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 redistribuzioneAspetti non trascurabile delle politiche fiscali a livello localeAnalizzare l’evidenza empirica è cruciale quanto studiare la teoria per sviluppare validi modelli e finalizzare proposte.

Focus su: Evoluzione reddito familiare diversi scenariInterazione 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 micro-unità 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

Dati esatti

Modello “Garbage”

Garbage

Garbage

Garbage

La ConvalidaProblemi 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; 3° calibrazione moduli

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

Innovazione: Amministrazione fiscale ha campioni contribuenti e universo, ma non organizzati su base familiareCon 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 familiareProblemi: 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)

La Creazione del Database di Partenza

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 – ASAntcliff et al. (1996)

DYNACAN – CAN Morrison (2000)

BANKITALIA – IT Cannari, Nicoletti Altimari (1998) Ando, Nicoletti Altimari (2004)

MIND – IT Prototipo 1999 Rivisto 2003(Bianchi, Romanelli, Vagliasindi)

… … … …

Il modello ed i principali moduli

MIND

È un modello di microsimulazione dinamico, in grado di:microsimulare demografia e struttura socio-economica italiana, valu-

tando 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 Periodo t+n

Database iniziale 04

Database stimato

Il modulo Locale analizza gli effetti delle misure fiscali locali

Database stimato Output

• Indici• Tavole

Modulo Locale

Alcune pubblicazioni collegate al modello

Effetti redistributivi dell’intervento pubblico. Esperimenti di microsimulazione per l’Italia, Giappichelli 2004.

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 UtilizzatiDati sulle famiglie italiane del 2004, Banca d'Italia ed Istat BdI 8.013 famiglie (45% di famiglie panel); 20.581 individuiISTAT 22.032 famiglie (66% di famiglie panel); 56.105 individuiNord Italia BdI 3.640 famiglie (45% di famiglie panel); 8.776 individuiISTAT 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 contribuentiTest 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 a combinare le due

distribuzioni:

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

Numero dei componenti familiari Tot.

2 3 4 5 6 7 8 9 10 11

Min

ori a

car

ico

1 1.76 27.78 2.57 1.22 0.41 0.14 33.88

2 1.08 50.27 1.76 0.54 53.66

3 0.68 8.81 0.41 0.27 10.16

4 0.95 0.27 0.14 1.36

5 0.54 0.14 0.14 0.81

7 0.14 0.14

Tot. 1.76 28.86 53.52 11.79 2.30 1.22 0.14 0.14 0.14 0.14 100.00

MINORI A CARICO E DIMENSIONE FAMIGLIARE

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?

% sul totale età media sesso: % F familiari minori Tutte le famiglie:

Capofamiglia: 100 39.44 17.07 3.91 1.82 di cui: nato in Italia 81.6 39.61 14.75 3.86 1.79 nato all’estero 18.4 38.78 26.35 4.10 1.95

Coniuge (%): 93.36 36.37 87.66 3.95 1.83 di cui: nato in Italia 79.14 36.69 90.58 3.89 1.80 nato all’estero 20.86 35.26 77.85 4.12 1.94

Famiglie mono - genitoriali: 3.64 48.27 53.76 3.35 1.65 Famiglie con disabili: 0.14% 37.00 69.23 4.00 2.08

CARATTERISTICHE DEI GENITORI

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 nate all’estero Totale

Maschi

nati in Italia81.14% 4.84% 85.98%

nati all’estero2.34% 11.69% 14.02%

Totale83.47% 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.

la situazione è analoga agli utenti effettivi con entrambi i coniugi di età compresa fra 30 e 40 anni

Tipo di lavoro:

Totale genitori

Nati in Italia Nati all’esteroMono -

genitoriali

M F M F M F M F

nessuno (%) 33.01 28.59 32.50 28.94 35.16 27.11 10.23 14.77

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 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?

Attività lavorativaMaschi Femmine

media 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 2,059 2,059 2

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