Оценка доходного неравенства населения России (на основе объединения данных выборочных обследований доходов населения и налоговой статистики)

Предложена методика учета доходов обеспеченных слоев населения в оценках доходного неравенства в России. Существуют различные подходы к решению этой проблемы, основанные на использовании данных, полученных в результате выборочных обследований домашних хозяйств, административных записей — главным образом информации из налоговых деклараций, а также комбинирования данных из различных источников. Представлен вариант оценки на основе сочетания микроданных выборочного обследования доходов населения и участия в социальных программах (ВНДН) и налоговой статистики без использования параметрического моделирования. В экспериментальных расчетах корректировка на основании налоговых данных осуществляется по наиболее значимому источнику средств к существованию для большинства населения — доходов от наемной занятости, а результаты корректировки распространяются на совокупные доходы домашних хозяйств и среднедушевой доход. Проведенное исследование показало, что существенная корректировка распределения доходов с привлечением налоговых данных о доходах от наемной занятости требуется в группе с очень высокими доходами, представляющей менее 2% населения. Применение корректировки доходов на уровне микроданных обследования дает возможность получать более полные оценки показателей доходного неравенства не только в целом по населению, но и по отдельным социальным слоям.

1. Великанова Т. Б., Колмаков И. Б., Фролова Е. Б. (1996). Совершенствование методики и моделей распределения населения по среднедушевому доходу // Вопросы статистики. № 5. С. 50—58.

2. Колмаков И. Б. (2015). Сопряжение логарифмически нормального распределения населения по уровню денежных доходов с распределением Парето // Аудит и финансовый анализ. № 2. С. 124—131.

3. Мигранова Л. А., Жаромский В. С. (2020). Методы оценки уровня и дифференциации доходов населения // Народонаселение. Т. 23, № 4. С. 26—39. https://doi.org/10.19181/population.2020.23.4.3

4. Суворов А.В. (2008). Проблемы оценки дифференциации доходов населения в современной России // Проблемы прогнозирования. № 2. С. 3—19.

5. Atkinson A. B. (2017). Pareto and the upper tail of the income distribution in the UK: 1799 to the present. Economica, Vol. 84, No. 334, pp. 129—156. https://doi.org/10.1111/ecca.12214

6. Atkinson A. B., Piketty T., Saez E. (2011). Top incomes in the long run of history. Journal of Economic Literature, Vol. 49, No. 1, pp. 3—71. https://doi.org/10.1257/jel.49.1.3

7. Bach S., Bartels C., Neef T. (2022). Distributional national accounts: A macro-micro approach to inequality in Germany. In: R. Chetty, J. N. Friedman, J. C. Gornick, B. Johnson, A. Kennickell (eds.). Measuring distribution and mobility of income and wealth. Chicago: University of Chicago Press, pp. 625—640.

8. Blanchet T., Chancel L., Flores I., Morgan M. (2024). Distributional national accounts guidelines: Methods and concepts used in the world inequality database. World Inequality Lab.

9. Bricker J., Henriques A. M., Krimmel J. A., Sabelhaus J. E. (2016). Measuring income and wealth at the top using administrative and survey data. Brookings Papers on Economic Activity, Vol. 47, No. 1, pp. 261—312. https://doi.org/10.1353/eca.2016.0016

10. Hajargasht G., Griffiths W. E. (2013). Pareto—lognormal distributions: Inequality, poverty, and estimation from grouped income data. Economic Modelling, Vol. 33, pp. 593—604. https://doi.org/10.1016/j.econmod.2013.04.046

11. Jenkins S. P. (2016). Taking better account of top incomes when measuring inequality levels and trends. Paper presented at the 2nd Meeting of Providers of OECD Income Distribution Data, Paris, February 19. https://web-archive.oecd.org/2016-02-19/388193-Session4-4-Top-Incomes-Jenkins.pdf

12. Jenkins S. P. (2017). Pareto models, top incomes and recent trends in UK income inequality. Economica, Vol. 84, No. 334, pp. 261—289. https://doi.org/10.1111/ecca.12217

13. Jenkins S. P. (2022). Top-income adjustments and official statistics on income distribution: Тhe case of the UK. Journal of Economic Inequality, Vol. 20, pp. 151—168. https://doi.org/10.1007/s10888-022-09532-y

14. Little R. J., Rubin D. B. (2014). Statistical analysis with missing data. 2nd ed. Hoboken: John Wiley & Sons.

15. Lustig N. (2020). The “missing rich” in household surveys: Causes and correction approaches. Stone Center on Socio-Economic Inequalityworking Paper Series, No. 8. https://doi.org/10.31235/osf.io/j23pn C. C. Кузин, А. Е. Суринов / Вопросы экономики. 2025. № 3. С. 97—114 114

16. Majid M. H. A., Ibrahim K., Masseran N. (2023). Three-part composite Pareto modelling for income distribution in Malaysia. Mathematics, Vol. 11, No. 13, article 2899. https://doi.org/10.3390/math11132899

17. Oancea B., Andrei T., Pirjol D. (2017). Income inequality in Romania: The exponentialPareto distribution. Physica A: Statistical Mechanics and its Applications, Vol. 469, No. 1, pp. 486—498. https://doi.org/10.1016/j.physa.2016.11.094

18. Piketty T., Saez E., Zucman G. (2018). Distributional National Accounts: Methods and еstimates for the United States. Quarterly Journal of Economics, Vol. 133, No. 2, pp. 553—609. https://doi.org/10.1093/qje/qjx043

19. Schield M. (2021). Statistical literacy and the lognormal distribution. Proceedings of 63rd ISI World Statistics Congress, July 11—16.

20. UNECE (2011). Canberra group handbook on household income statistics. 2nd ed. New York and Geneva: United Nations.

21. Webber D., Tonkin R. P., Shine M. (2020). Using tax data to better capture top incomes in official UK income inequality statistics. Working Рaper, No. 27582. https:// doi.org/10.3386/w27582