EconLav Imputazione delle variabili necessarie alla simulazione del modello. Isfol - Area di Valutazione

Transcript

1 EconLav EconLav Imputazione delle variabili necessarie alla simulazione del modello

2 OBIETTIVO: Imputazione di variabili non presenti nel dataset SHIW-BI e reperite da altre fonti Ricostruzione di variabili fiscali solo parzialmente ricavabili da SHIW-BI EconLav

3 VAR. MANCANTE Condizione di disabilità Spese sanitarie Spese mediche handic. Rendite catastali Fatturato lordo Evasione FONTE ALTERNATIVA MULTISCOPO - ISTAT SOGEI SOGEI SHIW - SOGEI SHIW04 SHIW - SOGEI

4 CONDIZIONE DI DISABILITA : Def. Fiscale di DISABILITA : disfunzioni legate a cecità, sordo-mutismo, disfunzioni mentali o motorie (def. ex lege, 05/02/1992). I disabili costituiscono circa il 5% del campione, in linea con le statistiche a livello aggregato della popolazione.

5 Metodo di stima: LOGIT Pr{DIS.=1 X} Variabile ottenuta: DISABILE. DISABILE è t.c. % disabile nel campione= % disabile nella popolazione. EconLav

6 Set di covariate: Polinomio di secondo grado nell età Genere Regione di residenza Titolo di studio Stato civile Occupazione principale intervistato EconLav

7 DISABILITY Eta 0.05 *** Eta^2 0 *** sesso *** Regione Regione * Regione Regione *** Regione *** Regione ** Regione ** Regione ** Regione Regione *** Regione *** Regione Regione ** Regione * Regione *** Regione * Regione Regione ** Regione ***

8 Studio2 - Lowesr *** Studio *** Studio *** Studio *** Studio *** Studio *** Studio8 - Higher *** staciv== *** staciv== *** staciv== *** Qual Qual *** Qual Qual *** Qual *** Qual Constant *** Pseudo R

9 SPESE SANITARIE: La spesa sanitaria (detrazioni) è l ammontare di spese sostenute dall individuo E dai familiari a suo carico. Essa è costituita da spese sanitarie, spese sanitarie per portatori di handicap e spese per l acquisto di cani guida (riquadro RP 1-6 del Modello Unico). Le spese mediche e di assistenza dei portatori di handicap (oneri deducibili) derivano dal riquadro RP 22 del MU. EconLav

10 Popolazione: contribuenti. Il set di covariate comprende: età, genere, regione, percentile di reddito e presenza di individui a carico. Stime separate per lavoratori autonomi e percettori di altri redditi. Metodologia di stima: OLS EconLav

11 SPESE SANITARIE Età *** Regione Regione *** Regione Regione * Regione * Regione Regione *** Regione *** Regione *** Regione Regione Regione *** Regione *** Regione *** Regione *** Regione *** Regione *** Regione *** Regione ***

12 Perc Perc Perc *** Perc *** Perc *** Perc *** Perc *** Perc *** Perc *** Coniuge *** Familiare *** Constant *** R^

13 Simulazione dei redditi da immobili Ipotesi: Stimare direttamente i redditi da immobili (utilizzando come proxy i fitti imputati della SHIW o imputandoli dai dati SOGEI) OPPURE Avendo a disposizione dalla SHIW il canone di affitto effettivo, risalire ad una stima della rendita catastale per poi modellare la regola fiscale di determinazione del reddito da immobili

14 Stima della rendita catastale Utilizziamo le stime fatte dagli intervistati SHIW sul valore di mercato dell immobile per risalire alla base imponibile ICI e calcolare la rendita catastale. BASE ICI = 1.05 * rendita catastale * 100 Ipotizzando: BASE ICI = V. immobile SHIW* coefficiente di erosione

15 Il coefficiente di erosione della base ICI è dato: Reddito medio immobili per decili SOGEI V. immobile medio per decili SHIW

16 Reddito abitazione principale (confronto per decili di reddito dati Sogei e Shiw) Sogei Reddito stimato Fitti imputati Shiw

17 Reddito altre abitazioni e fabbricati (confronto per decili di reddito dati Sogei e Shiw) Sogei Reddito stimato Fitti imputati Shiw

18 Reddito terreni agricoli e non (confronto per decili di reddito dati Sogei e Shiw) Sogei Reddito stimato Fitti imputati Shiw

19 FATTURATO LORDO: I ricavi lordi e i proventi lordi Metodologia utilizzata: Quantile regression Covariate: occupazione a tempo pieno, polinomio al quadrato nel reddito, numero di addetti, ore di lavoro medie settimanali, settore di attività (manifatt., agricolt., ecc), area geografica, età, genere e titolo di studio Una regressione per ogni tipologia att.prim. fonte di reddito (libero prof., imprenditore, ecc.) EconLav

20 FATTURATO LORDO Fullyear *** Reddito 0.736*** Reddito^ *** # addetti *** # ore lavorate agricoltura *** costruzioni ** commercio trasporti intermediazion *** servizi alle impr *** servizi privati * PA Nord *** Centro Età Età^ *** sesso * Scuola obbligo *** Laurea Constant *** Pseudo-R

21 Una stima (provvisoria) dell evasione Stima provvisoria per la validazione del modello statico Stima basata su un campione SOGEI con disponibilità limitata di variabili Confronto per decili tra redditi netti SOGEI e redditi netti BI Tasso di evasione per tipologia di reddito: y BI i y y SOGEI i BI i

22 Tasso di evasione per i redditi da lavoro dipendente Decile Reddito Sogei Reddito BI Tasso evasione

23 Tasso di evasione per i redditi da lavoro autonomo Decile Reddito Sogei Reddito BI Tasso evasione

24 Strategia di matching tra le due popolazioni Per migliorare le stime si può calcolare un sistema di pesi che avvicini la popolazione BI alla popolazione SOGEI per quante più caratteristiche possibile. Per calcolare i nuovi pesi, usiamo il metodo del propensity score, come applicato in Battistin, Miniaci, Weber (2002).

25 Strategia di matching tra le due popolazioni Stimiamo la probabilità di appartenere al campione BI condizionata alle seguenti caratteristiche: sesso, classe di età, area geografica, tipologie di reddito e le possibili combinazioni tra queste caratteristiche. Il modello stimato è un LOGIT Le probabilità stimate vengono usate per correggere il peso iniziale (pesoagg2): (1 prob prob ) * pesoagg 2

26 Stima evasione (post-matching) per Decile i redditi da lavoro dipendente Reddito Sogei Reddito BI (Matching) Tasso evasione (Matching)

27 Stima evasione (post-matching) per i redditi da lavoro autonomo Decile Reddito Sogei Reddito BI (Matching) Tasso evasione (Matching)

28 Una stima (provvisoria) dell evasione Un tasso di evasione positivo per i redditi da lavoro dipendente può essere considerato sorprendente. Fiorio e D Amuri (2005) suggeriscono due possibili spiegazioni: correlazione ad U invertita tra il tasso di non-risposta e il reddito; un attitudine psicologica a dichiarare ad un intervistatore un reddito più vicino alla norma sociale. Tuttavia la spiegazione che ci sembra più plausibile è che i redditi da lavoro dipendente dichiarati in BI contengono anche l importo degli assegni familiari. Questo spiegherebbe i tassi di evasione alti per i decili più bassi.