L’analisi a livello familiare degli
aspetti economici
Pietro Vagliasindi e Roberta Cardani
Giornata di approfondimento tra Istituzioni Locali e Associazioni Familiari
Il Quoziente Parma:
un modello territoriale per rapporti economici
“A misura di Famiglia”
Parma, 7 novembre 2011
Comune di Parma
Associazione Nazionale
Famiglie Numerose
Obiettivi
Analizzare gli effetti economici e redistributivi delle politiche a
livello locale in specie nell’ambito del “Quoziente Parma”
Costruzione di un database e di un modello di microsimulazione
dinamico per l’analisi degli effetti socio-economici e redistributivi
Problemi: Risorse pubbliche e redistribuzione
Aspetti non trascurabile delle politiche fiscali a livello locale
Analizzare l’evidenza empirica è cruciale quanto studiare la
teoria per sviluppare validi modelli e finalizzare proposte.
Focus su:
Evoluzione reddito familiare diversi scenari
Interazione misure locali con imposta personale e welfare state
LA MICROSIMULAZIONE
DATABASE, MODELLI E
POSSIBILI SVILUPPI
Scelte relative al Database
•
•
•
•
•
•
•
•
Una Amministrazione può usare microdati effettivi
cattura tutta l’eterogeneità
certezza dei risultati
individua sottoinsiemi piccoli con rappresentatività
ricompone famiglie con informazioni incrociate
Ma svantaggi con utilizzo ripetuto e non dilazionabile
difficile individuare famiglia in base ai dati fiscali.
rappresentativa rispetto ad evenienze e
comportamenti
risorse informatiche e di tempo per organizzare e
manipolare un enorme e composito insieme dati
Controllo e correzione dati
Microsimulazione: Statica vs Dinamica
Modelli Statici misurano solo gli effetti first order: assumono
una struttura invariata delle micro-unità. L’aggiustamento
dei microdati alla popolazione futura avviene con i pesi.
Modelli Dinamici: l’età e le caratteristiche del campione
mutano ogni periodo e così i comportamenti delle microunità in conse-guenza dei mutamenti sistemici
modelli longitudinali: simulano in una volta l’intera vita di ogni
singola micro-unità, senza interazioni con le altre unità
modelli cross-section (a popolazione dinamica): tutte le singole
micro-unità invecchiano di periodo in periodo col dynamic
ageing e possono sempre interagire tra loro.
Paradigma “Garbage in - Garbage out”
L’affidabilità della Microsimulazione Dinamica dipende da:
(1) bontà del database dei microdati di partenza
(2) capacità del modello di rappresentare i fenomeni
Garbage
Dati
esatti
Modello
Corretto
Modello
“Garbage”
Garbage
Garbage
La Convalida
Problemi di Self-selection, Underreporting e missing
data possono condizionare la qualità dei dati nel campione
iniziale (garbage in - garbage out). Soluzione: statistical
matching
Scopo: far produrre al modello profili simili a quelli reali
Procedure di convalida:
1° del campione iniziale; 2° del modello;
moduli
3° calibrazione
Lavoro già completato:
(i) Estrazione dei dati socio-economici delle famiglie di
partenza (Campioni SHIW di Banca d’Italia BdI e ITSILC
dell’ISTAT)
(ii) attribuzione variabili fiscali coerenti con le statistiche
relative ai contribuenti italiani
(iii) Creazione database unico e prima calibrazione dei dati
reddituali con universo contribuenti nord Italia e Parma
La Creazione del Database di Partenza
Innovazione: Amministrazione fiscale ha campioni
contribuenti e universo, ma non organizzati su base
familiare
Con nuovo database valutiamo effetti distributivi su
scala familiare e temporale potendo assumere la
famiglia come unità impositiva, e studiare anche sistemi
quali splitting e quoziente familiare
Problemi: indisponibilità (dati fiscali e.g. deduzioni e
detrazioni) e bassa qualità (redditi autonomi e
immobili)
Soluzioni:
*imputazione dei dati mancanti (grazie a programma
fiscale e statistiche universo o base di un sottocampione
di unità con informazioni complete)
*matching di campioni di dati compatibili, con campione
contenente le variabili aggiuntive richieste o con funzioni
stimate da statistiche universo (dati Sogei, MEF)
Il modello ed i principali moduli
Breve storia modelli dinamici
DYNASIM I&II – USA
Wertheimer et al. (1986)
CORSIM
– USA
Caldwell (1993)
NEDYMAS
– NL
Nelissen (1994)
DESTINIE
– FR
INSEE (1999)
DYNAMOD
– AS
Antcliff et al. (1996)
DYNACAN
– CAN Morrison (2000)
BANKITALIA – IT
Cannari, Nicoletti Altimari (1998)
Ando, Nicoletti Altimari (2004)
– IT
Prototipo 1999 Rivisto 2003
(Bianchi, Romanelli, Vagliasindi)
…
…
…
MIND
…
MIND
È un modello di microsimulazione dinamico, in grado di:
microsimulare demografia e struttura socio-economica italiana, valutando in modo articolato effetti redistributivi a livello familiare
(i) benefici politiche economiche e
(ii) percorsi riforme previdenziali e fiscali
(iii) inserendo nuovo modulo finanza locale.
Aggiornando ultima versione è possibile esaminare gli effetti di lungo
termine del ServSicSoc e valutare nel breve periodo gli effetti delle misure
locali e delle modifiche all’imposizione personale.
Si potranno misurare trend di ineguaglianze e povertà tra la popolazione,
gruppi e differenti generazioni.
È possibile considerare effetti cambiamento di regime (con Quoziente
Parma) o introduzione welfare locale con percorsi diversi nel tempo
Il modello dinamico aggiorna i database locali
Periodo t
Database
iniziale 04
Periodo t+n
Modello
MIND
aggiornato
Database
stimato
Il modulo Locale analizza gli effetti delle misure fiscali locali
Database
stimato
Modulo
Locale
Output
• Indici
• Tavole
Alcune pubblicazioni collegate al modello
Effetti
redistributivi
dell’intervento
pubblico.
microsimulazione per l’Italia, Giappichelli 2004.
Esperimenti
di
Reforming the Italian Pension System in the XXI Century: the Issue of
Seniority Pensions Once Again, ADVANCES IN COMPLEX SYSTEMS , 2004
Demographic Evolution and Inequalities among Families of Pensioners in
Italy: Microsimulating Regional Dynamics, GENUS, 1/2004.
Microsimulating the Evolution of Italian Pension Benefits: the Role of
Retirement Choices and Lowest Pensions Indexing, LABOUR, vol. 17, 2003.
Nota 2001 su convalida http://www.unipr.it/arpa/defi/papers/vmrb.pdf
I DATI DI PARTENZA
I Campioni Utilizzati
Dati sulle famiglie italiane del 2004, Banca d'Italia ed Istat
BdI
8.013 famiglie (45% di famiglie panel); 20.581 individui
ISTAT 22.032 famiglie (66% di famiglie panel); 56.105 individui
Nord Italia
BdI
3.640 famiglie (45% di famiglie panel); 8.776
individui
ISTAT 10.756 famiglie (66% di famiglie panel); 25.880
individui
Base partenza da cui procedere per:
Estrazione variabili demografiche e socio-economiche ed
elaborazioni necessarie per formare database iniziali omogenei
e comparabili utili allo sviluppo di un modello di microsimulazione
dinamica
Ricostruzione redditi lordi e modello unico per contribuenti da
redditi netti con processo iterativo e convergenza stime con dati
iniziali
Calibrazione e convalida dati rispetto ad universo contribuenti
Test di goodness-of-fit (Multinomiale, Kolmogorov-Smirnov e
Mann-Whitney) tra distribuzioni BdI, ISTAT, per uso congiunto.
Programma lordizzazione (con differenze tra BdI e ISTAT e.g. per
assegni familiari)
Risultati ottenuti
Calibrazioni redditi e undereporting per singole
tipologie di redditi, ottenendo divergenza redditi da
universo inferiore a 1%.
Partendo da dichiarazioni (campione Sogei-Secit)
l’errore di stima gettito è stato del 3% nel modello Di
Nicola-Monteduro (2004)
Di seguito riportiamo le principali distribuzioni dei redditi
e della ricchezza finanziaria lorda BdI ed ISTAT che
differiscono da quelli originali e possono costituire un
database consistente
Redditi lordi da lavoro dipendente
Distribuzioni compatibili
Redditi lordi da pensione
Distribuzioni compatibili
Redditi lordi da lavoro autonomo
Distribuzioni non compatibili
LA COSTRUZIONE DI
UN PRIMO DATABASE
Confronto distribuzioni di reddito lordo area Nord vs Parma
Distribuzioni compatibili
Confronto distribuzioni ricalibrate di reddito
Distribuzioni compatibili
CAMPIONE SELEZIONATO
• Abbiamo proceduto
distribuzioni:
a
combinare
le
due
famiglie IT-SILC +
famiglie SHIW con un componente con:
- redditi elevati (superiori ai 60 mila, ossia
appartenenti alle ultime tre classi)
- redditi medio - bassi (da 15 a 25 mila, ossia
appartenenti alla terza quarta e quinta classe).
• Guadagno in maggior eterogeneità dei dati
22
Confronto finale distribuzioni di reddito
Distribuzioni non compatibili
UN’APPLICAZIONE
ALL’ASILO NIDO
POTENZIALI FRUITORI DEL SERVIZIO
Il sottocampione è composto da:
– 738 famiglie
– 3778 individui
– almeno un minore tra 3 e i 5 anni
MINORI A CARICO E DIMENSIONE FAMIGLIARE
Minori a carico
Numero dei componenti familiari
1
2
3
1.76 27.78
4
2.57
5
1.22
6
0.41
2
1.08
50.27
1.76
0.54
0.68
8.81
0.41
0.27
0.95
0.27
3
4
5
7
0.14
8
9
10
33.88
53.66
0.54
10.16
0.14
0.14
1.36
0.14
7
Tot.
1.76 28.86
53.52
11.79
2.30
11
Tot.
1.22
0.14
0.14
0.14
0.81
0.14
0.14
0.14
100.00
I casi più frequenti sono rappresentati da uno o due minori più i
genitori (evidenziati in verde).
Minor presenza di famigli mono-genitoriali (1.76 vs 7.7%) -> una
maggiore selezione di tali casi tra chi fruisce effettivamente il
servizio?
CARATTERISTICHE DEI GENITORI
Tutte le famiglie:
Capofamiglia:
di cui: nato in Italia
nato all’estero
Coniuge (%):
di cui: nato in Italia
nato all’estero
Famiglie mono - genitoriali:
Famiglie con disabili:
% sul totale
età media
sesso: % F
familiari
minori
100
81.6
18.4
93.36
79.14
20.86
3.64
0.14%
39.44
39.61
38.78
36.37
36.69
35.26
48.27
37.00
17.07
14.75
26.35
87.66
90.58
77.85
53.76
69.23
3.91
3.86
4.10
3.95
3.89
4.12
3.35
4.00
1.82
1.79
1.95
1.83
1.80
1.94
1.65
2.08
L’età media del capofamiglia e del coniuge delle famiglie con
figli che frequentano l’asilo nido (tra i 35 e 40) anni è
leggermente più bassa per i genitori nati all’estero
Le famiglie con almeno un disabile sono una percentuale
piuttosto limitata del totale 0.14% (inferiore agli effettivi
4,32%).
Femmine
nate in Italia
nati in Italia
Maschi
nati all’estero
Totale
nate all’estero
Totale
81.14%
4.84%
85.98%
2.34%
11.69%
14.02%
83.47%
16.53%
Il caso più comune è quello di genitori nati entrambi in Italia o
entrambi all’estero
I matrimoni misti sono ancora in minoranza, più frequente il
caso di donne italiane sposate con stranieri.
Età maschi
Età femmine
20-30
30-40
40-50
50-60
60-70
20-30
2.32
2.16
0.15
4.63
30-40
9.57
47.53
3.24
60.34
40-50
0.77
18.98
11.27
50-60
1.24
1.70
0.31
60-70
0.31
0.31
Totale
14.21
70.68
0.15
Totale
31.17
3.25
0.62
14.97
0.15
0.00
la situazione è analoga agli utenti effettivi con entrambi i
coniugi di età compresa fra 30 e 40 anni
100,00
Totale genitori Nati in Italia Nati all’estero
Tipo di lavoro:
M
F
M
F
M
F
Mono genitoriali
M
F
nessuno (%)
33.01 28.59 32.50 28.94 35.16 27.11
dipendente %
15.00
8.41
15.86
9.01
11.36
5.86
5.11
5.68
autonomo (%)
0.84
14.16
0.95
12.74
0.37
20.15
2.27
11.93
Numero
697
730
569
585
128
145
31
57
La
10.23 14.77
percentuale di coloro che non lavorano è maggiore e più
elevata tra i maschi, anche rispetto ai dati degli utenti effettivi
La percentuale di lavoro autonomo è nettamente inferiore nel
caso dei maschi (tendenzialmente superiore per le femmine)
Tra le donne nate all’estero è meno diffuso il lavoro autonomo
i non occupati tendono a ricorrere in misura minore al
servizio o non sono selezionati dallo schema?
Maschi
Attività lavorativa
media
Femmine
mediana numero
media mediana numero
Lavoro dipendente
37,618
31,720
471 22,156
19,397
408
Tot. Lav. autonomo
37,428
25,844
214 20,420
13,881
120
Di cui: IMPR
20,140
14,083
21 15,013
11,958
25
LAUT
28,828
24,223
117 15,836
11,680
68
LPRO
53,519
32,277
74 45,090
28,414
25
LCCC
30,291
30,291
2,059
2
2
2,059
I redditi dei lavoratori autonomi e dipendenti sono molto più
elevati dei valori degli utenti effettivi e risultano in media eguali o
poco inferiori per le lavoratrici.
Per il lavoro dipendente, il reddito del lavoro femminile è pari al
59% di quello maschile, questo valore scende al 55% nel caso del
lavoro autonomo utenti effettivi sono meno e quindi il sistema
di selezione per reddito sembrerebbe funzionare.
CONCLUSIONI
La microsimulazione fornisce al
policy maker uno strumento per la
valutazione:
– Ex-ante schemi di benefici ed imposte
personali a livello familiare, tenendo
conto di diversi impatti su determinate
fasce di individui e famiglie
– Ex-post della modifica dei criteri di
eleggibilità
e
assegnazione
delle
politiche fiscali e di welfare
