Jövedelemadó, transzferek és munkakínálat az extenzív határon Benczúr Péter Kátay Gábor Kiss Áron Rácz Olivér Magyar Nemzeti Bank 2012 november
Motiváció A munkakínálat adókra és transzferekre vonatkozó hatásának becslése adó- és transzfer reformok hatásvizsgálatához (gazdaságpolitikai elemzés) Miért? Az adók befolyásolják a különböző árakat, így a gazdasági szereplők döntéseit is torzításokat okozhatnak A munkapiaci aktivitás az aktuális (múlt-, jelen- és jövőbeli) reformok középpontjában áll A magyar aktitási ráta alacsony talán a reálkonvergencia egyik legnagyobb gátja ld ábra Csak az aktivitási döntésre: koncentrálunk: célunk a bér és transzfer rugalmasságának becslése Extenzív határ - Benczúr et al 2
Hungary Czech Republic Poland Slovakia Slovenia Estonia Latvia Lithuania Cyprus Malta Romania Bulgaria Motiváció Munkapiaci aktivitás néhány országban, 2011 85 80 max EU15 (Sweden) 85 80 75 70 65 60 627 705 661 689 703 747 EU15 733 720 740 min EU15 (Italy) 660 633 616 75 70 65 60 55 55 50 50 45 45 Extenzív határ - Benczúr et al 3
A megközelítésünk főbb elemei Teljesen parametrikus becslés Így hipotetikus szcenáriók (adójavaslatok) is vizsgálhatók Hátrány: szükségünk van struktúrára/feltevésekre, nem csinálhatunk kvázikísérleti hatáselemzést A bérek és transzferek egységes kezelése: Az aktuális javaslatok jelentős része a transzfereket érinti A transzferek fontos összetevői a munkából szerzett többletjövedelemnek ( gains to work, GTW) és a nem munkából származó jövedelemnek Az aktivitási elmaradásunk nagyrészt jóléti juttatás-függő csoportokhoz köthető ld ábra Az egyének preferencia paraméterei megegyeznek, mégis jelentős heterogenitást tudunk kapni az extenzív határ adó- és transzfer változásokra adott válaszában Exogén variáció az adókban és a transzferekben ld ábrák Extenzív határ - Benczúr et al 4
Az aktivitási elmaradás összetevői, 2011 12 10 8 6 4 2 0-2 -4 Hungary Poland Slovakia Czech Republic women of child-bearing age (15-49) elders (>50) low-skilled Total difference 12 10 8 6 4 2 0-2 -4 Extenzív határ - Benczúr et al 5
Adóváltozások Change in average tax rate from previous year 3 2 1 0 1 2 Change in average tax rate from previous year 1 05 0 05 1 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 50 66 80 90 100 110 133 166 200 300 excludes outside values (a) Az ATR éves változása excludes outside values (b) Az ATR változása jövedelmi szintenként (az átlagjövedelem %-ában) A 2008-as minta reáljövedelmét téve az egyes évek adórendszerébe Extenzív határ - Benczúr et al 6
1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 Motiváció Transzferváltozások hatásai az aktivitási rátára 08% 08% 25% 25% 06% 06% 20% 20% 04% 02% 00% -02% -04% 15% 04% 10% 02% 05% 00% 00% -02% -05% -04% -10% 15% 10% 05% 00% -05% -10% -06% -06% -15% -15% -08% -08% -20% -20% -10% Old-age pension Maternity allowances -10% -25% Old-age pension Maternity allowances -25% Disabled Transfers Disabled Transfers (c) Évenkénti változások (% pontban) (d) Kumulált változások Kátay-Nobilis (2009) eredményeit frissítettük Extenzív határ - Benczúr et al 7
A korábbi eredmények hiányosságai Az egyes eredményeket nehéz közvetlenül összehasonlítani: Speciális részcsoportok A nettó béreket más módon kezelik a különböző tanulmányok Kivétel: Chetty et al (2012) metaelemzése a válasz 025 A megközelítés többnyire redukált alakú (programértékelés) Ritka, hogy az adókat és a transzfereket is figyelembe vennék Az elvesztett transzferek és a jövedelemfüggő juttatások fokozatos kivezetése számos fontos csoport költségvetési korlátjának alapvető összetevője (alacsony képzettségűek, GYES, nyugdíjkorhatár környéke) És az ilyen csoportok nagyban hozzájárulnak az alacsony aktivitásunkhoz Extenzív határ - Benczúr et al 8
A becslés alapjául szolgáló elmélet Egyéni hasznosságmaximalizálás: max c1 ψ 1 1 ψ + χ (1 l)1 ϕ 1 1 ϕ st: c + w (1 l) = w + T FOC: χ (1 l) ϕ = wc ψ Definiáljuk a rezervációs bért: ahol 1 l = 1: χ = w res T ψ Az egyén dolgozik, ha w w res : log w log χ + ψ log T Felírjuk log χ -t Z i A + ε alakban, ahol Z i megfigyelhető egyéni jellemzőket tartalmaz, illetve ε N ( 0, σ 2) : log w i Z i A ψ log T i ε i ( log wi Z P = Φ i A ) ψ log T i σ = Φ ( γ log w i + Z i α ψ ) log T i Extenzív határ - Benczúr et al 9
Adók és transzferek a képben Ha tetszőlegesen kicsi óraszám is diszkrét ugrással járhat a transzferjogosultságban, akkor a rezervációs bér végtelen Kiút: korlátozzuk az aktivitási döntést egy fix l állásméretre esetünkben teljes állásra Ekkor a rezervációs bért úgy kapjuk, hogy összehasonlítjuk az aktivitás és az inaktivitás hasznosságát (ld az ábrát) Így kapjuk az alap strukturális probit egyenletünket: P = Φ ( γ log W i + Z i α ψ log T i ) Extenzív határ - Benczúr et al 10
Adók, transzferek és a munkakínálat - grafikusan c c=wl+(t-δt) U i T T-ΔT l l* Extenzív határ - Benczúr et al 11
Miben különbözik ez az előzőtől? W i jelentése: mennyivel változik a rendelkezésre álló jövedelmem, ha munkába állok (GTW): W i = w i l T i T i jelentése: az a (hipotetikus) transzfer, amit az inaktivitásban kapok (kapnék) Az egyéni jellemzők, valamint a jóléti rendszer szabályainak ismeretében (minden egyes évre!) meg tudjuk határozni mindkét transzfer elemet (T és ΔT) : A dolgozókra meghatározzuk T-t, majd ΔT = T T obs A nem dolgozókra meghatározzuk ΔT-t, majd T = T obs Ez gyakorlatilag egy mikroszimulációs ( tax-benefit ) modellt jelent ami jól jön majd a gazdaságpolitikai szimulációs gyakorlatunkban! Extenzív határ - Benczúr et al 12
Az alap ökonometriai probléma: nem megfigyelt bérek A strukturális egyenlet (a nem dolgozók béreit nem figyeljük meg): ( P (foglalkoztatott/aktív) = Φ γ log W i + Z i α SF ψ ) RF log T i A bért (GTW) egy sztenderd béregyenlettel becsüljük meg: log W i = log(w i T) = X i β W + µ i Probléma: a minta nem véletlenszerű, hiszen a részvételi és a bér egyenlet hibatagjai korreláltak lehetnek Extenzív határ - Benczúr et al 13
Megoldás: egy három lépcsős eljárás Kimmel and Kniesner cikkét követjük (1998, JME), de csak egy bizonyos pontig: 1 Redukált alakú probit: P (foglalkoztatott) = Φ (X i β RF + Z iα RF ψ ) RF log T i 2 A béregyenletet az inverz Mills hányadossal λ i (x) korrigáljuk: log W i = X i β W + δ Wλ(X i β RF + Z i ˆα RF ˆ ψrf log T i ) + µ i 3 Majd az előrejelzett logˆ W i kerül a strukturális probit egyenletbe Extenzív határ - Benczúr et al 14
Három megjegyzés 1 log W endogenitása a strukturális probit egyenletben Valójában a 3 lépcső egy IV-probit az X-ben szerepelnek olyan kontrollok, amik a strukturális probitban nem (Z) 2 Függvényformából történő identifikáció Ez a helyzet, amennyiben X Z, hiszen ekkor az inverz Mills hányados pusztán egy nemlineáris függvénye a béregyenlet jobb oldalán szereplő változóknak Ez sajnos elkerülhetetlen, mivel W a transzferektől is függ, amiket minden potenciális jobb oldali változó befolyásolhat De a strukturális probitnál ez már kevésbé probléma a γ paramétert ˆλ és X \ Z variációjából identifikáljuk! 3 Generált regresszorok a harmadik lépcsőben korrigálni kell a sztenderd hibákat (amit az irodalom többnyire nem tesz meg) Fernandez et al (2001, EL) kiszámol egy ilyesmi korrekciót Mi inkább bootstrap-et alkalmazunk (200 ismétlessel) Extenzív határ - Benczúr et al 15
A nettó bér rugalmassága A strukturális probitból kapunk egy γ béregyütthatót Mivel a probit egy nemlineáris függvény, γ még nem azt mutatja, hogy mekkora egy adott nagyságú bérváltozás marginális hatása ezt csak egy adott Z, logw és log T vektor mellett tudjuk meghatározni! De még az is csak W, nem pedig w hatása! A megoldás: Φ log w = Φ log W log W log w = γ log(elog w T) log w = γ elog w } {{ } γ e log w T = γ w w T Fontos észrevétel, hogy log W marginális hatása felnagyítódik, ha w ΔT w a transzferfüggő csoportoknál (alacsony képzettségű, nyugdíjkorhatár környéki stb) pedig pontosan ez a helyzet! Extenzív határ - Benczúr et al 16
Adatok A HKF-et használjuk, az 1998-2008 időszakra Elvileg ez egy rotációs panel, évente egyharmad új bekerülővel A kapcsolás azonban problémás, így egyesített (pooled) keresztmetszetet használunk Részletes jövedelem (és fogyasztási) adatokat tartalmaz, évente mintegy 25,000 egyénre A fő nehézség: a tényellenes transzferek meghatározása Mennyi transzfert kapna valaki, ha hirtelen elvesztené a munkáját? Mennyi transzfert veszítene el valaki, ha munkába állna (egy adott bér mellett)? A jóléti rendszer részletes kódolása szükséges ehhez Egyetlen esetben kellett külső információt behozni: a foglalkoztatási történetet az LFS alapján becsültük meg Extenzív határ - Benczúr et al 17
Keresleti és kínálati tényezők A kínálatot nem befolyásoló bérváltozók (X i \ Z i ): Kor, kor négyzet Megye Interakciók az iskolázottsággal A munkakínálat tényezői (Z i ): a sztenderd egyéni és családi jellemzők, kiemelten: Korcsoport (15-24, 25-49, >49) Családi állapot Tanuló, GYES Az identifikációs logika: az életkor a tapasztalatot jeleníti meg Plusz egy év nem befolyásolja a munkakínálatot egy adott korcsoporton (és családi állapoton stb) belül De növeli a kínált bért Extenzív határ - Benczúr et al 18
Becslési eredmények (A) Becslési eredmények Aktivitás Foglalkoztatottság (1) (2) együtth sztd hiba együtth sztd hiba GTW 0820 0099 0761 0089 nem munkából sz jöv -0844 0110-0702 0098 (B) Feltételes marginális hatások dy/dx sztd hiba dy/dx sztd hiba GTW 0290 0028 0301 0031 nem munkából sz jöv -0298 0030-0277 0035 nettó bér 0395 0038 0410 0042 transzfer -0136 0013-0137 0015 Extenzív határ - Benczúr et al 19
Feltételes marginális hatások, csoportonként teljes minta restriktált minta dy/dx sztd hiba dy/dx sztd hiba GTW 0290 0028 teljes minta nem munkából sz jöv -0298 0030 nettó bér 0395 0038 transzfer -0136 0013 GTW 0212 0064 0175 0085 általános iskola nem munkából sz jöv -0218 0068-0192 0101 vagy kevesebb nettó bér 0294 0089 0275 0133 transzfer -0093 0028-0109 0053 GTW 0219 0022 0213 0031 középfokú nem munkából sz jöv -0225 0024-0214 0034 végzettség nettó bér 0310 0031 0286 0041 transzfer -0118 0012-0098 0014 GTW 0110 0012 0130 0029 felsőfokú nem munkából sz jöv -0113 0012-0121 00301 végzettség nettó bér 0139 0015 0156 0035 transzfer -0045 0005-0043 0010 Extenzív határ - Benczúr et al 20
Feltételes marginális hatások, elsődleges kereső korúak full sample dy/dx sztd hiba teljes minta nettó bér 0127 0014 transzfer -0054 0006 max általános nettó bér 0409 0040 transzfer -0194 0019 középfok nettó bér 0122 0012 transzfer -0054 00065 felsőfok nettó bér 0050 0004 transzfer -0019 0001 Extenzív határ - Benczúr et al 21
Feltételes marginális hatások, speciális részcsoportokra dy/dx sztd hiba idősek (>=50) nettó bér 0392 0065 transzfer -0103 0017 szülőképes korú nettó bér 0231 0021 nők (25-49) transzfer -0108 0010 elsődleges kereső korú nettó bér 0096 0012 egyedülálló férfi transzfer -0038 0005 elsődleges kereső korú nettó bér 0168 0019 egyedülálló nő transzfer -0076 0008 elsődleges kereső korú nettó bér 0039 0005 házas férfi transzfer -0016 0002 elsődleges kereső korú nettó bér 0290 0025 házas nő transzfer -0133 0012 Extenzív határ - Benczúr et al 22
Külső validálás Chetty et al (2012): 025-ös aggregált extenzív határ rugalmasság Nálunk: ha minden egyén bérét megemeljük 1%-kal, a foglalkoztatottság 028%-kal nő Hazai eredményekkel történő összehasonlítás: Nyugdíj hatása az aktivitásra jelentős negatív hatások (Köllő és Nacsa, 2005; Cseres-Gergely, 2008) Nálunk: az effektív nyugdíjkorhatár egy évvel történő emelése 426 % ponttal emeli az 55-65 korcsoport aktivitását GYES/GYED hatása (1995 és utána) gyenge pozitív eredmények (Köllő 2009, Szabó-Morvai 2011), nálunk pozitív de kicsi hatás (124 % pont az érintettek körében) Munkanélküli segély a meglévő eredmények nem pont ugyanezt mérik (állástalálás valószínűsége, munkába állás időzítése) Extenzív határ - Benczúr et al 23
Az első (?) olyan strukturális munkakínálati becslés az extenzív határon, amely az adókat és a transzfereket is figyelembe veszi Az egyéni heterogenitást egy közös strukturális egyenlettel is kellően meg tudjuk ragadni Az alacsony magyar aktivitáshoz nagyban hozzájáruló csoportok (alacsonyan képzettek, szülőképes korú nők, idősek) viszonylag érzékenyebbek az adó- és transzfer változásokra Az eredmények könnyen átültethetők szimulációkba Példa: becslésünk szerint a 2012-es magyar adó és transzfer változások az aktivitást 097%-kal csökkenthetik Az adójóváírás eltörlése: 209% TB járulékok emelése: 034% Adócsökkentés: +151% Extenzív határ - Benczúr et al 24
GTW Extenzív határ - Benczúr et al 25