Focus sugli effetti di breve periodo: modelli statici e modelli di offerta di lavoro

Il tratto peculiare di questi modelli è il focus sull’orizzonte temporale di breve periodo.

I modelli statici simulano il complesso sistema di tasse e trasferimenti di un determinato paese – o per una moltitudine di paesi come nel caso di EUROMOD (Sutherland e Figari 2013). Ad esempio, imponendo un aumento delle aliquote dell’imposta sul reddito delle persone fisiche, ciò che il modello ci consente di calcolare sono gli effetti di primo ordine (altrimenti chiamati effetti diretti) della modifica della politica simulata, ovvero la redistribuzione degli oneri e benefici fiscali e dei costi di bilancio totali di tale riforma, senza tenere conto delle risposte comportamentali.

Per semplificare ulteriormente la questione, non sappiamo quante ore gli individui sarebbero disposti ad offrire sul mercato del lavoro a seguito di uno shock fiscale.

Di conseguenza, ciò avrebbe un impatto sul livello del reddito da lavoro guadagnato, supponendo che il maggiore o minore numero di ore sia completamente assorbito dal lato della domanda. Ciò non significa che i modelli statici non forniscano informazioni utili allo studio delle risposte sull’offerta di lavoro: la direzione del cambiamento può essere colta osservando l’aliquota fiscale media per gruppi di reddito o l’aliquota fiscale marginale effettiva di specifici contribuenti. Il loro uso è spesso il punto di partenza di un’analisi più elaborata, che richiede innanzitutto la simulazione del sistema tax-benefit sottostante.

La maggioranza dei modelli che simulano le regole tax-benefit lo fa utilizzando dati cross-sezionali di natura campionaria rappresentativi della popolazione di riferimento (Martini e Trivellato 1997; Ceriani et al. 2013). A causa del probabile disallineamento tra i dati di reddito lordo e i corrispondenti totali di fonte amministrativa, è necessaria l’implementazione di un algoritmo di lordizzazione (Immervoll e O’Donoghue 2001), che consente di correggere la discrepanza esistente tra i valori di reddito lordo così

130 7. T-DYMM 3.0

come forniti dall’indagine e i valori reali. Più limitati sono i casi in cui il modello è costruito solo su dati amministrativi, anche se la combinazione delle due fonti di dati è diventata una pratica comune. Inoltre, le variabili sociodemografiche e i valori di reddito su cui è costruito il modello si riferiscono a un anno fiscale (ad es. t-3) che raramente corrisponde al sistema tax-benefit simulato (t). Ciò implica l’aggiornamento dei valori di reddito sulla base dei conti nazionali aggregati (ad es. utilizzando l’indice dei prezzi al consumo), oltre all’invecchiamento statico della popolazione (static ageing), in cui le persone mantengono le loro caratteristiche originali come inizialmente raccolte nell’indagine, ma viene assegnato un nuovo peso campionario per rispecchiare i cambiamenti sociodemografici nella transizione t-3 → t. Il peso dei contribuenti per classi di reddito della distribuzione (lorda) di riferimento viene spesso calibrato prima di simulare il sistema tax-benefit per l’anno t. L’ultima fase consiste nella validazione macroeconomica del modello, in cui i redditi/contribuenti e gli aggregati di reddito (quali il reddito lordo totale soggetto a tassazione, le imposte totali dovute e i trasferimenti totali ricevuti) sono confrontati con i valori ufficiali per determinare l’accuratezza del modello (Sutherland 2018).

Il framework di modellizzazione sopra evidenziato può essere ulteriormente esteso includendo le risposte sull’offerta di lavoro. Le persone reagiscono ai cambiamenti di policy modificando il numero di ore lavorate o i comportamenti di consumo. Catturare questi effetti significa studiare gli effetti di secondo ordine (o effetti indiretti) di una modifica del sistema tax-benefit.

Un quadro semplificato preso a prestito da Aaberge e Colombino (2014) potrebbe essere di aiuto nella definizione di questi modelli. Supponiamo che un campione rappresentativo di individui o famiglie (i = 1,..., N) al tempo t disponga di un insieme di possibilità β_i i cui elementi (x_i) includono scelte di offerta di lavoro quali le ore di lavoro e i settore di occupazione, oltre ai comportamenti di consumo. Per semplificare le cose, βi può essere espresso nel modo più elementare come segue:

B_i={(c,h) : c ≤ f(wh,I)}

dove h sono le ore di lavoro; c è il reddito netto disponibile; w indica la retribuzione lorda oraria; I è il reddito non da lavoro e f( ) è il sistema tax-benefit. Supponendo che le preferenze non cambino a seguito di uno shock imposto nel sistema fiscale, l’i-esimo agente agirà in modo da massimizzare una funzione di utilità vincolata U_i(x) che rac-coglie le preferenze individuali. Consentendo a h di variare in un intervallo settimanale predefinito (ad es. H = 35,…, 45 con h numero intero) o in modo continuo nel tempo, il nostro agente sceglierà i nuovi elementi x_i tali per cui x_i=max U_i(x) con x∈β_i. Per una spiegazione dettagliata sul funzionamento di questi modelli, si veda Aaberge e Colombino (2018), in cui viene fornita una distinzione tra modelli di offerta di lavoro discreta e modelli di offerta di lavoro continua.

131

7. T-DYMM 3.0

Tabella 7.1 Modelli statici e di offerta di lavoro ancora in funzione in Italia

Nome Riferimento Modello Dati Caratteristica principale BETAMOD Albarea et al.

(2015) S IT-SILC Stime affidabili del tasso di evasione fiscale

BIMic Curci et al.

(2017) S SHIW

Modello della Banca d’Italia; stime affidabili degli asset mobiliari e

immobiliari Modello di

Colombino

Colombino

(2015) LS SHIW Ampiamente utilizzato per lo studio di una politica universale di sostegno al

reddito in Italia EUROMOD

(IT) Sutherland e

Figari (2013) S IT-SILC Comparabilità tra paesi e simulazione completa dei trasferimenti

FaMiMod Cozzolino

e Di Marco (2015)

S IT-SILC Modello ISTAT; ampiezza delle politiche simulate

ITaxSIM Baldini et al.

(2015b)¹ S IT-SILC Modello del Dipartimento del Tesoro;

ampiezza delle politiche simulate

Modello di

Pacifico Pacifico

(2009) LS SHIW

Consente di introdurre errori nella stima dei salari, eterogeneità non osservata nelle preferenze e costi fissi monetari

non osservati

Trasferimenti monetari e in kind;

simulazioni dettagliate delle componenti di reddito esenti da tassazione

progressiva Finanze; costruito su un matching esatto

tra dati campionari e dichiarazioni dei redditi

MicroReg Maitino et al.

(2017) S IT-SILC Imposte indirette e benefici in kind Modello di

Pellegrino Pellegrino et

al. (2011) S SHIW Fiscalità immobiliare

SM2 Betti et al.

(2011) S IT-SILC Algoritmo di lordizzazione utilizzato in EU-SILC per l’Italia

TABEITA D’Amuri e

Fiorio (2006) S IT-SILC Enfasi sul processo di lordizzazione e sui problemi di validazione del modello TREMOD Azzolini et

al. (2017) S ICFT /

ITR Modello regionale (Provincia di Trento) basato sulla piattaforma EUROMOD UPB Gastaldi et al.

(2017) S SHIW

Modello dell’Ufficio Parlamentare di Bilancio; ampiezza delle politiche

simulate

Nota: S sta per ‘modello statico’, mentre LS indica ‘modello di offerta di lavoro’. IT-SILC sta per Indagine sul reddito e le condizioni di vita per l’Italia; SHIW è l’Indagine sul bilancio delle famiglie italiane della Banca d’Italia; ICFT è l’Indagine sulle condizioni di vita delle famiglie trentine; mentre ITR indica le dichiarazioni dei redditi individuali. Per una trattazione più completa dei modelli statici in Italia si veda Azzolini et al. (2017). Per una discussione internazionale si veda Li et al. (2014c).

1 L’articolo indicato sembra essere l’unico in cui sia stato utilizzato ITaxSIM. Daniele Pacifico ha costruito il modello.

132 7. T-DYMM 3.0

L’approccio discreto sembra aver acquisito maggiore popolarità nell’ambito della microsimulazione, sia grazie alla sua definizione più realistica di quali siano le scelte di offerta di lavoro, dove le persone hanno maggiori probabilità di affrontare opzioni di lavoro limitate (ad esempio lavoro part-time o full-time), che dei vantaggi computazionali nella stima delle funzioni di preferenza individuale (Creedy e Kalb 2005).

Un elenco dei modelli statici e di offerta di lavoro ancora in uso nel contesto italiano e delle loro caratteristiche principali è riportato nella Tabella 7.1.

Data la descrizione di cui sopra, T-DYMM condivide con i modelli statici la simulazione del sistema tax-benefit. La nuova versione del modello beneficerà di un ulteriore sviluppo del Modulo Fiscale reso possibile dall’uso delle dichiarazioni dei redditi individuali, nonché da una simulazione più completa delle misure di protezione sociale.

7.1.2 Focus su effetti di medio e lungo periodo: modelli dinamici