Chín yếu tố được đưa ra trong nghiên cứu để xem xét mức độ ảnh hưởng của chúng đến sự tăng trưởng quy mô của nền Kinh tế ngầm là: Chỉ số nhận thức tham nhũng, Số người dùng Internet, Doa
CƠ SỞ LÝ LUẬN
Cơ sở lý thuyết
1.1 Lý thuyết về nề Kinh tế n ngầm
Nền kinh tế ngầm được định nghĩa là các sản phẩm và dịch vụ (hợp pháp hoặc bất hợp pháp) không được tính vào tổng sản phẩm quốc nội Schneider (1994) và Lubell (1991) mô tả nền kinh tế ngầm là tất cả các hoạt động kinh tế chưa được đăng ký trong việc tính toán GDP Theo Schneider và Enste (2000), nền kinh tế ngầm bao gồm "thu nhập không được báo cáo từ việc sản xuất hàng hóa và dịch vụ hợp pháp trong các giao dịch tiền tệ hoặc trao đổi", dẫn đến việc các hoạt động này thường không bị đánh thuế.
Tùy thuộc vào các đặc điểm kinh tế xã hội, mỗi quốc gia có những định nghĩa khác nhau về nền kinh tế ngầm Một số quốc gia coi kinh tế ngầm là phần không quan sát được (Non-observed Economy), trong khi những quốc gia khác lại xem nó như một phần của nền kinh tế phi chính thức Ngoài ra, còn nhiều cách gọi và phân loại khác nhau cho kinh tế ngầm, bao gồm kinh tế phi chính quy (Informal Economy), kinh tế chìm (Underground Economy), kinh tế vô hình (Invisible Economy), kinh tế đen (Black Economy) và khu vực phi doanh nghiệp.
(Unincorporated Sector); khu vực phi kết cấu (Unstructured Sector),
Kinh tế ngầm phản ánh một nền kinh tế phi chính thống có ảnh hưởng lớn đến nền kinh tế quốc dân Theo OECD, kinh tế ngầm bao gồm các hoạt động mà lẽ ra phải được tính vào GDP nhưng lại không được ghi nhận do bị giấu giếm Điều này bao gồm sản xuất hàng hóa và dịch vụ hợp pháp nhưng không khai báo, cũng như sản xuất bất hợp pháp và thu nhập vô hình Ngân hàng Thế giới định nghĩa hoạt động phi chính thức là những hoạt động có giá trị gia tăng không được ghi nhận do việc khai báo sai hoặc trốn tránh Trong khi đó, theo ILO, khu vực phi chính quy bao gồm các đơn vị nhỏ, sản xuất và phân phối hàng hóa dịch vụ do lao động tự do và lao động gia đình thực hiện, với đặc điểm dễ thâm nhập, yêu cầu vốn thấp, sử dụng công nghệ đơn giản và năng suất lao động thấp.
Nghiên cứu của Schneider (2011) chỉ ra rằng nền kinh tế ngầm bao gồm việc sản xuất hàng hóa và dịch vụ được thực hiện một cách có chủ ý nhằm tránh các khoản thuế như thuế thu nhập, thuế giá trị gia tăng và các loại thuế khác Ngoài ra, các cá nhân và doanh nghiệp tham gia vào nền kinh tế ngầm cũng muốn né tránh việc đóng góp cho hệ thống y tế và an sinh xã hội, không tuân thủ các tiêu chuẩn thị trường lao động hợp pháp như mức lương tối thiểu và giờ làm việc tối đa, cũng như tránh các thủ tục hành chính nhất định.
Nền kinh tế phi chính thức, mặc dù là một trở ngại lớn cho sự phát triển kinh tế quốc gia, vẫn tồn tại với quy mô đáng kể ở nhiều nơi trên thế giới, với một số quốc gia có tỷ lệ kinh tế ngầm vượt quá 30% GDP bình quân đầu người Điều này phần nào phản ánh bản chất đa dạng và tác động trái ngược của nền kinh tế ngầm, tùy thuộc vào tâm lý, văn hóa và truyền thống của từng vùng miền Nhận thức của cộng đồng về kinh tế ngầm có thể bị ảnh hưởng bởi các yếu tố như thái độ với chi tiêu công, niềm tin vào hệ thống thuế và chất lượng dịch vụ công Khi các yếu tố này không được đánh giá tích cực, quy mô kinh tế ngầm có xu hướng gia tăng Tại Châu Âu, hoạt động kinh tế ngầm được chia thành hai loại chính: hoạt động không được khai báo và hoạt động khai báo không đầy đủ.
2013) ước tính rằng nền kinh tế ngầm có tổng giá trị khoảng 2.15 nghìn tỷ Euro vào năm
2013, với sự khác biệt đáng chú ý giữa miền Tây (7-8% GDP ở Thụy Sĩ, Áo và Luxembourg) và Đông Âu (khoảng 30 % ở các quốc gia như Croatia, Romania và Bulgaria)
Theo nghiên cứu của Feige (1989), có ba mô hình chính để ước tính nền kinh tế ngầm: đầu tiên là phương pháp định tính, tập trung vào việc xác định động cơ, nhận thức và hành vi của các tác nhân; thứ hai là phương pháp định lượng, chú trọng vào việc thu thập dữ liệu đại diện về cấu trúc và động lực của hiện tượng; cuối cùng là các phương pháp không yêu cầu ước tính khoa học có hệ thống, dựa trên quan sát cá nhân mà không xem xét bối cảnh hay đánh giá toàn diện.
Trong bài viết này, chúng tôi thực hiện một phân tích kinh tế tổng hợp tại 27 quốc gia trong EU, nhằm đánh giá tác động của 9 yếu tố quan trọng: Chỉ số nhận thức tham nhũng (CPI), số người sử dụng Internet (IUI), doanh thu thuế (TRR), số người đăng ký mạng di động (MCS), chỉ số chất lượng quy định (RQI), điểm gánh nặng thuế (TBS), và GDP bình quân đầu người Những yếu tố này được xem xét để hiểu rõ hơn về mối quan hệ giữa chúng và sự phát triển kinh tế trong khu vực.
Từ năm 2010 đến 2021, GDP bình quân đầu người (GDPPC), kiều hối cá nhân (PR) và các khoản trợ cấp cùng chuyển nhượng khác (SOT) đã có ảnh hưởng đáng kể đến quy mô của nền kinh tế ngầm ở các nước Châu Âu Các xu hướng phát triển này cho thấy sự biến động trong các nguồn thu nhập và chi tiêu, ảnh hưởng đến sự tăng trưởng kinh tế và ổn định tài chính trong khu vực.
1.2 Các yếu tố ảnh hưởng tới quy mô của nền Kinh tế ngầm
1.2.1 Định nghĩa, phân loại, cách thức đo lường
1.2.1.1 Chỉ số Nhận thức Tham nhũng (Corruption Perceptions Index)
Chỉ số Nhận thức Tham nhũng (CPI) là thước đo mức độ tham nhũng tại các quốc gia, với thang điểm từ 0 đến 100 Điểm số 0 biểu thị mức độ tham nhũng cao nhất, trong khi điểm 100 cho thấy quốc gia đó rất trong sạch.
Chỉ số này được tổng hợp từ nhiều nguồn dữ liệu khác nhau, bao gồm khảo sát chuyên gia, khảo sát dư luận và đánh giá từ các cơ quan có thẩm quyền.
Tuy nhiên, do tính chất phi chính thức của tham nhũng, chỉ số này khó có thể phản ánh đầy đủ tất cả các khía cạnh của tham nhũng tại một quốc gia hoặc khu vực cụ thể.
1.2.1.2 Số người sử dụng Internet (Individuals using the Internet)
Người dùng Internet là những cá nhân đã truy cập Internet từ bất kỳ vị trí nào trong vòng 3 tháng qua Họ có thể sử dụng Internet qua nhiều thiết bị khác nhau như máy tính, điện thoại di động, trợ lý kỹ thuật số, máy trò chơi và TV kỹ thuật số.
Dữ liệu về số người sử dụng Internet được thu thập từ các cuộc khảo sát hộ gia đình và doanh nghiệp Thống kê viễn thông và công nghệ thông tin được tổng hợp qua các hình thức như đăng ký, truy cập và sử dụng.
1.2.1.3 Doanh thu thuế (Tax revenue)
Tổng quan tình hình nghiên cứu
Nhiều nghiên cứu đã chỉ ra mối quan hệ giữa quy mô nền kinh tế phi chính thức và tham nhũng Choi và Thum (2005) cho rằng doanh nhân chọn hoạt động ngầm để giảm thiểu khả năng bị hối lộ từ quan chức tham nhũng Hibbs và Piculescu (2005) cũng cho rằng quan chức tham nhũng có thể bỏ qua sản xuất phi chính thức để nhận hối lộ, từ đó làm tăng quy mô khu vực kinh tế ầm Hindriks et al (1999) nhận định rằng kinh tế ngầm thực sự bổ sung cho tham nhũng, khi người nộp thuế thông đồng với thanh tra để giảm nghĩa vụ thuế Mối quan hệ giữa tham nhũng và quy mô kinh tế ngầm có thể là hai chiều; ở các nước thu nhập cao, chúng bổ sung cho nhau, trong khi ở các nước thu nhập thấp, chúng có thể thay thế nhau (Dreher và Schneider 2009) Tuy nhiên, nghiên cứu này không xác nhận giả thuyết về mối liên hệ chặt chẽ giữa hai biến số do tham nhũng chỉ được đo bằng chỉ số nhận thức, không có số liệu chính xác Buehn và Schneider (2009) cũng cho rằng mối liên hệ giữa hai yếu tố này không rõ ràng và đã áp dụng các mô hình khác để nghiên cứu, cho thấy rằng nền kinh tế ngầm ảnh hưởng đến tham nhũng nhiều hơn là ngược lại.
Doanh thu thuế và thuế suất là những yếu tố quan trọng ảnh hưởng đến kinh tế ngầm Khi gánh nặng thuế tăng cao và pháp luật lỏng lẻo, tỷ lệ trốn thuế và báo cáo thiếu lương cũng sẽ gia tăng.
Nghiên cứu cho thấy thuế có thể giải thích tới 52% nền kinh tế ngầm ở Đức, Áo và các nước OECD, với khoảng cách giữa chi phí lao động chính thức và thu nhập sau thuế làm gia tăng động lực tham gia vào khu vực này Gánh nặng thuế và an sinh xã hội, bị ảnh hưởng bởi chênh lệch thuế, là những yếu tố quan trọng quyết định khả năng tồn tại của nền kinh tế ngầm.
Nền kinh tế ngầm có tác động tiêu cực đến doanh thu thuế của quốc gia (Schneider và Asllani 2022) Trong thời đại cách mạng 4.0, công nghệ thông tin và truyền thông (CNTT-TT) ngày càng thể hiện vai trò quan trọng, đặc biệt trong việc phát triển hệ thống ngân hàng điện tử, giúp giảm thiểu việc sử dụng tiền mặt trong các giao dịch (Usaid 2013, Kearney 2013) Sự gia tăng của các phương thức thanh toán kỹ thuật số có thể làm giảm quy mô nền kinh tế ngầm CNTT-TT cũng tạo điều kiện thuận lợi cho người lao động tìm kiếm việc làm hơn (Garcia-Murillo và VelezOspina 2014, 2017) Tuy nhiên, Bhattacharaya (2019) chỉ ra rằng CNTT ít được áp dụng trong khu vực phi chính thức do tăng chi phí và giảm lợi nhuận.
Nhóm 09 KTE309.1 Trang 16 khi nhiều người sử dụng internet hơn, họ sẽ có cái nhìn sâu sắc về hậu quả nghiêm trọng của các hoạt động như tham nhũng hoặc trốn thuế Kết quả là, nhận thức sẽ ợc nâng cao và mọi đư người sẽ ực hiện các biện pháp của riêng mình để giảm bớt rủi ro và quy mô của các hoạth t động đó, dẫn đến giảm nền kinh tế ngầm Các nghiên cứu đi trước đều chứng minh được rằng CNTT-TT có tác động tiêu cực đến nền kinh tế ngầm Khi mà phát triển thông tin và hạ tầng công nghệ truyền thông tăng 1% trong một quốc gia, nó sẽ có thể giảm quy mô nền kinh tế ngầm ở quốc gia đó 0,017%, 0,037% và 0,023%, tùy điều kiện khác nhau và mức độ ảnh hưởng đối với các nước phát triển lớn hơn so với các nước đang phát triển (Pristanto Silalahi
Các yếu tố quyết định cơ bản của kinh tế ngầm phản ánh sự phát triển kinh tế quốc gia, với GDP bình quân đầu người là chỉ số phổ biến nhất để đo lường GDP không chỉ thể hiện năng lực cạnh tranh quốc gia mà còn dễ dàng tiếp cận qua các nguồn thống kê trong nước và quốc tế Chỉ số này cho phép so sánh giữa các quốc gia trong các tình huống khác nhau Nghiên cứu cho thấy nền kinh tế ngầm có ảnh hưởng tích cực đến tốc độ tăng trưởng GDP bình quân đầu người, trong khi một nền kinh tế phi chính thức lớn hơn thường đi kèm với GDP bình quân đầu người thấp hơn Khi nền kinh tế phi chính thức phát triển, sẽ có nhiều hoạt động kinh tế chuyển dịch ra khỏi nền kinh tế chính thức, dẫn đến sự suy giảm tăng trưởng kinh tế tổng thể.
Nhiều nghiên cứu đã chỉ ra sự đóng góp của kiều hối từ người di cư quốc tế vào tăng trưởng kinh tế, nhưng ít có nghiên cứu điều tra tác động của kiều hối đối với kinh tế ngầm Chatterjee và Turnovsky (2018) đã phân tích mối liên hệ giữa nền kinh tế ngầm và kiều hối ở 56 quốc gia đang phát triển, cho thấy kiều hối có thể làm tăng nền kinh tế ngầm, đặc biệt khi có cú sốc năng suất ở quốc gia tiếp nhận Tương tự, Njangang et al (2018) đã nghiên cứu mối quan hệ này tại 30 quốc gia châu Phi cận Sahara và phát hiện kiều hối thúc đẩy quy mô nền kinh tế ngầm Mối liên hệ giữa kiều hối và nền kinh tế ngầm rất chặt chẽ, vì dòng kiều hối không chỉ tăng thu nhập khả dụng của hộ gia đình mà còn thúc đẩy tăng trưởng nền kinh tế chính thức thông qua tiêu dùng và tiết kiệm (Schneider, F Khan, A Khan, Abidullah, 2019).
Theo nghiên cứu của chính phủ, trợ cấp có thể giảm quy mô nền kinh tế ngầm bằng cách củng cố nền kinh tế chính thức và giảm gánh nặng thuế cho doanh nghiệp (Schwartz và Clements, 1999) Ngược lại, một nghiên cứu của Viện Phát triển bền vững quốc tế (IISD) cho thấy trợ cấp có thể gây cản trở cho doanh nghiệp tham gia nền kinh tế chính thức, dẫn đến sự gia tăng quy mô nền kinh tế ngầm (Steenblik, 2018).
Các nghiên cứu về các yếu tố tác động đến nền kinh tế ngầm toàn cầu và khu vực EU đã xây dựng nhiều mô hình ước lượng với phương pháp khác nhau Tuy nhiên, một số nghiên cứu vẫn chưa đạt được kết quả chính xác do hạn chế trong việc nghiên cứu các hoạt động ngầm và độ tin cậy của dữ liệu Hơn nữa, phần lớn các nghiên cứu về nền kinh tế ngầm chủ yếu sử dụng số liệu từ trước năm 2010, đặc biệt là trong bối cảnh đại dịch Covid-19 có tác động mạnh mẽ.
Việc cập nhật thông tin và đảm bảo độ chính xác trở nên khó khăn khi xem xét 19 yếu tố Hiện tại, chưa có nghiên cứu nào phân tích tác động của cả 9 yếu tố này lên nền kinh tế ngầm của EU Thêm vào đó, một số nghiên cứu xuyên quốc gia không có nhiều điểm tương đồng giữa các nhóm quốc gia Do đó, nếu tập trung nghiên cứu theo từng nhóm khu vực hoặc quốc gia, có thể đạt được những kết quả có ý nghĩa và dễ dàng giải thích hơn.
Nhóm nghiên cứu nhận thấy có sự khác biệt trong các kết quả trước đây về tác động của các yếu tố đến quy mô của nền kinh tế ngầm Do đó, họ quyết định tiến hành xem xét lại tác động này bằng cách sử dụng mẫu dữ liệu tự thu thập và áp dụng phương pháp ước lượng OLS.
Giả thuyết nghiên cứu
Nhóm tác giả đã tiến hành đánh giá ảnh hưởng của 9 yếu tố chính đến sự phát triển và quy mô của nền kinh tế ngầm, dựa trên các lý thuyết và kiến thức hiện có.
Hình 1: Mô hình tác động
PHƯƠNG PHÁP NGHIÊN CỨU VÀ MÔ HÌNH
Phương pháp nghiên cứu
1.1 Phương pháp thu thập số liệu
Nghiên cứu sử dụng dữ liệu thứ cấp từ 27 nước thành viên Liên minh Châu Âu, phản ánh các yếu tố ảnh hưởng đến nền kinh tế ngầm trong giai đoạn 2010-2021 Tất cả dữ liệu được thu thập từ Ngân hàng Thế giới, Tổ chức Minh bạch Quốc tế và Chỉ số tự do kinh tế của Quỹ Di sản.
1.2 Phương pháp phân tích số liệu
Nhóm nghiên cứu đã phát triển mô hình nghiên cứu “Các yếu tố ảnh hưởng đến nền kinh tế ngầm tại Liên minh Châu Âu giai đoạn 2010 - 2021” bằng phương pháp định lượng, sử dụng ước lượng bình phương tối thiểu thông thường OLS (Ordinary Least Squares) Phương pháp OLS được biết đến là cách dễ nhất và phổ biến nhất để ước tính các tham số của mô hình hồi quy tuyến tính.
Nhóm nghiên cứu đã áp dụng phần mềm Microsoft Excel và STATA 17 để phân tích mối quan hệ giữa các biến và xác định phương trình hồi quy mẫu Sau khi ước lượng tham số của mô hình hồi quy đa biến bằng phương pháp OLS, nhóm đã sử dụng các lệnh sum và corr để thống kê thông số của các biến cùng với ma trận tương quan Để kiểm định tính chính xác của mô hình, nhóm cũng đã sử dụng các lệnh như vif, estat hettest và estat ovtest.
Xây dựng mô hình lý thuyết
2.1 Mô hình hồi quy tổng thể ẫu nhiênng
Dựa trên lý thuyết kinh tế và nghiên cứu trước đây, chúng tôi nhận thấy mối quan hệ tuyến tính giữa biến phụ thuộc SSE và chín biến độc lập Do đó, chúng tôi quyết định xây dựng mô hình hồi quy dưới dạng mô hình tuyến tính Mô hình này sẽ giúp phân tích và dự đoán các yếu tố ảnh hưởng đến SSE một cách hiệu quả.
SSE = 𝛽 0 + 𝛽 1 CPI + 𝛽 2 IUI + 𝛽 3 TRR + 𝛽 4 MCS + 𝛽 5 RQI + 𝛽 6 TBS + 𝛽 7 GDPPC + 𝛽 8 PR + 𝛽9.SOT + 𝑢𝑖
• 𝛽1: Hệ số góc của biến CPI
• 𝛽2: Hệ số góc của biến IUI
• 𝛽 3 : Hệ số góc của biến TRR
• 𝛽4: Hệ số góc của biến MCS
• 𝛽5: Hệ số góc của biến RQI
• 𝛽 6 : Hệ số góc của biến TBS
• 𝛽7: Hệ số góc của biến GDPPC
• 𝛽 8 : Hệ số góc của biến PR
• 𝛽9: Hệ số góc của biến SOT
Sai số ngẫu nhiên của tổng thể ứng với quan sát thứ i (𝑢𝑖) phản ánh những yếu tố chưa được đề cập trong mô hình, ảnh hưởng đến SSE Mô hình hồi quy mẫu ngẫu nhiên giúp phân tích mối quan hệ giữa các biến và đánh giá tác động của các yếu tố không quan sát được.
SSE = 𝛽 0 + 𝛽1.CPI + 𝛽2.IUI + 𝛽3.TRR + 𝛽4.MCS + 𝛽5.RQI + 𝛽6.TBS + 𝛽7.GDPPC + 𝛽8.PR +
• 𝛽0: Hệ số ặn ước lượngch
• 𝛽1: Hệ số góc ước lượng của biến CPI
• 𝛽2: Hệ số góc ước lượng của biến IUI
• 𝛽3: Hệ số góc ước lượng của biến TRR
• 𝛽4: Hệ số góc ước lượng của biến MCS
• 𝛽5: Hệ số góc ước lượng của biến RQI
• 𝛽6: Hệ số góc ước lượng của biến TBS
• 𝛽7: Hệ số góc ước lượng của biến GDPPC
• 𝛽8: Hệ số góc ước lượng của biến PR
• 𝛽9: Hệ số góc ước lượng của biến SOT
Trong mô hình hồi quy mẫu, phần dư (𝑢𝑖) đại diện cho ước lượng của sai số ngẫu nhiên Để hiểu rõ hơn, cần giải thích các biến số trong mô hình và kỳ vọng của các biến độc lập đối với biến phụ thuộc Các biến độc lập ảnh hưởng đến biến phụ thuộc thông qua mối quan hệ tuyến tính, giúp dự đoán giá trị của biến phụ thuộc dựa trên các yếu tố khác.
Tên biến Ý nghĩa Loại biến Đơn vị Dấu kỳ vọng
SSE Quy mô của nền Kinh tế ngầm Biến phụ thuộc % GDP
CPI Chỉ số nhận thức tham nhũng Biến độc lập 0 - 100 -
IUI Số người sử dụng Internet Biến độc lập % dân số +
TRR Doanh thu thuế Biến độc lập % GDP +
MCS Số người đăng ký mạng di động Biến độc lập trên 100 người -
RQI Chỉ số ất lượng quy địnhch Biến độc lập -2,5 - 2,5 -
TBS Điểm gánh nặng thuế Biến độc lập 0 - 100 +
GDPPC GDP bình quân đầu người Biến độc lập Đô la Mỹ (USD) -
PR Kiều hối cá nhân Biến độc lập % GDP +
SOT Trợ cấp và các khoản chuyển nhượng khác Biến độc lập % Ngân sách -
Bảng 1: Giải thích biến số
Mô tả số liệu
Mẫu nghiên cứu được thực hiện trên 27 quốc gia thuộc Liên minh Châu Âu, bao gồm Áo, Bỉ, Bulgaria, Croatia, Síp, Cộng hòa Séc, Đan Mạch, Estonia, Phần Lan, Pháp, Đức, Hy Lạp, Hungary, Ireland, Ý, Latvia, Luxembourg, Malta, Hà Lan, Ba Lan, Bồ Đào Nha, Romania, Slovakia, Slovenia, Tây Ban Nha và Thụy Điển Dữ liệu gồm 324 quan sát từ năm 2010 đến 2021, bao gồm quy mô nền kinh tế ngầm, chỉ số nhận thức tham nhũng, số người sử dụng Internet, doanh thu thuế, số người đăng ký mạng di động, chỉ số chất lượng quy định, điểm gánh nặng thuế, GDP đầu người, lượng kiều hối cá nhân, trợ cấp và các khoản chuyển nhượng khác Các thông tin này được thu thập từ Ngân hàng Thế giới, Tổ chức Minh bạch Quốc tế và Chỉ số tự do kinh tế, đảm bảo tính chính xác và công khai.
Bảng 2 trình bày thống kê chi tiết cho từng biến số, bao gồm số lượng quan sát, giá trị trung bình, độ lệch chuẩn, giá trị lớn nhất và giá trị nhỏ nhất.
Bảng 2: Thống kê tổng hợp các biến của mô hình hồi quy
Quy mô nền kinh tế ngầm tại 27 quốc gia trong giai đoạn 2010 đến 2021 có giá trị trung bình đạt 18,48%, với độ lệch chuẩn là 6,99% Giá trị nhỏ nhất ghi nhận là 6,1% và giá trị lớn nhất lên tới 32,93% so với GDP.
Chỉ số nhận thức tham nhũng (CPI) tại 27 quốc gia trong giai đoạn 2010 đến 2021 có giá trị trung bình là 54,15, với độ lệch chuẩn là 25,26 Giá trị CPI thấp nhất ghi nhận là 3,3, trong khi giá trị cao nhất đạt 92.
Từ năm 2010 đến 2021, số người sử dụng Internet tại 27 quốc gia có giá trị trung bình đạt 78,39%, với độ lệch chuẩn là 12,26% Giá trị thấp nhất ghi nhận là 39,93% và giá trị cao nhất là 98,87% so với tổng dân số.
Doanh thu thuế tại 27 quốc gia trong giai đoạn 2010 đến 2021 có giá trị trung bình là 21,31% GDP, với độ lệch chuẩn là 4,61% Giá trị doanh thu thuế thấp nhất ghi nhận là 10,67% GDP, trong khi giá trị cao nhất đạt 36,50% GDP.
Trong giai đoạn 2010 đến 2021, số thuê bao di động trung bình tại 27 quốc gia đạt 123,4494, với độ lệch chuẩn là 14,65565 Giá trị thấp nhất ghi nhận là 92,53807, trong khi giá trị cao nhất lên tới 172,1508 trên 100 người.
Chỉ số RQI, được quy định tại 27 quốc gia trong giai đoạn 2010 đến 2021, có giá trị trung bình là 1,150105, với độ lệch chuẩn là 0,4619952 Giá trị nhỏ nhất ghi nhận là 0,1443931 và giá trị lớn nhất đạt 2.045453.
Từ năm 2010 đến 2021, điểm gánh nặng thuế trung bình tại 27 quốc gia là 66,75, với độ lệch chuẩn là 14,74 Giá trị gánh nặng thuế thấp nhất ghi nhận là 35,9, trong khi giá trị cao nhất đạt 94,3.
Trong giai đoạn từ 2010 đến 2021, GDP đầu người (GDPPC) của 27 quốc gia có giá trị trung bình là 34.048,38 USD, với độ lệch chuẩn là 23.214,1 USD Giá trị GDPPC thấp nhất ghi nhận là 6.853,003 USD, trong khi giá trị cao nhất đạt 133.590,1 USD.
Trong giai đoạn 2010 đến 2021, lượng kiều hối cá nhân tại 27 quốc gia đạt giá trị trung bình là 1,59594 USD, với độ lệch chuẩn là 1,449818 USD Giá trị kiều hối nhỏ nhất ghi nhận là 0,0356725 USD, trong khi giá trị lớn nhất lên tới 7,289214 USD.
Trong giai đoạn 2010 đến 2021, trợ cấp và các khoản chuyển nhượng khác tại 27 quốc gia có giá trị trung bình đạt 53,35942 USD, với độ lệch chuẩn là 16,63259 USD Giá trị nhỏ nhất ghi nhận là 14,36859 USD, trong khi giá trị lớn nhất là 90,02756 USD.
3.3 Mô tả tương quan Để xác định mối tương quan giữa các biến trong mô hình, nhóm nghiên cứu đã sử dụng lệnh corr trong STATA Bảng dưới đây cho thấy hệ số tương quan giữa các biến.
SSE CPI IUI TRR MCS RQI TBS GDPPC PR SOT
Bảng 3: Hệ số tương quan giữa các biến Trong đó:
• CPI có hệ số tương quan tương đối thấp là (-0,1862) và dấu trừ cho thấy nó có tác động tiêu cực đến SSE
• IUI có hệ số tương quan tương đối cao là (-0,2717) và dấu trừ cho thấy nó có tác động tiêu cực đến SSE
• TRR có hệ số tương quan tương đối thấp là (0,2105) và dấu cộng cho thấy nó có tác động tích cực đến SSE
• MCS có hệ số tương quan tương đối thấp là (-0,1734) và dấu trừ cho thấy nó có tác động tiêu cực đến SSE
• RQI có hệ số tương quan tương đối cao là (-0,2770) và dấu trừ cho thấy nó có tác động tiêu cực đến SSE
• TBS có hệ số tương quan thấp là (0,0895) và dấu cộng cho thấy nó có tác động tích cực đến SSE
• GDPPC có hệ số tương quan rất thấp là (-0,0133) và dấu trừ cho thấy nó có tác động tiêu cực đến SSE
• PR có hệ số tương quan tương đối thấp là (-0,1301) và dấu trừ cho thấy nó có tác động tiêu cực đến SSE
• SOT có hệ số tương quan cao là (-0,6140) và dấu trừ cho thấy nó có tác động tiêu cực đến SSE
Trong nghiên cứu, SOT được xác định là yếu tố có ảnh hưởng lớn nhất đến SSE với hệ số tương quan là (-0,6140), trong khi RQI cũng có tác động đáng kể với hệ số tương quan là (-0,2770) Ngược lại, GDPPC có hệ số tương quan nhỏ nhất với SSE, cho thấy rằng tăng trưởng GDP không có ảnh hưởng đáng kể đến SSE Mặc dù có sự tương quan giữa các biến độc lập, nhưng không có tương quan nào đạt mức đáng kể, cho thấy không xảy ra hiện tượng tương quan hoàn hảo giữa các biến này.
KẾT QUẢ ƯỚC LƯỢNG VÀ SUY DIỄN THỐNG KÊ
Mô hình ước lượng
Nhóm nghiên cứu đã phát triển một mô hình hồi quy với 10 biến để phân tích tác động của các yếu tố như chỉ số nhận thức tham nhũng, số người dùng Internet, doanh thu thuế, số thuê bao di động, chất lượng quy định, điểm gánh nặng thuế, GDP đầu người, kiều hối cá nhân và trợ cấp lên quy mô của nền kinh tế ngầm Mô hình này được thực hiện trên phần mềm STATA, với quy mô của nền kinh tế ngầm là biến phụ thuộc và các yếu tố còn lại là biến độc lập.
Sử dụng hàm reg ([reg SSE MCS IUI TRR RQI TBS GDPPC CPI PR SOT]) để thực hiện mô hình hồi quy, với kết quả ước lượng được trình bày rõ ràng trong bảng dưới đây.
Tổng bình phương biến động
Bậc tự do Trung bình của tổng bình phương
Mô hình (giải thích được)
Hệ số xác định hiệu chỉnh: 𝑅 2
Tổng 15765.5203 323 (n-1) 48.8096602 Độ lệch chuẩn của phần dư (𝛔): Root MSE
SSE 𝜷𝒋 𝒔𝒆(𝜷𝒋) 𝒕𝒔 𝒑−𝒗𝒂𝒍𝒖𝒆 Khoảng tin cậy (độ tin cậy
Bảng 4: Kết quả ước lượng mô hình OLS ban đầu
Mô hình hồi quy mẫu:
SSE = 𝛽0 + 𝛽1.MCS + 𝛽2.IUI + 𝛽3.TRR + 𝛽4.RQI + 𝛽5.TBS + 𝛽6.GDPPC + 𝛽7.CPI + 𝛽8.PR +
SSE = 30.4771 - 0.0503938.MCS - 0.1122315.IUI + 0.3199209.TRR - 2.637267.RQI + 0.1521204.TBS + 0.0000951.GDPPC - 0.0087747.CPI - 1.279408.PR - 0.2180313.SOT + 𝑢𝐼
Mẫu nghiên cứu bao gồm 324 quan sát, được thu thập từ 10 biến của 27 quốc gia trong khoảng thời gian 12 năm, từ năm 2010 đến 2021.
− Fs(9,314) = 42.34 => Giá trị kiểm định Fs(9,314) với n = 324, k = 9
− P-value - F s (9,314) = 0.0000 => Giá trị p-value ứng với F s
− Hệ số xác định: = 0.5483 thể hiện mức độ phù hợp trung bình của hàm hồi quy mẫu 𝑅 2
Mô hình hồi quy giải thích 54,83% sự biến động của biến phụ thuộc SSE so với giá trị trung bình mẫu, trong khi 45,17% còn lại được giải thích bởi các biến bên ngoài Điều này cho thấy mô hình có độ phù hợp tương đối tốt với dữ liệu thu thập được.
− Hệ số xác định hiệu chỉnh: 𝑅 2 = 0.5353 => Hệ số xác định được điều chỉnh theo bậc tự do tương ứng của các độ lệch bình phương
− Root MSE = 4.7625 => Độ lệch chuẩn của phần dư: 𝛔 = 4.7625
− Tổng bình phương biến động được giải thích bởi mô hình = 8643.67503 => ESS 8643.67503
− Tổng bình phương biến động mô hình không giải thích được = 7121.84522 => RSS 7121.84522
− Tổng bình phương biến động tổng = 15765.5203 => TSS = ESS + RSS = 15765.5203
− Bậc tự do của phần được giải thích = 9 => Dfm= k = 9
− Bậc tự do của phần dư = 314 => Df r = n − k − 1 = 314
− Trung bình của tổng bình phương mô hình = 960.408337 => MMS = ESS k = 960.408337
− Trung bình của tổng bình phương phần dư = 22.6810357 => Ước lượng phương sai sai số ngẫu nhiên của mô hình: 𝛔 2 = 𝑛−𝑘−1 𝑅𝑆𝑆 = 22.6810357
− Ý nghĩa của các hệ số trong mô hình:
Hệ số ặn ch 𝛽 0 = 30 4771 cho thấy khi các biến độc lập bằng 0, sự thay đổi của quy mô nền kinh tế trung bình sẽ đạt 30.4771% GDP, trong khi các yếu tố khác giữ nguyên.
Khi chỉ số nhận thức tham nhũng tăng thêm 1 đơn vị, quy mô của nền kinh tế ngầm sẽ giảm trung bình 0.0087747 đơn vị (% GDP), với điều kiện các yếu tố khác không thay đổi.
Khi tỷ lệ người dùng Internet tăng thêm 1% so với tổng dân số, quy mô nền kinh tế ầm sẽ giảm trung bình 0.1122315 đơn vị (% GDP), trong điều kiện các yếu tố khác không thay đổi.
Khi doanh thu thuế tăng thêm 1% so với GDP, quy mô của nền kinh tế ngầm sẽ tăng trung bình 0.3199209 đơn vị (% GDP), với điều kiện các nhân tố khác không thay đổi.
Khi số thuê bao di động tăng thêm 1 đơn vị trên 100 người, quy mô của nền kinh tế ngầm sẽ giảm trung bình 0.0503938 đơn vị (% GDP), với điều kiện các yếu tố khác không thay đổi.
Khi chỉ số chất lượng quy định tăng thêm 1 đơn vị, quy mô của nền kinh tế ngầm sẽ giảm trung bình 2.637267 đơn vị (% GDP), trong khi các yếu tố khác vẫn giữ nguyên.
Khi điểm gánh nặng thuế tăng thêm 1 đơn vị, quy mô của nền kinh tế ngầm sẽ tăng trung bình 0.1521204 đơn vị (% GDP), trong khi các yếu tố khác vẫn giữ nguyên.
Khi GDP bình quân đầu người tăng thêm 1 đô la Mỹ, quy mô của nền kinh tế ngầm sẽ tăng trung bình 0.0000951 đơn vị (% GDP), với điều kiện các yếu tố khác không thay đổi.
Khi kiều hối cá nhân tăng thêm 1% của GDP, quy mô nền kinh tế ngầm sẽ giảm trung bình 1.279408 đơn vị (% GDP), với điều kiện các yếu tố khác không thay đổi.
Khi trợ cấp và các khoản chuyển nhượng khác tăng thêm 1% trong ngân sách nhà nước, quy mô của nền kinh tế ngầm sẽ giảm trung bình 0.2180313 đơn vị (% GDP), với điều kiện các nhân tố khác không thay đổi.
Kiểm định và khắc phục các khuyết tật của mô hình
2.1 Kiểm định phân phối chuẩn của nhiễu
Nhóm 09 KTE309.1 Trang 27 Để kiểm định phân phối chuẩn của nhiễu, nhóm sử dụng kiểm định Jacque Bera bằng - phần mềm STATA
Xây dựng cặp giả thuyết
• H0: Nhiễu có phân phối chuẩn
• H1: Nhiễu không có phân phối chuẩn
Dùng lệnh predict res, residuals đối với mô hình, sau đó dùng lệnh sktest res, nhóm thu được kết quả như sau:
Biến Số quan sát Độ nghiêng Độ nhọn Adj chi2(2) p-value
Bảng 5: Kết quả kiểm định phân phối chuẩn của nhiễu
Tại mức ý nghĩa α = 5%, P-value = 0,0000 nhỏ hơn 0,005, dẫn đến việc bác bỏ giả thuyết H và chấp nhận rằng mô hình có khuyết tật nhiễu không phân phối chuẩn Mặc dù mẫu có số lượng quan sát lớn (324 quan sát), khuyết tật này vẫn có thể chấp nhận và các kết quả kiểm định vẫn đảm bảo độ tin cậy.
2.2 Kiểm định đa cộng tuyến
Dựa trên bảng thống kê tương quan, có thể thấy rằng các cặp biến có sự tương quan tương đối thấp với r(xi, xj) < 0.8, cho thấy khả năng mô hình gặp phải khuyết tật đa cộng tuyến là thấp Để xác nhận điều này, sau khi thực hiện hồi quy mô hình, chúng tôi sử dụng lệnh vif trong STATA để tính toán giá trị VIF trung bình Nếu giá trị VIF trung bình lớn hơn 10, điều này chỉ ra rằng mô hình mắc khuyết tật đa cộng tuyến; ngược lại, nếu thấp hơn 10, chúng ta có thể kết luận rằng mô hình không có đa cộng tuyến.
Bảng 6: Kết quả kiểm định đa cộng tuyến tính
Quan sát thấy VIF trung bình = 1.89 < 10
Kết luận: Mô hình không mắc khuyết tật đa cộng tuyến
2.3 Kiểm định phương sai sai số thay đổi Để kiểm định khuyết tật này, nhóm sử dụng kiểm định White và kiểm định Breusch- Pagan với mức ý nghĩa 5%
Kiểm định Breusch Pagan giả định rằng sai số ngẫu nhiên thay đổi theo một số biến độc - lập nhất định nào đó
Xây dựng cặp giả thuyết:
• H0: Phương sai sai số đồng nhất
Để phát hiện sự xuất hiện của phương sai sai số thay đổi, chúng ta sử dụng lệnh estat hettest trong STATA, và kết quả thu được sẽ cho thấy mức độ biến đổi của phương sai trong mô hình.
H 0 Phương sai sai số không đổi
P-value = 0.8478 Bảng 7: Kết quả kiểm định Breusch - Pagan
Mô hình có p-value = 0.8478 > 0.05 → Không bác bỏ H0
Kết luận: Với mức ý nghĩa 5%, mô hình không có phương sai sai số thay đổi
2.3.2 Kiểm định White Để chắc chắn mô hình không có hiện tượng phương sai sai số thay đổi, nhóm sử dụng thêm kiểm định White
Xây dựng cặp giả thuyết:
• H0: Phương sai sai số đồng nhất
• H1: Phương sai sai số thay đổi
Thực hiện kiểm định White trên STATA với lệnh “ estat imtest, white ” đối với mô hình, ta thu được kết quả ước lượng như sau:
H 0 Phương sai sai số không đổi
P-value = 0.0000 Bảng 8: Kết quả kiểm định White
Với mức ý nghĩa α = 5%, p value = 0.0000 < α = - 0.05, ta bác bỏ giả thuyết H0, cho thấy mô hình có phương sai sai số thay đổi Mặc dù điều này không làm ảnh hưởng đến tính chất tuyến tính và không chệch của ước lượng OLS, nhưng nó vẫn tác động đến sai số ước lượng Để khắc phục vấn đề này, nhóm nghiên cứu đã áp dụng ước lượng mô hình với sai số chuẩn mạnh (Robust Standard Errors), giúp cung cấp kết quả ước lượng chính xác cho sai số chuẩn trong bối cảnh có hiện tượng phương sai thay đổi (heteroskedasticity).
2.4 Kiểm định các biến bị bỏ sót (kiểm định dạng đúng của mô hình)
Xây dựng cặp giả thuyết:
• H0: Mô hình không bỏ sót biến quan trọng
• H1: Mô hình bỏ sót biến quan trọng
Thực hiện kiểm định Ramsey Reset trên STATA với lệnh “ estat ovtest ” đối với mô hình, ta thu được kết quả ước lượng như sau:
Với p value = 0.0000 < α = 0.05, ta bác bỏ , thừa nhận - H0 H1
Kết luận: Mô hình 1 mắc lỗi bỏ sót biến quan trọng
Kết quả ước lượng đã khắc phục khuyết tật
Hệ số xác định hiệu chỉnh: 𝑅 2 = 0.5353 Độ lệch chuẩn của phần dư (𝛔): Root MSE = 4.7625
𝒕𝒔 𝒑−𝒗𝒂𝒍𝒖𝒆 Khoảng tin cậy (độ tin cậy
Bảng 9 trình bày kết quả ước lượng đã khắc phục khuyết tật bằng Robust Standard Error Kết quả cho thấy, sau khi áp dụng ma trận ước lượng mạnh của hiệp phương sai, giá trị ước lượng các hệ số hồi quy không bị thay đổi, nhưng sai số ước lượng đã được điều chỉnh về sai số chuẩn mạnh, dẫn đến sự thay đổi trong t và p value của các hệ số hồi quy Như vậy, nhóm nghiên cứu đã giải quyết được vấn đề khuyết tật phương sai sai số thay đổi trong mô hình 1 và thu được mô hình 2 như thể hiện ở cột.
Kiểm định giả thuyết mới của mô hình
4.1 Kiểm định ý nghĩa thống kê của các hệ số hồi quy
Thiết lập cặp giả thuyết:
• H0: Hệ số hồi quy của biến độc lập không có ý nghĩa thống kê
• H1: Hệ số hồi quy của biến độc lập có ý nghĩa thống kê
Ta có cặp giả thuyết tương đương:
Cách 1: Phương pháp giá trị tới hạn:
𝑖 ), giá trị của kiểm định này chính là cột t trong bảng kết quả chạy hồi quy
H 0 H 1 T Miền bác bỏ Kết luận β1 = 0 β1≠ 0 -0.69
Không đủ cơ sở bác bỏ H0 β2 = 0 β2≠ 0 -3.01 Bác bỏ H0 β3 = 0 β3≠ 0 4.40 Bác bỏ H0 β4 = 0 β4≠ 0 -2.70 Bác bỏ H0 β5 = 0 β5≠ 0 -3.27 Bác bỏ H0 β6 = 0 β6≠ 0 6.19 Bác bỏ H0 β7 = 0 β7≠ 0 7.12 Bác bỏ H0 β8 = 0 β8≠ 0 -6.23 Bác bỏ H0 β9 = 0 β9≠ 0 -12.39 Bác bỏ H0 β0 = 0 β0≠ 0 6.48 Bác bỏ H0
Bảng 10: Kiểm định bằng phương pháp giá trị tới hạn
Cách 2: Dùng khoảng tin cậy:
H 0 H 1 𝛃𝐣 𝐬𝐞(𝛃𝐣 ) Khoảng tin cậy Kết luận β1 = 0 β1≠ 0 -0.0087747 0.012738 -0.0338373 0.016288 Không đủ cơ sở bác bỏ H0 β2 = 0 β2≠ 0 -0.1122315 0.037251 -0.1855247 -0.0389383 Bác bỏ H0 β3 = 0 β3≠ 0 0.3199209 0.0727838 0.1767152 0.4631266 Bác bỏ H0 β4 = 0 β4≠ 0 -0.0503938 0.0186821 -0.0871517 -0.0136359 Bác bỏ H0
Nhóm 09 KTE309.1 Trang 32 β5 = 0 β5≠ 0 -2.637267 0.805663 -4.222447 -1.052086 Bác bỏ H0 β6 = 0 β6≠ 0 0.1521204 0.0245803 0.1037574 0.2004833 Bác bỏ H0 β7 = 0 β7≠ 0 0.0000951 0.0000134 0.0000688 0.0001214 Bác bỏ H0 β8 = 0 β8≠ 0 -1.279408 0.2054635 -1.683668 -0.8751492 Bác bỏ H0 β9 = 0 β9≠ 0 -0.2180313 0.0175926 -0.2526456 -0.1834171 Bác bỏ H0 β0 = 0 β0≠ 0 30.4771 4.703167 21.2234 39.73081 Bác bỏ H0
Bảng : Kiểm định dùng phương pháp khoảng tin cậy11
• Nếu P-value > = 5% 𝜶 ⇒Không bác bỏ H0
Không đủ cơ sở bác bỏ H0 β2 = 0 β2≠ 0 0.003 Bác bỏ H0 β3 = 0 β3≠ 0 0.000 Bác bỏ H0 β4 = 0 β4≠ 0 0.007 Bác bỏ H0 β5 = 0 β5≠ 0 0.001 Bác bỏ H0 β6 = 0 β6≠ 0 0.000 Bác bỏ H0 β7 = 0 β7≠ 0 0.000 Bác bỏ H0 β8 = 0 β8≠ 0 0.000 Bác bỏ H0 β9 = 0 β9≠ 0 0.000 Bác bỏ H0 β0 = 0 β0≠ 0 0.0000 Bác bỏ H0
Bảng 12: Kiểm định dùng p-value Kiểm tra lại bằng lệnh trong Stata: test [var]
Bản chất của lệnh test này trong stata là chạy lại mô hình hồi quy sau khi đã bỏ đi biến đang cần kiểm định, sau đó tính F
Ví dụ: Kiểm định β1 = 0 test MCS
Prob > F có giá tr nh ị ỏ hơn 𝜶= 0.05 nên chúng ta có cơ sở bác bỏ , tức là βH0 1 không thể bằng 0
Câu lệnh Kết quả thu được 𝜶𝜶𝜶𝜶𝜶 Kết luận test CPI
Không đủ cơ sở bác bỏ H 0 test IUI
Nhóm 09 KTE309.1 Trang 34 test SOT
Bảng 13: Kết quả kiểm tra lại bằng lệnh trong STATA
4.2 Kiểm định sự phù hợp của mô hình
Thiết lập cặp giả thuyết:
• H0: Tất cả các biến độc lập trong mô hình không giải thích được sự biến động trong giá trị của biến phụ thuộc
• H1: Có ít nhất một biến độc lập giải thích được sự biến động trong giá trị của biến phụ thuộc
Ta có cặp giả thuyết tương đương:
C 0.05 9,314 = 1.9097 Trong trường hợp này: Fqs = 42.3502 > C 9,314 0.05 = 1.9097 ⇒Bác bỏ H0
Kết luận: Vậy mô hình hồi quy tìm được là phù hợp ở mức ý nghĩa 5%.
Kiểm tra lại bằng lệnh trong stata: test MCS IUI TRR RQI TBS GDPPC CPI PR SOT
9 SOT = 0 F(9, 314) = 68.25 P-value = 0.0000 Bảng 14: Kết quả kiểm tra hệ số hồi quy bằng STATA
Kiểm định F cho toàn bộ hệ số hồi quy là 42.34; giá trị P-value = 0.0000 có giá trị nhỏ hơn α=0,05 nên bác bỏ giả thuyết H0, chấp nhận giả thiết H1
Kết luận: Mô hình hồi quy phù hợp ở mức ý nghĩa 5%.
Kết quả thu được từ stata cũng giống với khi dùng công thức
Lý giải kết quả thu được
Nghiên cứu này áp dụng mô hình hồi quy để phân tích ảnh hưởng của các yếu tố như số lượng người đăng ký mạng di động, số người dùng Internet, chỉ số nhận thức tham nhũng, doanh thu thuế, chỉ số xây dựng pháp luật, điểm gánh nặng thuế, GDP bình quân đầu người, kiều hối cá nhân, trợ cấp và các khoản chuyển nhượng khác đến quy mô của nền kinh tế ngầm Dựa trên dữ liệu thu thập và kết quả hồi quy từ phần mềm STATA, nhóm nghiên cứu xác nhận rằng các giả thuyết đề xuất là có cơ sở và hợp lý Kết quả cho thấy quy mô của nền kinh tế ngầm chịu ảnh hưởng từ nhiều yếu tố, trong đó một số nhân tố quan trọng đã được phân tích kỹ lưỡng.
Chỉ số chất lượng quy định và kiều hối cá nhân đều có ảnh hưởng tiêu cực đến quy mô nền kinh tế ngầm, trong đó chỉ số xây dựng pháp luật là yếu tố tác động mạnh nhất tại các quốc gia EU Chỉ số chất lượng quy định đo lường khả năng của Chính phủ trong việc xây dựng và thực hiện các chính sách nhằm thúc đẩy phát triển khu vực tư nhân Nghiên cứu cho thấy tác động tiêu cực của chỉ số này đến quy mô nền kinh tế ngầm là có cơ sở, được hỗ trợ bởi các nghiên cứu trước đây, như của Pickhardt & Shinnick (2008) và Mohommad cùng cộng sự (2012), cho rằng các chính sách quy định đóng vai trò quan trọng trong việc xác định nền kinh tế ngầm Các quy định pháp luật và chính sách hiệu quả do chính phủ thực thi sẽ giảm thiểu sự tham gia của cá nhân và tổ chức vào khu vực kinh tế phi chính thức.
Gánh nặng thuế và doanh thu thuế có tác động tích cực đến quy mô nền kinh tế ngầm, như được chỉ ra bởi Johnson và cộng sự (1997) trong nghiên cứu trên 49 nền kinh tế Các nghiên cứu của Schneider (2005) và Torgler & Schneider (2009) cũng xác nhận rằng gánh nặng thuế là một yếu tố quan trọng thúc đẩy sự phát triển của nền kinh tế ngầm Khi gánh nặng thuế cao, cá nhân và tổ chức có xu hướng tìm kiếm các kênh trốn thuế hoặc hàng hóa bất hợp pháp, dẫn đến sự gia tăng quy mô của nền kinh tế ngầm Hơn nữa, sự phức tạp của hệ thống thuế cũng góp phần vào vấn đề này, làm tăng thêm áp lực cho nền kinh tế ngầm (Schneider, 2000).
Số lượng người đăng ký mạng di động và người dùng Internet là những chỉ số kinh tế vĩ mô quan trọng, trong khi GDP bình quân đầu người dường như không có tác động đáng kể Cụ thể, sự gia tăng số người đăng ký mạng di động và người dùng Internet lại có ảnh hưởng tiêu cực đến quy mô nền kinh tế phi chính thức Điều này có nghĩa là khi số lượng người sử dụng mạng và tiếp cận thông tin qua Internet tăng lên, quy mô nền kinh tế ngầm tại các quốc gia EU sẽ giảm.
Nhóm 09 KTE309.1 Trang 36 Điều này cũng dễ hiểu khi con người được tiếp cận các nguồn thông tin chính thức, các quy định, chính sách mới nhất hay tình hình kinh tế gần đây thì họ sẽ không nghĩ tới việc tham gia vào nền kinh tế không chính thức
Các chính sách của chính phủ liên quan đến tham nhũng, trợ cấp và các khoản chuyển nhượng ảnh hưởng lớn đến quy mô của khu vực kinh tế phi chính thức Nghiên cứu cho thấy chỉ số nhận thức tham nhũng và trợ cấp có tác động ngược chiều đến sự gia tăng của nền kinh tế ngầm Cụ thể, chỉ số nhận thức tham nhũng được đo lường qua mức độ tham nhũng trong giới công chức và chính trị gia, với tham nhũng được định nghĩa là lạm dụng chức vụ công để tư lợi Khi chỉ số này tăng, chính phủ sẽ nhận thức rõ hơn về sự tồn tại của tham nhũng, từ đó áp dụng các biện pháp điều chỉnh, giúp giảm sự tham gia của cá nhân, tổ chức vào khu vực kinh tế ngầm Điều này cho thấy khi hối lộ không còn hiệu quả, người dân sẽ có xu hướng tham gia vào nền kinh tế chính thức Tương tự, việc chính phủ tăng cường ngân sách cho trợ cấp và chuyển nhượng cũng dẫn đến việc giảm bớt sự tham gia vào khu vực kinh tế phi chính thức, như đã được nghiên cứu bởi Friedrich Schneider (2009).