Az informális munkavégzést meghatározó tényezők Magyarországon

Átírás

1 Az informális munkavégzést meghatározó tényezők Magyarországon Fazekas Mihály (University of Cambridge és RAND Europe) Medgyesi Marcell (Tárki) Tóth István János (MTA-KTI) a Magyar Közgazdaságtudományi Egyesület évi konferenciája December :15, Magyar Nemzeti Bank, Budapest 1

2 Motiváció Néhány magyarországi megfigyelés az informális munka mértékéről Adatforrás Kérdések, hipotézisek, empirikus modell Eredmények Tartalom Következtetések, tapasztalatok 2

3 Motiváció 3

4 Motiváció Informális munkavégzés és tényezőinek megfigyelése empirikus eszközökkel Korábbi, puha módszerekkel való vizsgálataink eredményeinek tesztelése Nem a mérésre, hanem a létrehozó okokra koncentrálunk Magyar és nemzetközi összehasonlító vizsgálat A magyar helyzet különös jellemzőinek feltárása és vizsgálata 4

5 Megfigyelések a jelenlegi helyzetről 5

6 Becslések az informális foglalkoztatás elterjedtségéről Magyarországon Forrás Nem regisztrált munkavállalás az összes foglalkoztatott között Év Ádám és Kutas (2004) 13% 2002 Augusztinovics és Köllő (2007) 18% 2004 Elek et al. (2009) % 2005 Köllő (2010) 15% 2000 Módszertan MEF és SZJA adatok összevetése MEF és ONYF adatok összevetése MEF és ONYF, OEP adatok összevetése MEF és ONYF adatok összevetése 13% %

7 Survey-vizsgálatok eredményei Vizsgálat Fekete foglalkoztatás aránya Eurobarometer 7% 9% 10% Czibik és Medgyesi (2007) 10% Semjén et al. (2009) 15% 13% Definíció Be nem jelentett tevékenységet végzett az elmúlt évben Kapott zsebbe fizetést az elmúl évben Kapott zsebbe fizetést az elmúlt 2 évben Referencia népesség 15 évnél idősebb éves népesség Alkalmazottak, alkalmi munkavállalók Alkalmazottak, alkalmi munkavállalók éves népesség Alkalmazottak, alkalmi munkavállalók Év Adatok fős, lakossági survey fős, lakossági survey fős, lakossági survey 7

8 Adatok, adatbázisok 8

9 Felhasználható adatbázisok Nemzetközi: Eurobarometer felvételei: összehasonlítható lakossági felvételek, európai országok körében 2007 European social survey: összehasonlítható lakossági felvételek európai országok körében Hazai: Az MKIK GVI 1000 fős lakossági felvétele a jövedelmekről és a megtakarítási hajlandóságról MTA KTI 1000 fős lakossági felvétele a rejtett foglalkoztatásról, a korrupciós jelenségekről 2008 MTA KTI 1000 fős tervezett lakossági felvétele a rejtett foglalkoztatásról

10 Kérdések, hipotézisek, empirikus modell 10

11 A kutatás központi kérdése Milyen tényezők határozzák meg (befolyásolják) az informális munkavégzést Magyarországon? 11

12 Specifikus kutatási kérdések: 1. Mekkora szerepet játszik az informális munkavégzésben a racionális kalkuláció? 2. Mekkora szerepet játszik az informális munkavégzésben az adófizetési morál? 3. Találhatók-e markánsan elkülönülő csoportok az informális munkát végzőkön belül szocio-ökonómiai státusz (iskolázottság, jövedelem, és munkaerő-piaci státusz) és adócsalási technológia alapján? 4. Amennyiben vannak ilyen csoportok, eltérő szerepe van-e a racionális kalkulációnak és az adófizetési morálnak az egyes csoportokban? 12

13 Hipotézisek racionális kalkuláció (Pfau-Effinger, 2003, Hanousek-Palda, 2003, OECD, 2008, 2. fej.) HR1: A lebukás magasabb várható költsége (az egyén szubjektív megítélése alapján mérve) csökkenti az informális munkavégzés előfordulását. HR2: A munkanélküliségtől való félelem és negatív jövedelmi várakozások növelik az informális munkavégzés előfordulását (marginality thesis) 13

14 Hipotézisek - adómorál (Cummings et al, 2005, Wenzel, 2005, Lago-Penas et al, 2005, Hanousek-Palda, 2003, Pfau-Effinger, 2003, Alm-Torgler, 2004) HM1: Alacsonyabb adómorál az informális munkavégzés magasabb előfordulását eredményezi. HM2: Az adómorál összetevő elemei azonos irányban hatnak az informális munkavégzés előfordulására. 14

15 Hipotézisek adócsalók típusai (Pfau-Effinger, 2009, Williams, 2009, 2004) HT1: Az informálisan munkát végzőknek két markánsan elkülönülő csoportja létezik: (1) szegénység elkerülő és (2) jövedelem kiegészítő adócsaló csoport. HT2: A szegényég elkerülő típusú informális munkavégzők adócsalási döntésére nincs hatással a racionális kalkuláció és az adómorál. HT3: A jövedelemkiegészítő típusú informális munkavégzők adócsalási döntésére a várakozásoknak megfelelő irányba hatnak a racionális kalkuláció és az adómorál meghatározói. 15

16 Empirikus modell Bináris logit modell: Pr( ZSEBSZLA i = 1) = 1 1+ e Z i Z i = 0 + β1 i X ij + β2ilbi + β3k β AM + ε ik i ZSEBSZLA = 1: kap zsebbe, vagy számlára be nem jelentett jövedelmet, 0 egyébként. β 0 a konstans, X ij a j darab kontroll változó mátrixa, LB i a lebukási valószínűség szubjektív megítélése, AM ik a k darab adómorál változó mátrixát, ε i a hibatag 16

17 Eredmények 17

18 Lebukási valószínűség: szubjektív és objektív értelmezése Szubjektív: ha adót csal, akkor átlagosan 67%-os valószínűséggel bukik le Objektív - Egyszerű modell: P(LB i ) = P(ELL i ) * P(FD i ELL i =1) Vállalkozások munkaügyi ellenőrzési valószínűsége 2.6% Vállalkozások lebukási valószínűsége, feltéve ellenőrzés- max 100.0% Vállalkozások lebukási valószínűsége, feltéve ellenőrzés-min 63.7% Adócsaló vállalkozások lebukási valószínűsége min: 1.7% max: 2.6% Munkavállalók munkaügyi ellenőrzési valószínűsége 7.7% Munkavállalók lebukási valószínűsége, feltéve ellenőrzés- max 100.0% Munkavállalók lebukási valószínűsége, feltéve ellenőrzés-min 65.0% Adócsaló munkavállalók lebukási valószínűsége min: 5.0% max: 7.7% Egyéni vállalkozók és magánszemélyek adó-ellenőrzési valószínűsége 4.7% Egyéni vállalkozók és magánszemélyek lebukási valószínűsége, feltéve ellenőrzés- max 100.0% Egyéni vállalkozók és magánszemélyek lebukási valószínűsége, feltéve ellenőrzés-min n.a. Adócsaló egyéni vállalkozók és magánszemélyek lebukási valószínűsége min: n.a. max: 4.7% Forrás: APEH, OMMF 18

19 Teljes gazdaságilag aktív lakosság Aktív lakosság: jelenleg nem inaktív és legalább egy hónapot dolgozott az elmúlt 12 hónapban Modell (1) Modell (2) Modell (3) Modell (4) Modell (5) Lebukás valószínűsége ** ** (-3.25) (-2.66) (-1.93) Adómorál (referencia kategória: valószínű, nagyon valószínű, hogy adót csalna) Nem valószínű hogy adót csal (-1.65) (-0.84) (-0.78) Egyáltalán nem valószínű hogy csal *** * * (-3.99) (-2.05) (-2.24) Férfi (0.91) (1.70) (1.21) Életkor (év) ** * (-2.98) (-1.83) (-2.09) Budapest (0.45) (0.36) (0.51) Egyéb város * ** * (-2.32) (-2.81) (-2.32) Párban él (0.98) (0.59) (0.94) Ht. tagok száma (-0.67) (-0.22) (-0.51) legf. 8 ált. isk (-0.45) (-0.79) (-0.70) legf. érettségi * * ** (-2.44) (-2.22) (-2.69) Családi jövedelem 2. negyed (-0.42) (-0.25) (-0.38) Családi jövedelem 3. negyed (-1.83) (-1.43) (-1.50) Családi jövedelem 4. negyed (-1.33) (-1.32) (-1.34) Segélyt kaptak * (1.67) (2.23) (1.87) Most munkanélküli (1.42) (1.22) (1.19) Volt munkanélküli 0.110* * (2.43) (1.80) (2.28) N %-os küszöb mellett szignifikáns változók *-gal, 1%-os szinten szignifikáns változók **-gal jelölve. Átlagos parciális hatás értelmezése: az adott magyarázó változó egységnyi változása átlagosan (a mintában) hány százalékkal növeli az informális munkavégzés valószínűségét. 19

20 Teljes gazdaságilag aktív lakosság Modell 1 Modell 2 Modell 3 Modell 4 Intézményi bizalom magas * (bizalomindex 2 és 5 között) (-2.00) Észlelt korrupció szintje alacsony *** (korrupciós index 0) (-3.58) Legkevésbé törvénytisztelő attitűd * (normakövetés index 1) (2.21) Alacsony adótudatosság (1.33) Lebukás valószínűsége (%pont) *** *** ** *** (-3.40) (-3.40) (-3.25) (-3.70) Férfi (-0.03) (0.13) (0.66) (0.29) - Életkor (10 év) *** *** *** *** (-4.48) (-3.75) (-3.54) (-3.77) Budapest (1.10) (0.59) (1.65) (1.36) Egyéb város * * (-1.66) (-2.22) (-1.51) (-2.28) Párban él (1.27) (1.88) (1.04) (1.26) Ht. tagok száma (0.33) (0.45) (-0.49) (-0.27) legf. 8 ált. isk, szakiskola (0.06) (-0.10) (0.28) (0.60) legf. érettségi * (-1.86) (-2.53) (-1.82) (-1.59) Családi jövedelem 2. harmad * ** * * (-2.51) (-3.20) (-2.20) (-2.25) Családi jövedelem 3. harmad (-1.27) (-1.67) (-1.19) (-1.61) Családi jövedelem missing (-0.25) (-0.74) (-0.62) (-0.43) Segélyt kaptak (1.79) (1.75) (1.63) (1.82) Most munkanélküli (1.49) (1.19) (1.29) (1.18) Volt munkanélküli ** ** ** ** (2.79) (2.79) (2.84) (2.59) N %-os küszöb mellett szignifikáns változók *-gal, 1%-os szinten szignifikáns változók **-gal jelölve. Átlagos parciális hatás értelmezése: az adott magyarázó változó egységnyi változása átlagosan (a mintában) hány százalékkal növeli 20 az informális munkavégzés valószínűségét.

21 Teljes gazdaságilag aktív lakosság Hipotézis HR1: A lebukás magasabb várható költsége (az egyén szubjektív megítélése alapján mérve) csökkenti az informális munkavégzés előfordulását. HR2: A munkanélküliségtől való félelem és negatív jövedelmi várakozások növelik az informális munkavégzés előfordulását (marginality thesis) HM1: Alacsonyabb adómorál az informális munkavégzés magasabb előfordulását eredményezi. HM2: Az adómorál összetevő elemei azonos irányban hatnak az informális munkavégzés előfordulására. Eredmény Az adatelemzés részben alátámasztja Nem tudtuk megfelelően mérni a becsült bírságot és a morális költségeket Az adómorál változójának bevonása gyengíti ezt a hatást Nem túl erős a hatás (10% 1,7%) Az adatelemzés részben alátámasztja Munkanélküli tapasztalat és segélyezés növeli az informális munka valószínűségét Az adatelemzés alátámasztja Erős hatás (-10%) Az adatelemzés részben alátámasztja Csak indexek képezése révén tudtuk a hatást megragadni Nem minden összetevőnek van szignifikáns hatása (pl.: adótudatosság) 21

22 Adócsalók típusainak azonosítása - klaszterelemzés Klaszterezési feladat: 1. adócsalók típusainak azonosítása ÉS 2. a hozzájuk hasonló nem-adócsalók megtalálása Klaszterezési eljárás (SPSS): 1. two-step cluster 2. quick cluster (adott középponthoz) Felhasznált adatok adócsalás technológia: készpénzes vagy számlás kifizetés munkaerő-piaci szituáció: volt-e munkanélküli mióta elkezdett dolgozni, és jelenlegi munkaerő-piaci státusz (alkalmazott, vállalkozó, alkalmi munkás, és munkanélküli), és legmagasabb iskolai végzettség. Adócsalók klaszterezése: 22

23 Adócsalók típusainak azonosítása - klaszterelemzés Teljes minta csoportosítása (adócsalók és nem-adócsalók együtt) Teljes elemszám Az elmúlt 2 évben pénze egy részét zsebbe kapta Az elmúlt 2 évben alkalmazott volt/lehetett volna, de járandósága egy részét számlára kapta Az elmúlt 2 évben számlára vagy zsebbe kapta pénze egy részét Átlagos családi egy főre jutó jövedelem Átlagosan az elmúlt 12 hónapból munkával töltött hónapok száma igen nem igen nem igen nem szegénység elkerülő alminta mellékkeres ő alminta szegénység elkerülő alminta mellékkeres ő alminta legmagasabb iskolai végzettség legfeljebb 8 általános szakmunká sképző jelenlegi munkaerő-piaci státusz érettségi diploma alkalmazott vállalkozó alkalmi munkás munkanélk üli inaktív 23

24 Jövedelem kiegészítő alminta Modell (1) Modell (2) Modell (3) Modell (4) Modell (5) Magas státuszú alminta (Függő változó: informális munkát végzett az elmúlt 2 évben) Lebukás valószínűsége (százalékpont) * * (-2.35) (-2.20) (-1.67) Nem valószínű hogy adót csal (-0.47) (-0.36) (-0.07) Egyáltalán nem valószínű hogy csal (-0.44) (-0.02) (0.08) Férfi (-0.31) (1.02) (0.35) Életkor (év) * (-2.25) (-1.43) (-1.82) Budapest (0.06) (-0.14) (0.09) Egyéb város ** *** ** (-2.96) (-3.52) (-2.72) N %-os küszöb mellett szignifikáns változók *-gal, 1%-os szinten szignifikáns változók **-gal jelölve. Átlagos parciális hatás értelmezése: az adott magyarázó változó egységnyi változása átlagosan (a mintában) hány százalékkal növeli az informális munkavégzés valószínűségét. 24

25 Szegénység elkerülő alminta Modell (1) Modell (2) Modell (3) Modell (4) Modell (5) Alacsony státuszú alminta (Függő változó: informális munkát végzett az elmúlt 2 évben) Lebukás valószínűsége (százalékpont) (-0.35) (0.19) (0.49) Nem valószínű hogy adót csal (1.55) (1.59) (0.39) Egyáltalán nem valószínű hogy csal * (-1.95) (-1.55) (-2.01) Férfi 0.175** 0.158* 0.172* (2.60) (2.28) (2.44) Életkor (év) (0.11) (0.13) (0.07) Budapest (-0.33) (-0.26) (-0.16) Egyéb város (-1.11) (-1.55) (-1.12) N %-os küszöb mellett szignifikáns változók *-gal, 1%-os szinten szignifikáns változók **-gal jelölve. Átlagos parciális hatás értelmezése: az adott magyarázó változó egységnyi változása átlagosan (a mintában) hány százalékkal növeli az informális munkavégzés valószínűségét. 25

26 Alminták elemzése Hipotézis HT1: Az informálisan munkát végzőknek két markánsan elkülönülő csoportja létezik: (1) szegénység elkerülő és (2) jövedelem kiegészítő adócsaló csoport. HT2: A szegényég elkerülő típusú informális munkavégzők adócsalási döntésére nincs hatással a racionális kalkuláció és az adómorál. HT3: A jövedelemkiegészítő típusú informális munkavégzők adócsalási döntésére a várakozásoknak megfelelő irányba hatnak a racionális kalkuláció és az adómorál meghatározói. Eredmény Az adatelemzés alátámasztja Problémás a nem-adócsalók csoportosítása 3. adócsaló típust (szolidaritás alapú) is be kellene azonosítani Az adatelemzés csak részben támasztja alá Racionális kalkuláció szerepe elhanyagolható Adómorál szerepe számottevő (Interpretáció?) Az adatelemzés csak részben támasztja alá Racionális kalkuláció szerepe számottevő, de nem minden modellben szignifikáns Adómorál szerepe elenyésző 26

27 Következtetések, tapasztalatok 27

28 Következtetések, tapasztalatok - 1 Hipotézisek értékelése Legtöbb hipotézisünket számottevő mértékben alátámasztotta az empirikus elemzés Az adócsaló típusok viselkedéséről még nem tudunk eleget Az adómorál kauzális hatásának az irányáról megoszlanak a vélemények a szakirodalomban, mi ezt nem tudtuk vizsgálni 28

29 Következtetések, tapasztalatok - 2 Adócsaló típusok Két típus azonosítása sikeres Jövedelemkiegészítő adócsaló típus nem igazán áll összhangban a nemzetközi irodalommal: a csoport 85%-ának jövedelme 50+% rejtett (20%: 100%) Eltérő viselkedés, de nem teljesen világos, hogy miért (alacsony elemszám problémát jelent) 29

30 Következtetések, tapasztalatok - 3 Módszertani megjegyzések A survey felvételek mellett fontos a puha módszerek (interjúk, esettanulmányok) alkalmazása az eredmények helyes interpretációjához Véleményre és jövedelemre vonatkozó kérdések: nagymértékű válaszeltitkolás, a minta eróziója 30

31 Következtetések, tapasztalatok - 4 Policy következmények A rejtett gazdaság különböző kormányzati beavatkozások révén csökkenthető DE egyazon intézkedés eltérően hathat különböző csoportokra Az intézkedések célzottsága kulcsfontosságú 31

32 Következtetések, tapasztalatok - 5 További kutatások EU-s adatfelvételen megismételni az elemzést: Special Eurobarometer, 2007 Adómorál meghatározóinak pontosabb mérése: Magántulajdon biztonságának hatása Laboratóriumi kísérletek Adóhatóság viselkedése (tax contract) Lebukási valószínűség pontosabb mérése Objektív valószínűségek meghatározása egyes vállalati csoportokra Szubjektív valószínűség felbontása ellenerőzési és felderítési valószínűségekre 32

33 Hivatkozások OECD (2008), Employment Outlook, OECD Paris. Lago-Peñas, Ignacio és Santiago Lago-Peñas (2008), The determinants of tax morale in comparative perspective: evidence from a multilevel analysis. Instituto de Estudios Fiscales Working Paper No. 2/2008. Pfau-Effinger, Brigit (2008), Varieties of Undeclared Work in European Societies. British Journal of Industrial Relations, 47:1, Pfau-Effinger, Brigit (2003), Development of informal work in Europe - causal factors, problems, approaches to solutions. Paper presented at the EU Workshop: Informal/Undeclared Work: Research on its changing nature and policy strategies in an enlarged Europe. Brussels, Wednesday 21st May 2003 Wenzel, Michael (2005), Motivation or rationalisation? Causal relations between ethics, norms and tax compliance. Centre for Tax System Integrity, Working Paper, No 63. Williams, Colin C. (2009), Tackling undeclared work in Europe: lessons from a 27-nation survey. Policy Studies, 30: 2, Williams, Colin C. (2004), Towards Undeclared Work Beyond Deterrence: Rethinking the UK Public Policy Approach. Public Policy and Administration, 19:

34 Köszönjük a figyelmet! (Az előadás elérhető a oldalon) 34