Tax Potential and Tax Effort : An Empirical Estimation for
Transcription
Tax Potential and Tax Effort : An Empirical Estimation for
Tax Potential and Tax Effort : An Empirical Estimation for Non-resource Tax Revenue and VAT’s Revenue Jean-François BRUN & Maïmouna DIAKITE CERDI/UDA Journées du savoir du GREAT Bamako, Mali 10-11 Novembre, 2016 Jean-François BRUN & Maïmouna DIAKITE CERDI/UDA Tax Potential and Tax Effort : An Empirical Estimation for Non-r Plan Motivation Revue de la Littérature Principales Contributions du Papier Evaluation du Potentiel fiscal et de l’Effort fiscal Résultats Conclusion et Recommandations Motivation Fiscalité → Elément clé de l’espace budgétaire des Pays. Résolution adoptée durant la 3e Conférence Internationale sur le Financement du Développement, Addis Abeba, Juillet 2015 Nous nous engageons à améliorer l’administration fiscale, par des systèmes fiscaux modernisés et progressifs, par une politique fiscale mieux conçue et par une collecte plus efficace des impôts. Nous nous attacherons à améliorer l’équité, la transparence, l’efficacité et le rendement de notre fiscalité, notamment en élargissant l’assiette fiscale et en continuant de nous efforcer à intégrer le secteur informel dans l’économie formelle, en fonction des caractéristiques de chaque pays. Fournir des indicateurs plus robustes du potentiel fiscal et de l’effort fiscal. Motivation Mesurer indépendamment l’effort de TVA à partir de l’outil empirique. À ce jour, la taxe sur la valeur ajoutée est considérée comme : Une taxe neutre en termes de Production, de Commerce, de Croissance et de Compétitivité ; Un instrument majeur de mobilisation de recettes. Revue de la Littérature Études sur la mesure du potentiel et de l’effort fiscal des Recettes fiscales hors ressources Un certain nombre d’études a porté sur la mesure du potentiel et de l’effort fiscal des Pays (coupes instantanées ou données de panel). 1 Analyse de l’évolution des recettes fiscales : Bastable (1903), Clark (1945) ... 2 Les estimateurs de type Moindres Carrés : Lotz & Morss (1967), Stotsky & WoldeMariam (1997), Brun, Chambas & Mansour (2014) ... 3 Les modèles de Frontière Stochastique estimés par la méthode du Maximum de Vraisemblance (MV) : Alfirman (2003), Barros (2005), Pessino & Fenochietto (2010 & 2013) ... Revue de la Littérature Les études sur la mesure du potentiel et de l’effort de TVA Aucune étude portant sur l’estimation empirique du potentiel de TVA identifiée... Mais il existe des indicateurs communément utilisés pour mesurer la performance des systèmes de TVA tels que : L’Efficacité consommation et le Ratio d’efficacité (Ebrill et al., 2001) ; Le Ratio de Recettes de la TVA (OCDE, 2008) ; Les Indicateurs d’écart de recettes des systèmes de TVA (Reckon, 2009), (Keen, 2013), (Trigueros et al., 2012), (Brun & Diakité, 2015) ... Principales Contributions du Papier § Identifier les limites des méthodologies précédemment utilisées pour évaluer le potentiel fiscal et par ce biais l’effort fiscal pour tendre vers une méthode plus robuste; § Désintégrer l’effort total en un effort persistant dans le temps lié à la politique économique et en un effort variant dans le temps lié à la performance des agents des impôts ; § Estimer l’effort de TVA empiriquement. Analyse Empirique Choix des variables Performance Fiscale 6= Potentiel Fiscal Variables expliquant la Performance Fiscale : facteurs politiques, civisme fiscal, facteurs institutionnels (qualité de la bureaucratie, corruption) ... Variables déterminant le Potentiel Fiscal : variables structurelles ⇔ le PIB par tête, la valeur ajoutée agricole, l’ouverture commerciale, le revenu provenant de l’exportation des ressources (ResNat). Effort Fiscal = Performance Fiscale/Potentiel Fiscal Analyse Empirique Données Premier panel (RFHR) : § Échantillon : 114 pays dont 31 PDRs § Période : 1980\2014 Second panel (TVA) : § Échantillon : 57 pays dont 17 PDRs § Période: 1995\2014 Sources des données : § Recettes fiscales ⇔ Mansour (2014), ICTD (2015), Statistiques des Finances Publiques (FMI) et données nationales. § Variables structurelles ⇔ Indicateurs du Développement dans le Monde (BM). Analyse Empirique Procédure Estimations à partir de l’estimateur des Effets Aléatoires (RE) et de l’estimateur des Variables Instrumentales (G2SLS-RE-IV), Résultats ⇓ Estimations à partir du modèle de Frontière Stochastique de Battese & Coelli (1992), Résultats ⇓ Estimations à partir du Modèle de Frontière Stochastique de Kumbhakar, Lien & Hardaker (2014), Résultats ⇓ Test de robustesse des résultats obtenus à partir du modèle de Khumbakar et al. (2014) Analyse Empirique Estimations à partir des Estimateurs de type Moindres Carrés (RE & G2SLS-RE-IV) Equation d’estimation du potentiel de recettes hors ressources logNRTit = β 0Xit + it (1) Equation d’estimation du potentiel de TVA logVATit = β 0Xit + it Xit = TNRit ; logGDPit−1 ; VAGit ; Openit . (2) (3) logNRTit =log des recettes fiscales hors ressources ; logVATit =log des recettes de TVA ; TNRit =rente totale issue de l’exploitation des ressources ; logGDPit−1 =log du PIB par tête retardé ; VAGit =valeur ajoutée agricole en % du PIB ; Openit =(Importations + Exportations) en % du PIB ; it = écart aléatoire. Résultats Obtenus Résultats obtenus avec l’estimateur des Effets Aléatoires (RE) et l’estimateur des Variables Instrumentales (G2SLS-RE-IV) Table: Random effects and G2SLS-RE-IV estimations’ results VARIABLES lgdpcap_1 Renty lnonrestax (RE) 0.132*** (0.0200) -0.00407*** (0.000805) 0.00148*** (0.000262) -0.0102*** (0.000946) lnonrestax (G2SLS-RE-IV) Constant 1.781*** (0.156) -0.00452*** (0.000832) 0.00116*** (0.000277) -0.00471*** (0.00121) 0.334*** (0.0357) 0.252 (0.267) Observations Number of id R-sq overall 2,356 101 0.166 Sargan-Hansen Statistic 1,828 100 0.178 0.079 (P-value = 0.7787) Openness Vagry Lgdpcap lvat (RE) 0.382*** (0.0735) -0.00572** (0.00241) 0.00225** (0.000993) -0.00877** (0.00442) lvat (G2SLS-RE-IV) -1.297** (0.590) -0.00630*** (0.00240) 0.00221** (0.000977) -0.00657 (0.00509) 0.410*** (0.102) -1.555* (0.806) 481 57 0.203 Sargan-Hansen Statistic 471 57 0.249 1.156 ( P-value = 0.2824) Standard errors in parentheses*** p≥0.01 ** p≥0.05, * p≥0.1 Analyse Empirique Estimations à partir du modèle de Frontière Stochastique de Battese & Coelli (1992) Ce modèle prend la forme suivante: Yit = f (Xit ; β)exp(vit − uit ) (4) uit = ηit ui = exp[−η(t − T )]ui (5) t ∈ g(i); i = 1...N (6) vit ∼ N(0, σv2 ) (7) ui ∼ N(µ, σ 2 ) (8) La distribution semi normale de l’efficacité : Mo = 0 La distribution normale tronquée de l’efficacité : Mo ≥ 0 Résultats Obtenus Résultat des estimations à partir du modèle de Battese & Coelli (1992) Table: Results of estimations by the model of Battese and Coelli (1992) Variables lnonrestax Truncated Normal lnonrestax Half-Normal lvat Truncated Normal lvat Half-Normal 0.0906*** (4.26) 0.0638** (3.27) 0.384*** (4.48) 0.376*** (4.42) Renty -0.00500*** (-6.19) -0.00518*** (-6.36) -0.00895*** (-4.02) -0.00898*** (-4.04) openness 0.00120*** (4.56) 0.00158*** (6.82) 0.00207* (2.22) 0.00219* (2.52) Vagry -0.00875*** (-9.15) -0.00953*** (-9.98) -0.00756 (-1.94) -0.00750 (-1.93) _cons 2.999*** (19.12) 0.858*** (8.73) -0.00435*** (-5.68) -2.045*** (-12.28) -3.252*** (-110.20) 2403 276.95818 2.981*** (20.31) -0.253 (-0.42) 0.319 (0.54) -0.0116*** (-4.28) 0.0516 (0.10) -3.338*** (-47.12) 481 -7.5180648 -0.231 (-0.38) frontier lgdpcap Mu_cons Gamma yearT usigmas_cons vsigmas_cons N Log likelihood -0.00545*** (-6.42) -0.564*** (-3.42) -3.245*** (-109.68) 2403 258.00024 -0.0119*** (-4.38) 0.267 (1.04) -3.335*** (-47.10) 481 -7.617672 t statistics in parentheses * p ≥ 0.05, ** p ≥ 0.01, *** p ≥ 0.001 Analyse Empirique Vers une mesure plus robuste du potentiel fiscal : Estimations à partir du modèle de frontière stochastique de Kumbhakar, Lien & Hardaker (2014) Le modèle prend la forme : Yit = α + f (Xit ; β) + θi + vit − νi − λit (9) θi = effets spécifiques pays ; vit = hétérogénéité latente par pays ; νi = efficacité variant à court terme ; λit = efficacité persistant dans le temps. Le modèle peut être réécrit : Yit = α∗ f (Xit ; β) + ωi + it (10) α∗ = α − E (νi ) − E (λit ); (11) ωi = θi − νi + E (νi ); (12) it = vit − λit + E (λit ) (13) Où : Analyse Empirique Estimation du modèle de Kumbhakar et al. (2014) en trois étapes Step1 Estimation du modèle à effets aléatoires standard EFT = EFV*EFP Step2 Prédiction de l’EFV Step3 it = vit − λit + E (λit ) EFV =(−λit ) Variables frontier _cons usigmas _cons vsigmas _cons N Log likelihood lnonrestax Error component (ˆit ) lvat Error component(ˆit ) 0.151*** (16.31) 0.159*** (11.56) -3.308*** (-28.34) -3.733*** (-59.21) 2356 544.84497 Prédiction de l’EFP ωi = θi − νi + E (νi ) EFP = exp(−νi ) -3.176*** (-19.79) -4.019*** (-33.79) 481 142.20391 Variables frontier _cons usigmas _cons vsigmas _cons N Log likelihood lnonrestax Random effects component (ωˆit ) lvat Random effects component (ωˆit ) 0.329*** (19.40) 0.690*** (10.18) -1.889*** (-18.01) -0.325 (-1.74) -2.802*** (-33.20) 2356 -781.76168 -2.053*** (-7.26) 481 -443.59226 Résultats Obtenus Résultats des prédictions pour les recettes fiscales hors ressources Table: Non-resource tax potential (in GDP percentage) and tax effort predicted Country Albania Year 2013 Non-resource Tax to GDP 17.32 Brazil 2012 24.6 Cabo Verde 2010 19.13 China 2012 20.97 Mali 2010 12.37 Morocco 2012 25.46 Niger 2010 12.27 Random Effects 15.6 111.07 17.81 138.13 17.51 109.25 16.18 129.65 8.88 139.39 16.06 158.59 8.68 141.39 G2SLS-RE-IV 19.76 87.66 22.8 107.87 19.05 100.38 19.02 110.24 8.19 151.13 17.72 143.71 7.15 171.56 BC (92) TN 33.77 51.3 44.64 55.11 43.23 44.24 42.1 49.81 25.58 48.37 38.9 65.47 31.43 39.03 BC (92) HN 27.04 64.07 35.19 69.91 36.06 53.04 34.47 60.85 21.22 58.29 31.87 79.91 26.11 46.99 KH (2014) 24.96 69.39 32.93 74.72 27.67 69.13 28.6 73.33 16.52 74.88 33.19 76.73 17.11 71.71 Source: ICTD (2015); Mansour (2014); GFS (International Monetary Fund); WDI (World Bank); national data and authors’ calculations. Résultats Obtenus Résultats des prédictions pour les recettes de TVA Table: Value-added tax potential (in GDP percentage) and tax effort predicted Country Albania Year 2011 Non-resource Tax to GDP 9.1 Brazil 2011 7.9 Cabo Verde 2007 8.8 China 2010 5.9 Mali 2010 5.5 Morocco 2011 9 Niger 2007 2.6 Random Effects 6.21 146.52 7.18 110.04 5.9 149.21 5.41 109.15 2.02 272.16 5.47 164.67 1.66 157.01 G2SLS-RE-IV 6.35 143.2 7.2 109.72 6.06 145.14 5.5 107.37 2.03 271.33 5.46 164.69 1.62 160.77 BC (92) TN 16.83 54.08 21.98 35.94 18.4 47.83 12.67 46.56 6 91.65 18.1 49.73 6.04 43.06 BC (92) HN 16.38 55.56 21.18 37.3 17.97 48.98 12.33 47.86 5.94 92.61 17.65 51 5.96 43.64 KH (2014) 14.94 60.9 15.82 49.94 14.42 61.02 11.25 52.44 7.50 73.35 14.31 62.9 4.36 59.61 Source: ICTD (2015); Mansour (2014); GFS (International Monetary Fund); WDI (World Bank); national data and authors’ calculations. Résultats Obtenus Résultats des estimations par le modèle Kumbhakar, Lien & Hardaker (2014) Figure: An overview of the non-resource tax efficiency around the World over the period (2000/2014) Résultats Obtenus Résultats des estimations par le modèle Kumbhakar, Lien & Hardaker (2014) Figure: An overview of the value-added tax efficiency around the World over the period (2000/2014) Résultats Obtenus Test de robustesse des résultats obtenus par le modèle de Kumbhakar et al. (2014) Estimation du potentiel de recettes fiscales hors ressources par la médiane au lieu de la moyenne Résultats Obtenus Test de robustesse des résultats obtenus par le modèle de Kumbhakar et al. (2014) Estimation du potentiel de TVA par la médiane au lieu de la moyenne Conclusion et Recommandations Les résultats obtenus à partir du modèle de frontière stochastique de Kumbhakar et al. (2014) sont plus pertinents. Un nombre important de Pays en Développement fournissent un effort conséquent pour collecter l’impôt. Il y a des efforts supplementaires à fournir notamment en termes de collecte de TVA. Les EFP sont faibles par rapport aux EFV. Les PFRs sont caractérisés par des efforts importants mais ayant connus une baisse en fin de période. Les PDRs ont commencé à améliorer leur performance fiscale en fin de période. Les pays les plus performants doivent plutôt essayer de stabiliser leurs recettes fiscales. Merci de Votre Attention !!! return Résultats Obtenus Résultats des estimations avec le modèle de Kumbhakar, Lien & Hardaker (2014) Figure: Non-resource tax efficiency according to the level of development Résultats Obtenus Résultats des estimations avec le modèle de Kumbhakar, Lien & Hardaker (2014) Figure: Value-added tax efficiency according to the level of development Développement du concept d’effort fiscal Figure: Clarification about the concepts of tax administration effort and political effort Source: RA-GAP Program, IMF, 2014.