Rochester Conference Series on Public Policy, Vol. 45, pp. 163-171.
  6. Baklouti, N. and Boujelbene, Y. (2019), “Kinh tế ngầm, corruption, and economic growth: an empirical analysis”, The Review of Black Political Economy, Vol. 47 No. 3, pp. 276-294.
  7. Birinci, S. (2013), “Độ mở thương mại, growth, and informality: panel VAR evidence from OECD economies”, Economics Bulletin, Vol. 33 No. 1, pp. 694-705.
  8. Bjørnskov, C. (2010), “How does Niềm tin xã hội lead to better governance? An attempt to separate electoral and bureaucratic mechanisms”, Public Choice, Vol. 144 No. 1, pp. 323-346.
  9. Buehn, A. and Schneider, F. (2012), “Corruption and the Kinh tế ngầm: like oil and vinegar, like water and fire?”, International Tax and Public Finance, Vol. 19 No. 1, pp. 172-194.
  10. Cowles, M.K. and Carlin, B.P. (1996), “Markov chain Monte Carlo convergence diagnostics: a comparative review”, Journal of the American Statistical Assocation, Vol. 91 No. 434, pp. 883-904.
  11. Dell'Anno, R. (2007), “The Kinh tế ngầm in Portugal: an analysis with the MIMIC approach”, Journal of Applied Economics, Vol. 10 No. 2, pp. 253-277.
  12. D'Hernoncourt, J. and Méon, P.G. (2012), “The not so dark side of trust: does trust increase the size of the Kinh tế ngầm?”, Journal of Economic Behavior and Organization, Vol. 81 No. 1, pp. 97-121.
  13. Engel, C. (2011), “Dictator games: a meta study”, Experimental Economics, Vol. 14 No. 4, pp. 583-610.
  14. Enste, D.H. (2010), “Kinh tế ngầm – the impact of regulation in OECD-countries”, International Economic Journal, Vol. 24 No. 4, pp. 555-571.
  15. Fehr, E. and Schmidt, K. (1999), “A theory of fairness, competition, and cooperation”, The Quarterly Journal of Economics, Vol. 114 No. 3, pp. 817-868.
  16. Feld, L.P. and Frey, S.B. (2007), “Tax compliance as the result of a psychological tax contact: the role of in-centives and responsive regulation”, Law and Policy, Vol. 29 No. 1, pp. 102-120.
  17. Fugazza, M. and Fiess, N. (2010), “Trade liberalization and informality: new stylized facts”, Working Paper [No. 44], United Nations Conference on Trade and Development, United Nations, New York and Geneva, 1 March.
  18. Gelman, A. and Rubin, D.B. (1992), “Inference from iterative simulation using multiple sequences”, Statistical Science, Vol. 7 No. 4, pp. 457-472.
  19. Goel, R.K., Saunoris, J.W. and Schneider, F. (2019), “Growth in the shadows: effect of the Kinh tế ngầm on US economic growth over more than a century”, Contemporary Economic Policy, Vol. 37 No. 1, pp. 50-67.
  20. Heywood, P.M. (2014), Routledge Handbook of Political Corruption, Routledge, Abingdon, Oxon.
  21. Houser, D. and McCabe, K. (2014), “Experimental economics and experimental game theory”, in Glimcher, P.W. and Fehr, E. (Eds), Neuroeconomics: Decision Making and the Brain, 2nd ed., Academic Press, pp. 19-34.
  22. Ishak, P.W. and Farzanegan, M.R. (2020), “The impact of declining oil rents on tax revenues: does the Kinh tế ngầm matter?”, Energy Economics, Vol. 92, p. 104925.
  23. Kodila-Tedika, O. and Mutascu, M. (2014), “Kinh tế ngầm and tax revenue in Africa”, Economics Bulletin, Vol. 34 No. 1, pp. 469-479.
  24. Kruschke, J.K., Aguinis, H. and Joo, H. (2012), “The time has come: Bayesian methods for data analysis in the organizational sciences”, Organizational Research Methods, Vol. 15 No. 4, pp. 722-752.
  25. Lee, D. (2013), “How does social capital reduce the size of the Kinh tế ngầm?”, Global Economic Review, Vol. 42 No. 3, pp. 251-268.
  26. Lemoine, N.P. (2019), “Moving beyond noninformative priors: why and how to choose weakly informative priors in Bayesian analyses”, Oikos, Vol. 128 No. 7, pp. 912-928.
  27. Leonardi, R., Nanetti, R.Y. and Putnam, R.D. (2001), Making Democracy Work: Civic Traditions in Modern Italy, Princeton University Press, New Jersey.
  28. Mauleón, I. and Sardà, J. (2017), “Thất nghiệp and the Kinh tế ngầm”, Applied Economics, Vol. 49 No. 37, pp. 3729-3740.
  29. Mazhar, U. and Méon, P.G. (2017), “Taxing the unobservable: the impact of the Kinh tế ngầm on inflation and taxation”, World Development, Vol. 90, pp. 89-103.
  30. Medina, L. and Schneider, F.G. (2019), “Shedding light on the Kinh tế ngầm: a global database and the interaction with the official one”, Working Paper [No. 7981], Center for Economic Studies and ifo Institute, Munich.
  31. Nguyen, D.V. and Duong, M.T.H. (2021), “Kinh tế ngầm, corruption and economic growth: an analysis of BRICS countries”, Journal of Asian Finance, Economics and Business, Vol. 8 No. 4, pp. 665-672.
  32. Nguyen, V.D. and Duong, T.H.M. (2022), “Corruption, Kinh tế ngầm, FDI, and tax revenue in BRICS: a Bayesian approach”, Montenegrin Journal of Economics, Vol. 18 No. 2, pp. 55-64.
  33. Oanh, T.T.K., Diep, N.V., Truyen, P.T. and Chau, N.X.B. (2022), “The impact of public expenditure on economic growth of provinces and cities in the Southern Key Economic Zone of Vietnam: Bayesian approach”, in Ngoc Thach, N., Ha, D.T., Trung, N.D. and Kreinovich, V. (Eds), Prediction and Causality in Econometrics and Related Topics, Springer, Cham.
  34. Roberts, G.O. and Rosenthal, J.S. (2001), “Optimal scaling for various Metropolis-Hastings algorithms”, Statistical Science, Vol. 16 No. 4, pp. 351-367.
  35. Schneider, F. (2005), “Shadow economies around the world: what do we really know?”, European Journal of Political Economy, Vol. 21 No. 3, pp. 598-642.
  36. Schneider, F., Raczkowski, K. and Mróz, B. (2015), “Kinh tế ngầm and tax evasion in the EU”, Journal of Money Laundering Control, Vol. 18 No. 1, pp. 34-51.
  37. Smith, P. (1994), “Assessing the size of the underground economy: the Canadian statistical perspectives”, Working Paper [No. 28], Statistics Canada, Ottawa.
  38. Thach, N.N. (2021), “How values influence economic progress? Evidence from South and southeast asian countries”, in Ngoc Thach, N., Kreinovich, V. and Trung, N.D. (Eds), Data Science for Financial Econometrics, Springer, Cham, pp. 207-221.
  39. Thaler, R.H. (2000), “From Homo economicus to Homo sapiens”, Journal of Economic Perspective, Vol. 14 No. 1, pp. 133-141.
  40. Torgler, B. (2003), “Thuế đạo đức, rule-governed behaviour and trust”, Constitutional Political Economy, Vol. 14 No. 2, pp. 119-140.
  41. Torgler, B. and Schneider, F. (2009), “The impact of Thuế đạo đức and institutional quality on the Kinh tế ngầm”, Journal of Economic Psychology, Vol. 30 No. 2, pp. 228-245.
  42. Williams, C.C. and Horodnic, I.A. (2015), “Explaining and tackling the Kinh tế ngầm in Estonia, Latvia and Lithuania: a Thuế đạo đức approach”, Baltic Journal of Economics, Vol. 15 No. 2, pp. 81-98.

Social capital and the shadow economy: a Bayesian analysis of the BRICS

Bayesian approach BRICS Shadow economy Social capital

Abstract:

Purpose
The paper aims to examine the impact of social capital on the size of the shadow economy in the BIRCS countries over the period 1995–2014.

Design/methodology/approach
The authors employ the Bayesian linear regression method to uncover the relationship between social capital and the shadow economy. The method applies a normal distribution for the prior probability distribution while the posterior distribution is determined using the Markov chain Monte Carlo technique.

Findings
The results indicate that the unemployment rate and tax burden positively affect the size of the shadow economy. By contrast, corruption control and trade openness are negatively associated with the development of this informal sector. Moreover, the paper's primary finding is that social capital represented by social trust and tax morale can hinder the size of the shadow economy.

Research limitations/implications
This study is limited to the case of the BRICS countries for the period 1995–2014. The determinants of the shadow economy in different groups of countries can be heterogeneous. Moreover, social capital is a multidimensional concept that may consist of various components. This difficulty of measuring the social capital calls for further research on the relationship between other dimensions of social capital and the shadow economy.

Originality/value
Many studies investigate the effect of economic factors on the size of the shadow economy. This paper applies a new approach to discover the issue. Notably, the authors use the Bayesian linear regression method to analyze the relationship between social capital and the shadow economy in the BRICS countries.

Bài viết liên quan