La stima dell evasione fiscale

Transcript

1 La stima dell evasione fiscale Modello di Microsimulazione Ministero dell Economia e delle Finanze Ministero del Lavoro e delle Politiche Sociali ISFOL

2 Sommario 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

3 La letteratura teorica ed empirica Contributo teorico di base: Allingham & Sadmo (J Pub Ec, 1972) 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

4 La letteratura teorica ed empirica Stime empiriche del modello: Clotfelter (Rev Econ Stat, 1983), Feinstein (Rand J Econ, 1991) Modelli teorici di interazione tra contribuenti e autorità fiscali: 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)

5 Le scelte riguardanti la stima dell evasione fiscale 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: 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.

6 Le scelte riguardanti la stima dell evasione fiscale 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. Quindi il reddito evaso è pari alla differenza tra il reddito indicato in queste indagini e il reddito dichiarato alle autorità fiscali

7 Le scelte riguardanti la stima dell evasione fiscale 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 famiglie per un totale di individui di cui 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).

8 Le scelte riguardanti la stima dell evasione fiscale Caratteristica Partecipazione dei soggetti Unità campionaria di riferimento Indagine BI Volontaria Famiglia Dichiarazioni dei redditi Obbligatoria Individuo Informazioni sui redditi Solo redditi netti Redditi lordi e netti Distorsioni dei dati Altre informazioni individuali Misreporting e errori di approssimazione Redditi alti sottorappresentati Sì Possibili No dati per gli evasori totali Solo quelle rilevanti per le dichiarazioni No, anche se ci possono essere errori di compilazione

9 Le scelte riguardanti la stima dell evasione fiscale 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.

10 Le scelte riguardanti la stima dell evasione fiscale È stata fatta richiesta al DPF del MEF del database riferito ai redditi medi di categorie omogenee di contribuenti: 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

11 Le scelte riguardanti la stima dell evasione fiscale L uso di decili, invece di categorie con minore numerosità, è una scelta ragionevole, considerando il trade-off tra: 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

12 Le scelte riguardanti la stima dell evasione fiscale 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

13 Le scelte riguardanti la stima dell evasione fiscale tipologia attività prim. area geografica fonte di reddito NO NE C S I Total Dipendente Libero profess Imprenditore Autonomo Co.co.co Impresa famil Soci gestori Total

14 Le scelte riguardanti la stima dell evasione fiscale 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.

15 Le scelte sulla stima delle determinanti dell evasione 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).

16 Le scelte sulla stima delle determinanti dell evasione 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 ( ) contiene più di osservazioni. I redditi considerati sono solo redditi da lavoro indipendente.

17 Le scelte sulla stima delle determinanti dell evasione 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.

18 Le scelte sulla stima delle determinanti dell evasione 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.

19 Le scelte sulla stima delle determinanti dell evasione 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: il logaritmo del reddito lordo effettivo l aliquota marginale dell IRPEF una proxy della probabilità di essere scoperto una misura della differente composizione del reddito complessivo dei contribuenti

20 Le scelte sulla stima delle determinanti dell evasione variabili dummy per catturare le differenze di comportamento a seconda del settore economico di appartenenza variabili dummy per catturare le differenze relative alle aree geografiche 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.

21 Le scelte sulla stima delle determinanti dell evasione 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: 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).

22 Le scelte sulla stima delle determinanti dell evasione 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.