От советов к олигархам
Шрифт:
Аналогичным образом мы определяем общественное (или правительственное) богатство Wgt как чистую совокупность государственных администраций и учреждений. В имеющихся балансах государственные нефинансовые активы, такие как административные здания, школы и больницы, оцениваются путем накопления прошлых инвестиционных потоков и их модернизации с использованием наблюдаемых цен на недвижимость. Мы определяем рыночное значение национального богатства Wnt как сумму частного и общественного богатства: Wnt = Wt + Wgt. Национальное богатство также может быть разложено на внутренний капитал и чистые иностранные активы: Wnt = Kt + NFAt. Внутренний капитал Kt, в свою очередь, может быть разложен как сумма сельскохозяйственных земель, жилья и другого внутреннего капитала (включая рыночную стоимость корпораций и стоимость других нефинансовых активов, находящихся в частном и государственном секторах, за вычетом их обязательств).
Альтернативной мерой богатства корпораций является общая стоимость корпоративных активов за вычетом обязательств, не связанных с капиталом, что мы называем балансовой стоимостью корпораций. Мы определяем остаточное корпоративное богатство Wct как разницу между балансовой стоимостью корпораций и их рыночной стоимостью (что является значением их акций).
Балансы создаются национальными статистическими институтами и центральными банками, использующими многие источники, подобные переписи, в частности, отчеты от финансовых и нефинансовых источников, - финансовые корпорации об их балансовой и внебалансовой позициях и исследования жилья. Метод вечной инвентаризации обычно играет второстепенную роль.
2.1.2. Специальные вопросы, связанные с российскими счетами, доходами и богатством в России.
Во-первых, мы уделяем особое внимание оценке оффшорного богатства. Вообще говоря, вопрос об оффшорном богатстве и трансграничных активах приобретает все большее значение на глобальном уровне в последние десятилетия (см. Zucman 2013, 2015). Россия, возможно, является той страной, где этот вопрос стал наиболее остро. Как мы увидим в разделе 3, когда мы представим наши результаты, в основных экономических и финансовых статистических данных России имеются значительные расхождения, и в частности, существует большой разрыв между очень высокими профицитами торговли в период 1990-2015 годов и относительно ограниченное накопление чистых иностранных активов. Бегство капитала и оффшорное богатство являются естественными кандидатами на звание причины сего парадокса, и в этой статье мы предлагаем метод и оценку вероятной величины оффшорного богатства. По определению такая оценка обязана быть крайне неточной. Но, учитывая неимоверную важность этого вопроса в случае России, мы считаем, что предпочтительнее представить правдоподобную оценку (основанную на прозрачном методе с использованием больших накопленных "ошибок и упущений"), а не вообще игнорировать проблему, так как именно изучение оффшорного богатства открывает путь к пониманию всей российской экономики. Как мы увидим, вопрос об оффшорном богатстве играет значительную роль в общем анализе накопления национального богатства в России по сравнению с другими странами. Далее мы фокусируемся на балансах после 1990 года в контексте настоящего документа и не пытаемся использовать существующие оценки и данные советских и досоветских источников. В Советском Союзе существовала долгая и объемная традиция балансов и накопления капитала. Однако система относительных цен, используемых в этих счетах капитала, мало похожа на данные постсоветского периода, поэтому мы решили начать наши балансовые ряды в 1990 году. Существуют также некоторые балансовые оценки досоветского периода, которые по некоторым масштабам более сопоставимы с современными оценками для других стран.
Существующие оценки за 1913 год обычно показывают национальное богатство около 500-600% национального дохода, при этом большая часть этого богатства составляют сельскохозяйственные земли (см., Например, Goldsmith 1965). Если сравнить их с оценками после 1990 года, указанными в настоящем документе, то очень длинный образец для России будет аналогичен наблюдаемому для западных стран (Piketty and Zucman, 2014): большое и относительно стабильное национальное богатство, - национальное в долгосрочной перспективе, - но с существенными изменениями в составе (смена сельскохозяйственных земель на жилье и другой внутренний капитал).
2.2. Данные по распределению доходов и богатства в России.
2.2.1. Данные распределения доходов.
Мы строим наши выводы о распределении доходов путем объединения национальных счетов, опросов, богатства и фискальных данных. Точнее, мы проводим три шага: мы начинаем с данных обследования домашних хозяйств (шаг 1), которые мы исправим с использованием данных по подоходному налогу для лиц с высокими доходами и обобщенных методов интерполяции Парето (Бланшет, Фурнье и Пикетти, 2017) (шаг 2 ). Затем мы используем национальные счета и данные о неравенстве богатства для того, чтобы налагать освобожденный от налогов доход капитала (шаг 3). Эта методология в три этапа отражает то, что использовалось для Китая Пикетти, Яном, Цучманом (2017), с рядом важных отличий. В частности, данные о подоходном налоге имеют разную форму в России и в Китае. В Китае с 1980 года существует относительно стандартная система прогрессивного подоходного налога (с градуированными налоговыми ставками от 0% до 45%) (с незначительными изменениями), но мы знаем только количество и общий доход налогоплательщиков с годовым налогооблагаемым доходом выше определенного порога (обычно 120 000 юаней), и данные на ежегодной основе доступны только с 2006 года. У России, напротив, есть плоский 13%-й подоходный налог с 2001 года. В 2008 году налоговая администрация начала выпускать ежегодные таблицы, которые в какой-то степени богаче китайских данных, в том смысле, что они предоставляют информацию о количестве налогоплательщиков для большего количества т.н. "оценочного дохода", включая очень высокие скобки (налогоплательщики с годовым доходом от 10 до 100 миллионов рублей, 100 и 500 миллионов, 500 миллионов и 1 миллиард, 1 и 10 миллиардов и более 10 миллиардов рублей).
В главе 3 мы фокусируемся на наших контрольных данных, которые относительно консервативны и обеспечивают промежуточные уровни неравенства в диапазоне вариантов, которые мы рассматриваем. Следует подчеркнуть, что во всех возможных вариантах число налогоплательщиков с очень высоким уровнем дохода намного выше по данным налогообложения, чем в данных самоотчетных опросов, так что наши исправленные оценки неравенства (и, в частности, наши исправленные 10% и 1% долей дохода) намного больше, чем предполагают необработанные данные обследований. Понятно, что имеющиеся в России таблицы налогов подоходного налога несовершенны, что и очевидно для такой страны. Публикация улучшенных таблиц позволила бы построить более точные и подробные оценки неравенства доходов в России, но российское правительство вероятнее всего на это никогда не пойдет.
Насколько нам известно, впервые в России используются статистические данные о налогах на прибыль в России (которые доступны на веб-сайте российских налоговых органов). Некоторые исследователи использовали образец деклараций о доходах на индивидуальном уровне из города Москвы, который был датирован 2004 годом. В выборке содержится гораздо больше информации, чем в таблицах, которые мы используем в этой статье, но, к сожалению, данные не были общегосударственными и охватывали лишь несколько лет. Что обнадеживает для наших целей, так это то, что данные в Москве привели к количественным результатам, которые в целом сходны с тем, что мы находим здесь: коэффициент Джини подскочил с 0,3-0,4 в данных самоотчетных опросах до более 0,6 с использованием данных утечки налогов и верхняя 10%-я доля дохода переместилась с 30% до более чем 50% от общего дохода. Все данные о таблицах национального подоходного налога и итоговые оценки приведены в онлайн-приложении. Что касается данных обследований домашних хозяйств, мы используем данные обследований RLMS (за период 1994-2015 гг.) и данные обследования HBS за предыдущие годы (данные HBS доступны в течение периода 1989-2015 гг., сопоставимые советские исследования проводились в 1980, 1985 и 1988 гг., и мы также используем их). Оба обследования (RLMS и HBS) имеют хорошо известные преимущества и жуткие недостатки. Мы предполагаем, что они обеспечивают приемлемое описание распределения доходов ниже 90-го процентиля (p0 = 0,9). Для использования таблиц подоходного налога, доступных в течение периода 2008-2015 годов, мы применяем обобщенные методы интерполяции Парето (Blanchet, Fournier and Piketty 2017) и кусочно-линейные поправочные коэффициенты f (p) выше p0 до процентилей, предоставляемых налоговых данных, чтобы исправить верхнюю часть распределения (аналогично методу, используемому Piketty-Yang-Zucman 2017, и описана в Alvaredo et al., 2016). Получающееся в результате увеличение коэффициентов Pareto верхнего дециля используется для корректировки оценочных размеров Парето в период 1980-2007 годов. По сути, это приводит к небольшим восходящим корректировкам неравенства в необработанном исследовании в период 1980-1990 годов и постепенному увеличению корректировок вверх после 1990 года. Наконец, мы используем табличные данные из советских доходов, которые уже велись и использовались в течение 1928, 1934, 1956, 1959 гг. и регулярно до 1989 г. другими исследователями (см., в частности, Бергсон, 1942, 1944, и основные работы Аткинсона и Миклуота 1992 г., которые предоставляют обширную коллекцию неплохих обзоров, где вы найдете данные для России и стран Восточной Европы при коммунизме, см. также Флемминг и Миклуарт 2000, опрос).
Чтобы обеспечить сравнение с досоветским неравенством, мы также используем таблицу распределения доходов, которая была оценена царскими налоговыми органами на 1905 год в рамках подготовки к возможному введению подоходного налога (который, разумеется, не был введен, поэтому это нельзя сравнивать с фактическими данными). Как мы объясняем в главе 3, точность полученной оценки не должна считаться особенно большой, хотя порядки величины кажутся нам правдоподобными.
2.2.3. Данные распределения богатства.
Мы также предоставляем данные распределения богатства для России в период 1995-2015 годов (которую мы затем используем для распределения освобожденных от налогов доходов от капитала). Чтобы построить эти оценки, мы используем данные Forbes и применяем обобщенные методы интерполяции Парето. Здесь есть два замечания.
Во-первых, как мы объясняем далее в главе 2, когда мы приводим полученные оценки, существует существенная неопределенность относительно точного уровня концентрации богатства в России. Количество российских миллиардеров, зарегистрированных в международных рейтингах, таких как список Forbes, чрезвычайно велико по международным стандартам. По данным Forbes, общее богатство миллиардеров было очень маленьким в России в 1990-х годах, значительно увеличилось в начале 2000-х годов и стабилизировалось примерно на 25-40% национального дохода в период с 2005 по 2015 год (с большими вариациями из-за международного кризиса и страшного падения российского фондового рынка после 2008 года). Это намного больше, чем соответствующие цифры в западных странах: общее богатство миллиардеров составляет от 5% до 15% национального дохода в Соединенных Штатах, Германии и Франции в 2005-2015 годах по данным Forbes, несмотря на то, что средний доход и среднее богатство намного выше, чем в России. Это наводит на мысль, что концентрация богатства на самой верхушке в России значительно выше, чем в других странах, что, несомненно, связано с коррумпированностью властей страны. Проблема, однако, в том, что данные миллиардеры - это очень маленькие группы людей (около 100 миллиардеров, которые являются гражданами России в конце указанного периода, большинство из которых являются резидентами России по версии Forbes). Нужно сделать достаточно смелые предположения, чтобы перейти оттуда к оценкам топ-10% или даже 1% сверху и 0,1% от распределения. В приложении мы представляем ряд альтернативных данных, основанных на явных предположениях и обобщенных методах интерполяции Парето. К сожалению, существует значительная неопределенность в отношении этих оценок. Мы знаем, что Россия - страна с большим неравенством в богатстве, но мы не знаем точной степени концентрации богатства (например, мы не можем обеспечить точное сравнение с США). Мы очень надеемся, что новые источники данных и методы будут разработаны в будущем, чтобы улучшить эти оценки. Мы вернемся к этому обсуждению, когда представим наши итоговые данные в 4.14.
Несмотря на то, что существует значительная неопределенность в отношении точной величины концентрации богатства, это оказывает относительно ограниченное влияние на наши окончательные оценки неравенства в доходах. Как описано выше, мы используем оценки неравенства богатства для распределения освобожденных от налогов доходов от капитала (как правило, нераспределенной прибыли корпораций и вмененной арендной платы), предполагая, что совместное распределение финансовых доходов и не фискальных доходов (т.е. Gumbel copula с параметром = 3.15.). Мы показываем, что использование ряда альтернативных вариантов распределения богатства мало влияет на доли конечного дохода, в первую очередь потому, что верхние поступления в бюджетные доходы уже очень велики (предполагая, что они уже включают значительную часть высоких доходов от экономического капитала и доходы от предпринимательской деятельности), а затем потому, что нефискальный доход не является очень большим компонентом дохода, а все данные неравенства богатства характеризуются большой концентрацией.