Come reagiscono i contribuenti
ad un aumento della probabilità
di essere controllati?
Seminario SSEF, Milano, 27 settembre 2012
Alessandro 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’12% 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 preselezionati 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
Risultati
L’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