La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Workshop FEG, CAPP e CRIDIRE Metodi quantitativi per l'analisi delle condizioni di vita: nuove concettualizzazioni, stime statistiche e procedure operative.

Presentazioni simili


Presentazione sul tema: "Workshop FEG, CAPP e CRIDIRE Metodi quantitativi per l'analisi delle condizioni di vita: nuove concettualizzazioni, stime statistiche e procedure operative."— Transcript della presentazione:

1 Workshop FEG, CAPP e CRIDIRE Metodi quantitativi per l'analisi delle condizioni di vita: nuove concettualizzazioni, stime statistiche e procedure operative Evasione ed errori di misura nelle indagini sul reddito e nei dati fiscali Massimo Baldini, Paolo Bosi, Michele Lalla Capp Facoltà di Economia “M.Biagi” Modena, 30 gennaio 2009

2 OBIETTIVI Chi sono gli evasori? Quali sono le determinanti dell’evasione dell’imposta sul reddito? METODI DI ANALISI PIÙ COMUNI (1) Confronto tra redditi fiscali e redditi tassabili dedotti dalla contabilità nazionale, (2) Confronto tra valori medi (per categorie) dei redditi fiscali e i corrispondenti valori medi desunti da redditi rilevati in indagini campionarie.

3 Marenzi (1996) Confronto tra valori medi da Indagine sui bilanci delle famiglie (SHIW) 1991 della Banca d’Italia e valori medi del Ministero delle Finanze Quattro tipi di contribuenti: Dipendenti, autonomi, pensionati, imprese individuali o associati Irpef. Si considera il reddito Irpef prevalente. RISULTATI (1) Propensione a evadere maggiore per gli autonomi (2) Evadono anche i pensionati ricchi (3) Evasione più elevata nei decili inferiori distribuzione reddito (4) Professionisti evadono molto nei primi due decili (5) Evasione costante per autonomi e imprese rispetto al reddito. Analisi su dati micro

4 Fiorio e D’Amuri (2005): Confronto tra valori medi di SHIW 2000 e di un campione casuale ( contribuenti) elaborato dal Secit. Due gruppi: dipendenti e autonomi RISULTATI Evasione più elevata per gli autonomi Per livello di reddito è più elevata nei primi due decili Evasione negativa per il decile più alto dei dipendenti (errori di misura?) Marino e Zizza (2008): Confronto tra valori medi SHIW 2004 e dichiarazioni fiscali dello stesso anno (Secit) RISULTATI Si conferma una maggiore evasione degli autonomi Evadono di più i contribuenti maschi e quelli giovani

5 ASSUNTO: REDDITO RILEVATO piú VERO di REDDITO FISCALE, ma non è scontato per i molti fattori di errore: (1) Errori di COPERTURA (2) Errori di NON-RISPOSTA (3) Errori di MISURA Tra gli ERRORI DI MISURA si distingue: (a) ERRORI DI STRUMENTI, (b) ERRORI DI TECNICHE, (c) ERRORI DELL’INTERVISTATORE, (d) ERRORI DELL’INTERVISTATO.

6 Processo cognitivo rilevazione reddito (1)Comprensione della domanda (2)Recupero informazione memoria (3)Verifica corrisponda tra i due dati (4)Comunicazione a intervistatore MOTIVAZIONE PER ELUDERE (a) IGNORANZA sui dati reali (b) RILUTTANZA a fornire dati sensibili (c) PAURA di un possibile controllo fiscale

7 L’esito dell’intervista può dipendere da una serie di fattori (età, titolo di studio, professione, è cosí via) che non possono essere individuati nei lavori precedenti. NEL PRESENTE LAVORO, invece, si è eseguito un ABBINAMENTO (matching) ESATTO tra microdati di ICESMO 2002 (Indagine sulle Condizioni Economiche e Sociali delle famiglie modenesi) e DATI FISCALI relativi agli stessi individui messi a disposizione dall’Archivio dell’Amministrazione comunale nel rispetto della privacy. Primo tentativo in Italia di studiare l’evasione confrontando dati fiscali e dichiarazioni rese a una indagine campionaria da parte delle stesse persone.

8 L’indagine sulle condizioni economiche e sociali delle famiglie della Provincia di Modena Condotta nel 2002 sull’intero territorio provinciale Campione stratificato a due stadi Solo gli individui residenti nel comune di Modena sono stati accoppiati alle corrispondenti dichiarazioni fiscali L’indagine campionaria ha raccolto informazioni sui redditi netti percepiti da ciascun individuo, sia da lavoro sia da trasferimento negli ultimi 12 mesi dall’intervista I redditi netti sono stati convertiti in redditi al lordo dell’irpef

9 Esiti abbinamento con dati fiscali \\\\\\\SI SI  MancSI=MancTotale FI\\\\\\\n/ %Med.n/ %Med. FI  M reticenti FI  M SI71,1%207513,2%— FI=MFI 106 evasori —251—357 FI=MSI7,6% %— Totale

10 Stima delle densità del reddito rilevato (Surveyed Income=SI) e del reddito fiscale (Fiscal Income=FI) per n=987 : anno 2002

11 Come misurare l’evasione e il misreporting

12 Es = SI - FI Il reddito complessivo corrispondente al reddito netto dichiarato nell’indagine. Quanto si dovrebbe dichiarare, in base al reddito netto, se non ci fosse evasione Reddito complessivo dichiarato al fisco Es = E - U La misura non può distinguere tra evasione vera e misreporting

13 Unità di analisi Singolo reddito (da lavoro, trasferimento, capitale) o il reddito complessivo (ossia, il singolo contribuente)? In questo lavoro abbiamo assunto come unità di analisi il contribuente identificandolo sulla base del reddito prevalente percepito.

14 Quali indicatori usare EVASIONE ASSOLUTA o in PERCENTUALE del reddito dell’intervista Nell’analisi della relazione tra evasione e reddito: le singole componenti, il reddito individuale, o il reddito famigliare? Considerare il campione completo o solo i sottocampioni con reddito maggiore di 0?

15 decili di SIdipendentiindipendentialtri Distribuzione di frequenza dei contribuenti per decili di reddito dichiarato nell’indagine

16 Valori medi del reddito dichiarato al fisco (FI, Fiscal Income), del reddito dichiarato nell’indagine campionaria (SI, Survey Income), dell’evasione relativa ed assoluta per condizione professionale (tutti i casi n=1082) Condizione professionale FISIEs=SI-FI Es% =100  (SI-FI)/SI Lavoratore dipendente % Lavoratore Autonomo % Pensionato e altro % Totale %

17 Evasione assoluta per decili di reddito totale individuale sull’intero campione, e per condizione

18 Evasione ASSOLUTA e PERCENTUALE per decili di reddito equivalente familiare Intero campione (blu=1093 casi) e campione privo dell’1% con evasione assoluta più alta e dell’1% con evasione assoluta più bassa (giallo)

19 Evasione assoluta e % per decili di reddito totale individuale Intero campione (blu) e campione privo di osservazioni con reddito fiscale zero (marrone)

20 Densità stimata della differenza percentuale (Es%) con estremi troncati (linea solida) e la curva normale (linea tratteggiata) per n=987

21 Densità stimata (Epanechnikov kernel) della differenza percentuale (Es%=y_sfp) tra il reddito rilevato (SI) e il reddito fiscale (FI) per i primi e gli ultimi due decili

22 Reddito dichiarato al fisco, reddito rilevato nell’indagine, evasione assoluta e relativa per livello di istruzione ed età del contribuente Livello di istruzioneReddito fiscale: FI Reddito del survey: SIE=S-FEs% Elementare ,3% Media ,4% Secondaria Superiore ,7% Laurea ,5% Totale ,6% Classi di etàReddito fiscale FI Reddito rilevato SIE=S-FEs% <= ,6% ,8% ,9% >= ,7% Totale ,6%

23 OLS – Var. dipendente: EVASIONE ASSOLUTA Source | SS df MS Number of obs = F( 7, 1085) = Model | e e+10 Prob > F = Residual | e R-squared = Adj R-squared = Total | e Root MSE = evasione | Coef. Std. Err. t P>|t| [95% Conf. Interval] uomo | <=40 | | | indip_yc | dip_yc | pens_yc | _cons |

24 Probit – Var. dipendente Y: Y=1 =>evasore Probit estimates Number of obs = 1093 LR chi2(6) = Prob > chi2 = Log likelihood = Pseudo R2 = evasore | Coef. Std. Err. z P>|z| [95% Conf. Interval] lyc_n_dip | lyc_n_indip | uomo | <=40 | | | _cons |

25 n=367 | R^2=0,33 B(k) SE(B) to(B) P(T  to) (Eta/10)-5,765,00-1,150,25 (Eta/10)^20,560,461,210,23 Single-6,053,41-1,770,08 Libero prof.25,978,583,030,00 Autonomo21,317,063,020,00 Imprenditore19,156,912,770,01 Altra pos.pr.11,895,692,090,04 Usufr.&altro15,507,522,060,04 Y-p.sub/10000,390,192,060,04 Y-aut./10000,280,055,890,00 Costante31,6613,042,430,02 Variabile dipendente: solo evasione (Es% > 0)

26 CONCLUSIONI (1) Difficile isolare il ruolo dell’errore (misreporting). (2) L’evasione sembra presente SOLO tra INDIPENDENTI. (3) Risultati NON del tutto COERENTI con i pochi studi precedenti: l’evasione è sí concentrata tra gli indipendenti, ma pare crescente rispetto al reddito. (4) L’evasione sembra interessare ― i livelli alti di istruzione ― i contribuenti nella classe dei cinquantenni ― incerto il segno rispetto al genere. (5) Maggiore impegno sulla raccolta dei dati.


Scaricare ppt "Workshop FEG, CAPP e CRIDIRE Metodi quantitativi per l'analisi delle condizioni di vita: nuove concettualizzazioni, stime statistiche e procedure operative."

Presentazioni simili


Annunci Google