Università Cattolica del Sacro Cuore Millennium Unicatt DocTA DocTA DocTA  

DocTA - Doctoral Theses Archive >
Tesi di dottorato >
CORSO DI DOTTORATO IN ECONOMIA E FINANZA >

Citation:
Please use this identifier to cite or link to this item:
Rabasco, Michele. "ESSAYS ON TAX COMPLIANCE", Università Cattolica del Sacro Cuore, XXXII ciclo, a.a. 2018/19, Milano, [http://hdl.handle.net/10280/83513].

Title: ESSAYS ON TAX COMPLIANCE
Author: RABASCO, MICHELE
Tutor: SANTORO, ALESSANDRO
Supervisor: FEMMINIS, GIANLUCA
Language: ENG
Italian Abstract: Questa tesi è composta da due saggi indipendenti. Il saggio presentato nel Capitolo 1 studia la conformità fiscale all'interno di un modello basato su agenti. Il modello è progettato tenendo conto di una serie di regole fiscali in vigore in Italia e calibrato con micro-dati forniti dall'autorità fiscale italiana. I risultati delle simulazioni mostrano che, considerando livelli di deterrenza realistici, agenti strettamente razionali generano un livello (medio) di non conformità fiscale sostanzialmente superiore a quello suggerito dai dati empirici. Quando includiamo nel processo decisionale dell’agente il calcolo e l’aggiornamento della probabilità soggettiva di subire un controllo, così come l’attitudine alla conformità sociale e gli effetti di rete, il modello fornisce risultati maggiormente in linea con l'evidenza empirica. Il saggio presentato nel Capitolo 2 impiega diverse tecniche di apprendimento automatico, con l'obiettivo di identificare quei contribuenti che hanno maggiore probabilità di aumentare l’importo della loro dichiarazione dei redditi dopo essere stati controllati dall'autorità fiscale. Tra i metodi impiegati, la foresta casuale ha garantito la maggiore accuratezza predittiva. Per valutare l'utilità pratica del nostro approccio, calcoliamo l'aumento del reddito netto riportato dai contribuenti identificati dal modello random forest. Troviamo che, in media, questo aumento è significativo rispetto alla media di tutti i contribuenti ispezionati. Riteniamo, dunque, che il nostro approccio possa rivelarsi uno strumento utile al fine di individuare e selezionare quei contribuenti che hanno una maggiore probabilità di dichiarare un reddito più alto in seguito ad un controllo, consentendo, quindi, una migliore allocazione delle - tipicamente scarse - risorse finanziarie a disposizione dell’autorità fiscale nell'ambito della sua attività ordinaria di controllo.
English Abstract: The essay presented in Chapter 1 studies tax compliance within an agent-based framework. The model is designed according to a set of normative taxing rules for the Italian case and calibrated with micro-data provided by the Italian tax authority. Simulation results show that, under realistic deterrence levels, strict rational agents generate a (average) level of tax noncompliance substantially higher than that suggested by the empirical data. When subjective audit probability computing and updating as well as social conformity attitude and network effects are included in the decision process, the model provides results more in line with the empirical evidence. The essay presented in Chapter 2 employs several machine learning techniques, with the aim to identify those taxpayers who are more likely to increase their net income declarations after being audited by the tax authority. Among the employed methods, random forest guaranteed higher predictive accuracy. In order to assess the practical utility of our approach, we compute the reported net income increase by taxpayers identified through the random forest model. We find that, on average, this increase is significant compared to the average of all the inspected taxpayers. We believe that our approach could prove a useful tool in order to identify and select those taxpayers who are more likely to increase the income reporting after an audit, therefore allowing for a better allocation of the – typically scarce – financial resources available to the tax authority for its ordinary auditing activities.
Defense Date: 2-Oct-2020
URI: http://hdl.handle.net/10280/83513
Appears in Collections:CORSO DI DOTTORATO IN ECONOMIA E FINANZA
FACOLTA' DI ECONOMIA

Files in This Item:

File SizeFormatFull-text availability
tesiphd_completa_Rabasco.pdf1,57 MBAdobe PDFunder embargo


Access and Use of Materials in DocTA




 

DocTA è un servizio dell'Università Cattolica del Sacro Cuore realizzato in collaborazione con CINECA
© 2011 UCSC - Tutti i diritti riservati - Powered by DSpace Software - Feedback