Embed Size (px)
Citation preview
1
Ēnu ekonomikas indekss Baltijas valstīs
2009 – 2013
Tālis J. Putniņš & Arnis Sauka
SSE Riga
Ilgtspējīga Biznesa Centrs
2
Par autoriem
Dr. Arnis Sauka ir SSE Riga docētājs kopš 2005. gada. Pirms
doktorantūras studijām Zīgenas Universitātē (Vācija) Arnis bija
viesdoktorants Jenčēpingas Starptautiskajā biznesa skolā (Zviedrija) un
Londonas Universitātē (AK). Kopš 2014. gada Arnis ir SSE Riga
Ilgtspējīga biznesa centra direktors, laikā no 2011.-2013. gadam viņš
bija Ventspils Augstskolas (Latvija) prorektors. Viņa pētniecības
interešu lokā ir tādas jomas kā izvairīšanās no nodokļu maksāšanas,
uzņēmējdarbības politika, uzņēmējdarbības stratēģijas, konkurētspēja un
uzņēmēju sociālais pienesums.
E-pasts: [email protected]
Dr. Tālis Putniņš ir SSE Riga docētājs, Baltijas Starptautiskā
ekonomikas politikas studiju centra (Latvija) asociētais pētnieks un UTS
Biznesa skolas (Sidneja, Austrālija) pēcdoktorantūras stipendiāts. Viņa
pētniecības interešu lokā ir tādas tēmas kā finanšu ekonomika, tirgus
mikrostruktūra, tirgus manipulācijas, izvairīšanās no nodokļu
maksāšanas un daļējas pieķeršanas modelēšana. Tālis ir ieguvis Ph.D.
Sidnejas Universitātē.
E-pasts: [email protected]
3
SSE Riga Ilgtspējīga biznesa centrs
spēku dod
Pateicība
Pateicamies SEB atbalstītajam SSE Riga Ilgtspējīga biznesa centram par dāsno finansiālo
atbalstu, ļaujot apkopot datus par 2014. gadu, SKDS par datu vākšanu, kā arī visiem
uzņēmējiem, kuri piekrita piedalīties intervijās.
No angļu valodas tulkojusi Linda Ozola
© Autori, SSE Riga, 2014. gada maijs
4
Kopsavilkums
SSE Riga ēnu ekonomikas indekss tiek aprēķināts reizi gadā, balstoties uz Baltijas valstu
uzņēmēju aptauju. Lai aprēķinātu ēnu ekonomikas lielumu procentos no IKP, indeksā ir iekļauti
aprēķini par neuzrādītajiem uzņēmējdarbības ienākumiem, nereģistrētajiem vai slēptajiem
darbiniekiem, kā arī neuzrādītajām „aplokšņu” algām.
Igaunija un Lietuva 2013. gadā ir turpinājušas savu ilgtermiņa tendenci pakāpeniski samazināt
ēnu ekonomikas apjomu, kas saskaņā ar aprēķiniem 2013. gadā ir samazinājusies par aptuveni
2,9-3,5% no IKP līdz attiecīgi 15,7% un 15,3% no IKP. Turpretī Latvijas ēnu ekonomika pēc
diviem secīgiem samazinājuma gadiem 2013. gadā ir pieaugusi par 2,7% no IKP līdz 23,8% no
IKP. Šīs izmaiņas ir apturējušas Baltijas ēnu ekonomikas konverģenci, Latvijas ēnu ekonomikas
apjomam pārsniedzot ēnu ekonomiku kaimiņvalstīs par aptuveni 8-9% no IKP. Galvenais
Latvijas ēnu ekonomikas pieauguma veicinātājs ir augošie neuzrādītie uzņēmējdarbības
ienākumi, t.i., korporatīva izvairīšanās no nodokļu maksāšanas. Īpaši liels Latvijas ēnu
ekonomikas pieaugums ir bijis vidēja lieluma būvniecības kompānijās, kas darbojas Rīgas
reģionā.
Visticamāk Latvijas ēnu ekonomikas apjoma pieaugumu vismaz daļēji ir veicināujsi
makroekonomiskā un institucionālā vide. Latvijas ekonomikai turpinot atgūties no krīzes,
nekustamā īpašuma cenas ir cēlušās no sava zemā pēckrīzes līmeņa un būvniecības nozare ir
atguvusi savu dinamiku pēc gandrīz absolūtas dīkstāves. Visās trijās Baltijas valstīs starp visām
tautsaimniecības nozarēm tieši būvniecībā ir lielākais ēnu ekonomikas īpatsvars, un šī tendence
ir jo izteikta Latvijā, kur tiek lēsts, ka 45% būvniecības nozares darbības notiek „pelēkajā zonā”.
Tieši tāpēc būvniecības nozares atgūšanās pēc krīzes visticamāk ir veicinājusi ēnu ekonomikas
pieaugumu Latvijā 2013. gadā.
Salīdzinot ar uzņēmumiem Igaunijā un Lietuvā, Latvijas uzņēmumi ir neapmierinātāki ar
nodokļu politiku un valsts atbalstu uzņēmējiem. Mūsu analīze liecina, ka neapmierinātība ir
galvenais rosinātājs uzņēmumiem iesaistīties ēnu ekonomikā, un tieši tādēļ atšķirība starp
Latviju un kaimiņvalstīm var tikt daļēji skaidrota ar atšķirīgo uzņēmumu apmierinātību ar fiskālo
un institucionālo vidi. Šo problēmu varētu risināt, nodrošinot stabilāku nodokļu politiku (retāk
mainīt iekasēšanas kārtību un nodokļu likmes), nosakot „taisnīgākas” nodokļu likmes, raugoties
no uzņēmēju un darbinieku skatu punkta, kā arī uzlabojot pārredzamību nodokļu izlietojumā.
Nobeigumā, Latvijai noslēdzot ES-SVF palīdzības programmu un pabeidzot politisko pasākumu
īstenošanu, kuru mērķis bija apkarot ēnu ekonomiku, turpmāki politiski centieni samazināt
Latvijas ēnu ekonomikas īpatsvaru ir ievērojami atslābuši. Mērenāka regulējoša/politiska darbība
arī varētu būt veicinājusi izmaiņas Latvijas ēnu ekonomikas lejupejošajā tendencē. Šis ir spēcīgs
apliecinājums tam, ka ēnu ekonomikas apkarošana prasa nepārtrauktu politikas veidotāju un tādu
izpildiestāžu kā Valsts ieņēmumu dienests rīcību. Tas ir jo īpaši svarīgi, lai šajā jomā līdz šim
sasniegtais netiktu veltīgi pazaudēts.
5
Saturs
Priekšvārds 6
1. Ievads 7
2. Indeksa veidošanai izmantotās metodes 8
3. Ēnu ekonomikas indekss Baltijas valstīs 2009.-2013. gadā 12
4. Ēnu ekonomiku noteicošie faktori 18
5. Uzņēmēju attieksme pret ēnu ekonomiku 35
6. Apsvērumi un secinājumi 36
Atsauces 40
1. pielikums: 2014. gadā izmantotā aptaujas anketa 42
2. pielikums: Regresijas rezultāti 48
6
Priekšvārds
Ziņojums par ēnu ekonomikas indeksu Baltijas valstīs 2009.-2013. gadā ir ceturtais šāds
ziņojums ikgadējā pētījumā par Baltijas valstu ēnu ekonomiku. Šo projektu īsteno SSE Riga
Ilgtspējīga biznesa centrs. Papildus „vienkārši” faktiem par ēnu ekonomikas lielumu pētījumā ir
ietverti arī ēnu ekonomikas lieluma aprēķina metodoloģiskie aspekti, t.i., kā izmērīt parādību,
kas nav tieši redzama.
Mēs ceram, ka ziņojums veicinās informētas debates par ēnu ekonomikas lielumu un tās
iemesliem Baltijas valstīs. Saskaņā ar ekonomikas teoriju ēnu ekonomikas lielums ne tikai
ietekmē valsts nodokļu ieņēmumus, bet arī ekonomikas resursu sadali un attiecīgi konkurētspēju.
Tādējādi ziņojums būtu uzskatāms par ieguldījumu pastāvīgajā diskusijā par to, kā veicināt triju
Baltijas valstu konkurētspēju.
Ēnu ekonomikas projekts nebūtu iespējams bez dāsnā SEB ziedojumu atbalsta SSE Riga
Ilgtspējīga biznesa centram, par ko esam ļoti pateicīgi.
Anders Paalzow
SSE Riga rektors
7
1. Ievads
Rīgas Ekonomikas augstskolas (SSE Riga) izstrādātā Baltijas valstu ēnu ekonomikas indeksa
mērķis ir mērīt ēnu ekonomikas apjomu Igaunijā, Latvijā un Lietuvā un izpētīt galvenos faktorus,
kuri ietekmē uzņēmumu iesaistīšanos ēnu ekonomikā. Mēs izmantojām jēdzienu „ēnu
ekonomika”, runājot par ienākumiem no visām legāli saražotajām precēm un pakalpojumiem,
kas tiek apzināti slēpti no valsts iestādēm.1 Kopš 2010. gada indekss tiek publicēts reizi gadā, lai
nodrošinātu politikas veidotājiem lēmumu pieņemšanai noderīgu informāciju, kā arī veicinātu
dziļāku sabiedrības izpratni par uzņēmējdarbības procesiem Baltijas valstīs. Ziņojumā ir
analizēta ēnu ekonomikas dinamika Igaunijā, Latvijā un Lietuvā 2009.-2013. gadā. Tajā ir arī
norādīti galvenie faktori, kuri ietekmē uzņēmēju iesaistīšanos ēnu ekonomikā, kā arī ir sniegtas
rekomendācijas politikas izstrādei.
SSE Riga Ēnu ekonomikas indekss balstās uz ikgadējām uzņēmēju aptaujām trijās Baltijas
valstīs. Šī pieeja ir pamatota ar pieņēmumu, ka tie, kas vislabāk zina, cik liels
produkcijas/ienākumu īpatsvars netiek deklarēts, ir uzņēmēji, kuri paši iesaistās nepatiesu
rādījumu sniegšanā un „ēnu ražošanā”. Indeksā ir iekļauti aprēķini par neuzrādītajiem
uzņēmējdarbības ienākumiem, nereģistrētajiem vai slēptajiem darbiniekiem, kā arī neuzrādītajām
t. s. „aplokšņu” algām ar mērķi aprēķināt ēnu ekonomikas lielumu procentos no IKP. Šajā
ziņojumā izmantotā ēnu ekonomikas aprēķināšanas metode prasa mazāk pieņēmumu, salīdzinot
ar vairākumu pastāvošo metožu un īpaši salīdzinot ar makroindikatoros balstītajām metodēm.
Bez tam SSE Riga ēnu ekonomikas indeksu var izmantot, salīdzinot dažādus laika periodus,
nozares, valstis, un tāpēc tas ir noderīgs instruments, lai izvērtētu izstrādātās ēnu ekonomikas
mazināšanas politikas efektivitāti.
Uz aptaujām balstītās pētījumu pieejas saskaras ar risku par zemu novērtēt kopējo ēnu
ekonomikas apjomu, respondentiem neatbildot vai sniedzot nepatiesas atbildes uz šo tik jutīgo
jautājumu. SSE Riga ēnu ekonomikas indekss minimizē šo risku, izmantojot virkni aptauju un
datu vākšanas paņēmienu, kas iepriekšējos pētījumos ir apliecinājuši spēju iegūt patiesākas
atbildes.2 Te jāmin konfidencialitāte attiecībā uz respondentu identitāti, aptaujas formulējums kā
pētījums par apmierinātību ar valdības politiku, pakāpeniska pāreja no mazāk jutīgiem
jautājumiem uz visjutīgākajiem jautājumiem, netieši jautājumi par nepatiesu rādījumu sniegšanu,
un analīzes procesā – to faktoru kontrole, kas korelē ar potenciāli nepatiesu atbildi, kā piemēram,
tolerance attiecībā uz nepatiesu rādījumu sniegšanu.
1 Šis jēdziens atbilst Ekonomiskās sadarbības un attīstības organizācijas (OECD) lietotajam jēdzienam 2002. gada
rokasgrāmatā “Measuring the Non-observed Economy” (Mērījumu veikšana neuzskaitītā ekonomikā), kā arī
nacionālo kontu statistikā (SNA 1993) lietotajam jēdzienam „neuzskaitītā ražošana” (underground production). Tas
arī atbilst citu pētnieku lietotajam jēdzienam (piemēram, Pasaules Bankas 2010. gada pētījumā par 162 valstīm,
autori Schnieder, Buehn un Montenegro). 2 Piemēram, Gerxhani (2007), Kazemier un van Eck (1992), un Hanousek un Palda (2004).
8
Nākamajā nodaļā ir aprakstīts, kā veidojas indekss, sākot ar aptauju un līdz tālākiem aprēķiniem.
Šī ziņojuma trešajā nodaļā ir sniegti indeksa aprēķini un tiek analizētas dažādās ēnu ekonomikas
formas. Ziņojuma 4. un 5. nodaļā ir analizēti galvenie faktori uzņēmēju iesaistei ēnu ekonomikā
un viņu attieksme pret darbību ēnas zonā. Visbeidzot, pēc rezultātu apkopošanas 6. nodaļa sniedz
secinājumus un identificē politikas ietekmi uz procesu.
2. Indeksa noteikšanai izmantotās metodes
2.1. Uzņēmēju aptauja
SSE Riga sagatavotais ēnu ekonomikas indekss veidots, izmantojot Igaunijas, Latvijas un
Lietuvas uzņēmumu īpašnieku/vadītāju ikgadējo aptauju. Aptaujas tiek rīkotas katru gadu martā–
aprīlī, un to laikā tiek uzdoti jautājumi par ēnu ekonomiku iepriekšējo divu gadu laikā.
Piemēram, 2014. gada martā–aprīlī veiktās aptaujas laikā tika apkopota informācija par ēnu
ekonomiku 2012. un 2013. gadā. Lai nodrošinātu konsekventas atbildes, secīgi veiktās aptaujās
viens gads pārklājas.
Aptaujāto uzņēmumu izlasi mēs veidojam nejaušā stratificētā kārtībā, katrā valstī nodrošinot
uzņēmumu daudzumam proporcionālu pārstāvniecību. Strādājot ar aktīvajiem uzņēmumiem
katrā Baltijas valstī (izmantojam Orbis datubāzi, kuru uztur Bureau Van Dijk), par katru no tām
mēs izveidojam lieluma kvintiles (izmantojot aktīvu uzskaites vērtību), un no katra lieluma
kvintiles, izmantojot nejaušu atlasi, tiek atlasīts vienāda apjoma izlase. Pavisam katrā valstī tika
veiktas vismaz 500 telefonintervijas katrā aptaujā. 2014. gadā aptaujā tika iesaistīti
500 uzņēmumu īpašnieki/vadītāji Igaunijā, 507 Latvijā un 500 Lietuvā. Aptauja tika veikta
sadarbībā ar SKDS, un to finansēja SSE Riga Ilgtspējīga biznesa centrs.
Aptaujas anketu (skatīt 1. pielikumu) veido četras iedaļas: i) ārējo faktoru ietekme un
apmierinātība; ii) ēnu uzņēmējdarbība; iii) uzņēmumu un īpašnieku raksturojums; un
iv) uzņēmēju attieksme. Lai veicinātu respondentu atsaucību un atbilžu patiesumu, anketas
sākumā tiek uzdoti vispārīgi jautājumi par apmierinātību ar valdību un tās īstenoto nodokļu
politiku, pakāpeniski pārejot pie jutīgākiem jautājumiem par ēnu uzņēmējdarbību un apzināti
nepatiesu rādījumu sniegšanu. Šāda „pakāpeniska” pieeja tiek ieteikta metodoloģiskos pētījumos
par aptauju veikšanu tādās jomās kā izvairīšanās no nodokļu maksāšanas un ēnu ekonomika
(piemēram, Gerxhani, 2007; un Kazemier un van Eck, 1992). Turklāt aptauja ir veidota kā
pētījums par apmierinātību ar valdības īstenoto politiku, nevis par izvairīšanos no nodokļu
maksāšanas un nepatiesu rādījumu sniegšanu (līdzīgi tam, kā iesaka Hanousek un Palda, 2004).
Mēs arī garantējam 100% konfidencialitāti attiecībā uz respondentu identitāti.
Pirmajā jautājumu blokā par „ārējo faktoru ietekmi” respondenti tiek aicināti izteikt savu
apmierinātību ar Valsts ieņēmumu dienestu, nodokļu politiku, biznesa likumdošanu un valsts
9
atbalstu uzņēmējiem attiecīgajā valstī. Atbildēm izmantota Likerta skala, ko veido pieci punkti,
kur „1” ir „ļoti neapmierinoša” un „5” ir „ļoti apmierinoša”. Anketas pirmajā iedaļā ietverti arī
divi jautājumi par uzņēmēju sociālajām normām: attieksmi (toleranci) pret izvairīšanos no
nodokļu maksāšanas un kukuļdošanu. Iepriekšējos pētījumos norādīts, ka uzņēmēji drīzāk
izvairīsies no nodokļu maksāšanas tad, ja šāda uzvedība ir pieņemama (Baumol, 1990).
Pieņemamības (tolerances) mērs arī kalpo kā kontroles mainīgais lielums ēnu uzņēmējdarbības
apjoma iespējamai neuzrādīšanai šī jautājuma jutīguma dēļ.
Anketas otrā iedaļa veltīta „ēnu uzņēmējdarbībai”, un tā veidota, pamatojoties uz tādām
koncepcijām kā produktīva, neproduktīva un destruktīva uzņēmējdarbība Baumol (1990)
interpretācijā, novērtējumu par „novirzi” vai „atkāpi no normām” organizācijas iekšienē (saskaņā
ar, piemēram, Warren, 2003) un empīriskiem pētījumiem par izvairīšanos no nodokļu
maksāšanas dažādās vidēs (piemēram, Fairlie, 2002; Aidis un Van Praag, 2007). Ēnu
uzņēmējdarbības apjoms tiek novērtēts, lūdzot uzņēmējus aplēst, kādā mērā netiek uzrādīti
uzņēmējdarbības ienākumi (tīrā peļņa), darbinieku skaits un darbiniekiem maksātās algas, un
kādu ieņēmumu daļu uzņēmumi maksā kukuļos.
Mēs izmantojām „netiešu” pieeju jautājumiem par ēnu uzņēmējdarbību, uzdodot jautājumus par
„Jūsu nozarē strādājošām firmām”, nevis „Jūsu uzņēmumu”.3 Šādu pieeju apsver Gerxhani
(2007), uzskatot, ka tādējādi tiek sniegtas patiesākas atbildes, un to izmanto, piemēram,
Hanousek un Palda (2004). Pētījums, kuru veica Sauka (2008), liecina, ka pat tad, ja jautājums
netiek uzdots tieši, uzņēmēju atbildes var tikt attiecinātas uz noteiktu respondentu vai
uzņēmumu, kuru respondents pārstāv.4 Turklāt Saukas (2008) iegūtā pieredze liecina, ka
telefonintervijas ir adekvāts rīks jautājumiem par izvairīšanos no nodokļu maksāšanas.5 Otrajā
anketas iedaļā arī uzdoti jautājumi, lai noskaidrotu uzņēmēju pieņēmumus saistībā ar iespēju tikt
pieķertiem, veicot dažādas ēnu uzņēmējdarbības formas, un sodu bardzību, tiekot pieķertiem par
nepatiesu rādījumu sniegšanu.
Nekonsekventu atbilžu atsijāšanai par „filtru” kalpo gads, kas pārklājas (piemēram, gan 2013.,
gan 2012. gada aptaujā ir atbildes par ēnu uzņēmējdarbības līmeni 2011. gadā). Tas ir iespējams
tikai tādos gadījumos, kad respondents atkārtoti piedalās aptaujā. Īpaši mūsu filtrs atsijā atbildes,
3 Pat, ja jautājums netika uzdots tieši, daži uzņēmēji izvēlējās nesniegt atbildes uz jutīgiem jautājumiem par ēnu
uzņēmējdarbību. Viens veids, kā nesniegt patiesu atbildi uz šādiem jautājumiem, ir vienkārši norādīt atbildē „0” par
visiem jautājumiem ēnu uzņēmējdarbības jomā, tādējādi norādot, ka iepriekšējo divu gadu laikā vispār netika veikta
ēnu uzņēmējdarbība. Mūsuprāt, šāda atbilde drīzāk liecina par izvairīšanos no jutīgām atbildēm, nevis par patiesu
viedokli, tādēļ uzskatām, ka atbilde nav sniegta, lai pēc iespējas samazinātu lejupvērsto tendenci saistībā ar aplēsēm
par ēnu uzņēmējdarbību. 4 Sauka (2008) izmantoja šādu pieeju: gadu pēc sākotnējās aptaujas tika veikts aptaujas pārskats un respondentiem
tika „atgādināts”, ka sākotnējā aptaujā tie norādījuši, ka līmenis, kādā „viņu firma” (nevis „viņu nozarē strādājoša
firma”, kā teikts sākotnējā aptaujā) neuzrāda uzņēmējdarbības ienākumus, ir, piemēram, 23%. Tad katram
respondentam jautā, vai viņa uzņēmums arī šogad neuzrāda informāciju tādā pašā līmenī, un, ja nē, tad kā līmenis ir
mainījies. Secinājums saistībā ar šo metodi ir tāds, ka, saņemot jautājumu par „Jūsu nozarē strādājošām firmām”,
respondenti ir tendēti norādīt neuzrādīšanas līmeni „savā firmā”. 5 Sauka (2008) izmanto gan tikšanās klātienē, gan telefonintervijas, un secina, ka Latvijā vēlme runāt par jutīgiem
jautājumiem, piemēram, izvairīšanos no nodokļu maksāšanas, ievērojami neatšķiras abos gadījumos.
10
kuras sniedzis viens un tas pats respondents divās dažādās aptaujās par vienu un to pašu ēnu
uzņēmējdarbības jautājumu un par vienu un to pašu atsauces gadu un kurās atšķirība ir +/- 20%.
Šāds filtrs palīdz palielināt to aptaujas atbilžu ticamību, kuras tiek izmantotas indeksa
aprēķināšanai.
Anketas trešajā iedaļā uzņēmējiem tiek uzdoti jautājumi par uzņēmuma darbības rezultātiem
(procentos izteiktas izmaiņas neto pārdošanas peļņā, pārdošanas apgrozījumā un nodarbinātībā
pagājušā gada laikā), par uzņēmuma īpašnieku/vadītāju izglītību, uzņēmuma pastāvēšanas
ilgumu, nozari un reģionu. Ceturtajā iedaļā ir uzdoti jautājumi par to, kāpēc, pēc uzņēmēju
domām, uzņēmumi izvairās no nodokļu maksāšanas. Lai iegūtu detalizētāku metodes aprakstu,
skatiet Putniņš un Sauka (2014).
2.2. Indeksa aprēķināšana
Ar indeksu tiek mērīts ēnu ekonomikas lielums procentos no IKP.6 IKP mērīšanai pastāv trīs
vispārlietotas metodes: apjoma, izdevumu un ieņēmumu pieeja. Mūsu indeksa pamatā ir
ieņēmumu pieeja, saskaņā ar kuru IKP tiek aprēķināts kā darbinieku bruto atlīdzības (bruto
personīgie ienākumi) un uzņēmumu bruto saimnieciskās darbības ienākumu (bruto uzņēmumu
ienākumi) summa. Indekss tiek aprēķināts trīs posmos: i) izmantojot anketā norādītas atbildes,
tiek aplēsts līmenis, kādā netiek uzrādīta darbinieku atlīdzība un uzņēmumu saimnieciskās
darbības ienākumi; ii) tiek aplēsta katra uzņēmuma ēnu ražošana kā vidējais svērtais rādītājs no
neuzrādītās darbinieku atlīdzības un uzņēmuma saimnieciskās darbības ienākumiem, un svērums
rāda darbinieku atlīdzības un uzņēmumu saimnieciskās darbības ienākumu īpatsvaru IKP
sastāvā; un iii) tiek aprēķināts ēnu ražošanas vidējais, ar ražošanu svērtais lielums dažādiem
uzņēmumiem.
Pirmajā posmā uzņēmuma i neuzrādītie saimnieciskās darbības ienākumi ncomeOperatingI
iUR tiek
aplēsti tieši, izmantojot attiecīgo anketas jautājumu (7. jautājums). Neuzrādīto darbinieku
atlīdzību veido šādi divi elementi: i) neuzrādītā jeb aplokšņu alga (11. jautājums) un
ii) neuzrādītais darbinieku skaits (9. jautājums). Abi kopā šie elementi rāda uzņēmuma i kopējo
neuzrādīto darbinieku atlīdzības daļu:7
)1)(1(1 Employees
i
Salaries
i
munerationEmployeeRe
i URURUR
Otrajā posmā par katru uzņēmumu tiek izveidots neuzrādīto personīgo ienākumu un neuzrādīto
uzņēmuma saimnieciskās darbības ienākumu vidējais svērtais rādītājs, tādējādi tiek iegūta aplēse
par neuzrādīto (ēnas) daļu uzņēmuma ražošanā (ienākumos):
6 Jāatzīmē, ka i) mēs nemērām ēnu uzņēmējdarbību valsts (publiskajā) sektorā, tādēļ mūsu veiktās aplēses attiecas
uz privātā sektora ēnu uzņēmējdarbību, izteiktu procentos no privātā sektora iekšzemes izlaides, un ii) mēs
nemēģinām mērīt t.s. „melno ekonomiku”, kas ir nelegālās preces un pakalpojumi. 7 Veidojot formulu, mēs izmantojām vienkāršotu pieņēmumu, ka neuzrādīto darbinieku algas vidēji ir vienādas ar
uzrādīto darbinieku algām.
11
ncomeOperatingI
ic
munerationEmployeeRe
ici URURortionShadowProp )1(
kur c ir darbinieku atlīdzības (Eurostat D.1 postenis) attiecība pret darbinieku atlīdzības
kopsummu un uzņēmumu bruto saimnieciskās darbības ienākumiem (Eurostat B.2g un
B.3g postenis). Mēs aprēķinājām c katrai valstij, kas ir c, katrā gadā, izmantojot Eurostat
datus. Ir svarīgi izmantot vidējo svērto rādītāju par neuzrādītajiem lielumiem, nevis vienkārši
vidējo lielumu, lai ēnu ekonomikas indeksu varētu traktēt procentos no IKP.8
Trešajā posmā tiek izmantots neuzrādītās ražošanas vidējais svērtais lielums, kas ir
iortionShadowProp , uzņēmumiem c valstī, lai iegūtu ēnu ekonomikas indeksu attiecīgajai
valstij:
Svērumi, kas ir iw , ir katra uzņēmuma relatīvais pienesums valsts IKP, kas tiek tuvināti,
izmantojot uzņēmuma maksātās algas relatīvo lielumu. Tāpat kā otrajā posmā, ir svarīgi izmantot
svērumu arī šajā posmā, lai ēnu ekonomikas indeksu izteiktu procentos no IKP.9
Nobeiguma posmā mēs izmantojām metodoloģiju, kas izmantota Pasaules Ekonomikas foruma
(World Economic Forum) sagatavotajā Globālās konkurētspējas ziņojumā (Global
Competitiveness Report), un piemērojām omyShadowEcon
cINDEX svērto slīdošo vidējo, ņemot datus
no divām jaunākajām aptaujām. Tam ir vairāki iemesli, tostarp i) tādējādi tiek palielināts
pieejamās informācijas apjoms un attiecīgi indeksa precizitāte, jo tiek sniegts lielāka apjoma
paraugs, un ii) tādējādi rezultāti ir mazāk jutīgi pret konkrētu laiku, kamēr aptauja tiek
apstrādāta. Svērumu shēmā ietverti divi elementi, kuri savstarpēji pārklājas: i) lielāks svērums
tiek piešķirts jaunākajai aptaujai, jo tajā ietverta jaunāka informācija (pagātnes informācija tiek
„diskontēta”), un ii) lielāks svērums tiek piešķirts lielāka apjoma paraugiem, jo tajos ietverts
lielāks informācijas apjoms.10
Saskaņā ar Pasaules Ekonomikas foruma pieeju tiem gadiem, par
kuriem nav laika rindu no iepriekšējām aptaujām (2009. gada un 2010. gada rezultāti, kuru
pamatā ir 2011. gadā veiktā pirmā aptauja), indeksa pamatā ir tikai viena aptauja. Attiecīgi
indeksa aplēses par pirmajiem diviem gadiem (2009. gadu un 2010. gadu) ir jutīgākas pret
8 Piemēram, pieņem, ka ekonomikā algas ir 80 un uzņēmuma ienākumi ir 20, attiecīgi patiesais IKP ir 100.
Pieņemot, ka algas netiek uzrādītas 50 % apmērā un uzņēmumu ienākumi — 10% apmērā, oficiālais uzrādītais IKP
ir 40+18=58. Šajā piemērā ēnu ekonomika ir 42% no patiesā IKP, t.i., (100-58)/100. Izmantojot abu neuzrādīto daļu
vidējo svērto rādītāju, tiek precīzi aplēsts ēnu ekonomikas lielums: (0.8)(50%)+(1-0.8)(10%)=42%. Tomēr ēnu
ekonomikas lielumu nerāda neviena no abām neuzrādītajām daļām pati par sevi (50% un 10%), ne to vienkāršais
vidējais (equal-weighted average): (0.5)(50%)+(1-0.5)(10%)=30%. 9 Piemēram, ja iepriekšējās zemsvītras piezīmes piemērā abi ienākumu avoti tiek aizstāti ar diviem uzņēmumiem:
lielākā uzņēmuma radītie ienākumi ir 80, mazākā — 20. 10
Sīkāku informāciju par šo procedūru skatīt Global Competitiveness Report 2011-2012 (3. izcēlums, 64. lpp.);
dokuments pieejams vietnē: http://www3.weforum.org/docs/WEF_GCR_Report_2011-12.pdf.
i
N
i
i
omyShadowEcon
c ortionShadowPropwINDEXc
1
12
izlases kļūdām nekā turpmākās aplēses par gadu, kurām izmantots lielāka apjoma paraugs un
slīdošais vidējais. Lai varētu veikt salīdzinājumu starp valstīm, mēs piemērojām konsekventu
metodoloģiju, aprēķinot ēnu ekonomikas indeksu katrā Baltijas valstī.
3. Ēnu ekonomikas indekss Baltijas valstīs 2009.-2013. gadā
Šajā nodaļā sniegta informācija par ēnu ekonomikas indeksa līmeni Baltijas valstīs pēdējo piecu
gadu laikā. Turpmāk atsevišķi tiks skatīts katrs indeksā izmantotās ēnu uzņēmējdarbības veids,
kā arī informācija par kukuļdošanu un korupcijas formām. 1. tabula un 1. attēls sniedz
informāciju par ēnu ekonomikas lielumu procentos no IKP 2009.-2013. gadā. Ēnu ekonomikas
līmenis ir krities gan Lietuvā, gan Igaunijā un sasniedzis attiecīgi 15,3% un 15,7% no IKP.
Savukārt Latvija ir vienīgā Baltijas valsts, kur ēnu ekonomikas īpatsvars 2013. gadā ir pieaudzis
(par aptuveni 2,7% salīdzinājumā ar 2012. gadu). 95% ticamības intervāls aprēķinātajām
izmaiņām nozīmē, ka varam būt 90-95% pārliecināti, ka ēnu ekonomikas lielums Latvijā
2013. gadā ir pieaudzis (95% ticamības intervāls atbilst 0, bet 90% ticamības intervāls nē) un
vismaz 95% pārliecināti, ka ēnu ekonomikas īpatsvars Igaunijā un Lietuvā 2013. gadā ir sarucis.
Intervāli liecina, ka varam būt diezgan droši, ka Latvijas ēnu ekonomikas lielums procentos no
IKP ir lielāks nekā Igaunijā un Lietuvā, bet nevaram uzticami pateikt, vai pastāv atšķirība starp
Igauniju un Lietuvu. Tādējādi 2013. gads ir pirmais gads kopš 2009. gada, kad ēnu ekonomikas
līmenis Latvijā pieauga, salīdzinot ar iepriekšējo gadu.
1. tabula. SSE Riga ēnu ekonomikas indekss Baltijas valstīs 2009.–2013. gadā
Šajā tabulā norādītas decimālaplēses un 95% ticamības intervāls ēnu ekonomikas lielumam procentos no IKP.
Pēdējā ailē norādītas ēnu ekonomikas relatīvā lieluma pārmaiņas 2012.–2013. gadā.
2009 2010 2011 2012 2013 2013-2012
Igaunija
20.2%
(18.7%, 21.7%)
19.4%
(18.0%, 20.8%)
18.9%
(16.8%, 20.9%)
19.2%
(16.6%, 21.9%)
15.7%
(13.5%, 17.9%)
-3.5%
(-5.9%, -1.1%)
Latvija
36.6%
(34.3%, 38.9%)
38.1%
(35.9%, 40.3%)
30.2%
(27.6%, 32.7%)
21.1%
(18.5%, 23.6%)
23.8%
(20.7%, 26.9%)
+2.7%
(-0.1%, +5.6%)
Lietuva
17.7%
(15.8%, 19.7%)
18.8%
(16.9%, 20.6%)
17.1%
(15.2%, 19.0%)
18.2%
(16.4%, 20.1%)
15.3%
(13.6%, 17.1%)
-2.9%
(-4.7%, -1.1%)
2. attēls ilustrē katras ēnu ekonomikas komponentes relatīvo apjomu katrā no trim valstīm.
Pretēji 2012. gadam, kad aplokšņu algas veidoja lielāko ēnu ekonomikas daļu visās trīs valstīs,
2013. gadā lielākā ēnu ekonomikas komponente Latvijā un Lietuvā ir neuzrādītie
uzņēmējdarbības ienākumi (attiecīgi 42,0% un 41,8%, bet tikai 27,2% Igaunijā). Aplokšņu algas
ir otra lielākā ēnu ekonomikas komponente Latvijā un Lietuvā, kam seko neuzrādītie darbinieki.
13
1. attēls. SSE Riga ēnu ekonomikas indekss Baltijas valstīs 2009.–2013. gadā.
Igaunija Latvija
Lietuva
2 attēls. Ēnu ekonomikas komponentes katrā no trim Baltijas valstīm 2013. gadā.
3. un 4. attēls ilustrē uzņēmējdarbības ienākumu (peļņas) neuzrādīšanas līmeni. 3. attēlā redzama
neuzrādītās peļņas dinamika 2009.-2013. gadā, un 4. attēls atspoguļo uzņēmumu sadalījumu pa
valstīm, kas neuzrāda savu peļņu noteiktā diapazonā. Ņemot vērā 1. attēlā iekļautos rādītājus,
14
uzņēmējdarbības ienākumu neuzrādīšanas līmenis 2013. gadā samazinājās Lietuvā un Igaunijā
(par attiecīgi -3,0% un -2,7%), bet Latvijā pieauga no 16,7% 2012. gadā līdz 19,9% 2013. gadā.
Atkal jau – šis ir pirmais gads kopš 2009. gada, kad vērojam peļņas neuzrādīšanas apjoma
pieaugumu Latvijā. Aptuveni 37% respondentu no Igaunijas, 31% no Lietuvas un 11% no
Latvijas apgalvo, ka neuzrādīšanas līmenis „nozarē” 2013. gadā ir 0%, t. i., ka uzņēmumi uzrāda
100% no savas faktiskās peļņas (skat. 4. attēlu).
3. attēls. Ienākumu neuzrādīšanas līmenis (procentos no faktiskās peļņas) 2009.-2013. gadā.
4. attēls. Ienākumu (peļņas) neuzrādīšana 2013. gadā. Vertikālā ass norāda tādu respondentu īpatsvaru katrā
valstī, kuri neuzrāda peļņu noteiktā diapazonā; horizontālā ass rāda diapazonu.
5. un 6. attēls ilustrē neuzrādīto darbinieku skaita līmeni. 5. attēls liecina, ka 2013. gadā
darbinieku neuzrādīšanas tendence ir nedaudz palielinājusies (10,3% 2013. gadā, salīdzinot ar
9,7% 2012. gadā). Darbinieku neuzrādīšanas līmenis ir palicis nemainīgs Igaunijā (8,1%) un ir
15
samazinājies Lietuvā. Tāpat kā iepriekšējos gados, salīdzinoši mazs skaits respondentu
apgalvoja, ka 2013. gadā netika uzrādīti vairāk nekā 50% darbinieku (6. attēls).
5. attēls. Neuzrādīto darbinieku skaita līmenis (procentos no faktiskā darbinieku skaita) 2009.-2013. gadā.
6. attēls. Neuzrādīto darbinieku skaits 2013. gadā. Vertikālā ass norāda tādu respondentu īpatsvaru katrā
valstī, kuri neuzrāda darbinieku skaitu noteiktā diapazonā; horizontālā ass rāda diapazonu.
7. attēls liecina, ka aplokšņu algu īpatsvars kopējā algu apjomā 2013. gadā ir samazinājies visās
Baltijas valstīs. Taču neuzrādīto algu apjoma samazinājums Latvijā ir salīdzinoši margināls
(25,2% 2013. gadā, salīdzinot ar 26,5% 2012. gadā). 8. attēls rāda, ka 2013. gadā uzņēmumi
Baltijas valstīs visbiežāk neuzrādīja 11-30% no faktiskajām algām.
16
7. attēls. Neuzrādīto algu līmenis (procentos no faktiskajām algām) 2009.-2013. gadā.
8. attēls. Neuzrādītās algas 2013. gadā. Vertikālā ass norāda tādu respondentu īpatsvaru katrā valstī, kuri
neuzrāda algu noteiktā diapazonā; horizontālā ass rāda diapazonu.
9. attēls rāda, ka 2013. gadā uzņēmumi Lietuvā un Latvijā kukuļos (ienākumi, kurus maksā, „lai
nokārtotu lietas”) maksāja vairāk nekā Igaunijā. Saskaņā ar aprēķiniem kukuļdošanas līmenis
Latvijā ir pieaudzis no 8,7% 2012. gadā līdz 10,5% 2013. gadā, un Lietuvā tas ir samazinājies no
14,0% līdz 10,3%. 10. attēls liecina, ka līdz pat 10,7% uzņēmumu Latvijā un 8,9% uzņēmumu
Lietuvā vairāk kā 25% no saviem ienākumiem maksā kukuļos, „lai nokārtotu lietas”.
17
9. attēls. Kukuļdošanas līmenis (ieņēmumu daļa, kas tiek tērēta maksājumiem, lai “nokārtotu lietas”) 2009.-
2013. gadā.
10. attēls. Kukuļdošana 2013. gadā. Vertikālā ass norāda tādu respondentu īpatsvaru katrā valstī, kuri veic
neoficiālus maksājumus noteiktā diapazonā, lai „nokārtotu lietas”; horizontālā ass rāda diapazonu.
Visbeidzot 11. un 12. attēls atspoguļo procentuālo līguma vērtības īpatsvaru, ko uzņēmumi
parasti piedāvā kā „kukuli”, lai iegūtu valsts pasūtījumu. Līdzīgi vispārējam kukuļdošanas
līmenim, kas parādīts 9. attēlā, arī kukuļdošanas līmenis saistībā ar valsts pasūtījumiem Igaunijā
ir nedaudz samazinājies. Kukuļdošanas līmenis ir samazinājies arī Lietuvā, 2013 gadā sasniedzot
6.2%. Savukārt Latvijā kukuļdošanas līmenis ir pieaudzis attiecīgi no 7,5% no līguma vērtības
2012. gadā līdz 8,1% 2013. gadā. 12. attēlā redzami visbiežāk sastopamie „kukuļa” apmēri par
valsts pasūtījumu (procentos no līguma vērtības), un tas liecina, ka liela daļa uzņēmumu visās
trīs Baltijas valstīs maksāja vairāk nekā 10% no līguma vērtības, lai nodrošinātu valsts
pasūtījumu.
18
11. attēls. Procenti no līguma vērtības, kas tiek maksāti valsts pasūtījuma saņemšanai 2010.-2013. gadā.
12. attēls. Kukuļdošana saistībā ar valsts pasūtījumu 2013. gadā. Vertikālā ass norāda tādu respondentu
īpatsvaru katrā valstī, kuri dod „kukuli” noteiktā diapazonā no līguma vērtības valsts pasūtījuma
saņemšanai.
4. Ēnu ekonomiku noteicošie faktori
Šajā iedaļā tiek aplūkoti faktori, kuri ietekmē uzņēmumu lēmumu piedalīties ēnu ekonomikā.
Vispirms sniegts pārskats par ēnu ekonomikas lielumu, ņemot vērā uzņēmumu raksturojumu,
tostarp darbības veikšanas reģionu, nozari un uzņēmuma lielumu. Tad tiek sniegti ilustratīvi
statistikas dati par to, kā ēnu ekonomikas lielums mainās līdz ar attieksmi un pieņēmumiem par
19
izvairīšanos no nodokļu maksāšanas. Visbeidzot, izmantojot regresijas analīzi, tiek identificēti
faktori, kuri virza uzņēmuma iesaistīšanos ēnu ekonomikā, vienlaikus kontrolējot citus faktorus.
4.1. Uzņēmumu raksturojums
13.-15. attēlā ir atspoguļots ēnu ekonomikas lielums Igaunijā, Latvijā un Lietuvā reģionu
dalījumā. 13. attēlā redzams, ka ēnu uzņēmējdarbība Latvijā 2013. gadā visizplatītākā ir
Kurzemē un Rīgas reģionā (attiecīgi 29,3% un 28,8%). Tāpat kā 2012. gadā, arī 2013. gadā
Lietuvā viszemākais ēnu uzņēmējdarbības līmenis bija Šauļu, Klaipēdas un Viļņas reģionā. Ēnu
ekonomikas situācija Igaunijas reģionos līdzinās tai, kāda tā bija 2012. gadā – viszemākais ēnu
uzņēmējdarbības līmenis ir Põlva reģionā, un visaugstākais tas ir Valgas reģionā. Tomēr, tā kā
dažos Igaunijas reģionos pastāv neliels novēroto faktu skaits, veidojas salīdzinoši liela kļūdas
starpība, tādēļ aplēses par Igauniju reģionu dalījumā būtu jāaplūko piesardzīgi.
13. attēls. Ēnu ekonomikas lielums (% no IKP) Latvijā reģionu dalījumā 2009.-2013. gadā.
20
14. attēls. Ēnu ekonomikas lielums (% no IKP) Lietuvā reģionu dalījumā 2009.-2013. gadā.
15. attēls. Ēnu ekonomikas lielums (% no IKP) Igaunijā reģionu dalījumā 2009.-2013. gadā
11.
11
Mūsu paraugā nav derīgu novēroto faktu par Igaunijas uzņēmumiem Hiiu maakond, Viljandi maakond, Võru
maakond, Jõgeva maakond, Lääne-Viru maakond, Rapla maakond un Saare maakond reģionā 2009.-2012. gadā.
21
16. attēlā apkopoti dati par ēnu ekonomikas atšķirīgo lielumu dažādās nozarēs 2013. gadā.
Izmaiņas ēnu ekonomikas lielumā dažādās nozarēs 2010.-2013. gadā sniegtas 17.–19. attēlā.
16. attēlā redzams, ka augstākais ēnu uzņēmējdarbības līmenis Latvijā 2013. gadā bija
būvniecības nozarē. Tas ir pretēji situācijai 2012. un 2011. gadā, kad ēnu ekonomikas līmenis
būvniecības nozarē Latvijā bija salīdzinoši zems (skat. 17. attēlu). Tāpat 17. attēls ataino Latvijas
ēnu ekonomikas apjoma samazināšanos tādās nozarēs kā mazumtirdzniecība un
vairumtirdzniecība salīdzinājumā ar iepriekšējiem gadiem. Lietuvā un Igaunijā augstākais ēnu
uzņēmējdarbības līmenis ir būvniecības nozarē (attiecīgi 19,4% un 28,3%, skat. 16. attēlu). Kā
redzams 18. attēlā, Lietuvā 2013. gadā ēnu uzņēmējdarbības līmenis ir samazinājies visās
nozarēs, izņemot pakalpojumu nozari. Igaunijā 2013. gadā ēnu ekonomikas līmenis samazinājās
mazumtirdzniecības un vairumtirdzniecības nozarē.
16. attēls. Ēnu ekonomikas lielums (% no IKP) nozaru dalījumā 2013. gadā.
22
17. attēls. Ēnu ekonomikas lielums (% no IKP) nozaru dalījumā Latvijā 2010.-2013. gadā.
18. attēls. Ēnu ekonomikas lielums (% no IKP) nozaru dalījumā Lietuvā 2010.-2013. gadā.
23
19. attēls. Ēnu ekonomikas lielums (% no IKP) nozaru dalījumā Igaunijā 2010.-2013. gadā.
20. attēls. Ēnu ekonomikas lielums (% no IKP) dalījumā pēc uzņēmumu lieluma (darbinieku skaita)
2013. gadā.12
20. attēlā parādīts ēnu uzņēmējdarbības līmenis dažāda lieluma uzņēmumos, ko mēra, izmantojot
darbinieku skaitu. Ēnu uzņēmējdarbības līmenis ir salīdzinoši līdzīgs dažāda lieluma kategorijās
ar nelielu tendenci līmenim paaugstināties mazākos uzņēmumos. Taču Latvijā vidēji lieli
uzņēmumi (51-200 darbinieki) šo tendenci lauž, uzrādot augstu ēnu uzņēmējdarbības līmeni.
Igaunijā augstākais ēnu uzņēmējdarbības līmenis ir novērots 11-20 darbinieku kategorijā.
12
Mūsu paraugā nav derīgu novēroto faktu par Igaunijas uzņēmumiem ar 51-200 darbiniekiem.
24
4.2.Kā attieksme un pieņēmumi ietekmē ēnu uzņēmējdarbību
Avotos par uzņēmējdarbību un izvairīšanos no nodokļu maksāšanas identificētas divas
nozīmīgas tādu faktoru grupas, kas ietekmē lēmumu izvairīties no nodokļu maksāšanas un veikt
ēnu uzņēmējdarbību. Pirmā grupa veidojas, lēmumam izvairīties no nodokļu maksāšanas
izmantojot racionālas izvēles modeļus. Saskaņā ar šādiem modeļiem fiziskās personas vai
uzņēmumi izsver, vai labumi, kas ir saistīti ar izvairīšanos no nodokļu maksāšanas un izpaužas
kā nodokļu ietaupījumi, ir salīdzināmi ar iespēju tikt pieķertam un sodu, kāds varētu tikt
piemērots pieķeršanas gadījumā. Tādēļ lēmumu neuzrādīt ienākumus un veikt ēnu
uzņēmējdarbību ietekmē tādi faktori kā šādu pārkāpumu atklāšanas līmenis, sodu lielums un
veids, uzņēmumu attieksme pret riska uzņemšanos, u. c. Šādi faktori var atšķirties dažādās
valstīs, reģionos, tautsaimniecības nozarēs, kā arī atkarībā no uzņēmuma lieluma un
pastāvēšanas ilguma.
Saistībā ar pirmo faktoru kopumu aptaujā ir iekļauti jautājumi par uzņēmēju pieņēmumiem
attiecībā uz iespējamību tikt pieķertiem par uzņēmējdarbības peļņas, darbinieku skaita un algu
neuzrādīšanu, kā arī iesaistīšanos kukuļdošanā. Mēs arī lūdzām uzņēmējus novērtēt iespējamās
sekas uzņēmumam, ja tas tiktu pieķerts par nepatiesu rādījumu sniegšanu. Konstatētie fakti ir
apkopoti 21.-25. attēlā.
21. attēls. Iespējamība tikt pieķertiem par uzņēmējdarbības peļņas neuzrādīšanu 2013. gadā. Vertikālā ass
norāda respondentu īpatsvaru katrā valstī katrā kategorijā.
25
22. attēls. Iespējamība tikt pieķertiem par darbinieku skaita neuzrādīšanu 2013. gadā. Vertikālā ass norāda
respondentu īpatsvaru katrā valstī katrā kategorijā.
23. attēls. Iespējamība tikt pieķertiem par algu neuzrādīšanu 2013. gadā. Vertikālā ass norāda respondentu
īpatsvaru katrā valstī katrā kategorijā.
26
24. attēls. Iespējamība tikt pieķertiem par maksājumiem, lai „nokārtotu lietas”, 2013. gadā. Vertikālā ass
norāda respondentu īpatsvaru katrā valstī katrā kategorijā.
25. attēls. Iespējamās sekas, tiekot pieķertiem par apzināti nepatiesu rādījumu sniegšanu 2013. gadā.
Vertikālā ass norāda respondentu īpatsvaru katrā valstī katrā kategorijā.
Rezultāti liecina, ka Lietuvas uzņēmēji uzskata, ka risks tikt pieķertiem par datu neuzrādīšanu ir
ievērojami augstāks salīdzinājumā ar Latvijas un Igaunijas uzņēmējiem (21.-24. attēls). Aptuveni
40-50% Lietuvas uzņēmēju apgalvo, ka varbūtība tikt pieķertiem par datu neuzrādīšanu ir 75-
100%. Taču saskaņā ar 25. attēlu ļoti nopietnas sekas (t. i., uzņēmuma slēgšana), tiekot
pieķertiem, uzņēmējiem Lietuvā šķiet mazāk iespējamas un uzņēmējiem Igaunijā – vairāk
iespējamas (attiecīgi 7,2% un 18,3%). Vispārējais iespaids par seku varbūtību, tiekot pieķertiem,
2011.-2013. gadā nav būtiski mainījies.
27
Empīriskos pētījumos ir konstatēts, ka faktiskais apjoms saistībā ar izvairīšanos no nodokļiem ir
ievērojami mazāks nekā prognozēts, izmantojot racionālās izvēles modeļus, un starpība bieži tiek
attiecināta uz attieksmi un sociālajām normām- faktoriem, kuri nosaka izvairīšanos no
nodokļiem un veido otro plašāko kopumu. Šajā kopumā ir, piemēram, pieņēmums par nodokļu
sistēmas taisnīgumu, t. i., attieksme pret to, vai nodokļu slogs un nodokļu sistēmas
administrēšana ir taisnīga, arī attieksme pret to, cik atbilstīgi tiek tērēti nodokļi un cik lielā mērā
uzņēmumi uzticas valstij. Visbeidzot izvairīšanos no nodokļu maksāšanas ietekmē arī sociālās
normas, piemēram, ētiskās vērtības un morālā pārliecība, kā arī bailes no vainas apziņas un
sociālās stigmatizācijas pieķeršanas gadījumā. Mēs mērījām uzņēmumu attieksmi, izmantojot
četrus jautājumus par apmierinātību ar Valsts ieņēmumu dienestu, valsts nodokļu politiku,
biznesa likumdošanu un valsts atbalstu uzņēmējiem (skat. 1.-4. jaut. 1. pielikumā).
26. attēls. Apmierinātība ar Valsts ieņēmumu dienestu 2013. gadā. Vertikālā ass norāda respondentu
īpatsvaru katrā valstī katrā kategorijā.
27. attēls. Apmierinātība ar Valsts ieņēmumu dienestu 2010.-2013. gadā. Horizontālā ass norāda respondentu
īpatsvaru katrā valstī katrā kategorijā.
28
Līdzīgi mūsu novērojumiem visās trīs valstīs 2011. un 2010. gadā uzņēmumi ir apmierināti ar
Valsts ieņēmumu dienestu (VID). 26. attēls atspoguļo uzņēmumu apmierinātības ar VID
sadalījumu. Apmierinātības ar VID dinamika redzama 27. attēlā. 26. attēls liecina, ka uzņēmumi
ir visapmierinātākie ar VID darbu Latvijā un Igaunijā. 27. attēls atklāj, ka uzņēmumu
apmierinātības ar VID līmenis 2013. gadā ir līdzīgs tam, kāds tas bija 2012. gadā, t. i.,
apmierinātība visās trīs Baltijas valstīs ir saglabājusies tajā pašā līmenī.
Līdzīgi, kā tas bija 2011. un 2012. gadā, arī 2013. gadā apmierinātība ar valdības nodokļu
politiku viszemākā ir Latvijā, un visaugstākā tā ir Igaunijā (28. attēls). Vairāk kā 60% Latvijas
respondentu atbild, ka ir „neapmierināti” vai „ļoti neapmierināti” ar nodokļu politiku (28. attēls).
Taču rezultāts ir nedaudz labāks kā 2011. gadā, kad apmierinātības ar nodokļu politiku līmenis
bija vēl zemāks (29. attēls). Bez tam gan Latvijas, gan Lietuvas uzņēmēji šķiet ir neapmierinātāki
ar biznesa likumdošanas kvalitāti (30. attēls) un valdības atbalstu (32. attēls) nekā uzņēmēji
Igaunijā. Uzņēmēju apmierinātības ar biznesa likumdošanas kvalitāti un valdības atbalstu
dinamika rāda līdzīgas tendences 2013. un 2012. gadā (31. un 33. attēls).
28. attēls. Apmierinātība ar valdības nodokļu politiku 2013. gadā. Vertikālā ass norāda respondentu
īpatsvaru katrā valstī katrā kategorijā.
29
29. attēls. Apmierinātība ar valdības nodokļu politiku 2010.-2013. gadā. Horizontālā ass norāda respondentu
īpatsvaru katrā valstī katrā kategorijā.
30. attēls. Apmierinātība ar biznesa likumdošanas kvalitāti 2013. gadā. Vertikālā ass norāda respondentu
īpatsvaru katrā valstī katrā kategorijā.
30
31. attēls. Apmierinātība ar biznesa likumdošanas kvalitāti 2010.-2013. gadā. Horizontālā ass norāda
respondentu īpatsvaru katrā valstī katrā kategorijā.
32. attēls. Apmierinātība ar valdības atbalstu uzņēmējiem 2013. gadā. Vertikālā ass norāda respondentu
īpatsvaru katrā valstī katrā kategorijā.
31
33. attēls. Apmierinātība ar valdības atbalstu uzņēmējiem 2010.-2013. gadā. Horizontālā ass norāda
respondentu īpatsvaru katrā valstī katrā kategorijā.
34. un 36. attēlā atspoguļota uzņēmumu norādītā tolerance attiecībā uz izvairīšanos no nodokļu
maksāšanas un kukuļdošanu, un 35. un 37. attēlā redzama tolerances attiecībā uz izvairīšanos no
nodokļu maksāšanas un kukuļdošanu dinamika 2010.-2013. gadā. 2013. gada rezultāti rāda, ka
Igaunijas un Latvijas respondentiem izvairīšanās no nodokļu maksāšanas un kukuļdošana ir
mazāk pieņemama kā viņu Lietuvas kolēģiem. Arī tendences abos šajos rādītājos visās trijās
Baltijas valstīs 2013. un 2012. gadā ir līdzīgas.
34. attēls. Atbildes uz apgalvojumu „nodokļu nemaksāšana ir pieņemama uzvedība” 2013. gadā. Vertikālā
ass norāda respondentu īpatsvaru katrā valstī katrā kategorijā.
32
35. attēls. Atbildes uz apgalvojumu „nodokļu nemaksāšana ir pieņemama uzvedība” 2010.-2013. gadā.
Horizontālā ass norāda respondentu īpatsvaru katrā valstī katrā kategorijā.
36. attēls. Atbildes uz apgalvojumu „kukuļdošana ir pieņemama uzvedība” 2013. gadā. Vertikālā ass norāda
respondentu īpatsvaru katrā valstī katrā kategorijā.
33
37. attēls. Atbildes uz apgalvojumu „kukuļdošana ir pieņemama uzvedība” 2010.-2013. gadā. Horizontālā ass
norāda respondentu īpatsvaru katrā valstī katrā kategorijā.
4.3.Ēnu uzņēmējdarbības noteicošo faktoru daudzšķautņu testi
Lai noteiktu statistiski nozīmīgus faktorus, kuri virza uzņēmumu iesaistīšanos ēnu ekonomikā,
mēs izmantojām regresijas analīzi. Regresijām mēs izmantojām pēdējo četru gadu aptauju
apkopotos datus, kas kopā aptver 2010.-2013. gadu un katru gadu aptuveni 1500 uzņēmumus no
dažādām nozarēm. Visās regresijās atkarīgais mainīgais ir uzņēmumu iesaistīšanās līmenis ēnu
ekonomikā. Neatkarīgie mainīgie ir dažādie uzņēmuma līmeņa raksturlielumi, attieksme, nozares
binārie mainīgie, reģiona un attiecīgā gada noteiktās iezīmes.
Regresijas rezultāti ir parādīti 2. pielikumā. 1. modelis ietver vairumu iespējamo ietekmīgāko
faktoru un bināro mainīgo par Igaunijas un Lietuvas uzņēmumiem (Latvijas uzņēmumi veido
bāzi). Tur nav iekļauti mainīgie, kas mēra uzņēmuma pieņēmumu par iespēju tikt pieķertam par
darbību ēnu ekonomikā (DetectionProbability) un uzņēmuma pieņēmumu par sodiem
pieķeršanas gadījumā (PenaltyForDetection), lai varētu izmantot datus par 2010. gadu
(DetectionProbability un PenaltyForDetection mainīgie tiek apkopoti tikai sākot no 2011. gada
un uz priekšu). 2. modelī ir iekļauts pilns ēnu uzņēmējdarbības noteicošo faktoru kopums, un
tāpēc paraugs aptver tikai 2011.-2013. gadu. 3. modelī valsts binārie mainīgie ir aizstāti ar
reģiona bināriem mainīgajiem (Kurzemes reģions Latvijā ir izlaistā mainīgā kategorija).
4. modelis ir papildināts ar gada noteiktajām iezīmēm.
Valstu binārie mainīgie norāda, ka parauga iegūšanas laikā ēnu ekonomika Igaunijā un Lietuvā ir
mazāka nekā Latvijā arī pēc vairāku skaidrojošo rādītāju pārbaudes un ka atšķirības ir statistiski
nozīmīgas. Tolerance attiecībā uz izvairīšanos no nodokļu maksāšanas tiek pozitīvi saistīta ar
34
uzņēmuma norādīto ienākumu/algu neuzrādīšanas līmeni, t. i., uzņēmēji, kuru attieksme pret
izvairīšanos no nodokļu maksāšanas ir toleranta, paši ir tendēti iesaistīties ēnu uzņēmējdarbībā.
Tolerances mērījumiem ir svarīga loma, nosakot iespējamo neuzrādīto ēnu uzņēmējdarbības
apmēru (nepatiesās atbildes), ņemot vērā tēmas jutīgumu.13
Regresijas koeficienti norāda, ka apmērs, kādā pieņēmumi par iespējamību tikt pieķertam un par
sodiem ietekmē uzņēmumu tendenci sniegt nepatiesus rādījumus, atbilst racionālo izvēles
modeļu prognozēm, t. i., jo lielāki ir pieņēmumi par iespējamību tikt pieķertam un jo lielāki ir
sodi, jo mazāks ir izvairīšanās no nodokļu maksāšanas un neuzrādīšanas apjoms. Pieķeršanas
iespējamība ir jāizceļ kā īpaši spēcīgs faktors, kas attur no iesaistīšanās ēnu uzņēmējdarbībā. Šie
rezultāti norāda uz iespējamu politikas instrumentu ēnu ekonomikas samazināšana, t. i.,
paaugstināt iespēju tikt pieķertam par sagrozītu datu uzrādīšanu. To varētu panākt, palielinot
nodokļu auditu skaitu, ieviešot brīdināšanas shēmas, kuras veicina ziņošanu iestādēm par
pārkāpumiem, un palielinot ieguldījumus tehnoloģijās, kuras palīdz konstatēt izvairīšanos no
nodokļu maksāšanas.
Regresijas rezultāti arī norāda, ka uzņēmumu apmierinātība ar nodokļu sistēmu un valdību tiek
negatīvi saistīta ar uzņēmuma iesaistīšanos ēnu ekonomikā, t. i., neapmierinātie uzņēmumi
vairāk iesaistās ēnu uzņēmējdarbībā, savukārt apmierinātie uzņēmumi — mazāk. Šis rezultāts
atbilst deskriptīvajai statistikai un iepriekšējiem pētījumiem par izvairīšanos no nodokļu
maksāšanas, un sniedz skaidrojumu, kādēļ ēnu ekonomika Latvijā ir lielāka nekā Igaunijā un
Lietuvā: Latvijas uzņēmumi vairāk iesaistās ēnu uzņēmējdarbībā tāpēc, ka tie ir neapmierinātāki
ar nodokļu sistēmu un valdību. Analizējot katru no četriem apmierinātības mērījumiem atsevišķi,
mēs secinājām, ka ēnu uzņēmējdarbība ir visciešāk saistīta ar neapmierinātību ar biznesa
likumdošanu un Valsts ieņēmumu dienestu, kam seko neapmierinātība ar valdības īstenoto
nodokļu politiku un atbalstu uzņēmējiem.
Vēl viens spēcīgs (un statistiski nozīmīgs) noteicošais faktors uzņēmuma dalībai ēnu ekonomikā
ir uzņēmuma lielums — mazie uzņēmumi vairāk nekā lielie uzņēmumi piedalās ēnu
uzņēmējdarbībā, lai gan deskriptīvā statistika liecina, ka šī attiecība varētu nebūt vienāda.
Statistiski nozīmīgais uzņēmuma vecuma koeficients liecina, ka jaunāki uzņēmumi vairāk
iesaistās ēnu ekonomikā nekā vecāki uzņēmumi. Šo attiecību iespējams skaidrojums ir tāds, ka
mazie, jaunie uzņēmumi izmanto izvairīšanos no nodokļu maksāšanas kā līdzekli, lai būtu
13
Piemēram, ir divi uzņēmumi un abi neuzrāda ieņēmumus/algas 40% apmērā, bet viens uzņēmums darbojas vidē,
kurā izvairīšanās no nodokļu maksāšanas tiek uzskatīta par ļoti neētisku un netiek pieņemta, bet otrs darbojas vidē,
kurā izvairīšanās no nodokļu maksāšanas tiek relatīvi pieņemta. Pirmais uzņēmums var norādīt, ka saskaņā ar tā
aplēsēm neuzrādīšanas apjoms ir aptuveni 20% (lejupvērsta neobjektīva atbilde, ko nosaka tas, ka izvairīšanās no
nodokļu maksāšanas tiek uztverta kā neētiskāka), savukārt otrais uzņēmums var atbildēt godīgi, ka neuzrādīšanas
apjoms ir aptuveni 40%. Šis piemērs parāda, ka, nekontrolējot izvairīšanās no nodokļu maksāšanas sensitivitāti (ko
šajā gadījumā nosaka tolerance), var iegūt neobjektīvus salīdzinājumus.
35
konkurētspējīgi salīdzinājumā ar lielākajiem un pieredzes bagātākajiem konkurentiem. Nozares
binārie mainīgie rādītāji liecina, ka uzņēmumi būvniecības un pakalpojumu nozarē ēnu
uzņēmējdarbībā iesaistās vairāk nekā uzņēmumi citās nozarēs, kā piemēram, mazumtirdzniecībā.
Saistība starp ēnu uzņēmējdarbību un uzņēmuma maksāto vidējo algu vai izmaiņām uzņēmuma
peļņā (vai darbinieku skaitā vai apgrozījumā) nav būtiska nevienā specifikācijā.
5. Uzņēmēju attieksme pret ēnu ekonomiku
Papildus ēnu ekonomikas lieluma un tā ietekmējošo faktoru identificēšanai mēs noskaidrojām arī
uzņēmēju viedokli par dažādiem ēnu ekonomikas aspektiem Baltijas valstīs. Uzskatām, ka daži
šie dati varētu būt noderīgi politikas veidotājiem vismaz kā papildu informācija.
Mēs uzņēmējiem uzdevām vairākus jautājumus par motivāciju izvairīties no nodokļu
maksāšanas. Uzņēmējiem tika piedāvātas dažādas alternatīvas, un viņi tika lūgti tās novērtēt
skalā no 1 līdz 7, kur „1” nozīmē „pilnībā piekrītu” un „7” nozīmē „pilnībā nepiekrītu”. Rezultāti
ir apkopoti 38. attēlā.
Par spīti izmaiņām Latvijas ēnu ekonomikā 2011.-2013. gadā, uzņēmēju attieksme 2013. gadā ir
ļoti līdzīga attieksmei 2011. un 2012. gadā. Latvijas uzņēmumi joprojām uzsver, ka izvairīšanās
no nodokļu maksāšanas ir viens no iespējamiem rīkiem uzņēmuma konkurētspējas (un
izdzīvošanas) nodrošināšanai. Viņi sliecas piekrist apgalvojumam, ka izvairīšanās no nodokļu
maksāšanas ir nepieciešama uzņēmuma izdzīvošanai. Turklāt Latvijas uzņēmēji uzskata, ka
lielāka izvairīšanās no nodokļu maksāšanas ir saistīta ar sliktākiem darbības rādītājiem
iepriekšējos periodos. Taču ir vērojamas būtiskas izmaiņas citu Baltijas valstu uzņēmēju
attieksmē, jo īpaši izceļot Lietuvu. Piemēram, pretēji apgalvojumiem 2012. gadā, 2013. gadā
Lietuvas uzņēmēji nepiekrita tam, ka viņu uzņēmuma darbības rādītāji ir atkarīgi no
ekonomiskās situācijas valstī. Bez tam arvien biežāk Lietuvas uzņēmumi nepiekrīt
apgalvojumam, ka uzņēmuma veiksmīgas darbības nodrošināšanai būtiskāk ir izvēlēties pareizo
produktu un stratēģijas, nevis izvairīties no nodokļu maksāšanas.
36
38. attēls. Uzņēmēju attieksme pret izvairīšanos no nodokļu maksāšanas 2013. gadā.
6. Apsvērumi un secinājumi
SSE Riga ēnu ekonomikas indekss tiek noteikts ik gadu, izmantojot Baltijas valstu uzņēmēju
aptaujas; aptaujās tiek lietoti vairāki aptaujāšanas un datu vākšanas paņēmieni, kuri iepriekšējos
pētījumos izrādījušies efektīvi iespējami ticamāku atbilžu saņemšanai. Indeksā ir apvienotas
aplēses par neuzrādītajiem uzņēmējdarbības ienākumiem, nereģistrētiem jeb slēptiem
darbiniekiem, kā arī neuzrādītām aplokšņu algām, un to izmanto, lai iegūtu aplēses par ēnu
ekonomikas īpatsvaru IKP rādītājā. Šis ir ceturtais ziņojums, un tajā uzmanība pievērsta aplēsēm
par ēnu ekonomiku 2013. gadā un tendencēm 2009.–2013. gadā.
Viens no svarīgākajiem šī ziņojuma konstatētajiem faktiem attiecas uz Baltijas ēnu ekonomikas
attīstības tendencēm. Igaunija un Lietuva 2013. gadā ir turpinājušas savu ilgtermiņa tendenci
pakāpeniski samazināt ēnu ekonomikas apjomu, turpretī Latvijas ēnu ekonomika pēc diviem
secīgiem samazinājuma gadiem ir uzrādījusi nelielu pieaugumu. Mūsu aplēses liecina, ka
Latvijas ēnu ekonomika ir pieaugusi par 2,7% no IKP, sasniedzot 23,8% no IKP 2013. gadā, tai
pat laikā Igaunijas un Lietuvas ēnu ekonomika ir samazinājusies par aptuveni 2,9%-3,5% no
IKP.
37
Kādi ir šo attīstības tendenču iemesli, jo īpaši attīstības virziena maiņa Latvijas ēnu ekonomikā?
Mūsu veiktā ēnu ekonomikas struktūras analīze sniedz zināmu ieskatu šajā jautājumā. Latvijā
galvenais ēnu ekonomikas pieauguma veicinātājs ir neuzrādītie uzņēmējdarbības ienākumi, t. i.,
korporatīva izvairīšanās no nodokļu maksāšanas. Latvijā uzņēmējdarbības ienākumu
neuzrādīšanas apjoms ir audzis no aptuveni 17% no peļņas 2012. gadā līdz aptuveni 20% no
peļņas 2013. gadā (tai pat laikā šis rādītājs ir samazinājies gan Igaunijā, gan Lietuvā) un ir
apsteidzis aplokšņu algas, kļūstot par lielāko ēnu ekonomikas komponenti. Reģionu griezumā
lielākais ēnu uzņēmējdarbības pieaugums Latvijā ir bijis Rīgā un tās apkārtnē, kamēr Igaunijā un
Lietuvā būtiskākais samazinājums ir novērots attiecīgi Ida-Viru reģionā un Kauņas reģionā.
Nozaru griezumā ir jāizceļ būvniecības nozare, kas ir bijusi lielākais Latvijas ēnu ekonomikas
veicinātājs; ēnu uzņēmējdarbība citās Latvijas tautsaimniecības nozarēs ir samazinājusies vai
palikusi salīdzinoši nemainīga. Lietuvā un Igaunijā ēnu uzņēmējdarbības samazinājums ir
novērots lielākajā daļā nozaru. Tādējādi Latvijas ēnu ekonomikas pieauguma būtisks veicinātājs
ir vidēja lieluma būvniecības uzņēmumi, kas darbojas Rīgas reģionā.
Pievēršoties plašākai makroekonomiskās un institucionālās vides ietekmei uz ēnu ekonomiku,
pieaugums Latvijā var tikt daļēji skaidrots ar strukturālām izmaiņām ekonomikā. Latvijas
ekonomikai turpinot atgūties no krīzes, nekustamā īpašuma cenas ir cēlušās no sava zemā
pēckrīzes līmeņa, un būvniecības nozare ir atguvusi savu dinamiku pēc gandrīz absolūtas
dīkstāves. Augošā ekonomikā būvniecības nozarei ir tendence uzrādīt augstus ēnu
uzņēmējdarbības rādītājus, un Baltijas valstis šajā ziņā nav izņēmums. Visās trīs Baltijas valstīs
starp visām tautsaimniecības nozarēm tieši būvniecībā ir lielākais ēnu ekonomikas īpatsvars, un
šī tendence ir jo izteikta Latvijā, kur tiek lēsts, ka 45% nozares darbības notiek „pelēkajā zonā”.
Tieši tāpēc būvniecības nozares atgūšanās pēc krīzes, ko savukārt virzīja plašāka
makroekonomiskā izaugsme, visticamāk ir veicinājusi ēnu ekonomikas pieaugumu Latvijā
2013. gadā.
Otrs plašākas makroekonomiskās un institucionālās vides aspekts ir nesenais un ievērojamais
samazinājums attiecībā uz mērķtiecīgu ēnu ekonomikas ierobežošanu vērstas politikas
īstenošanu Latvijā. Nesenās krīzes laikā Latvija saņēma būtisku glābšanas pasākumu kopumu no
starptautisko organizāciju konglomerāta (Eiropas Savienība, Starptautiskais Valūtas fonds, un
citi). Finanšu palīdzība tika sniegta, pretī prasot Latvijas valdības apņemšanos īstenot stingrus
taupības pasākumus un virkni reformu, tai skaitā mērķtiecīgus politikas pasākumus, lai
ierobežotu ēnu ekonomiku. Rezultātā Latvijas valdība izveidoja augsta līmeņa darba grupu, kuru
vadīja Finanšu ministrijas valsts sekretārs un kurā bija pārstāvētas dažādas ministrijas, Valsts
Kase, Latvijas Valsts policija, Valsts ieņēmumu dienests, Korupcijas novēršanas un apkarošanas
birojs, kā arī eksperti no akadēmiskās vides, Latvijas Banka un Centrālais statistikas birojs.
Darba grupas galvenais rezultāts bija 66 dažādu politikas pasākumu kopums ar mērķi apkarot
ēnu ekonomiku. Visi, izņemot trīs piedāvātos politikas pasākumus, tika apstiprināti un īstenoti
dažādos laika posmos 2010.-2013. gadā, un lielākā daļa reformu tika īstenotas pēc iespējas ātrāk,
t. i., 2010. un 2011. gadā. Dažas reformas paredzēja likumdošanas izmaiņas, citas bija dažādu
ministriju un/vai valsts aģentūru/biroju īstenotas programmas vai pasākumi, strādājot neatkarīgi
38
vai sadarbībā ar citiem. Mūsu aplēses par Latvijas ēnu ekonomikas lielumu iepriekšējos gados
konsekventi atbilst uzskatam, ka mērķtiecīgie politikas pasākumi ar mērķi ierobežot ēnu
ekonomiku patiešām bija veiksmīgi; Latvija piedzīvoja lielu ēnu ekonomikas samazinājumu no
38% no IKP 2010. gadā, kas bija tās augstākais punkts, līdz 21% 2012. gadā. Taču, noslēdzot
ES-SVF palīdzības programmu Latvijā un pabeidzot politisko pasākumu īstenošanu, kuru mērķis
bija apkarot ēnu ekonomiku, turpmāki politiski centieni samazināt Latvijas ēnu ekonomikas
īpatsvaru ir ievērojami atslābuši. Mērenāka regulējoša/politiska darbība arī varētu būt veicinājusi
izmaiņas Latvijas ēnu ekonomikas lejupejošajā tendencē, kas ir spēcīgs apliecinājums tam, ka
ēnu ekonomikas apkarošana prasa nepārtrauktu politikas veidotāju un tādu izpildiestāžu kā
Valsts ieņēmumu dienests rīcību.
Vēl kāds būtisks šī gada ziņojumā konstatētais fakts attiecas uz relatīvo Baltijas ēnu ekonomikas
lielumu. Latvijas ēnu ekonomikas pieaugums (un Igaunijas un Lietuvas ēnu ekonomiku
samazinājums) ir apturējis Baltijas ēnu ekonomiku lielumu konverģenci. Mūsu aplēses liecina,
ka 2012. gadā Baltijas valstu ēnu ekonomikas apjoma ziņā bija līdzīgas (no 18,2% līdz 21,1%,
kas nozīmē, ka atšķirības trīs valstu vidū nebija statistiski nozīmīgas). Taču 2013. gadā Latvijas
ēnu ekonomika atkal ir lielāka nekā kaimiņvalstīs, un šī atšķirība ir aptuveni 8-9% no IKP.
Kāpēc pastāv šādas atšķirības starp Baltijas valstīm, un jo īpaši – kāpēc ēnu ekonomika Latvijā ir
lielāka nekā Igaunijā un Lietuvā? Mūsu veiktā ēnu ekonomikas struktūras analīze sniedz dažas
atbildes. Latvija uzrāda ievērojami sliktākus rezultātus abās lielākajās ēnu ekonomikas
komponentēs, t. i., uzņēmējdarbības ienākumu neuzrādīšana un aplokšņu algas. Turpretī
kukuļdošanas līmenis Latvijā ir līdzīgs Lietuvas rādītājam. Tieši mazie un vidējie uzņēmumi, kā
arī būvniecības un vairumtirdzniecības nozare rada lielāko atšķirību starp Latvijas un
kaimiņvalstu ēnu ekonomikas rādītājiem. Ir būtiski minēt, ka Latvijas uzņēmēju apmierinātība ar
valsts nodokļu politiku un valdības atbalstu uzņēmējiem ir zemāka nekā Igaunijā un Lietuvā.
Mūsu analīze liecina, ka neapmierinātība ir noteicošs faktors uzņēmuma lēmumam iesaistīties
ēnu ekonomikā, un tieši tāpēc atšķirība starp Latviju un kaimiņvalstīm var tikt daļēji skaidrota ar
atšķirībām uzņēmumu īpašnieku/vadītāju apmierinātībā ar fiskālo un institucionālo vidi. Vēl
jāsaka, ka apjomīgie pārvadājumi starp Krieviju un Rietumeiropu var veicināt ēnu ekonomiku
Baltijas valstīs. Apmēram 40% no Krievijas eksporta uz ES dalībvalstīm, kas nav Baltijas valstis,
notiek caur Baltijas valstīm. No kopējā kravu apjoma Baltijas jūrā austrumu-rietumu koridorā
Igaunijas ostās pārkrauj 12%, Latvijas ostās – 28% un Lietuvas ostās – 9% (Laurila, 2003;
Kovács un Spens, 2006). Augstākie preču pārkraušanas apjomu rādītāji Latvijā, kam seko
Igaunija un tad Lietuva, konsekventi atbilst mūsu aplēsēm, ka visos gados, kamēr tiek veikti
aprēķini, vislielākā ēnu ekonomika ir bijusi Latvijā, kam seko Igaunija un tad Lietuva. Preču
pārkraušanas apjoma un ēnu ekonomikas līmeņa paraugi ir arī proporcionāli etnisko krievu
īpatsvaram katrā Baltijas valstī (28,0% Latvijā, 25,6% Igaunijā un 4,9% Lietuvā saskaņā ar Vadi
un Jaakson (2011)). Iespējams, ka etniskie krievi ir mazāk apmierināti ar valdību, kas savukārt
ietekmē viņu nodokļu nemaksāšanas uzvedību.
39
Šī gada pētījums apstiprina dažus iepriekšējo gadu secinājumus par to, kas liek Baltijas
uzņēmējiem darboties pelēkajā zonā, kā arī papildina mūsu klāstu ar dažiem jauniem
secinājumiem. Uzņēmumi, kas nav apmierināti ar nodokļu politiku vai valdību, biežāk sliecas
iesaistīties ēnu ekonomikā; apmierinātie uzņēmumi to dara retāk. Šis rezultāts saskan ar
iepriekšējiem pētījumiem par izvairīšanos no nodokļu maksāšanas, kā arī ietekmē politikas
pasākumus, kuru mērķis ir samazināt ēnu ekonomiku. Tāpat mēs noskaidrojām, ka mazāki un
jaunāki uzņēmumi proporcionāli vairāk iesaistās ēnu uzņēmējdarbībā nekā lielāki un vecāki
uzņēmumi, kas atbilst dzīves liecībai par to, ka uzņēmumi izmanto izvairīšanos no nodokļu
maksāšanas, lai sasniegtu zināmu konkurētspējas slieksni, un ka šī sliekšņa sasniegšana ir
būtiska, lai konkurētu attīstītā tirgū. Visbeidzot izvairīšanās no nodokļu maksāšanas un apzināta
rādījumu neuzrādīšana Baltijas valstīs ir saistīta ar pieņēmumu par iespēju tikt pieķertam un par
sagaidāmo sodu pieķeršanas gadījumā. Tie uzņēmumi, kuru pieņēmums par iespēju tikt
pieķertam ir augstāks, sliecas mazāk iesaistīties ēnu uzņēmējdarbībā.
Šī pētījuma rezultātā konstatētie fakti rosina vairākas pieejas politikas veidotājiem, lai
samazinātu ēnu ekonomikas lielumu Baltijas valstīs. Pirmkārt, mazinot neapmierinātību ar
nodokļu sistēmu, varētu tikt samazināta ēnu ekonomika. Šo problēmu varētu risināt, nodrošinot
stabilāku nodokļu politiku (retāk mainīt iekasēšanas kārtību un nodokļu likmes), nosakot
„taisnīgākas” nodokļu likmes, raugoties no uzņēmēju un darbinieku skatu punkta, kā arī
uzlabojot pārredzamību nodokļu izlietojumā. Otrkārt, palielinoties iespējamībai, ka pārkāpums
tiks atklāts, varētu samazināties ēnu uzņēmējdarbība. To varētu panākt, palielinot nodokļu auditu
skaitu, ieviešot brīdināšanas shēmas, kuras veicina ziņošanu iestādēm par pārkāpumiem, un
palielinot ieguldījumus tehnoloģijās, kuras palīdz konstatēt izvairīšanos no nodokļu maksāšanas.
Treškārt, nozīmīgais politisko pasākumu un reformu kopums, ko īstenoja Latvijas valdība un
valsts aģentūras ar mērķi ierobežot ēnu ekonomiku, ir izrādījies veiksmīgs, samazinot Latvijas
ēnu ekonomiku no tās augstākā punkta 2010. gadā līdz zemākajam 2012. gadā. Tam sekojošais
politiskās rīcības atslābums Latvijā, kas sakrīt ar Latvijas ēnu ekonomikas attīstības virziena
izmaiņām, norāda uz to, cik svarīgi ir nepārtraukti politiski centieni ēnu ekonomikas apkarošanā
Baltijas valstīs. Tas ir jo īpaši svarīgi, lai šajā jomā līdz šim sasniegtais netiktu veltīgi pazaudēts.
40
Atsauces
Aidis, R.; Van Praag, M. (2007): Illegal entrepreneurship experience: Does it make a difference
for business performance and motivation? Analyzing the effects of illegal
entrepreneurship experience in Lithuania, in Journal of Business Venturing, 22:2, 283.-
310.
Bajada, C.; Schneider F. (2005): Size, causes and consequences of the underground economy:
An international perspective (Ashgate Publishing Company: Aldershot).
Baumol, W. (1990): Entrepreneurship: Productive, unproductive and destructive, in Journal of
Political Economy, 98, 893.-921.
Fairlie, R. (2002): Drug dealing and legitimate self- employment, in Journal of Labour
Economics, 20:3, 538.-567.
Frey, B.; Weck-Hannemann, H. (1984): The hidden economy as an “unobserved” variable, in
European Economic Review, 26:1, 33.-53.
Gerxhani, K. (2007): “Did you pay your taxes?” How (not) to conduct tax evasion surveys in
transition countries, in Social Indicators Research, 80, 555.-581.
Giles, D. (1999): Modelling the hidden economy in the tax-gap in New Zealand, in Empirical
Economics, 24:4, 621.-640.
Gutmann, P. (1977): The subterranean economy, in Financial Analysts Journal, 34, 26.-28.
Hanousek, J.; Palda, F. (2004): Quality of government services and the civic duty to pay taxes in
the Czech and Slovak Republics, and other transition countries, in Kyklos, 57:2, 237.-
252.
Kaufmann, D.; Kaliberda, A. (1996): Integrating the unofficial economy into the dynamics of
post-socialist economies: A framework of analysis and evidence, in Kaminski and
Barlomiej (eds) Economic transition in Russia and the new states of Eurasia,
International Politics of Eurasia Series Vol. 8, Armonk and London: Sharpe, 81.-120.
Kazemier, B.; van Eck, R. (1992): Survey investigations of the hidden economy, in Journal of
Economic Psychology, 13, 569.-587.
MacAfee, K. (1980): A glimpse of the hidden economy in the National Accounts, in Economic
Trends 1980:8, 81.-87.
Putniņš, T. and A. Sauka (2014, forthcoming): Measuring the shadow economy using company
managers, in Journal of Comparative Economics.
Sauka, A. (2008): Productive, unproductive and destructive entrepreneurship: A theoretical and
empirical exploration. Frankfurt am Main: Peter Lang GmbH.
Schneider, F.; Buehn, A. and Montenegro, C. (2010): New estimates for the shadow economies
all over the world, in International Economic Journal, 24:4, 443.-461.
Schneider, F. (2013): Size and development of the shadow economies of Portugal and 35 other
OECD countries from 2003 to 2013: Some new facts, Unpublished manuscript.
41
Tanzi, V. (1980): Underground economy built on illicit pursuits is growing concern of economic
policymakers, in Survey 4-2-1980 International Monetary Fund, 34.-37.
Warren, E. (2003): Constructive and destructive deviance in organizations, in Academy of
Management Review, 28:4, 622.–631.
Zienkowski, L. (1996): Polish experience in estimating hidden economy (Joint
UNECE/Eurostat/OECD meeting on National Accounts, Geneva).
42
1. pielikums. 2013. gada aptaujas anketa
UZŅĒMĒJU APMIERINĀTĪBA AR VALSTS POLITIKU / PELĒKAIS BIZNESS
BALTIJAS VALSTĪS
Mans vārds ir ..., un es esmu no Rīgas Ekonomikas augstskolas. Mēs veicam pētījumu par
uzņēmēju apmierinātību ar valsts politiku uzņēmējdarbības jomā Latvijā (Lietuvā, Igaunijā).
Pētījuma galvenais mērķis ir noskaidrot, cik lielā mērā uzņēmēji ir vai nav apmierināti ar valsts
politiku un kā tā ietekmē uzņēmēju rīcību, tai skaitā izvairīšanos no nodokļu maksāšanas.
Noteikti gribu uzsvērt, ka mūs interesē tikai un vienīgi Jūsu personīgais eksperta viedoklis, un
mēs nekādā veidā nenorādām uz to, ka Jūsu uzņēmums, piemēram, iesaistītos jebkādās darbībās,
kas saistītas ar izvairīšanos no nodokļu maksāšanas.
Intervija ilgs aptuveni 15 minūtes. Mēs garantējam 100% konfidencialitāti, jo ne Jūsu vārds, ne
uzņēmuma nosaukums nekur neparādīsies. Dati tiks analizēti ar datorprogrammas palīdzību bez
jebkādas atsauces uz konkrētu uzņēmumu. Ja vēlaties, varēsiet arī saņemt galveno rezultātu
apkopojumu, kad projekts būs pabeigts.
Ja respondents vilcinās vai atsaka:
Šis pētījums ir ļoti svarīgs, lai vairotu zināšanas par uzņēmējdarbību Latvijā (Lietuvā, Igaunijā).
Piedaloties intervijā, Jūs varat palīdzēt šīs zināšanas uzlabot. Visas Jūsu atbildes būs 100%
konfidenciālas un neviens nevarēs ‘izsekot’ ne Jūs, ne Jūsu uzņēmumu. Turklāt mūs interesē
Jūsu kā eksperta viedoklis un Jūsu teiktais tiks attiecināts uz konkurentiem/sektoru kopumā,
nevis Jūsu uzņēmumu.
43
Aptaujas anketa
Ārējo faktoru ietekme
1. Lūdzu, novērtējiet savu apmierinātību ar Valsts ieņēmuma dienesta darbu attiecībā uz nodokļu
administrēšanu 2013. gadā. 1 2 3 4 5
Ļoti
neapmierinošs
Neapmierinošs Ne apmierinošs,
ne neapmierinošs
Apmierinošs Ļoti
apmierinošs
2. Lūdzu, novērtējiet savu apmierinātību ar valsts nodokļu politiku Latvijā 2013. gadā.
1 2 3 4 5
Ļoti
neapmierinošs
Neapmierinošs Ne apmierinošs,
ne neapmierinošs
Apmierinošs Ļoti
apmierinošs
3. Lūdzu, novērtējiet savu apmierinātību ar biznesa likumdošanas kvalitāti Latvijā 2013. gadā.
1 2 3 4 5
Ļoti
neapmierinošs
Neapmierinošs Ne apmierinošs,
ne neapmierinošs
Apmierinošs Ļoti
apmierinošs
4. Lūdzu, novērtējiet savu apmierinātību ar kopējo valsts atbalstu uzņēmējiem Latvijā 2013. gadā.
1 2 3 4 5
Ļoti
neapmierinošs
Neapmierinošs Ne apmierinošs,
ne neapmierinošs
Apmierinošs Ļoti
apmierinošs
5. Izvairīšanās no nodokļu maksāšanas Latvijā ir pieņemama uzvedība.
1 2 3 4 5
Pilnībā
nepiekrītu
Nepiekrītu Ne jā, ne nē Piekrītu Pilnībā piekrītu
6. Kukuļdošana Latvijā ir pieņemama uzvedība.
1 2 3 4 5
Pilnībā
nepiekrītu
Nepiekrītu Ne jā, ne nē Piekrītu Pilnībā piekrītu
Valsts politika un ēnu uzņēmējdarbības apjoms nozarē
7. Lūdzu, novērtējiet, kāds ir aptuvenais Jūsu nozarē strādājošo firmu biznesa ieņēmumu (peļņas)
neuzrādīšanas līmenis (%) 2013. gadā?
Firmas neuzrāda aptuveni ____ % no uzņēmuma 2013. gada faktiskās peļņas.
8. Lūdzu, novērtējiet, kāds bija aptuvenais Jūsu nozarē strādājošo firmu biznesa ieņēmumu
(peļņas) neuzrādīšanas līmenis (%) iepriekšējā pārskata gadā (2012. gads)?
Firmas neuzrādīja aptuveni ____ % no uzņēmuma 2012. gada faktiskās peļņas.
9. Lūdzu, novērtējiet, kāds ir aptuvenais Jūsu nozarē strādājošo firmu darbinieku skaita
neuzrādīšanas līmenis (%) 2013. gadā?
44
Firmas neuzrāda aptuveni ____ % no šī pārskata gada (2013.) faktiskā darbinieku skaita.
10. Lūdzu, novērtējiet, kāds bija aptuvenais Jūsu nozarē strādājošo firmu darbinieku skaita
neuzrādīšanas līmenis (%) iepriekšējā pārskata gadā (2012.)?
Firmas neuzrādīja aptuveni ____ % no iepriekšējā pārskata gada (2012.) faktiskā darbinieku skaita.
11. Pēc Jūsu domām, kāda ir aptuvenā neuzrādītā darbinieku algas daļa (%) Jūsu nozarē
2013. gadā (piemēram, ja uzrādītā alga ir 100 EUR, bet reāli tiek maksāti 400 EUR, tad neuzrādītā
algas daļa ir 75%; ja 200 EUR un 400 EUR, tad 50%)?
Firmas neuzrāda aptuveni ____ % no 2013. gadā faktiski izmaksātās darbinieku algas.
12. Pēc Jūsu domām, kāda bija aptuvenā neuzrādītā darbinieku algas daļa (%) Jūsu nozarē
2012. gadā?
Firmas neuzrādīja aptuveni ____ % no 2012. gadā faktiski izmaksātās darbinieku algas.
13. Pēc Jūsu domām, kāds ir aptuvenais % no ienākumiem (apgrozījuma) gadā, ko firmas Jūsu
nozarē maksā neoficiālos maksājumos, lai ‘nokārtotu lietas’ (par 2013. gadu)?
2013. gadā firmas neoficiālos maksājumos izdeva aptuveni ____ % no gada apgrozījuma.
14. Pēc Jūsu domām, kāds bija aptuvenais % no ienākumiem (apgrozījuma) gadā, ko firmas Jūsu
nozarē maksāja neoficiālos maksājumos, lai ‘nokārtotu lietas’ (par 2012. gadu)?
2012. gadā firmas neoficiālos maksājumos izdeva aptuveni ____ % no gada apgrozījuma.
15. Kāds ir tipiskais neoficiālā maksājuma apjoms (no līguma vērtības, 2013. gadā), ko firmas Jūsu
biznesa nozarē maksā lai ‘nodrošinātu’ līgumu, strādājot ar valdības pasūtījumiem?
_____%
16. Kāda ir aptuvena varbūtība (0-100%) tikt „noķertam” tipiskai kompānijai Jūsu nozarē, ja
kompānija:
i) neuzrāda ieņēmumus (peļņu)? ______%
ii) neuzrāda darbinieku skaitu? _____%
iii) neuzrāda savu darbinieku algu? _____%
iv) veic neoficiālus maksājumus, lai ‘nodrošinātu’ līgumu? _____%
17. Jūsuprāt, kādas būtu sekas, ja kompānija Jūsu nozarē tiktu „noķerta” par nepatiesu rādījumu
sniegšanu?
Nekas nopietns Neliela soda
nauda
Nopietna soda nauda,
kas ietekmētu
kompānijas
konkurētspēju
Nopietna soda nauda, kas
var novest kompāniju līdz
maksātnespējai/bankrotam
Kompānija būs
spiesta pārtraukt
savu darbību
1 2 3 4 5
18. Kāda kopējās 2008. gadā algās izmaksātās summas daļa Jūsu nozarē strādājošos uzņēmumos
tika neoficiāli izmaksāta „aplokšņu algās”?
______ %
19. Cik lielā mērā Jūsu nozarē mainījās oficiāli izmaksātās algas un cik lielā mērā mainījās
aploksnēs izmaksātās algas 2009. gadā, salīdzinot ar 2008. gadu?
45
______ % oficiāli; ______ % aploksnēs.
20. Kāda kopējās 2009. gadā algās izmaksātās summas daļa Jūsu nozarē strādājošos uzņēmumos
tika neoficiāli izmaksāta „aplokšņu algās”?
______ %
21. Cik lielā mērā Jūsu nozarē mainījās oficiāli izmaksātās algas un cik lielā mērā mainījās
aploksnēs izmaksātās algas 2010. gadā, salīdzinot ar 2009. gadu?
______% oficiāli; ______% aploksnēs.
Par uzņēmumu
22. Salīdzinot ar situāciju 2012. gadā, kāds ir aptuvenais Jūsu uzņēmuma peļņas, apgrozījuma un
darbinieku skaita procentuālais samazinājums vai pieaugums 2013. gadā?
1. Tīrā peļņa 2. Apgrozījums 3. Darbinieku skaits
Izmaiņas procentos
(pieaugums vai
samazinājums)
salīdzinoši ar 2012. gadu.
Piem.: +20%; -15%; 0
(bez izmaiņām)
23. Vai Jūs uzskatāt, ka tāds uzņēmums kā Jūsu dod ieguldījumu Latvijas ekonomikas izaugsmei
un sabiedrībai kopumā?
1 2 3 4 5
Jā, ļoti lielā mērā Jā, lielā mērā Jā, daļēji Jā, bet ļoti maz Nē
24. Vai 2013. gadā Jūsu uzņēmums ir sponsorējis sociālajās vajadzības (slimnīcas, sociālās
organizācijas, sports)? Ja jā, tad cik lielā apjomā no peļņas pēc nodokļu nomaksas?
____ % (0-100 no peļņas pēc nodokļu nomaksas)
25. Cik liela ir Jūsu biznesa vadības pieredze?
_______ gadi
26. Kurā gadā Jūsu uzņēmums uzsāka savu darbību?
_______ gadā
27. Kura ir galvenā Jūsu uzņēmuma darbības nozare?
Ražošana
Vairumtirdzniecība
Mazumtirdzniecība
Pakalpojumi (lūdzu, precizējiet _______________________________)
Būvniecība
Cita nozare; lūdzu, precizējiet …………………..
46
28. Kāda ir Jūsu augstākā iegūtā izglītība? Pamatskola
Profesionālā izglītība
Vidējā profesionālā izglītība
Vidējā vispārējā izglītība
Augstākā izglītība (bakalaura grāds vai līdzvērtīgs)
Inženiera grāds
Maģistra grāds
Doktora grāds
Cits; lūdzu, precizējiet…………………………
29. Kāda bija Jūsu uzņēmuma pamatražošanas peļņa 2013. gadā?
EUR __________
30. Kāds ir kopējais uzņēmumā nodarbināto darbinieku skaits pašreizējā brīdī (pilna laika
ekvivalents, ieskaitot Jūs)?
_________ darbinieki
31. Kāda bija vidēja oficiālā (uzrādītā) darbinieku alga Jūsu uzņēmumā 2013. gadā?
____ EUR / mēnesī
32. Kurā reģionā notiek Jūsu uzņēmuma pamatdarbība?
Rīga
Kurzeme
Vidzeme
Zemgale
Latgale
33. Kurā pilsētā notiek lielākā daļā uzņēmuma aktivitāšu?
____________ pilsēta
34. Kurā pilsētā Jūsu uzņēmums ir reģistrēts?
____________ pilsēta
Attieksme
35. Vai Jūs piekrītat, ka (1 – pilnībā piekrītu; 7 – pilnībā nepiekrītu):
Uzņēmēji Jūsu nozarē izvairās no nodokļu maksāšanas
vairāk, ja tiem klājas salīdzinoši slikti (piemēram, peļņas un
apgrozījuma kritums salīdzinājumā ar iepriekšējo gadu
rādītājiem).
1 2 3 4 5 6 7
Uzņēmēji Jūsu nozarē izvairās no nodokļu maksāšanas
tāpēc, ka tā ir vienīgā iespēja izdzīvot. 1 2 3 4 5 6 7
Ja vien iespējams, uzņēmēji vienmēr centīsies optimizēt
savus izdevumus, t.sk. uz nodokļu nemaksāšanas rēķina,
neatkarīgi no tā, cik labi uzņēmumam klājas.
1 2 3 4 5 6 7
Ja vien iespējams, uzņēmēji vienmēr centīsies optimizēt 1 2 3 4 5 6 7
47
savus izdevumus, t.sk. uz nodokļu nemaksāšanas rēķina,
neatkarīgi no tā, kāda ir valsts politika attiecībā uz
uzņēmējdarbību Latvijā (valsts atbalsts, nodokļu
likumdošana u. tml.)
Uzņēmēji Latvijā uzticas valdībai, zinot, ka viņu maksātā
nodokļu nauda tiks pareizi izlietota. 1 2 3 4 5 6 7
Nodokļu nemaksāšana, pirmkārt, ir uzņēmēju atbilde uz,
viņuprāt, nepareizu valsts rīcību uzņēmējdarbības
veicināšanas jomā.
1 2 3 4 5 6 7
Uzņēmuma veiksmīgas darbības nodrošināšanai (tai skaitā
izdzīvošanai) būtiskāk ir izvēlēties pareizo produktu un
biznesa stratēģiju, nevis izvairīties no nodokļu maksāšanas.
1 2 3 4 5 6 7
Jūsu uzņēmuma darbību lielā mērā ietekmē ekonomiskā
situācija valstī: Jūsu uzņēmuma darbības rādītāji ir būtiski
labāki ekonomiskās izaugsmes laikā, savukārt Jūsu
uzņēmuma darbības rādītāji būtiski pasliktinās ekonomiskās
lejupslīdes laikā.
1 2 3 4 5 6 7
Uzņēmuma darbības rādītājus Jūsu nozarē būtiski ietekmē
tas, vai uzņēmumi maksā vai nemaksā nodokļus: nemaksājot
nodokļus, uzņēmumi Jūsu nozarē gūst ievērojami lielāku
peļņu.
1 2 3 4 5 6 7
Paldies!
48
2. pielikums. Regresijas rezultāti
2. tabula. Faktori, kuri nosaka uzņēmumu iesaistīšanos ēnu uzņēmējdarbībā.
Šajā tabulā parādīti uzņēmumu neuzrādītā ražošanas īpatsvara (atkarīgais mainīgais; tā aprēķināšanu skatīt
2. nodaļā) regresijas koeficienti ēnu ekonomikas dažādiem noteicošajiem faktoriem par laika periodu no 2010.-
2013. gadam, izmantojot Igaunijas, Latvijas un Lietuvas kopējo paraugu. D_EE un D_ LT ir binārie mainīgie par
attiecīgi Igaunijas un Lietuvas uzņēmumiem (Latvijas uzņēmumi ir izlaistā mainīgā kategorija).
Tolerance_TaxEvasion ir uzņēmuma atbilde uz 5. jautājumu, kurā augstāks rezultāts norāda uz lielāku toleranci.
Satisfaction ir pirmā galvenā komponente uzņēmuma atbildēs uz 1.-4. jautājumu, kur lielāks cipars norāda uz lielāku
apmierinātību ar valsts nodokļu sistēmu un valdību. DetectionProbability un PenaltyForDetection mēra uzņēmuma
pieņēmumus par iespējamību tikt pieķertam ēnu uzņēmējdarbībā un smagumu sodam, ko piemēro šādas pieķeršanas
gadījumā (aprēķināts kā pirmā galvenā komponente no atbildēm uz attiecīgi 16.(i)-16.(iv) jautājumu, un atbildēm uz
17. jautājumu). ln(FirmAge) un ln(Employees) ir naturālie logaritmi uzņēmumu vecumam gados un darbinieku
skaitam. AverageWage ir uzņēmuma maksātā vidējā ikmēneša alga EUR. ChangeInProfit ir uzņēmuma tīrās peļņas
procentuālas izmaiņas salīdzinājumā ar iepriekšējo gadu. D_Wholesale to D_OtherSector ir nozaru binārie mainīgie
ar ražošanu kā izlaistā mainīgā kategoriju. ***, ** un * norāda statistisko nozīmību pie 1%, 5% un 10% līmeņa. T-
statistika ir norādīta iekavās.
1. modelis 2. modelis 3. modelis 4. modelis
Intercept 36.169***
(13.63)
41.322***
(10.60)
40.044***
(8.90)
35.334***
(7.73)
D_EE -6.692***
(-5.98)
-6.980***
(-4.66)
D_LT -9.730***
(-8.01)
-5.536***
(-3.16)
Tolerance_TaxEvasion 1.863***
(4.96)
1.663***
(3.46)
1.622***
(3.31)
1.652***
(3.41)
Satisfaction -1.207***
(-2.89)
-1.256**
(-2.23)
-1.270**
(-2.17)
-1.335**
(-2.31)
DetectionProbability -2.216***
(-3.61)
-2.148***
(-3.48)
-1.972***
(-3.20)
PenaltyForDetection -1.111**
(-2.06)
-1.024*
(-1.91)
-0.921*
(-1.73)
ln(FirmAge) -3.748***
(-4.17)
-5.045***
(-4.52)
-4.776***
(-4.21)
-4.447***
(-3.94)
ln(Employees) -0.841**
(-2.43)
-1.079***
(-2.66)
-1.122***
(-2.73)
-1.374***
(-3.38)
AverageWage -0.001
(-1.42)
-0.001**
(-2.04)
-0.002**
(-2.17)
-0.001*
(-1.84)
ChangeInProfit 0.009**
(2.52)
0.015*
(1.77)
0.014
(1.60)
0.012
(1.41)
D_Wholesale 0.241
(0.18)
0.141
(0.09)
-0.394
(-0.24)
-1.031
(-0.64)
D_Retail 1.088
(0.78)
1.413
(0.82)
1.071
(0.61)
0.767
(0.43)
D_Services 2.403**
(2.05)
2.993**
(2.07)
2.749*
(1.88)
2.564*
(1.77)
D_Construction 4.608***
(3.06)
5.532***
(3.04)
5.669***
(3.06)
5.414***
(2.95)
D_OtherSector -0.721
(-0.41)
1.494
(0.65)
1.473
(0.63)
0.984
(0.42)
Region fixed effects No No Yes Yes
Year fixed effects No No No Yes
Data 2010-2013 2011-2013 2011-2013 2011-2013
R-squared 9.8% 12.4% 13.7% 15.3%
