La stima dell`evasione fiscale - Dipartimento del Tesoro

La stima
dell’evasione fiscale
Modello di Microsimulazione
Ministero dell’Economia e delle Finanze
Ministero del Lavoro e delle Politiche Sociali
ISFOL
Sommario
z
z
z
L’analisi della letteratura teorica ed empirica
Le scelte riguardanti la stima dell’evasione
fiscale
Le scelte riguardanti la stima delle
determinanti dei comportamenti di evasione
La letteratura teorica ed
empirica
z
Contributo teorico di base: Allingham &
Sadmo (J Pub Ec, 1972)
z
z
z
z
Î
Massimizzazione utilità attesa
Avversione al rischio
Imposta proporzionale al reddito
Probabilità di accertamento fissa
Statica comparata: nell’ipotesi di avversione al
rischio relativa decrescente, all’aumentare del
reddito l’evasione aumenta
La letteratura teorica ed
empirica
z
z
Stime empiriche del modello: Clotfelter (Rev
Econ Stat, 1983), Feinstein (Rand J Econ,
1991)
Modelli teorici di interazione tra contribuenti e
autorità fiscali:
z
z
Modelli di tipo principale-agente: Sanchez and
Sobel (J Pub Ec, 1993)
Giochi a mosse sequenziali: Reinganum and
Wilde (Int Ec Rev, 1986); Erard and Feinstein
(Rand J Econ, 1994)
Le scelte riguardanti la stima
dell’evasione fiscale
z
Dall’analisi della letteratura internazionale
discende la scelta di utilizzare la
“metodologia Marenzi” come quella che
meglio si adatta allo studio del fenomeno
dell’evasione fiscale in Italia, tenuto conto:
z
z
della tipologia di dati a cui possiamo accedere;
della possibilità di utilizzare il carattere
“istituzionale” del modello per accedere ad
informazioni più “sensibili”, di quanto altri
ricercatori non possano.
Le scelte riguardanti la stima
dell’evasione fiscale
z
z
Cannari et al. (1995), Bernasconi e Marenzi
(1997), Marenzi (1996), Fiorio e D’amuri
(2005).
Ipotesi di fondo: gli individui intervistati per le
indagini microcampionarie anonime
dichiarano il loro vero reddito.
z
Quindi il reddito evaso è pari alla differenza tra
il reddito indicato in queste indagini e il
reddito dichiarato alle autorità fiscali
Le scelte riguardanti la stima
dell’evasione fiscale
z
z
z
Vengono utilizzati i dati microcampionari della
Inchiesta sui Bilanci delle Famiglie Italiane,
realizzata da BI, e i dati del MEF sulle dichiarazioni
dei redditi
L’indagine BI2002 si riferisce ad un campione di
circa 8.011 famiglie per un totale di 22.148 individui
di cui 13.536 percettori di reddito.
I dati sulle dichiarazioni dei redditi si riferiscono
invece all’intera popolazione dei contribuenti italiani
IRPEF (quindi individui e società di persone).
Le scelte riguardanti la stima
dell’evasione fiscale
Caratteristica
Indagine BI
Dichiarazioni dei
redditi
Partecipazione dei
soggetti
Volontaria
Obbligatoria
Unità campionaria di
riferimento
Famiglia
Individuo
Informazioni sui redditi
Solo redditi netti
Redditi lordi e netti
Distorsioni dei dati
Redditi alti
sottorappresentati
No dati per gli evasori totali
Altre informazioni
individuali
Sì
Solo quelle rilevanti per le
dichiarazioni
Possibili
No, anche se ci possono
essere errori di
compilazione
Misreporting e errori di
approssimazione
Le scelte riguardanti la stima
dell’evasione fiscale
z
z
La distorsione da mancate risposte nel campione BI
viene risolta utilizzando un aggiornamento per il
2002 dei pesi calcolati da D’Alessio e Faiella (2002)
sull’indagine 1998: tali pesi risolvono il problema
dell’under-reporting dei redditi alti.
Considerando che il database del MEF non
comprende gli evasori totali e che questi
probabilmente non partecipano neppure all’indagine
BI, ci limitiamo ad una stima dell’evasione parziale,
lasciando fuori quella totale.
Le scelte riguardanti la stima
dell’evasione fiscale
z
È stata fatta richiesta al DPF del MEF del database
riferito ai redditi medi di categorie omogenee di
contribuenti:
z
z
z
z
z
z
z
tipologia di lavoro (dipendente e autonomo)
area geografica di residenza
sesso
classe di età
settore economico di appartenenza
titolo di studio
Questi redditi medi verranno confrontati con i redditi
medi derivanti dall’indagine BI. Il confronto avverrà
per decili di reddito
Le scelte riguardanti la stima
dell’evasione fiscale
z
L’uso di decili, invece di categorie con minore
numerosità, è una scelta ragionevole,
considerando il trade-off tra:
z
z
imputazione di una evasione “media” ad una
categoria troppo ampia di contribuenti: distorsione
tanto più grande quanto più grande è la
numerosità della categoria
ipotesi implicita circa l’irrilevanza degli effetti di
iniquità orizzontale e di riordinamento che
l’evasione può aver creato: ipotesi tanto più forte
quanto più piccola è la numerosità della categoria
Le scelte riguardanti la stima
dell’evasione fiscale
z
z
Oltre al trade-off evidenziato sopra, la
disaggregazione in numerose categorie, per quanto
aiuti ad ottenere una stima più precisa dell’ammontare
dell’evasione, si scontra con il problema della
rappresentatività del campione BI, che non sempre
copre adeguatamente tutte le categorie omogenee di
contribuenti individuate sopra.
A titolo di esempio, riportiamo la numerosità di alcune
categorie omogenee di contribuenti. Ovviamente se si
tenesse conto di tutte le caratteristiche sociali e
individuali rilevanti per l’evasione, si avrebbero
categorie troppo piccole o con troppi “zero”
Le scelte riguardanti la stima
dell’evasione fiscale
tipologia
attività prim.
area geografica
fonte di reddito NO
NE
C
S
I
Total
Dipendente
1577 1302 1253 1082
635 5849
Libero profess.
114
79
74
66
40
373
Imprenditore
29
30
18
19
16
112
Autonomo
164
123
168
149
95
699
Co.co.co.
14
15
21
12
0
62
Impresa famil.
98
69
44
22
10
243
Soci gestori
27
70
37
10
7
151
Total
2023 1688 1615 1360
803 7489
Le scelte riguardanti la stima
dell’evasione fiscale
z
z
Il problema della non adeguata
rappresentatività di alcune categorie di
contribuenti potrebbe essere superato da un
pooling con altre precedenti indagini, in modo
da raggiungere la numerosità necessaria.
Tale soluzione è comunque parziale. È
necessario infatti individuare un numero
limitato di categorie omogenee di contribuenti
per le quali effettuare i confronti.
Le scelte sulla stima delle
determinanti dell’evasione
z
z
Il modulo comportamentale del modello
vorrebbe contenere anche una stima dei
comportamenti di evasione degli individui.
Per fare questo è necessario stimare le
elasticità dell’evasione rispetto ad alcune
caratteristiche individuali, sia di natura fiscale
che di tipo sociale e ambientale. Nella
letteratura riguardante il caso italiano un
tentativo di stima è stato effettuato da
Zanardi (1996).
Le scelte sulla stima delle
determinanti dell’evasione
z
z
Il lavoro di Zanardi si basa su un dataset delle
attività ispettive, condotte fino al 1995 per i dati
fiscali relativi al 1987 e 1989, fornito dal Servizio di
Riscossione. Il dataset contiene i valori di reddito
dichiarati e quelli verificati, nei vari gradi del
processo di auditing, per ciascun tipo di reddito,
oneri deducibili e detrazioni. Il dataset completo
(1987+1989) contiene più di 118.000 osservazioni.
I redditi considerati sono solo redditi da lavoro
indipendente.
Le scelte sulla stima delle
determinanti dell’evasione
z
z
L’utilizzo di un dataset riferito a due anni diversi si
spiega al fine di risolvere un problema di
multicollinearità tra due delle variabili esplicative del
modello: il reddito complessivo e l’aliquota
marginale.
Tenuto conto che tra il 1987 e il 1989 la struttura
delle aliquote marginali IRPEF è stata modificata, il
campione completo contiene redditi identici riferiti a
due anni diversi a cui si applicano aliquote marginali
differenti.
Le scelte sulla stima delle
determinanti dell’evasione
z
z
z
Ma la questione più rilevante da risolvere riguarda la
distorsione da auto-selezione del campione. Infatti le
osservazioni contenute nel dataset hanno una
probabilità piuttosto alta di riferirsi a evasori.
L’autore effettua una post-stratificazione del campione
sulla base della distribuzione congiunta dei contribuenti
lavoratori autonomi con tre attributi: classe di reddito
riportato, regione di residenza e settore di attività
economica.
Il campione così post-stratificato mostra che oltre l’84%
dei lavoratori autonomi è evasore fiscale (nel senso che
il reddito dichiarato è inferiore al reddito accertato nella
prima fase dell’accertamento) e l’ammontare medio di
reddito evaso è il 55,3% del reddito medio accertato.
Le scelte sulla stima delle
determinanti dell’evasione
z
Questo insieme di microdati viene utilizzato per stimare
un modello di regressione, dove la variabile dipendente
è data dal logaritmo del reddito evaso e le variabili
esplicative sono:
z il logaritmo del reddito lordo effettivo
z l’aliquota marginale dell’IRPEF
z una proxy della probabilità di essere scoperto
z una misura della differente composizione del reddito
complessivo dei contribuenti
Le scelte sulla stima delle
determinanti dell’evasione
variabili dummy per catturare le differenze di
comportamento a seconda del settore economico di
appartenenza
z variabili dummy per catturare le differenze relative alle
aree geografiche
z altre variabili per misurare l’utilizzo di servizi pubblici.
Il metodo di stima è quello Tobit.
I risultati di Zanardi (1996) ci inducono a scegliere una
strada simile per il modulo comportamentale del nostro
modello, in cui si vogliono stimare le elasticità
dell’evasione al reddito.
z
z
z
Le scelte sulla stima delle
determinanti dell’evasione
z
Pertanto il Gruppo di Lavoro ha richiesto al DPF del MEF
di poter disporre di un dataset di dati microcampionari
inerenti i redditi da lavoro autonomo dichiarati per gli
anni fiscali 1997 e 1998 e accertati entro il 2004,
comprensivi di altre caratteristiche fiscali e individuali
quali:
z
z
z
z
z
z
la situazione familiare (coniuge e figli a carico)
l’età
la zona geografica di residenza (Nord, Centro, Sud e isole)
il sesso
il settore di attività economica
il titolo di studio (senza titolo o licenza elementare, licenza
media inferiore, licenza media superiore, laurea).
Le scelte sulla stima delle
determinanti dell’evasione
z
z
Per superare il grosso problema del self-selection
bias, sono state anche richieste informazioni circa i
criteri di selezione delle dichiarazioni dei redditi da
sottoporre ad accertamento; in alternativa è stata
fatta richiesta di un campione rappresentativo della
popolazione delle dichiarazioni, per poter calcolare
le probabilità di accertamento per caratteristiche
individuali.
Queste probabilità potrebbero consentire una
migliore correzione della distorsione del campione
rispetto a quella ottenuta da Zanardi.