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.