Come reagiscono i contribuenti ad un aumento della probabilità

di essere controllati?

Seminario SSEF, Milano, 27 settembre 2012Alessandro Santoro Università di Milano-Bicocca

1

Sintesi

1. Probabilità dei controlli ed evasione nei modelli economici

2. I problemi della verifica empirica e la letteratura precedente

3. Un’applicazione agli studi di settore

2

Probabilità di un controllo ed evasione nei modelli economici

3

Probabilità dei controlli ed evasione nei modelli tradizionali

• Nei modelli tradizionali (Allingham e Sandmo) il contribuente massimizza il reddito netto atteso (post-imposte) e quindi dovrebbe evadere di meno all’aumentare della probabilità di un controllo.

• In particolare, dato un certo livello della sanzione, è possibile dimostrare che:

se il contribuente è perfettamente neutrale al rischio, esiste un livello critico di probabilità sotto al quale il contribuente deciderà di evadere tutto il suo reddito;

se il contribuente è avverso al rischio, può decidere di evadere parte del suo reddito quando la probabilità è bassa, ma positiva;

in entrambi i casi, l’aumento della probabilità dovrebbe determinare una riduzione dell’evasione.

4

Probabilità dei controlli ed evasione nei modelli tradizionali

• Tuttavia, in entrambi i casi, una maggiore probabilità di controllo può essere sostituita (secondo i modelli tradizionali) da una maggiore sanzione, perché l’unica variabile rilevante è il valore atteso della sanzione.

• L’aumento della sanzione risulterebbe più conveniente per l’amministrazione fiscale perché meno costoso (Becker, 1968).

• Tuttavia, l’incremento della sanzione oltre certi limiti viola il principio di proporzionalità.

• Dai modelli tradizionali emerge quindi un ruolo primario per la probabilità dei controlli come strumento di deterrenza.

5

Probabilità dei controlli ed evasione nei modelli tradizionali

• Le osservazioni critiche che si possono fare riguardo a questa impostazione sono le seguenti:

a rigore, il contribuente dovrebbe essere informato circa le probabilità di pagare effettivamente una sanzione, che è normalmente (ben) inferiore alla probabilità di essere controllato;

ma normalmente non sono note al contribuente medio né la probabilità di essere controllato né (tantomeno) la probabilità di pagare effettivamente una sanzione (ruolo del commercialista non considerato nel modello tradizionale);

il contribuente non decide nel modo individualistico e meccanico previsto dal modello tradizionale…

6

Probabilità dei controlli ed evasione nei modelli “comportamentali”

• Modelli nei quali il comportamento viene spiegato tenendo conto di variabili di natura psicologica e sociologica.

• In particolare distinguiamo: i modelli comportamentali a base individuale, in cui la decisione

circa se e quanto evadere dipende anche da: punti di riferimento soggettivi (reference points); sovrapercezione della probabilità di essere controllati (rank

dependent utility theory); parametri di etica individuale; i modelli comportamentali a base collettiva o di gruppo basati

su interazioni con: altri contribuenti; altri attori del sistema fiscale (Agenzie fiscali e intermediari).

7

Probabilità dei controlli ed evasione nei modelli “comportamentali”

• Poiché il comportamento è più complesso, il ruolo della probabilità in questi modelli è meno evidente.

• Tuttavia, in alcuni casi le variabili comportamentali amplificano l’effetto della probabilità del controllo:

se il punto di riferimento è una condizione di non evasione o se l’evasione è “moralmente costosa”;

se i taxpayers comunicano gli esiti dell’attività di controllo (social multipliers).

• La relazione tra autorità di controllo e contribuenti enfatizza la funzione del pre-commitment.

• Il ruolo dei consulenti fiscali non è chiaro.

8

I problemi di verifica empirica

9

Fatti stilizzati

• Se osserviamo i dati internazionali, non appare evidente che l’evasione sia spiegata dai diversi livelli della probabilità di controllo.

• In effetti, nella maggior parte dei paesi avanzati la probabilità si aggira intorno all’1-2% e non varia in misura sufficiente.

• In Italia, paese ad alta evasione, la probabilità di un accertamento non è particolarmente bassa.

10

Approcci econometrici

• La verifica empirica attraverso l’analisi statistica dei dati è complicata dal fatto che non è possibile isolare l’effetto dell’aumento della probabilità di un controllo rispetto alle altre variabili.

• Ad esempio, se da un anno all’altro aumenta il numero dei controlli svolti ed aumenta il gettito non è detto che ci sia una relazione causale perché:

I. è possibile che i soggetti controllati siano pre-selezionati in base a determinati indici di pericolosità;

II. da un anno all’altro possono mutare le condizioni congiunturali (ad esempio: reddito vero);

III. alcune variabili che influenzano il comportamento non sono note o non sono misurabili.

11

Approcci sperimentali/1

• Per queste ragioni gli economisti hanno fatto sempre maggior ricorso agli esperimenti di laboratorio che consentono di cambiare una variabile alla volta.

• Anche in questo caso, tuttavia, i risultati non sono definitivi: c’è una relazione tendenzialmente negativa, ma non lineare (in particolare i “contribuenti” sembrano reagire poco a cambiamenti a bassi livelli assoluti di probabilità).

• Anche in questo caso si pone un problema di external validity di questi risultati.

12

Approcci sperimentali/2

• Per questa ragione negli ultimi anni si sono diffusi esperimenti di campo (field experiments) condotti in collaborazione con le Agenzie fiscali.

• In particolare, è stato testato l’impatto dell’aumento della probabilità percepita di essere controllati attraverso l’invio di lettere ai contribuenti.

• Ad esempio in Minnesota (1995): studio su un campione di 1700 contribuenti selezionati casualmente.

Questi contribuenti furono informati per lettera che le dichiarazioni che stavano per sottoporre al fisco sarebbero state "attentamente esaminate”;

il comportamento successivo di questi contribuenti fu confrontato con quello di un gruppo di controllo, cioè un insieme di contribuenti con caratteristiche socio-demografiche analoghe a quelle del campione dei 1700, ma che non ricevette alcuna comunicazione

13

Approcci sperimentali/2 (cont.)

• Risultati: i contribuenti a reddito basso e medio che avevano

ricevuto la lettera (trattati), aumentarono il loro reddito dichiarato, rispetto all'anno precedente, in misura superiore a quanto accadde per i contribuenti a reddito basso e medio del gruppo di controllo (non trattati), ma…

il contrario si verificò per i contribuenti ad alto reddito trattati, i quali variarono i propri redditi, rispetto all'anno precedente, in misura inferiore rispetto ai contribuenti ad alto reddito appartenenti al gruppo dei non trattati.

14

Approcci sperimentali/2 (cont.)

• Risultati ancora incerti per altre lettere che facevano leva su variabili di moralità fiscale (Joint the Compliant Majority).

• Più recentemente esperimento in Danimarca: le lettere hanno funzionato nei confronti dei contribuenti che non erano stati precedentemente controllati (effetto sorpresa?).

15

Un’applicazione agli studi di settore

16

Ragioni e obiettivi dell’analisi

• Gli Studi di settore sono uno strumento di incentivazione della tax compliance che:

si basa su un concetto di ricavo “presunto” o “normale”;prevede, per la costruzione di questo ricavo, una

collaborazione tra Agenzia, rappresentanti dei contribuenti e contribuenti stessi.

• Una parte dei contribuenti ha utilizzato in modo distorto questa possibilità di collaborazione, riducendo il ricavo presunto attraverso una sottodichiarazione dei dati relativi agli input.

17

Ragioni e obiettivi dell’analisi• L’amministrazione ha risposto con diversi

strumenti. • Qui consideriamo in particolare le lettere inviate,

a partire dal 2007, ai contribuenti che risultavano riportare dati anomali, quando confrontati con quelli riportati da contribuenti ad essi simili (dello stesso cluster/studio).

• Obiettivo primario dell’analisi è verificare quale impatto hanno avuto le lettere sui comportamenti dei contribuenti, e in particolare sui ricavi e sui profitti riportati.

18

Le Comunicazioni sulle anomalie nei dati riportati ai fini degli studi di settore• All’inizio del 2009, poco prima della scadenza delle

dichiarazioni fiscali per l’anno 2008, circa 150 mila contribuenti (imprese e professionisti) hanno ricevuto una lettera che li informava che:1. Alcuni input riportati per l’anno 2007 erano ritenuti

«anomali» dall’AE.2. Se questa anomalia fosse stata ripetuta per l’anno fiscale

2008, il contribuente sarebbe certamente stato inserito in una lista di soggetti da sottoporre a controllo.

19

L’impatto delle lettere: analisi teorica/1

• Nel tentativo di dare conto dei comportamenti osservati nella realtà, qui immaginiamo che il contribuente (impresa) applichi gli Sds utilizzando una procedura in due fasi:

i) sceglie il livello di input da dichiarare, determinando così il ricavo presunto;

ii) sceglie il livello di ricavi da dichiarare. NB è ipotizzabile che questa operazione venga

ripetuta più volte dal contribuente, vista la disponibilità di Ge.ri.co.

20

L’impatto delle lettere: analisi teorica/2

• Nella fase i) alcuni contribuenti, anziché dichiarare tutti i valori degli input effettivi , e quindi il livello di ricavo presunto, ne sottodichiarano alcuni in modo da ridurre al massimo la probabilità di essere controllato senza sopportare costi eccessivi.

• Nella fase ii) alcuni contribuenti operano in modo da minimizzare il carico fiscale atteso (che dipende sia dalle imposta da pagare sia dal rischio del controllo).

21

L’impatto delle lettere: analisi teorica/3

• E’ noto che le lettere hanno avuto un impatto sulle pratiche di manipolazione degli input. Ad esempio, le lettere inviate con riferimento al periodo d’imposta 2007 hanno fatto sì che il 72% dei contribuenti anomali correggessero tutte le anomalie nella dichiarazione per il 2008.

• Tuttavia, non è chiaro (né scontato) che le lettere abbiano avuto effetto sui ricavi e sui profitti riportati.

22

L’impatto delle lettere: analisi teorica/4• Consideriamo il contribuente che ha deciso di rimuovere

tutte le anomalie (72% dei casi) e quindi, tendenzialmente, di aumentare il valore degli input dichiarati. L’effetto sui ricavi dichiarati potrebbe essersi prodotto in quanto:

l’aumento degli input dichiarati se non vengono aumentati anche i ricavi dichiarati tende a generare un incremento dell’incongruità (o una riduzione della congruità) e quindi un aumento della probabilità di essere controllati;

per ovviare a questo, il contribuente potrebbe essere portato ad aumentare anche i ricavi dichiarati.

23

L’impatto delle lettere: analisi teorica/5

• Consideriamo il contribuente che ha deciso di non rimuovere tutte le anomalie (28% dei casi). In questo caso :

se la lettera è percepita come credibile, il contribuente sta “sfidando” l’Agenzia sugli input dichiarati ed è plausibile ritenere che non abbia alcun incentivo ad aumentare il ricavo dichiarato ;

se la lettera è percepita come non credibile, il contribuente si comporta nel 2008 come nel 2007.

24

L’impatto delle lettere: analisi empirica/1

• Quando si passa all’analisi empirica, va considerato che, oltre alla lettera, sul valore riportato dei ricavi e dei profitti incidono anche:

il ciclo economico; le caratteristiche settoriali; le caratteristiche territoriali.• Per isolare queste l’impatto della lettera è quindi

necessario, in linea di principio, confrontare i comportamenti di chi ha ricevuto la lettera (trattati) con chi non l’ha ricevuta (non trattati) a parità di caratteristiche rilevanti.

25

L’impatto delle lettere: analisi empirica/2

• Tuttavia, in questo caso c’è una difficoltà: La campagna delle lettere per gli Sds non è stata disegnata come field experiment: tutte le imprese sospettate di manipolazione hanno ricevuto la lettera.

• Comparare i trattati (dalla lettera) con i non trattati, anche condizionando per alcune caratteristiche individuali, non consentirebbe una stima non distorta dell’effetto causale della lettera.

• Utilizzando metodo di matching, possiamo eliminare le osservazioni che non hanno un corrispettivo controllo e assicurarci che le osservazioni rimaste abbiano un maggiore bilanciamento tra trattati e controlli.

26

L’impatto delle lettere: analisi empirica/3

• Per questo lavoro utilizziamo il CEM (Iacus et al. 2011, JASA) che è un metodo recentemente sviluppato che consente di scegliere il livello di imbalance massimo tra trattati e non trattati ex ante e non attraverso continui tentatiti valutati ex post.

• Il CEM è elimina il bisogno di procedure separate per restringere i dati al common empirical support.

• Il CEM è robusto agli errori di misurazione, computazionalmente veloce anche con data set ampi.

27

L’impatto delle lettere: analisi empirica/4

•

28

L’impatto delle lettere: analisi empirica/5

• Questo lavoro usa un campione casuale di 49.138 imprese trattate e di un campione casuale di 89.240 controlli.

• Il data set contiene un ampio numero di informazioni per controllare per le caratteristiche osservabili dei contribuenti.

• Il data set è strutturato come panel: sono osservate le medesime imprese nell’anno fiscale 2007 (anno cui si riferiscono le lettere), e negli anni 2006 e 2008.

• La strategia identificativa consiste nell’effettuare il matching sull’anno 2006, ossia prima che si verifichino le anomalie.

29

L’impatto delle lettere: analisi empirica/6

• Stimiamo l’effetto causale medio (ATT) delle lettere sul (log) del ricavo e del profitto delle imprese trattate.

• L’ATT viene stimato dopo aver selezionato il miglior matching sulla base del miglior MSE tra 250 possibili matching.

• La stima di ATT viene ripetuta per 30 volte come sopra.• Oltre a presentare i risultati con il CEM confrontiamo i

risultati che avremmo ottenuto con il propensity score matching (PSM).

30

Risultati

• Nei grafici che seguono mostriamo la performance relativa dei matching del CEM rispetto al PSM.– Ne risulta che il CEM consegue un livello di

imbalance decisamente inferiore del PSM, con minore variabilità a ridotto bias (dovuto all’eliminazione di relativamente poche osservazioni, rispetto al PSM).

31

RisultatiL’analisi dell’ATT mostra che per effetto della lettera i contribuenti mediamente dichiarano:

+1% di output (statisticamente significativo usando il matching CEM)

+3% di profitti (statisticamente significativo usando sia PSM che CEM)

Proiettando questi risultati sull’intero universo dei contribuenti che hanno ricevuto la lettera si può concludere che essa ha determinato nel 2008:circa 80 milioni di profitto aggiuntivo dichiarato;circa 24 milioni di imposte aggiuntive dovute.

32