Киселев Сергей Викторович, доктор экон. наук, профессор, заведующий кафедрой агроэкономики экономического факультета; ведущий научный сотрудник Евразийского центра по продовольственной безопасности
Ленинские горы, д. 1, стр. 46, 3-й новый учебный корпус, г. Москва, 119991
Sergey V. Kiselev, DSc in Economics, Professor, Head of the Department of Agroeconomics, Faculty of Economics; Leading Researcher, Eurasian Center for Food Security
1, building 46, 3rd New Academic Building, Leninskie Gory, Moscow, 119991
Сеитов Санат Каиргалиевич, кандидат экон. наук, инженер 2-й категории кафедры агроэкономики экономического факультета; научный сотрудник Евразийского центра по продовольственной безопасности
Ленинские горы, д. 1, стр. 46, 3-й новый учебный корпус, г. Москва, 119991
Sanat K. Seitov, PhD in Economics, 2nd Category Engineer, Department of Agroeconomics, Faculty of Economics; Researcher, Eurasian Center for Food Security
1, building 46, 3rd New Academic Building, Leninskie Gory, Moscow, 119991
Самсонов Валерий Альбертович, инженер 2-й категории лаборатории учебной и научной печати экономического факультета
Ленинские горы, д. 1, стр. 46, 3-й новый учебный корпус, г. Москва, 119991
Valery A. Samsonov, 2 nd Category Engineer, Laboratory of Training and Research Press Laboratory, Faculty of Economics
1, building 46, 3rd New Academic Building, Leninskie Gory, Moscow, 119991
Филимонов Илья Валерьевич, кандидат экон. наук, ассистент кафедры философии и методологии экономики экономического факультета
Ленинские горы, д. 1, стр. 46, 3-й новый учебный корпус, г. Москва, 119991
Ilya V. Filimonov, PhD in Economics, Assistant, Department of Philosophy and Methodology of Economics, Faculty of Economics
1, building 46, 3rd New Academic Building, Leninskie Gory, Moscow, 119991
Несмотря на обширный перечень работ, посвященных анализу теневой экономики, отсутствует методика определения ее масштабов на уровне региона и отдельного вида деятельности по Общероссийскому классификатору ОКВЭД 2. Настоящая работа нацелена восполнить этот пробел, показывая существующие методы учета теневой экономики в сельском хозяйстве. Цель – выявить масштабы теневой экономики в сельском хозяйстве на региональном уровне в России. Новизна состоит в разработке и применении методики оценки теневой экономики в сельском хозяйстве по регионам России. Использован экономико-статистический метод, метод досчета, картографический. Эмпирическая база сформирована на основе официальной статистики. В результате использования авторской методики установлено, что в абсолютном большинстве регионов наблюдается умеренный уровень теневых операций юридических лиц по разделу А согласно Общероссийскому классификатору. Причем уровень дифференциации низок. Лишь в Чукотском автономном округе, Челябинской, Брянской, Липецкой областях и Республике Марий Эл отмечается более высокий уровень данного показателя. В целом в 2017–2022 годах наблюдается тренд сокращения доли теневых операций юридических лиц в валовой добавленной стоимости (ВДС) раздела А «Сельское, лесное хозяйство, охота, рыболовство и рыбоводство» в регионах России. Он во многом достигается благодаря внедрению федеральных государственных информационных систем, затрудняющих теневой оборот. Вместе с тем при интерпретации результатов важно делать поправку на то, что применение нашей методики может приводить к занижению масштабов теневой экономики, поскольку она не учитывает ее среди сельскохозяйственных организаций, относящихся к субъектам малого предпринимательства, а также среди крестьянских (фермерских) хозяйств и индивидуальных предпринимателей.
Despite the extensive list of works devoted to the analysis of the shadow economy, the issue of determining its scale at the regional level and a separate type of activity (according to the All-Russian Classifier OKVED 2. has not been resolved. This work aims at filling this gap by showing existing methods of accounting for the shadow economy in agriculture. The aim is to identify the scale of the shadow economy in agriculture at the regional level in Russia. The novelty lies in the development and application of a methodology for assessing the shadow economy in agriculture in the Russian regions. The paper uses economic and statistical, calculation, cartographic methods. The paper forms empirical basis on the official statistical data. As a result of using the authors’ methodology, the study finds that in the absolute majority of regions there is a moderate level of shadow transactions of legal entities in section A according to the All-Russian Classifier. Moreover, the level of differentiation is low. Only in Chukotka Autonomous Okrug, Chelyabinsk, Bryansk, Lipetsk regions, Mari El Republic there is a higher level of shadow transactions. In general, in 2017–2022 there is a trend towards a reduction in the share of shadow transactions of legal entities in the gross value added (GVA) of section A “Agriculture, forestry, hunting, fishing and fish farming” in the regions of Russia. It is largely achieved thanks to the introduction of federal government information systems that make shadow turnover difficult. At the same time, when interpreting the results, it is important to make an adjustment for that our methodology may underestimate the scale of the shadow economy, since it does not consider agricultural organizations that are small business entities, as well as peasant farms and individual entrepreneurs.
The authors declare that there are no conflicts of interest present.