Estudios sobre la Economía Española - 2016/20 Estimación de los impuestos pagados por los hogares españoles en 2013 a partir de la Encuesta de Presupuestos Familiares y la Encuesta de Condiciones de Vida. Metodología

Julio López Laborda Universidad de Zaragoza y FEDEA

Carmen Marín González FEDEA

Jorge Onrubia Universidad Complutense de Madrid, FEDEA y GEN

fedea

Julio López Laborda Universidad de Zaragoza y FEDEA

Carmen Marín González FEDEA

Jorge Onrubia Universidad Complutense de Madrid, FEDEA y GEN

Mayo de 2016

Resumen

En este trabajo se describe la metodología utilizada para realizar un análisis de la incidencia distributiva de los principales impuestos del sistema fiscal pagados en el año 2013 por los hogares españoles. El estudio abarca a los residentes en las diecisiete comunidades autónomas y en las ciudades autónomas de Ceuta y Melilla. Para disponer en todos los hogares de la Encuesta de Condiciones de Vida (ECV) de las cuantías correspondientes a los distintos conceptos de gasto que integran la cesta de consumo se ha realizado una fusión estadística entre la ECV y la Encuesta de Presupuestos Familiares (EPF). La metodología y validación de esta fusión se detallan en la segunda sección del trabajo. A continuación se exponen los criterios adoptados en la imputación de los impuestos directos e indirectos contemplados en el análisis (IRPF, Cotizaciones Sociales, Impuesto de Patrimonio, IVA e Impuesto sobre Transmisiones Patrimoniales e Impuestos Especiales). Los resultados obtenidos se examinan con detalle en López Laborda, Marín y Onrubia (2016).

Palabras clave: fusión estadística, incidencia distributiva, impuestos, ECV, EPF. Códigos JEL: C15, C81, D30, H23

Agradecimientos: Los autores agradecen la valiosa ayuda prestada por Mila Paniagua y la financiación recibida del Ministerio de Economía y Competitividad, proyecto ECO2014-59196-P (Carmen Marín) y del Gobierno de Aragón y el Fondo Social Europeo (Grupo de investigación de Economía Pública, Julio López Laborda).

1. Introducción

El objetivo de este trabajo es realizar un análisis de la incidencia distributiva de los principales impuestos del sistema fiscal sobre los hogares españoles. El estudio se hace para el año 2013 y abarca a los residentes en las diecisiete comunidades autónomas y en las ciudades autónomas de Ceuta y Melilla.

En los últimos años, se observa en el ámbito internacional un fuerte auge de este tipo de estudios de incidencia distributiva del sistema tributario y de las prestaciones sociales. Este es el caso del trabajo de Joumard et al. (2012), que analiza el impacto redistributivo de los impuestos y las transferencias para los países de la OCDE. Por otro lado, los modelos para imputar el IVA en EUROMOD construidos recientemente para algunos países de la UE por Decoster et al. (2007), Decoster et al. (2013), Decoster et al. (2014) constituyen otro ejemplo del auge que están teniendo estos temas en el ámbito europeo. En cambio, en España, aún son escasos los trabajos que tratan conjuntamente la incidencia distributiva de la imposición directa e indirecta. No obstante, Onrubia y Rodado (2014) han analizado para los años 2009 a 2011 el impacto distributivo sobre los hogares españoles del IRPF, el IVA, los impuestos especiales y las cotizaciones sociales.

Para realizar un estudio conjunto de la incidencia distributiva de los impuestos pagados por los hogares, se requiere de una base de microdatos que contenga información anual, suficientemente detallada, tanto de los ingresos de aquellos como de los gastos en los que incurren. Con alguna excepción, como es el caso de Estados Unidos, con la Consumer Expenditure Survey, elaborada por el Bureau of Labor Statistics, o en el Reino Unido, con la Living Costs and Food Survey de la Office for National Statistics, no es habitual disponer de encuestas que incorporen simultáneamente información de las rentas y los consumos de los hogares, al menos con la suficiente calidad.

En el caso de España, actualmente, el gasto de los hogares en bienes de consumo y servicios se recoge en la Encuesta de Presupuestos Familiares (EPF), mientras que la Encuesta de Condiciones de Vida (ECV) ofrece información sobre la renta y sus componentes, además de los pagos por impuestos directos del hogar. Ello obliga a realizar un procedimiento de fusión estadística de las dos encuestas, que permita disponer en todos los hogares de la ECV de las cuantías correspondientes a los distintos conceptos de gasto que integran la cesta de consumo. Con esta información, se puede calcular la carga de los hogares por el IVA, el Impuesto de Transmisiones Patrimoniales y Actos Jurídicos Documentados (ITPAJD), el Impuesto sobre las Primas de Seguros y los Impuestos Especiales sobre el Alcohol y las Bebidas Alcohólicas, sobre Hidrocarburos, sobre las Labores del Tabaco y sobre la Electricidad. La imputación de la imposición directa es más sencilla, ya que en la ECV se encuentran identificados los pagos de los hogares por el IRPF, las Cotizaciones Sociales y el Impuesto sobre el Patrimonio.

En este documento, de carácter metodológico, se describe el proceso detallado llevado a cabo tanto en la unión de las bases de datos de ingresos y gastos como en la simulación de los pagos impositivos. La estructura del trabajo es la siguiente. Tras esta introducción, en la segunda sección se presenta el proceso seguido en la unión de la encuesta EPF y ECV. La tercera sección está dedicada a explicar los criterios adoptados en la imputación de los impuestos directos e indirectos contemplados en el trabajo. Los resultados obtenidos se examinan con detalle en López Laborda, Marín y Onrubia (2016). Por supuesto, tanto la metodología como su aplicación están sujetas a revisiones y mejoras, que pueden derivar en la actualización de los resultados.

2. Unión estadística de la EPF y la ECV

La fusión estadística de bases de microdatos de renta y consumo constituye un problema recurrente en la literatura, habiéndose desarrollado diversos métodos para poder abordarlo. En Decoster et al. (2007) se hace un resumen sistemático de los métodos de fusión más utilizados: métodos explícitos, que usan estimaciones de las curvas de Engel para imputar el gasto de los hogares en la encuesta sobre ingresos, y métodos implícitos o hot deck, que asignan a cada hogar de la encuesta de ingresos los gastos que tiene un hogar similar en la encuesta de consumo.

Dentro de los métodos explícitos se consideran, a su vez, tres métodos de estimación: paramétrico, no paramétrico y semiparamétrico. El método paramétrico consiste en la estimación de un modelo mediante técnicas econométricas, generalmente a través de regresión simple, donde la variable dependiente sería el gasto del hogar y las variables explicativas, comunes en ambas encuestas, serían la renta disponible del hogar y otras variables, generalmente indicadores dicotómicos que describen características de los hogares. El método no paramétrico consiste en estimar directamente funciones de densidad y, a partir de esas estimaciones, calcular la esperanza del gasto dada la renta y otras características del hogar. Finalmente, el método semiparamétrico sería una combinación de los dos anteriores. Por ejemplo, en Decoster et al. (2007), primero se estima de manera paramétrica las variables características del hogar para, posteriormente, estimar las funciones de densidad de manera no paramétrica.

Respecto a los métodos implícitos, para realizar la asignación del gasto se utiliza la función de distancia de Mahalanobis o la técnica de correspondencia de grado, que en un primer paso agrupa las observaciones en grupos y seguidamente utiliza el criterio de la distancia para cada grupo.

Aparte de la clasificación realizada por Decoster et al. (2007), otros autores añaden a los métodos explícitos e implícitos un tercer grupo llamado métodos mixtos. Este tercero combinaría las técnicas de los dos anteriores (Eurostat, 2013).

Aunque existe una gran variedad de métodos, la mayor parte de los trabajos analizados utiliza un método explícito paramétrico. Así, podemos citar a Decoster et al. (2014), que realizan este ejercicio de unión para Alemania y Bélgica, Savage y Callan (2015), que lo aplican a Irlanda, y O’Donoghue et al. (2004), que emplean un modelo similar para simular los gastos y los impuestos indirectos pagados por los hogares de 12 países de la UE, entre ellos España. En cambio, Donatiello et al. (2014) integran las encuestas de ingresos y gastos utilizando un método implícito o hot deck.

Dentro de los métodos mixtos, Kum y Masterson (2008) detallan el proceso de unión estadística a través de Propensity Scores, que ha sido utilizado para la construcción de la medida de Bienestar económica del Levy Institute. Empiezan estimando un logit (propensity score) y después realizan el proceso de unión mediante correspondencia o hot deck.

También se utiliza un método mixto en el trabajo para España de Onrubia y Rodado (2014), que imputan en los hogares de la ECV, por deciles de renta, el gasto total y la composición de las cestas de consumo de la EPF mediante un algoritmo de mínima distancia, que tiene en cuenta la renta disponible de ambas encuestas y un vector de características comunes de los hogares. Para determinar la cantidad pagada en concepto de impuestos indirectos (IVA e Impuestos Especiales) este trabajo utiliza el simulador FUNCASindi (Sanz et al., 2013).

En este trabajo utilizaremos un método explícito paramétrico para la estimación y posterior imputación de los gastos en la encuesta que recoge los ingresos (ECV).

2.1. Características de la fuentes de información empleadas: la EPF y la ECV

Para realizar nuestra investigación, se utilizan los microdatos de la Encuesta de Presupuestos Familiares (EPF) del año 2013 (INE, 2014) y de la Encuesta de Condiciones de Vida (ECV) del año 2014 (INE, 2015a), que recoge las rentas y el pago de impuestos directos del año anterior. Ambas encuestas son realizadas y publicadas por el Instituto Nacional de Estadística (INE) con periodicidad anual. La definición del hogar es la misma en la EPF y la ECV: la definición censal de vivienda familiar, considerándose como unidad primaria de muestreo la sección censal, y como unidad última de muestreo la vivienda familiar principal. Se incluyen en las muestras inicialmente todos los hogares privados, entendiendo por hogar la “persona o conjunto de personas que ocupan en común una vivienda familiar principal o parte de ella, y consumen y/o comparten alimentos u otros bienes con cargo a un mismo presupuesto” (INE, 2015a: 39).

La EPF suministra información anual sobre el gasto en consumo de las familias. Está formada por tres ficheros: fichero de hogar, fichero de miembros del hogar y fichero de gastos. El fichero de hogar recoge las características del hogar y gasto de consumo anual total, ingresos totales anuales del hogar, características de la vivienda, etc. El fichero de miembros del hogar incluye a todos los miembros del hogar de 16 o más años. Destacan como principales variables los ingresos de cada miembro del hogar, nivel de estudios, situación laboral, edad, etc. El fichero de gastos comprende los gastos monetarios y en unidades para algunos bienes con un nivel de desagregación bastante elevado (12 grandes rúbricas y 262 productos). Se utiliza la clasificación COICOP/HBS (Classification of Individual Consumption by Purpose / Household Budget Survey). El tamaño de la muestra para 2013 es de 22.057 hogares. Cada año se renueva la mitad de la muestra, por lo que cada hogar colabora durante un máximo de dos años.

La ECV proporciona información sobre los ingresos de los hogares, su composición por fuentes, además de información sobre prestaciones económicas recibidas y otras variables relacionadas con las condiciones de vida y la exclusión social. La ECV se encuentra armonizada a nivel europeo dentro del programa EU-SILC de Eurostat. El tamaño de la muestra de 2014 es de 11.965 hogares. La ECV mide de forma bastante precisa los ingresos de las familias, los cuales proceden mayoritariamente de los datos suministrados por las administraciones públicas. Los hogares seleccionados son seguidos durante cuatro años. La encuesta está formada por cuatro ficheros: Fichero D (fichero de datos básicos del hogar), Fichero R (fichero de datos básicos de la persona), Fichero H (fichero de datos detallados del hogar) y Fichero P (fichero de datos detallados de los adultos) (16 o más años).

En resumen, la EPF proporciona una fuente fiable del consumo de las familias, mientras que la ECV ofrece información de confianza de la renta disponible y los impuestos directos (IRPF, Cotizaciones Sociales e Impuesto sobre el Patrimonio) pagados por los hogares. Con el fin de determinar cuál es la carga fiscal total de las familias, ante la existencia de impuestos que gravan la renta y otros que gravan el consumo de los hogares, necesitamos unir ambas encuestas.

2.2. Procedimiento de fusión de la EPF y la ECV

Para realizar la unión entre ambas encuestas, utilizamos un método paramétrico, basado en la metodología utilizada por Savage y Callan (2015) y Decoster et al. (2014), con algunas adaptaciones. En su aplicación se siguen los siguientes cinco pasos. En primer lugar, se estiman los determinantes del gasto total de cada hogar en la EPF mediante un modelo de regresión simple. A continuación, se utilizan los coeficientes obtenidos en la regresión anterior para imputar el gasto total en los hogares de la ECV. En tercer lugar, se estiman los pesos de la cesta de consumo correspondientes a las agrupaciones utilizadas para clasificar los diferentes gastos del hogar.¹ Esta estimación se hace en dos etapas. En la primera, mediante un modelo Probit de elección discreta, se determina en cada categoría de bienes qué hogares tienen demanda positiva y cuáles no, con el fin de asegurar en cada categoría una proporción de hogares consumidores similar a la que proporciona la EPF. En la segunda etapa, mediante una regresión ordinaria, se estiman los pesos de la cesta de consumo únicamente para aquellos hogares con demanda positiva, usando el gasto total de la EPF y el vector de características de los hogares como variables explicativas. En cuarto lugar, estos pesos estimados son imputados en los hogares de la ECV, teniendo en cuenta la selección de hogares en cada categoría de bienes realizada en la primera etapa de esta estimación. El último paso de esta metodología consiste en estimar el gasto de cada hogar en cada categoría de bienes, multiplicando el gasto total imputado del hogar por los pesos imputados de cada categoría.

¹ El criterio principal para establecer estas agrupaciones de gasto ha sido la identificación homogénea de los tipos de gravamen aplicados sobre el consumo tanto para el IVA como para los Impuestos Especiales. Además, se ha tratado de respetar la existencia de complementariedad entre rúbricas de consumo principales (por ejemplo, seguro de automóvil y combustible y reparación de automóvil), así como evitar la agrupación de consumos inconsistentes (por ejemplo, alquiler de vivienda y seguro del hogar o gastos de conservación del hogar).

En las estimaciones e imputaciones del procedimiento que se acaba de describir se utilizan dos tipos de variables explicativas: el primero, la variable renta de ambas encuestas (la renta de la EPF en la primera estimación y la renta de la ECV en la imputación del gasto estimado); y el segundo, un vector de variables que recogen en forma de dummies las características específicas del hogar: núcleo de población, tamaño y composición del hogar asociada a la edad, situación laboral, régimen de tenencia de la vivienda y nivel de estudios. Para que la fusión estadística sea consistente y estadísticamente válida es necesario que se cumplan tres requisitos: uno, que la variable renta en ambas encuestas se ajuste a la misma definición; dos, que las variables independientes referidas a las características del hogar utilizadas en las estimaciones contribuyan de forma significativa a la explicación de la variable de gasto estimado de las familias; y tres, que todas las variables comunes intervinientes tengan distribuciones similares en las dos encuestas que se fusionan.

De esta forma, una vez imputadas en los hogares de la ECV las cuantías correspondientes a los distintos conceptos de gasto, estamos en disposición de estimar la carga fiscal de los hogares por impuestos indirectos. En el caso del IVA, utilizando para ello los correspondientes tipos de gravamen aplicables en cada categoría diferenciada de gasto. En el caso de los Impuestos Especiales, previa conversión de los gravámenes unitarios (ad quantum) en tipos ad valorem. Para estimar las cargas de la imposición directa, utilizamos como información principal la recogida en las variables disponibles de la ECV, que nos permite determinar, previa separación, los pagos realizados por los hogares en concepto de Cotizaciones Sociales de trabajadores y autónomos, IRPF e Impuesto sobre el Patrimonio.

En los apartados siguientes se explica, sucesivamente, cómo se ha construido la variable de renta, cómo se han seleccionado las variables de características de los hogares y cómo se ha realizado la estimación e imputación del gasto total y del peso de las diversas categorías de gasto.

2.2.1. Renta disponible de los hogares

La variable renta ofrecida por la EPF (impexac) se corresponde con un concepto de renta disponible mensual del hogar, procedente de los cuestionarios de recogida de información de esta encuesta (INE, 2014). Por su parte, la ECV ofrece tanto una variable de renta disponible (hy020) como una de renta bruta (hy010), procediendo los datos mayoritariamente de la información suministrada por las administraciones públicas (INE, 2015a).

Las definiciones de estas variables de renta disponible de la EPF y de la ECV incluyen, respectivamente, los siguientes conceptos:

^• La variable de renta disponible en la EPF recoge información sobre los ingresos mensuales netos del hogar, es decir, sobre el conjunto de los ingresos percibidos regularmente por el hogar y sus miembros perceptores de ingresos individuales, cualquiera que sea su origen, una vez descontadas las cotizaciones a la Seguridad Social y otros pagos asimilados (Entidades de Previsión Social, Mutualidades Obligatorias y Derechos Pasivos), así como las cantidades satisfechas en concepto de impuestos directos. En concreto, incluye: los ingresos de trabajo por cuenta ajena y propia, los ingresos por pensiones contributivas y no contributivas, los subsidios y prestaciones por desempleo, otros subsidios (becas o ayudas a la familia), rentas de propiedad y del capital y otros ingresos (donaciones de instituciones, transferencias de otros hogares, remesas de emigrantes, etc.). En las minoraciones se incluyen las cotizaciones realizadas a la Seguridad Social y otros pagos asimilados. Adicionalmente, las rentas de los asalariados se minoran en las retenciones de IRPF. Por su parte, las rentas empresariales aparecen reducidas en los pagos fraccionados de IRPF, los gastos deducibles y los impuestos retenidos a cuenta. En el caso de los ingresos por rentas de capital y de la propiedad, estos figuran minorados en los gastos deducibles.

^• La variable de renta disponible en la ECV tiene carácter anual y es más completa en cuanto a sus componentes. Además de los conceptos incorporados por la variable de la EPF, aquella incluye también las rentas no monetarias de los asalariados, las pérdidas obtenidas por los trabajadores por cuenta propia, las transferencias monetarias abonadas a otros hogares y las devoluciones o ingresos obtenidos correspondientes a la cuota diferencial de la declaración de IRPF del ejercicio anterior. En cuanto a las minoraciones consideradas, estas son las retenciones y pagos a cuenta del IRPF, la cuota diferencial pagada o recibida del ejercicio anterior, las cotizaciones sociales, el impuesto sobre el patrimonio y las transferencias periódicas abonadas a otros hogares.

Puesto que en el proceso de fusión estadística seguido las estimaciones iniciales del gasto de los hogares se realizan con la variable renta disponible de la EPF, la variable de renta disponible de la ECV que utilizamos para la imputación de esos gastos estimados tiene que ser modificada, de manera que ambas incorporen los mismos componentes. Inicialmente es necesario anualizar la renta disponible de la EPF, multiplicando por doce el importe mensual que figura en la variable impexac.

En el Gráfico 1.a se comparan, por centiles, las distribuciones anuales de la renta disponible en la EPF y en la ECV, con sus valores originales, es decir, antes de realizar el ajuste de homogeneización de sus componentes. En principio, las diferencias que se aprecian en esta comparación (Gráfico 1.b) se explican tanto por la diferente definición de renta disponible que acabamos de comentar, como por la distinta fuente de procedencia de la información sobre los ingresos en ambas encuestas. Como puede verse, a partir del centil 17, los valores originales de la renta disponible anual que ofrece la ECV son siempre superiores a los recogidos por la EPF, con diferencias en valor absoluto crecientes a medida que avanzamos hacia la parte alta de la distribución, especialmente, a partir del octavo decil. Cuando comparamos la distribución de la variable de la EPF con la correspondiente a la definición ajustada de la renta disponible de la ECV (Gráfico 1.c), observamos que estas diferencias prácticamente se mantienen, lo que nos permite identificarlas esencialmente con la distinta fuente de procedencia de los datos. Esto pone de manifiesto que la información suministrada en los formularios de encuesta de la EPF infravalora de forma importante y creciente con la renta los ingresos declarados a efectos fiscales por los miembros de los hogares o por sus pagadores. Así, la renta disponible media de la ECV ajustada fue en 2013 de 26.183 euros, mientras que en la EPF la renta disponible media fue tan solo de 21.800 euros.

Ante la magnitud de estas diferencias, hemos optado, al igual que se hace en Decoster et al. (2014) para el caso de Bélgica, por reescalar la variable de renta disponible de la ECV ajustada, de manera que su distribución tenga la misma media y desviación típica que la variable de renta disponible de la EPF. ² En el Cuadro 1, se muestran los resultados de la comparación de estas distintas definiciones de la renta disponible de la ECV (original, ajustada y reescalada) con la renta disponible de la EPF.

Cuadro 1. Renta Disponible en la EPF y la ECV

Fuente: Elaboración propia e INE (2014, 2015a).

² Para reescalar la variable de renta disponible, primero, se tipifica la variable para que tenga media 0 y desviación 1. Posteriormente, se añade a cada observación la media y la desviación típica buscadas.

a) EPF vs ECV original

b) Diferencia EPF vs ECV original

c) EPF vs ECV aj ustada

d) EPF vs ECV reescalada

Como vemos, la nueva variable de renta disponible reescalada de la ECV presenta una distribución con igual dispersión y media que la renta disponible de la EPF. En el Gráfico 1.d, observamos la práctica desaparición de las diferencias entre ambas variables, con la excepción de los últimos centiles. Esta renta disponible reescalada se utiliza solo en la imputación del gasto total estimado en los hogares de la ECV, mientras que la imputación final de cada categoría de gasto en la ECV se realiza usando la variable original de la ECV (hy020).

2.2.2. Variables de características de los hogares

En la elección de las variables que permiten la caracterización de los hogares se han tenido en cuenta aquellas que estuvieran presentes en ambas encuestas o que, alternativamente, se pudieran homogeneizar con facilidad, de forma que sus valores reflejaran las mismas categorías en la EPF y la ECV. De este grupo de variables candidatas se han seleccionado finalmente aquellas que presentan, conjuntamente con la renta disponible, una mayor capacidad explicativa en la estimación del gasto total: la densidad de población, el tamaño del hogar, el tipo de hogar, el régimen de tenencia de la vivienda, la situación laboral del sustentador principal y el nivel de estudios del sustentador principal. El conjunto de estas variables explica la variable gasto estimado con un de

Para determinar si estas variables de caracterización de los hogares tienen distribuciones similares en ambas encuestas usamos, al igual que se hace en Eurostat (2013) y en Donatiello et al. (2014), la distancia de Hellinger como indicador de aceptación:

\[D H (x ^ {E P F}, x ^ {E C V}) = \sqrt {\frac {1}{2} \sum_ {i = 1} ^ {K} \left(\sqrt {\frac {n _ {i} ^ {E P F}}{N ^ {E P F}}} - \sqrt {\frac {n _ {i} ^ {E C V}}{N ^ {E C V}}}\right) ^ {2}}\tag{1}\]

Donde se refieren a la variable común u homogénea en cada una de las dos bases de datos, K es el número de categorías de la variable, es la frecuencia relativa en la base de datos inicial (en nuestro caso, la EPF) y es la frecuencia relativa en la base de datos final (la ECV). Admitiremos que dos variables dicotómicas se distribuyen de manera similar si la distancia de Hellinger no supera el 5% o está próxima a este valor.

En el Cuadro 2 se muestran los datos proporcionados por el indicador de Hellinger (DH) para las variables consideradas. Únicamente la variable “nivel de estudios del sustentador principal”, con una DH=10,53%, no presentaría una distribución similar en las dos encuestas, por lo que la hemos excluido de la estimación del gasto en la EPF. En el caso de las variables “tipo de hogar” y “situación laboral del sustentador principal”, aunque presentan una distancia de Hellinger ligeramente superior al 5%, hemos optado por mantenerlas, considerando que las diferencias entre sus distribuciones en ambas encuestas no son excesivas.

Cuadro 2. Descriptivos de las variables de características de los hogares

Fuente: Elaboración propia e INE (2014 y 2015a).

2.2.3. Estimación e imputación del gasto total

Una vez seleccionadas las variables a utilizar en la unión de las dos encuestas, procedemos a estimar los determinantes del gasto en la EPF. Los regresores de esta estimación nos permitirán después imputar el gasto en la ECV.

De acuerdo con Savage y Callan (2015) y Decoster et al. (2014), el gasto total del hogar i en la EPF se estima mediante la siguiente ecuación:

\[\ln (E _ {i}) = \alpha + \gamma_ {1} \ln (y _ {i}) + \gamma_ {2} (\ln (y _ {i})) ^ {2} + \gamma_ {3} (\ln (y _ {i})) ^ {3} + x _ {i} ^ {\prime} \beta + \varepsilon_ {i}\tag{2}\]

El logaritmo neperiano del gasto monetario, ln es explicado a partir de la renta disponible y de un vector de características específicas de los hogares representadas por variables dicotómicas Como hemos visto, las características de los hogares finalmente incluidas son la densidad de población, el tamaño del hogar, el tipo de hogar, la situación laboral del sustentador principal y el régimen de tenencia de la vivienda.

La estimación de esta ecuación se realiza mediante una regresión por mínimos cuadrados ordinarios. Para determinar la bondad de la estimación realizada utilizaremos como referencia los datos reales de gasto de la EPF. Como se observa en el cuadro 3, el gasto real de la EPF presenta una media de 20.979 euros y una desviación típica de 14.490, mientras que el gasto estimado a través de la ecuación 2 presenta una media de 19.037 euros y una desviación típica de 9.047. Vemos que nuestra estimación está infravalorando la media y la desviación típica de la variable real, por lo que debemos proceder a practicar los ajustes necesarios para aproximar esos valores del gasto estimado al real.

Al deshacer la transformación logarítmica, obtenemos un gasto estimado que presenta una media menor que el gasto real, lo que revela la existencia de un sesgo en la estimación. ⁴ Este sesgo, distinto de cero, se corresponde con la esperanza de la exponencial del error, . Algebraicamente, la esperanza del gasto condicionado por los valores de la renta disponible y las características de los hogares es:

³ Utilizamos el gasto monetario porque esta variable no incluye los gastos imputados, el gasto procedente del autoconsumo y del autosuministro y el gasto procedente del salario en especie.

⁴ Este resultado es consecuencia, según la desigualdad de Jensen, de que “una transformación convexa de la media es menor que la media de una transformación convexa” ). En nuestro caso, como la exponencial es una función convexa, la exponencial de la esperanza del gasto condicionado a x,y, será menor que la esperanza de la exponencial del gasto: expEln o, lo que es lo mismo, exp

\[\operatorname{E} (E / x, y) = e ^ {\alpha + \gamma_ {1} \ln (y _ {i}) + \gamma_ {2} (\ln (y _ {i})) ^ {2} + \gamma_ {3} (\ln (y _ {i})) ^ {3} + x _ {i} ^ {\prime} \beta} * \operatorname{E} (e ^ {\varepsilon_ {i}})\tag{3}\]

Por tanto, como el dato que queremos estimar es el gasto sin logaritmos, además necesitamos estimar la esperanza de la exponencial del error para poder corregir este sesgo. Esta corrección se realiza utilizando el estimador de Smearing (Duan et al., 1983 y Manning, 1998), que consiste en aproximar la esperanza de la exponencial del error como la media muestral de la exponencial de los errores estimados

Como se observa en el Cuadro 3, la aplicación del ajuste mediante el estimador de Smearing proporciona la variable que hemos denominado “gasto ajustado”, cuya media se aproxima a la del “gasto real” de la EPF. Sin embargo, la desviación típica de la variable de “gasto ajustado” es aún bastante menor que la desviación típica del “gasto real”. Esto nos lleva a añadir un término de error adicional con media cero y con una desviación típica tal que la desviación típica de la variable estimada más el error sea igual a la desviación típica del gasto real. En el Gráfico 2, presentamos las funciones de densidad de la distribución de gasto real y del gasto ajustado (sin añadir ningún término de error). Como se puede ver en este gráfico, resulta necesario ajustar la varianza para poder obtener una estimación que proporcione una distribución más cercana a la de la variable real del gasto.

Cuadro 3. Estimación de la variable “gasto final” para su imputación en la ECV Fuente: Elaboración propia e INE (2014 y 2015a).

Decoster et al. (2014) asumen que el gasto monetario de los hogares se distribuye como una función log normal. Por ello, entendemos que añadir un término de error normal a una variable que no se distribuye de forma normal generaría distorsiones en la estimación, dando lugar a unos resultados inconsistentes. A modo de ejemplo, en el Gráfico 3 mostramos cuál sería la densidad de la distribución de gasto real en comparación con el gasto ajustado añadiendo un término de error distribuido como una normal. Además, comprobamos cómo con esta estimación se estarían generando unas 1.100 observaciones con un nivel de gasto negativo, lo que carece de sentido.

Gráfico 2. Gasto real vs gasto ajustado. EPF

Gráfico 3. Gasto real vs gasto ajustado con un error con distribución normal

Por tanto, a diferencia de Savage y Callan (2015) y Decoster et al. (2014), para solucionar adecuadamente este problema, nosotros utilizamos un término de error que se distribuye como una chi-cuadrado en lugar de como una normal. De este modo, generamos una chi-cuadrado tal que la varianza de la distribución de la variable estimada más el término de error sea aproximadamente igual a la varianza de la serie de gasto real.

Puesto que , entonces , con momentos . De este modo, en un primer paso, generamos una variable x distribuida como una normal con media cero y desviación típica , elevándola después al cuadrado para tener una chi-cuadrado con un grado de libertad. El parámetro es determinado de tal manera que su varianza cumpla con la condición de que la varianza del gasto real y de la nueva variable “gasto ajustado + error” sean iguales. Como la variable que estamos creando no tiene media cero, sino , ajustamos dicho error restando ese término, de manera que se añade un error de media cero. En nuestro caso, la condición de igualdad de varianzas se cumple para , así que generaremos una normal de media cero y varianza 7.063. Elevada al cuadrado esa normal, obtenemos la distribución , a la que le restamos , siendo el resultado el término de error que buscamos. Finalmente, obtenemos la variable “gasto final” como suma del “gasto ajustado” y este término de error. Como se observa en el Cuadro 3, el “gasto final” presenta una media y una desviación típica bastante similares a los de la variable de la EPF “gasto real”. Dado que, tras este proceso, la variable “gasto final” presenta 100 observaciones con valor negativo, procedemos a su reemplazo por ceros, siendo mínimo el efecto sobre los momentos de su distribución.

En el Gráfico 4, se muestran las funciones de densidad de las distribuciones del gasto real de la EPF y del gasto final (sin valores negativos) para su imputación en la ECV.

Gráfico 4. Gasto real EFP vs. gasto final (sin valores negativos) Una vez estimado este gasto final con los datos de la EPF, el siguiente paso es imputarlo en la ECV. Para ello utilizamos los regresores obtenidos en la estimación de la ecuación (2), imputando el logaritmo del gasto, ln a partir de los valores en la ECV de las mismas variables de la EPF utilizadas para llevar a cabo la estimación que nos proporciona estos regresores. En el caso de la renta disponible (y) utilizamos el importe ajustado y reescalado a partir de los valores recogidos en la ECV:

\[\ln (E _ {E C V}) = \alpha + \hat {\gamma} _ {1 E P F} \ln (y _ {1}) + \hat {\gamma} _ {2 E P F} (\ln (y _ {2})) ^ {2} + \hat {\gamma} _ {3 E P F} (\ln (y _ {3})) ^ {2} + x _ {i} ^ {\prime} \hat {\beta} _ {E P F}\tag{4}\]

Al igual que sucedía en la primera estimación del gasto en la EPF, al deshacer la transformación logarítmica se observa que la varianza de la variable de gasto imputada en la ECV es menor que la del gasto real de la EPF. Por tanto, nuevamente, este gasto imputado debe ajustarse utilizando el estimador de Smearing y, posteriormente, añadirle un término de error, tal y como hicimos para la estimación del gasto en la EPF. Suponemos que el término de error a incorporar se distribuye también como una chicuadrado. Los resultados de esta imputación ajustada se muestran en el Cuadro 4.

Cuadro 4. Imputación del gasto final en la ECV

Fuente: Elaboración propia e INE (2014 y 2015a).

En el Gráfico 5 podemos ver, por centiles de gasto, que el gasto imputado finalmente en la ECV, tras las modificaciones realizadas para garantizar la similitud de varianza y media, se ajusta bastante bien a la distribución del gasto real de la EPF.

Gráfico 5. Gasto real en la EPF vs gasto imputado en la ECV (por centiles de gasto) 2.2.4. Estimación de los pesos de las categorías de gasto en la EPF y su imputación en la ECV

Una vez imputado en la ECV el gasto total para cada hogar es necesario establecer los pesos de las distintas categorías de bienes y servicios que integran la cesta de consumo.

Para ello, en primer lugar, dividimos los gastos de la EPF en grupos y subgrupos bajo dos criterios complementarios: la naturaleza y tipo de bien y los impuestos sobre el consumo que lo gravan (IVA e Impuestos Especiales). En cuanto al primer criterio, hemos optado por construir una clasificación que, partiendo de la clasificación estándar COICOP (Classification of individual consumption by purpose) establecida por la División de Estadística de Naciones Unidas y adoptada por Eurostat, respete en la medida de lo posible la existencia de complementariedad y sustituibilidad entre subgrupos de consumo básicos, lo que resulta crucial, como se ha comprobado, para obtener unos resultados consistentes en la estimación e imputación en los hogares de la ECV de los pesos de la cesta de consumo. Por lo que respecta a los impuestos aplicados, la división debe permitir la aplicación en cada categoría de un único tipo de IVA o de un único gravamen de cada impuesto especial contemplado. La clasificación por grupos y subgrupos utilizada en el trabajo se contiene en el cuadro 5.⁵

A partir de esta división en los 43 subgrupos reflejados en el Cuadro 5, estimamos con los datos de la EPF los pesos correspondientes en el gasto total, para su posterior imputación en la ECV. De esta forma, su aplicación sobre el gasto total imputado en la ECV permitirá contar con la información necesaria para proceder al cálculo de los impuestos indirectos de cada hogar.

⁵ En el Anexo 1 se especifica qué códigos de bienes de la EPF forman cada subgrupo.

Cuadro 5. Clasificación en grupos y subgrupos de gasto

Cuadro 5. Continuación

Fuente: Elaboración propia e INE (2014).

Para la estimación de los pesos correspondientes a cada uno de los k subgrupos de consumo, seguimos un proceso en dos etapas similar al utilizado en Decoster et al. (2014), con la diferencia de que la primera etapa de selección de hogares con demanda positiva es aplicada a los 43 tipos de gasto considerados. Esta primera etapa consiste en estimar, con los datos de la EPF, un modelo de elección discreta, en nuestro caso un Probit, para determinar la probabilidad que tiene cada hogar i de consumir los bienes o servicios integrantes del subgrupo de consumo k (k = {11, 12, 21, 22, 23, 24, …, 143, 144}:

\[\operatorname * {P r} \left(D _ {i} ^ {k} = 1\right) = \phi (\alpha^ {k} + \delta_ {1} ^ {k} \ln (y _ {i}) + \delta_ {2} ^ {k} \ln (y _ {i}) ^ {2} + x _ {i} ^ {\prime} \beta^ {k} + v _ {i} ^ {k})\tag{5}\]

Para seleccionar los hogares con demanda positiva en cada subgrupo de consumo, creamos tantas distribuciones uniformes aleatorias como subgrupos de gasto definidos. Si la probabilidad estimada en el Probit para el hogar i es mayor que la uniforme del subgrupo k, se asigna un valor , mientras que, si es inferior, se asigna De este modo, restringimos la estimación de los pesos a aquellos hogares de la EPF en los que existe demanda, es decir, para los que

En la segunda etapa, la obtención de los pesos se realiza mediante la estimación de un modelo simple de regresión para cada subgrupo k, condicionada a que exista demanda positiva para ese consumo. En el modelo a estimar actúan como variables independientes el gasto total de la EPF, tanto de forma lineal como cuadrática, y las variables de caracterización del hogar integrantes del vector de variables comunes a la EPF y la ECV utilizado en la fase anterior de la fusión:

\[w _ {i} ^ {k} = \alpha^ {k} + \rho_ {1} ^ {k} \ln (E _ {i}) + \rho_ {2} ^ {k} \ln (E _ {i}) ^ {2} + x _ {i} ^ {\prime} \beta^ {k} + \epsilon_ {i} ^ {k} \quad \forall \widehat {D} _ {i} ^ {k} = 1\tag{6}\]

Una vez estimados los pesos de cada subgrupo , procedemos a su imputación en los hogares de la ECV, también bajo la condición de que ese hogar de la ECV tenga demanda para el subgrupo de consumo k. La determinación de qué hogares de la ECV presentan se hace a partir de la ecuación (5), que se imputa en la ECV para posteriormente comparar con la uniforme aleatoria del subgrupo k. Si el valor imputado del Probit es mayor que la uniforme, la demanda de ese subgrupo de gasto k para ese hogar i es 1, en caso contrario sería cero.

Para la imputación de los pesos en esos hogares de la ECV, añadimos, de nuevo, un término de error que siga una distribución chi-cuadrado con media cero y varianza del peso estimado similar a la varianza que presenta el peso real en la EPF. Los pesos así estimados, e imputados en la ECV, deben ser corregidos hogar a hogar para que se cumpla , en otras palabras, que su aplicación sobre el gasto total imputado en la ECV iguale a este. Los resultados obtenidos en esta fase final se reflejan en el Cuadro 6.

Cuadro 6. Pesos reales de los subgrupos de gasto en la EPF vs pesos imputados en la ECV

Cuadro 6. Continuación

Fuente : Elaboración Propia e INE (20 1 4 y 20 1 5 a)

Como puede observarse, el proceso de estimación e imputación de las estructuras de consumo, previa segmentación de las categorías de gasto en los subgrupos considerados, ofrece unos resultados muy satisfactorios. Los porcentajes de hogares con consumo positivo, tanto en la EPF como, tras la imputación, en la ECV, son muy similares, incluso en aquellas rúbricas como las del grupo de bebidas alcohólicas, tabacos o consumos duraderos, donde se suelen encontrar más problemas en estos procesos de fusión estadística, por la elevada proporción de hogares no consumidores.

3. Imputación de los impuestos

Como se ha dicho en la introducción, nuestro análisis sobre el impacto distributivo de la imposición que recae sobre los hogares españoles abarca tanto los impuestos indirectos como los directos.

En cuanto a los impuestos indirectos que recaen sobre los hogares, la EPF ofrece información para estimar los siguientes impuestos: IVA, Impuestos sobre el Alcohol y las Bebidas Alcohólicas, Impuesto sobre Hidrocarburos, Impuesto sobre las Labores del Tabaco, Impuesto Especial sobre la Electricidad, Impuesto sobre las Primas de Seguros e ITPAJD.

En el caso de los impuestos directos y cotizaciones sociales, la ECV presenta de manera conjunta las cantidades pagadas por IRPF y cotizaciones sociales. Por ello, resulta necesario simular las cotizaciones sociales pagadas por los miembros de los hogares, con objeto de proporcionar información de ambas figuras de manera separada. Además, la ECV incorpora directamente las cuotas del Impuesto sobre el Patrimonio.

A continuación, comenzando por los impuestos indirectos, describimos el proceso seguido para la determinación de las cuotas impositivas soportadas por los hogares en el año de referencia de este estudio.

3.1. IVA

Las cantidades que aparecen como gasto en la EPF recogen el importe del gasto total para cada tipo de bien en el que incurre el hogar para su consumo. Por tanto, están incluidos en este importe los impuestos indirectos, que suponen mayor gasto para el consumidor. En consecuencia, para determinar los impuestos pagados por los hogares, debemos descontar su importe del gasto imputado en la ECV.

Es importante advertir que, para todos los impuestos indirectos, estamos suponiendo que los hogares han satisfecho el impuesto legalmente debido, por lo que estamos estimando los impuestos en ausencia de fraude. No podemos hacerlo de otra manera. Aunque existen algunas estimaciones de fraude en algún impuesto (como el IVA), estas tienen carácter agregado, de tal manera que desconocemos su distribución por hogares.

Empezaremos calculando el IVA de los productos que están gravados solamente con ese impuesto. La fórmula que utilizaremos para determinar la cantidad pagada en esos productos por el hogar es:

\[I V A _ {i} = \sum_ {j = 1} ^ {n} \frac {t _ {j} ^ {I V A}}{(1 + t _ {j} ^ {I V A})} \widehat {E} _ {J}\tag{7}\]

Siendo los tipos vigentes de IVA en 2013, el 4%, 10% o 21%, aplicables según el bien o servicio del subgrupo k correspondiente, y donde es el importe del gasto imputado en la ECV en todos los subgrupos gravados a ese mismo tipo.

En Canarias, Ceuta y Melilla no es de aplicación el IVA, aunque tienen impuestos similares con tipos más reducidos que el IVA vigente en el resto del territorio nacional. Así, en Canarias se aplica el IGIC (Impuesto General Indirecto Canario) y en Ceuta y Melilla, el IPSI (Impuesto sobre la Producción, los Servicios y la Importación). Para su cuantificación, hemos estimado un coeficiente reductor del tipo impositivo, para Canarias y otro para Ceuta y Melilla, , utilizando los datos ofrecidos por la IGAE (2015) y el INE (2015b) sobre recaudación y Valor Añadido Bruto, respectivamente. En estos casos, la expresión (7) se convierte en,

\[I V A _ {i} = \sum_ {j = 1} ^ {n} \frac {t _ {j} ^ {I V A _ {* Z} I C , C E - M L}}{(1 + t _ {j} ^ {I V A _ {* Z} I C , C E - M L})} \widehat {E} _ {J}\tag{8}\]

donde este coeficiente toma el valor 0,5 para Canarias y 0,8 para Ceuta y Melilla.

3.2. Impuestos Especiales

Para cada tipo de bien (bebidas alcohólicas, tabaco, hidrocarburos y electricidad), se calcula qué parte del precio final corresponde al impuesto especial y cuál al IVA. Para ello, utilizamos los datos publicados por la AEAT (2013a).

Así, por ejemplo, para las bebidas derivadas, el 79% del precio final se corresponde con Impuestos Especiales e IVA. De los cuales, el 48% son impuestos especiales y el 31% es IVA. En el caso del tabaco, el desglose del IVA y del impuesto especial se ha realizado teniendo en cuenta la fórmula de separación recogida en Badenes y Labeaga (2010). Teniendo en cuenta la distinta carga impositiva en Canarias, Ceuta y Melilla, y en cada comunidad autónoma en el caso del Impuesto sobre Hidrocarburos, se ha analizado la composición explicada impuesto a impuesto (Cuadro 7), obteniéndose las cantidades pagadas por el IVA y los Impuestos Especiales.

Cuadro 7. Proporción del precio de los bienes correspondiente a Impuestos Especiales e IVA (%)

^a I.E. se refiere a Impuesto Especial. ^b En el caso del tabaco, el IVA incluye el recargo de equivalencia. ^c Península se refiere a la media de las comunidades autónomas, excluyendo Canarias. En los cálculos se tiene en cuenta el tipo diferenciado por comunidad. ^d GLP se refiere a Gas Licuado del Petróleo, incluyendo los propanos y butanos. ^e Combustibles líquidos hogares incluyen el fuelóleo y gasóleo de calefacción. ^f Combustibles sólidos hogares se refiere al carbón. Fuente: AEAT (2013a), BOE, BOIC, BOME, Cámara de Comercio (2015), IDAE (2015), MINHAP (2015a y b) y elaboración propia.

En los casos en los que la columna de impuestos especiales (I.E.) es cero, esto indica que el bien no está gravado con impuesto especial, por lo que se estima solamente la parte de IVA. Por ejemplo, Ceuta y Melilla no tienen impuesto especial sobre las bebidas alcohólicas, por lo que toda la columna referida al tipo especial sobre el alcohol es cero. Los supuestos adoptados para calcular las proporciones del Cuadro 7 han sido los siguientes:

1) Se estima el precio inicial del producto a partir de los datos de AEAT (2013a). Este precio se supone que es el mismo, independientemente de la región.

2) Para el cálculo de la parte de IGIC y de IPSI que se paga, se utilizan los coeficientes reductores del IVA estatal, antes comentados, del 0,5 y del 0,8, respectivamente, con la excepción del tabaco en Canarias, en cuyo caso el IGIC presenta un tipo incrementado del 20% para tabaco rubio y del 35% para tabaco negro. Para poder aplicar estos tipos hemos estimado los consumos de tabaco rubio y negro a partir de los datos de MINHAP (2015a).

3) Se consideran los consumos medios de cada tipo de bien, obtenidos de los datos de AEAT (2013a).

3.3. Impuestos sobre la compra de vivienda

Las bases de datos utilizadas nos informan de los hogares que aún están pagando las viviendas que han adquirido, pero no nos permiten discernir si dichas viviendas son nuevas o usadas y, por tanto, si su adquisición ha estado sujeta al IVA o al ITPAJD, modalidad transmisiones onerosas (ITAPJD). Dada la limitación de datos, hemos procedido de la siguiente manera para estimar los impuestos pagados por la compra de viviendas:

1) Utilizamos los datos de la ECV, ya que la EPF no proporciona información sobre la compra de vivienda, al considerarla como una inversión. Además, en la ECV solo se dispone de datos sobre la vivienda habitual del hogar. Si este ha comprado una segunda vivienda, carecemos de información al respecto.

2) En la ECV solo podemos inferir el precio de compra de la vivienda de los hogares que financian esta mediante un préstamo hipotecario. El precio sobre el que aplicamos los tipos de IVA e ITPAJD es el principal del préstamo hipotecario, calculado como la cuota hipotecaria que pagan los hogares menos los intereses.

3) Aplicamos un criterio de devengo para el pago de IVA y de ITPAJD. Es decir, asumimos que el hogar pagará estos impuestos durante los años de vigencia del préstamo hipotecario. Utilizamos este criterio de devengo en lugar del de caja, al considerar que los hogares utilizan ahorro para pagar el IVA y el ITPAJD de la vivienda, mientras que en nuestro ejercicio solo estamos considerando los ingresos de un ejercicio. Supongamos, por ejemplo, un hogar que compra un piso nuevo de 200.000 euros. El hogar paga 20.000 euros de IVA en el momento de la adquisición y tiene unos ingresos netos de impuestos directos de 19.000 euros. Si utilizáramos el criterio de caja le imputaríamos 20.000 euros de IVA, cantidad superior a sus ingresos. En cambio, con el criterio de devengo, si el hogar se hipoteca a 20 años por el 100%, consideraríamos que estaría pagando 1.000 euros de IVA cada año.

4) Ante la ausencia de información sobre si la vivienda se compró en primera transmisión o fue de segunda mano, suponemos que un porcentaje del precio de compra de cada vivienda corresponde a la adquisición de una vivienda nueva, sujeta al IVA, y que la diferencia hasta el total corresponde a la compra de una vivienda usada, sujeta al ITPAJD. Para determinar estos porcentajes utilizamos los datos del Ministerio de Fomento sobre el número de transacciones de viviendas nuevas y de segunda mano (MINF, 2015). Estos datos solo están disponibles desde 2004. Las transacciones sobre vivienda nueva alcanzaron su máximo en el año 2008, con un 59% del total de transacciones, y han llegado a caer hasta el 19% en 2013, estando estas variaciones afectadas por la burbuja inmobiliaria y su posterior pinchazo. Por este motivo, para las compras de vivienda anteriores a 2004 se utilizan las proporciones de 2004: un 35% de las compras son de vivienda nueva y un 65% de segunda mano.

Gráfico 6. Transacciones de compra de vivienda nueva y de segunda mano (%) Fuente: Elaboración propia a partir de los datos de MINF (2015).

De acuerdo con los criterios expuestos, el pago por IVA e ITPAJD correspondientes a la compra de vivienda se calcula de la siguiente manera:

\[\text { Cuota IVA vivienda } _ {i} = \left(\text { cuota hipotecaria } _ {i} - \text { intereses } _ {i}\right) \times p \times t ^ {I V A - V I V I E N D A}\tag{9}\]

\[\text { Cuota ITPAJD vivienda } _ {i} = \left(\text { cuota hipotecaria } _ {i} - \text { intereses } _ {i}\right) \times (1 - p) \times t ^ {\text { ITPAJD - VIVIENDA }}\tag{10}\]

donde p es la proporción de viviendas nuevas sobre el total de transacciones en el año de compra de la vivienda. El tipo de IVA es el tipo vigente en el momento de la compra de la vivienda. El tipo de ITPAJD es el tipo vigente en el momento de la compra en la comunidad autónoma de residencia del hogar. En consecuencia, todos los hogares con hipotecas vivas tendrán una proporción de su pago imputada como pago de IVA y otra como pago por el ITPAJD. Estas cantidades serán cero una vez que se haya terminado el pago de la hipoteca, es decir, cuando el régimen de tenencia de la vivienda principal figure como en propiedad sin préstamo. Los estadísticos principales de los dos tributos aplicados sobre la vivienda habitual en propiedad se presentan en el cuadro 8.

Cuadro 8. IVA e ITPAJD estimados de la vivienda

Fuente: Elaboración propia, BOE, INE (2015a), MINHAP (2015b) y MINF (2015).

3.4. Impuesto sobre las Primas de Seguros e ITPAJD por la compra de coches

El Impuesto sobre las Primas de Seguros grava las operaciones de seguros a un tipo del 6%. Algunos seguros, como los de enfermedad y asistencia sanitaria, están exentos del pago de este impuesto. Para estimar las cuotas satisfechas por este impuesto, hemos calculado el gasto bruto (base imponible) dividiendo el gasto imputado en la ECV entre 1,06 y, posteriormente, hemos obtenido las cuotas impositivas correspondientes multiplicado por el tipo de gravamen del 6%.

Por lo que respecta a las adquisiciones de coches de segunda mano, hemos supuesto que todas están sujetas al ITPAJD. En la EPF hay un concepto de gasto con esa denominación, lo que nos permite simular la cantidad pagada en este impuesto según el tipo vigente en cada comunidad autónoma.

3.5. IRPF y Cotizaciones Sociales

A partir de los datos de la ECV podemos obtener los impuestos que recaen de forma directa sobre la renta: el IRPF, las Cotizaciones Sociales y el Impuesto sobre Patrimonio. No obstante, nos encontramos con un problema inicial que impide extraer directamente estos importes: los datos de la ECV muestran las cantidades pagadas por cada hogar de forma conjunta para las Cotizaciones Sociales y el IRPF, en la parte de las retenciones e ingresos a cuenta del ejercicio 2013. Las cuotas diferenciales de IRPF, positivas o negativas, correspondientes al ejercicio 2012 pero pagadas o recibidas en 2013, sí figuran detalladas en una variable específica. Para ambos impuestos, la fuente de información principal son los registros de la AEAT, las Haciendas Forales del País Vasco y Navarra y la Seguridad Social.

Para poder separar estos dos tributos hemos procedido primero a estimar las cuantías pagadas en concepto de cotizaciones sociales (véase el Anexo 2 para los detalles). Esta estimación incluye la cotización que realizan los trabajadores asalariados (régimen general, agrario y empleados del hogar), así como la cotización realizada por los trabajadores autónomos y los desempleados.

Una vez estimadas las cotizaciones sociales, se procede a su separación del IRPF según el importe agregado que figura para cada hogar en la ECV de 2014. Estas variables incorporadas en el fichero de hogares de la ECV son:

^• HY140G = impuesto de la renta y cotizaciones sociales: incluye retenciones IRPF 2013 + cuota Seguridad Social 2013 + Resultado declaración 2012.

HY145N = Resultado declaración 2012: cuota diferencial.

Así, si restamos a la variable “Impuesto de la renta y cotizaciones sociales”, la variable “Resultado declaración 2012” y el importe de las Cotizaciones Sociales previamente estimado, obtendremos las retenciones del IRPF del año 2013. En el cálculo de esta diferencia se ha tenido en cuenta que:

1) El tipo de retención de IRPF de un individuo en 2013 es cero si su renta es inferior a 16.952 euros. Este límite se corresponde con el límite máximo para aplicar un tipo de retención cero para una familia con dos hijos en la que el cónyuge no obtiene rentas superiores a 1.500 euros anuales.

2) Si la variable que incluye las retenciones del IRPF y las cotizaciones sociales es cero, las retenciones del IRPF también serán cero. Aplicando estos criterios, únicamente quedan 91 hogares de la ECV de 2014 con retenciones negativas de IRPF, que optamos por hacer cero.

Para valorar la fiabilidad de la estimación realizada, en el Cuadro 9 comparamos nuestra simulación de las retenciones del IRPF con los datos publicados en AEAT (2013b).

Cuadro 9. Comparación de las retenciones estimadas con los datos de la AEAT (millones de euros)

Fuente: Elaboración propia, AEAT (2013b) e INE (2015a).

En término medio, las retenciones y otros pagos e ingresos a cuenta del IRPF estimados en la ECV (excluyendo País Vasco y Navarra) que se refieren al año 2013 ascienden a 64.439 millones de euros. El dato real del 2013 publicado por la AEAT fue de 70.665 millones. Las cuotas diferenciales del IRPF de 2012 (resultado de la declaración) que figuran en la ECV (nuevamente, sin País Vasco y Navarra) ascienden a -5.546 millones de euros. En este caso, la cifra es mucho más negativa que la publicada por la AEAT para el IRPF de 2012, que asciende a -4.024 millones de euros.

4. Consideraciones finales

En este documento se ha explicado el procedimiento seguido para unir estadísticamente la Encuesta de Presupuestos Familiares y la Encuesta de Condiciones de Vida y, a partir de dicha fusión, imputar a los hogares españoles los impuestos pagados por estos en 2013.

Aunque, como se ha advertido en la introducción, los resultados obtenidos se presentan en un trabajo complementario a este, vamos a reproducir, para concluir, un gráfico de ese documento que refleja bien algunos resultados de interés. En 2013, el conjunto de impuestos analizados representa un 26,74% de la renta bruta de los hogares; los impuestos directos suponen el 16,74%, y los indirectos, el 10%. El sistema fiscal en su conjunto reduce la desigualdad de la renta bruta, medida por el índice de Gini, en un

2,82%, efecto que se debe, fundamentalmente, al impacto redistributivo del IRPF, que compensa la regresividad que introducen en el sistema fiscal los restantes impuestos y, en especial, el IVA.

Gráfico 7. Presión fiscal por impuestos directos e indirectos en 2013 por tramos de renta bruta

Fuente: López Laborda, Marín y Onrubia (2016: Gráfico 9).

Anexo 1. Subgrupos de gastos en la EPF

Cuadro A.1.1. Clasificación utilizada en los grupos y subgrupos según códigos COICOP

Continuación Cuadro A.1.1.

Fuente: Elaboración Propia e INE (2014).

Anexo 2. Estimación de las Cotizaciones Sociales

Para la estimación de las cotizaciones sociales de cada miembro del hogar tendremos en cuenta los siguientes regímenes y sistemas:

- Régimen General de la Seguridad Social:

^• Ordinario: asalariados a tiempo parcial y completo

^• Sistema Especial Agrario: asalariados a tiempo parcial y completo

^• Sistema Especial de Empleados del Hogar

Régimen Especial de la Seguridad Social de Trabajadores Autónomos

- Cotización en situación de desempleo protegido

Para cada uno de estos regímenes utilizaremos los límites y tipos de cotización establecidos por la normativa vigente (BOE, 2013).

Para determinar el sistema o régimen en el que está cotizando el trabajador se utilizan las variables de la ECV (PL073 a PL080) que informan sobre el número de meses en que se trabajó como asalariado, por cuenta propia y a tiempo completo o parcial, o si se está en situación de desempleo.

a) Régimen General de Seguridad Social: Ordinario y Sistema Especial Agrario

Para el caso del Sistema Ordinario y el Sistema Especial Agrario, la base de cotización para el año 2013 se encuentra situada entre los 753 euros mensuales y el límite máximo de 3.425,7 euros mensuales del Sistema Ordinario y 2.161,5 euros del Sistema Especial Agrario. La base de cotización del individuo ha sido estimada considerando que esta será la renta de asalariado, siempre y cuando se encuentre entre los valores mínimo y máximo de cotización durante todos los meses que haya trabajado. Si la renta del asalariado está por debajo del mínimo de cotización, se aplicará el mínimo y si está por encima se aplicará el tope máximo de cotización. El límite mínimo de cotización para el trabajo a tiempo parcial es de 4,54 euros/hora.

Los tipos de cotización del trabajador son los que se recogen en el cuadro A.2.1.

Cuadro A.2.1. Tipos de Cotización a la Seguridad Social en 2013 (Régimen General y Especial Agrario)

Fuente: BOE (2013).

Para la aplicación del tipo de cotización en situación de desempleo se ha tenido en cuenta si el trabajador tiene un contrato indefinido o temporal. Además, hay que aclarar que en la ECV se tiene en cuenta solamente la actividad económica principal. De este modo, las variables de número de meses como asalariado o por cuenta propia y a tiempo completo y parcial, estudiante, jubilado, desempleado, etc., siempre suman 12 meses. En el caso de un individuo que como actividad principal trabaja a tiempo completo como asalariado y además como actividad secundaria trabaja a tiempo parcial como autónomo al mismo tiempo, aparecería con un número de meses como asalariado a tiempo completo igual a 12.

Puede darse el caso de tener que estimar la cotización de un individuo que acumule unos meses de trabajo a tiempo completo y otros a tiempo parcial (por ejemplo, 8 meses a tiempo completo y 4 a tiempo parcial). El problema que se nos plantea es que el salario ganado durante el último año aparece recogido en la variable “renta bruta asalariado”, independientemente de que haya trabajado a tiempo completo y parcial. Así, en el ejemplo anterior, podemos encontrarnos con un salario de 20.000 euros anuales, que incluye los 8 meses trabajados a tiempo completo y los 4 meses a tiempo parcial. Para calcular la base de cotización de cada tipo de trabajo, calculamos dos correctores, uno de salarios y otro de jornada, que se aplican al número de meses trabajados a tiempo parcial:

1) Corrector de salarios. Se ha comprobado, mediante los datos proporcionados por el INE (2015c), que el salario por hora trabajada a tiempo parcial es menor que el salario por hora a tiempo completo. Utilizando los datos disponibles, obtenemos que el salario por hora de los trabajadores a tiempo parcial es 11,06 euros, mientras que el salario por hora de los trabajadores a tiempo completo es de 15,19 euros. Por tanto, calculamos el siguiente corrector de salarios:

2) Corrector de jornada laboral. Puesto que la jornada laboral a tiempo completo es mayor que a tiempo parcial, el salario a tiempo completo es esperable que también sea más elevado. Para establecer este corrector, primero se calculan las horas totales trabajadas al año, utilizando la variable “número de horas trabajadas a la semana” (PL060), multiplicando por 4 semanas y por el número de meses totales trabajados (ya sea a tiempo completo o parcial). En nuestro ejemplo anterior (8 meses a tiempo completo y 4 a tiempo parcial), si suponemos 35 horas trabajadas a la semana, las horas totales trabajadas serán: . A continuación, se calculan las horas trabajadas a jornada completa. Como la jornada completa es de 40 horas semanales, se multiplica por 4 y por el número de meses trabajados a tiempo completo, obteniendo, en el ejemplo, horas trabajadas a tiempo completo. Por diferencia, obtenemos el número de horas anuales trabajadas a tiempo parcial: 1.680 – lo dividimos entre el número de meses trabajados a tiempo parcial y el número de semanas que tiene cada mes. Así, tenemos que las 400 horas trabajadas en el año equivalen a 25 horas a la semana si se trabajasen 4 meses. Como las horas trabajadas a tiempo completo son 40 a la semana, el corrector será . Este corrector toma el valor 1 cuando no disponemos del número de horas trabajadas, cuando las horas trabajadas a la semana sean un número superior a 40 y cuando resulte negativo el número de horas trabajadas a tiempo parcial. En estos casos, corregimos solo por los salarios.

b) Sistema Especial de Empleados del Hogar

Este sistema se aplica a los trabajadores asalariados con actividad de trabajo “t” (hogares como empleadores de personal doméstico) en la variable PL111A de la ECV) . En este caso, para determinar la base de cotización de los empleados del hogar, la Ley establece la tarifa que se muestra en el cuadro A.2.2.

Cuadro A.2.2. Base de cotización de empleados del hogar

Fuente: BOE (2013).

El tipo de cotización es del 3,85% por contingencias comunes.

c) Régimen Especial de la Seguridad Social de Autónomos y Sistema Especial Agrario

Los autónomos cotizan por una base situada entre 868,60 euros y 3425,70 euros. Si trabajan a tiempo parcial, también les resultan aplicables los mismos límites. A partir de los 47 años de edad, la normativa establece una serie de limitaciones a sus bases de cotización.

Puesto que no conocemos qué base ha sido la utilizada por cada individuo para cotizar, utilizamos la información de las estadísticas del Ministerio de Empleo y Seguridad Social para calcular las probabilidades de cotizar en un determinado tramo de bases según la edad del trabajador. Como refleja el Cuadro A.2.3., la proporción de trabajadores autónomos menores de 25 años que cotizan por el mínimo (859 euros/mes) es el 99,3%, mientras que el 0,5% cotizan con bases entre 859 y 1.288 euros y el 0,1%, por bases entre 1.288 y 1.717 euros.

Cuadro A.2.3. Proporción de autónomos por base de cotización y grupo de edad

Fuente: Elaboración Propia y Ministerio de Empleo y Seguridad Social (2013).

Para estimar la base de cotización de los autónomos en los hogares de la ECV utilizando esta información sobre probabilidad por edades, generamos una distribución uniforme aleatoria entre 0 y 1. Así, para los menores de 25 años, si los valores de la distribución son menores que 99,3%, su base de cotización será de 859 euros; si son mayores que 99,8% (99,3%+0,5%), cotizarán por una base comprendida entre 859 y 1.288 euros; y si los valores de la uniforme son iguales al 100% (99,3+0,5+0,1), cotizarán por una base entre 1.288 y 1.717 euros. Ningún menor de 25 años cotiza por encima de 1.717 euros. La base exacta a la que cotizará cada individuo se calcula simulando variables que siguen una distribución uniforme aleatoria entre los límites de los intervalos de las bases. Por ejemplo, para el tramo de bases de cotización entre 859 y 1.288, generamos una distribución uniforme con valores entre 859 y 1.288. De forma que los trabajadores autónomos que coticen en este tramo (elegidos por la uniforme 0,1 anterior) cotizarán por una base aleatoria uniforme acotada por los límites de cada tramo.

Las cuotas de la Seguridad Social de los trabajadores autónomos se obtienen aplicando sobre las bases así estimadas, los siguientes tipos de cotización:

- Con carácter general: 26,5%

- Sistema Agrario con base inferior a 1.030,2 euros: 18,75%

- Sistema Agrario sobre el exceso de 1.030,2: 26,5%

- En ambos casos hay que añadir la prestación por incapacidad temporal: 3,3%

Para los trabajadores autónomos, en el caso de que sean trabajadores a tiempo completo durante unos meses y a tiempo parcial en el resto de meses, no se hacen correcciones por el tipo de salario ni de jornada. Se cotiza siempre por las bases estimadas para el régimen de autónomos.

d) Desempleados

En el caso de los trabajadores desempleados, consideramos que la base de cotización es la prestación por desempleo recibida, en términos brutos. En este caso, la base de cotización mínima es de 753 euros y la base máxima de 1397,83 euros, que coincide con importe máximo de la prestación por desempleo a recibir.

El tipo de cotización por contingencias comunes es el 4,7%.

Referencias

References

1. AEAT (2013a). Impuestos Especiales. Estudio relativo al año 2013. http://www.agenciatributaria.es/AEAT.internet/Inicio/La_Agencia_Tributaria/Me morias_y_estadisticas_tributarias/Estadisticas/Estadisticas_por_impuesto/Impuest os_especiales/Estudio_relativo_al_ano_2013/Estudio_relativo_al_ano_2013.shtm

References

1. AEAT (2013b). Estadísticas de los declarantes del Impuesto sobre la Renta de las Personas Físicas (IRPF). http://www.agenciatributaria.es/AEAT/Contenidos_Comunes/La_Agencia_Tribut aria/Estadisticas/Publicaciones/sites/irpf/2013/home.html

References

1. Badenes N. y J. M. Labeaga (2010). “Consecuencias económicas de la modificación de la imposición sobre los cigarrillos en el mercado español”, Papeles de Trabajo, 8/10, Madrid: Instituto de Estudios Fiscales.

References

1. BOE (1992), Ley 38/1992, de 28 de diciembre, de Impuestos Especiales. https://www.boe.es/diario_boe/txt.php?id=BOE-A-1992-28741

References

1. BOE (1993). Real Decreto Legislativo 1/1993, de 24 de Septiembre, del Impuesto sobre Transmisiones Patrimoniales y Actos Jurídicos Documentados. https://www.boe.es/buscar/act.php?id=BOE-A-1993-25359

References

1. BOE (1996). Ley 13/1996, de 30 de diciembre, de Medidas Fiscales, Administrativas y del Orden Social. https://www.boe.es/diario_boe/txt.php?id=BOE-A-1996-29117

References

1. BOE (2011). Ley 1/2011, de 21 de enero, del Impuesto sobre las Labores del Tabaco y otras Medidas Tributarias. https://www.boe.es/diario_boe/txt.php?id=BOE-A-2011-2106

References

1. BOE (2013). Orden ESS/56/2013, de 28 de enero por la que se desarrollan las normas legales de cotización a la Seguridad Social, desempleo, protección por cese de actividad, Fondo de Garantía Salarial y formación profesional, contenidas en la Ley 17/2012, de 27 de diciembre, de Presupuestos Generales del Estado para el año 2013. https://www.boe.es/diario_boe/txt.php?id=BOE-A-2013-835

References

1. Boletín Oficial Islas Canarias, BOIC (1986). Ley 5/1986, de 28 de julio, del Impuesto Especial de la Comunidad Autónoma de Canarias sobre combustibles derivados del petróleo. http://www.gobiernodecanarias.org/libroazul/pdf/2035.pdf

References

1. Boletín Oficial Ciudad Autónoma de Melilla, BOME (2015). Ordenanza fiscal reguladora del impuesto sobre la importación en la cuidad de Melilla, y gravámenes complementarios aplicables sobre las labores del tabaco y ciertos carburantes y combustibles. http://www.melilla.es/melillaportal/RecursosWeb/DOCUMENTOS/1/5_9840_1.p df

References

1. Cámara de Comercio (2015), Guía de arancel http://www.camaras.org/guias/arancel/guia_arancel.html

References

1. Decoster, A., B. D. Rock, K. D. Swerdt, J. Loughrey, C. O’Donoghue y D. Verwerft (2007). “Techniques to impute expenditures into an income data set EUROMOD AIM-AP deliverable 3.4”, Institute for Social and Economic Research. https://www.iser.essex.ac.uk/files/msu/emod/aim-ap/deliverables/AIM-AP3.4.pdf

References

1. Decoster, A., R. Ochmann y K. Spiritus (2013). “Integrating VAT into EUROMOD. Documentation and results for Germany”, Euromod Working Paper Series, EM20/13. https://www.iser.essex.ac.uk/research/publications/workingpapers/euromod/em20-13.pdf

References

1. Decoster A., R. Ochmann y K. Spiritus (2014). “Integrating VAT into EUROMOD. Documentation and results for Belgium”, Euromod Working Paper Series, EM12/14. https://www.iser.essex.ac.uk/research/publications/workingpapers/euromod/em12-14.pdf

References

1. Donatiello G., D. Frattarola, A. Rizzi y M. Spaziani (2014). “Statistical Matching of IT-SILC and HBS: Some critical issues”, International workshop and conference on comparative EU statistics on income and living conditions, Lisbon, 15-17 October 2014. https://www.ine.pt/scripts/eusilc2014/pdf/Session%204.2_statistical_matching_Hbs_Silc_Italy.pdf

References

1. Duan, N., W. G. Manning, C. N. Morris y J. P. Newhouse (1983). “A Comparison of Alternative Models for the Demand for Medical Care”, Journal of Business & Economic Statistics, 1(2): 115-126.

References

1. Eurostat (2013). “Statistical matching of EU-SILC and the Household Budget Survey to compare poverty estimates using income, expenditures and material deprivation”, Eurostat Methodologies and Working Papers, Luxemburgo: Oficina de publicaciones de la Unión Europea. http://ec.europa.eu/eurostat/documents/3888793/5857145/KS-RA-13-007- EN.PDF

References

1. IGAE (2015). Datos del sector Administraciones Públicas y sus subsectores, elaborados en términos de contabilidad nacional, de acuerdo a los criterios de delimitación institucional y valoración de operaciones establecidos por el Sistema Europeo de Cuentas Nacionales y Regionales de la Unión Europea (SEC 2010). http://www.igae.pap.meh.es/sitios/igae/es-ES/ContabilidadNacional/infadmPublicas/Paginas/administracionespublicas.aspx

References

1. INE (2014). Encuesta de Presupuestos Familiares. Metodología. http://www.ine.es/metodologia/t25/t2530p458.pdf

References

1. INE (2015a). Encuesta de Condiciones de Vida. Metodología. http://www.ine.es/daco/daco42/condivi/ecv_metodo.pdf

References

1. INE (2015b). Contabilidad Nacional. Base 2010.

References

1. INE (2015c). Encuesta Anual de Estructura Salarial.

References

1. Instituto para la Diversificación y Ahorro de Energía, IDAE (2015). Estudios, informes y estadísticas. http://www.idae.es/index.php/idpag.802/relcategoria.1368/relmenu.363/mod.pags/ mem.detalle

References

1. Joumard, I., M. Pisu y D. Bloch (2012). “Less income inequality and more growth. Are they compatible? Part 3. Income redistribution via taxes and transfers across OECD contries”, OECD Economics Department Working Papers, 926. París: OECD.

References

1. Kum, H. y T. Masterson (2008). “Statistical matching using propensity scores: theory and application to the Ley Institute measure of economic well-being”, Working Paper, 535, Annandale-on-Hudson, NY: The Levy Economics Institute.

References

1. López Laborda J., Marín González C. y Onrubia J. (2016). “Observatorio sobre el reparto de los impuestos entre los hogares españoles”, Estudios sobre la Economía Española, 2016/21, FEDEA.

References

1. Manning, W. G. (1998). “The logged dependent variable, heteroscedasticity, and the retransformation problem”, Journal of Health Economics, 17(3):283-295.

References

1. Ministerio de Empleo y Seguridad Social (2013). Estadísticas de trabajadores autónomos. http://www.empleo.gob.es/es/sec_trabajo/autonomos/economiasoc/autonomos/estadistica/

References

1. Ministerio de Fomento, MINF (2015). Estadística de vivienda y actuaciones urbanas. http://www.fomento.gob.es/BE2/?nivel=2&orden=34000000

References

1. Ministerio de Hacienda y Administraciones Públicas, MINHAP (2015a). Comisión del Mercado de Tabaco. Estadísticas. http://www.cmtabacos.es/wwwcmt/paginas/ES/mercadoEstadisticas.tmpl

References

1. Ministerio de Hacienda y Administraciones Públicas, MINHAP (2015b). Libro Electrónico “Tributación Autonómica” http://www.minhap.gob.es/es-ES/Areas%20Tematicas/Financiacion%20Autonomica/Paginas/libro%20electroni co%20tributacion.aspx

References

1. O'Donoghue, C., M. Baldini y D. Mantovani (2004). “Modelling the redistributive impact of indirect taxes in Europe: an application of Euromod”, Euromod Working Paper Series, EM7/01. https://www.iser.essex.ac.uk/research/publications/working-papers/euromod/em7- 01.pdf

References

1. Onrubia J. y M. C. Rodado, (2014). “Presión Fiscal en España. Análisis de la presión fiscal por niveles de renta en España, 2009-2011”, Informes de Investigación de Oxfam Intermón, Mayo. http://www.oxfamintermon.org/sites/default/files/documentos/files/Informe%20de %20investigaci%C3%B3n%20Presi%C3%B3n%20fiscal%20Onrubia%20y%20R odado%202014.pdf

References

1. Sanz, J.F., D. Romero y J. M. Castañer (2013). Análisis de los Impuestos Indirectos a partir de las Encuestas de Presupuestos Familiares. El Simulador de Impuestos Indirectos de la Fundación de las Cajas de Ahorros (FUNCASindi), Madrid: Fundación de las Cajas de Ahorros (FUNCAS).

References

1. Savage M. y T. Callan (2015), “Modelling the impact of direct and indirect taxes using complementary datasets”, Discussion Paper 8897, Bonn: Institute for the Study of Labor (IZA). http://ftp.iza.org/dp8897.pdf