Measuring the Shadow Economy in the ASEAN Nations: The MIMIC Approach
Notice bibliographique
Résumé
The purpose of this empirical study is to estimate the size of the shadow economy and its trend for countries in the Association of the South East Asian Nations (ASEAN), except Singapore and Brunei, for the period from 1995 to 2014. While other approaches, which can be used for the same purpose, such as a monetary demand approach or an electricity consumption approach only focus on one indicator/factor, an extensive economic literature review indicates that the shadow economy is affected by various factors such as production, labour and monetary market. In this study, a MIMIC approach is adopted to estimate the size of the shadow economy and its trend for the ASEAN nations including Vietnam. The findings from this study indicate that the shadow economy of Viet Nam lies between 25 per cent and 30 per cent of the official economy for the period from 1995 to 2014, given the base year estimate of 15.8 per cent in 1999 being adopted. A deep concern is that this size of the shadow economy in Vietnam has been on a rise at a more significant level over the last 20 years, from 1995 to 2014 in comparison with other countries in the sample. Findings from this study also present evidence that tax rate, labour freedom, and business freedom have provided significant effect to the shadow economy of the ASEAN countries. Implications for macroeconomic policies in Vietnam, in particular, and for other ASEAN nations, in general, are that reducing the shadow economy of the ASEAN nations requires a larger degree of labour and business freedom. In addition, the government may also need to consider lowering the tax rate in the economy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».