Microsimulation dans les sciences sociales : une introduction

Présentation au sujet: "Microsimulation dans les sciences sociales : une introduction"— Transcription de la présentation:

1 Microsimulation dans les sciences sociales : une introduction
Présentation pour le pôle Prévoyance de la Caisse de Dépôt et de Gestion Rabat, Maroc. This presentation is about recent trends in dynamic microsimulation Gijs Dekkers Federal Planning Bureau, CESO, K U Leuven And CEPS/INSTEAD

2 La microsimulation: qu’est-ce que c’est ?
Les modèles de microsimulation statique ou dynamique permettent : …. ... l’imputation de microdonnées (prospectives/alternatives) n i Orcutt et al. (1961) described the first dynamic microsimulation model following the inspiration of Orcutt’s (1957) article. Most dynamic microsimulation models that have developed in following decades trace a direct or indirect link back to this model. that modelling is done at the level of the individual and the household, and (ii) that the point of departure of simulations is a survey or an administrative dataset representing actual individuals at a certain point in time Microsimulation models thus simulate the impact of policy measures and schemes on real people, and not on averages or “representative agents” the level of modelling in microsimulation models is in line with the level at which policy takes effect. the heterogeneity behind the average is taken into account. This allows for taking into account the complex and often nonlinear interactions of government policies with the distribution of individuals and households, and thus simulating the effects of policy on the income distribution, as well as poverty. Used for: - projected winners/losers, exploration at the micro-level of social security programmes and fiscal systems (non-linearities, poverty, (re)distiribution), quantification of incentives to work, to save, to retire long-term consequences of ageing, trends in marriage, divorce and other demographic trends.

3 La microsimulation: qu’est-ce que c’est ?
La microsimulation désigne la modélisation de micro-unités, à la fois de leurs caractéristiques et de leurs interactions. …elle fait appel à des règles déterministes … à des techniques de simulation stochastique …et à des techniques d’alignement Une des caractéristiques de la microsimulation est qu’elle part d’un échantillon représentatif de micro-unités Elle tient donc compte de l’hétérogénéité des unités individuelles. Les modèles de microsimulation sont utilisés pour l’analyse du trafic, de la propagation des infections, du développement de la technologie, etc... L’accent est donc mis sur la simulation des revenus et des prestations de la sécurité sociale pour les individus d’un ménage.

4 La microsimulation: qu’est-ce que c’est ?
This classification does not include firm-based or traffic-based models Static: STINMOD, EUROMOD, UNU-WIDER, IZAΨMOD Dynamic with static ageing: Slovenia, STATION, IFS (UK) Dynamic with dynamic ageing: Australia appsim (Harding, 2007). US, cbolt of the Congressional Budget Office; mint, developed by the Urban Institution for the Social Security Administration: used for policy evaluation. US DYNASIM3, A well-known dynamic microsimulation model is inahsim of Japan (Inagaki, 2008; idem Fukawa, 2007). In Europe, the most known dynamic models are pensim ii in the UK (Emmerson, et al., 2004) , sesim in Sweden, destinie in France, mosart in Norway, and midas in Belgium. Longitudinal ageing: mostly found in academic research. Exception is the model by Sefton and van de Ven (NIESR), exported to Ireland.

5 1. Microsimulation statique
Tax-benefit models

6 1. Microsimulation statique
Statique sans nouvelle pondération/revalorisation (“véritablement” statique) Simulation de scénarios alternatifs Modèles “fiscalité-prestations sociales” EUROMOD ISER - University of Essex Pour les 27 Etats membres de l’UE Basé sur les données de l’enquête EU SILC Impôts, sécurité sociale (à l’excl. des pensions) Simule les effets des politiques fiscale et sociale sur : - la pauvreté et l’inégalité - la (re)distribution verticale et horizontale - l’identification des gagnants et des perdants - les finances publiques (effets budgétaires agrégés) - les équations budgétaires pour des modèles structurels d’offre de travail

7 Applications récentes de microsimulation statique
Effets budgétaires et sociaux d’un “régime européen de sécurité sociale” dans plusieurs Etats membres Effets de redistribution d’un taux d’imposition forfaitaire Comparaison des effets de mesures fiscales dans différents Etats membres européens Impact budgétaire de mesures d’austérité Impact des prestations de sécurité sociale, des allocations familiales dans différents Etats membres européens Impact des mesures fiscales sur l’offre de travail Pièges à l’emploi Impact de l’évolution des prix de l’énergie sur le pouvoir d’achat des ménages Effets redistributifs de la TVA

8 Popularité de la microsimulation statique en dehors de l’Europe
UNU-WIDER Botswana, Cameroon, Nigeria, South Africa, Uganda, Ghana, Namibia, Mozambique, Tanzania, Zambia Accessible en ligne Simulation des effets des évolutions de la TVA, des pensions et des impôts sur le prix des aliments, des boissons, des carburants et des médicaments... UNDP/IDRC project “Fiscal Schemes for Inclusive Development” Brazil, Chile, Guatemala, Mexico and Uruguay Impact des mesures fiscales, des contributions et prestations sociales ainsi que de la TVA sur la pauvreté et l’offre de travail. Banque mondiale

9

10 2. Vieillissement statique (‘static ageing’)
‘Reproduction’ de changements intertemporels On part d’un modèle statique Revalorisation Repondération On ne modifie pas les objets individuels ! n i

11 2. Vieillissement statique
Repondération d(wt+x)t *(1/w) = F(Prop(t+x) /Prop(t)) où w = poids de l’échantillon, Prop = modification des proportions sur la base de données extérieures entre t et t+x Revalorisation ( )b x (1+Lx )max[0,y-t0-b] - b = max[0,(y-t0)-(a-65)]. - dans l’hypothèse où les salaires progressent de 2,25% par an - dans l’hypothèse où les pensions progressent de Lx2,25% par an. Now suppose an individual who is 67 in the year 1995, or 3 years after the base-year 1992. Then we know that he was 67-3=64 years of age in 1992. Using the above line of reasoning, we then know that, compared to the pension benefit of someone who is 67 in 1992, his or her pension benefit has increased with ( )65-64, accounting for the one year between 1992 and 1995 that the individual was not retired, and with (1+L0.0225)67-65 for the two years between 1995 and 1992 that he or she was retired.

12 2. Vieillissement statique : un exemple simple
STATION (Dekkers, 2000) Repondération selon le groupe d’âge et le sexe, classification LIPRO Ajustement de 4 scénarios dans le cadre d’une croissance salariale de 2,25% par an Non revalorisation des allocations de pension et du plafond de calcul Revalorisation des pensions, pas du plafond de calcul Non revalorisation des pensions, mais bien du plafond de calcul Revalorisation des deux Doel: impact van de indexatieregimes van uitkeringen en berekeningsplafonds, gegeven Veranderingen in de leeftijdssamenstelling Een omslagstelsel

13 2. STATION

14 Vieillissement statique : plus d’applications récentes
IER model - Slovénie (Majcen et al., 2012) Impact budgétaire et social* du vieillissement Impact des mesures fiscales Impact de la réforme des pensions IFS model (Brewer, 2011) Pauvreté infantile entre 2010 et 2020 Mesures politiques récentes au Royaume-Uni COSI (université d’Anvers) Quotient conjugal Impact budgétaire du vieillissement * Social = impact sur la pauvreté financière et l’inégalité

15 2. Vieillissement statique
La repondération statique présente le problème suivant : souvent les données exogènes ne sont disponibles que dans des distributions marginales séparé. STATION: repondération séquentielle et espérer que le problème reste limité. Applications plus récentes : generalized regressions of iterative proportional fitting routines “Adjust” reweighting algorithm GREGWT, CALMAR, Clan97 (SAS) Calibrate, Gomulka (Stata) Cai (C++) Combinatorial Optimisation? The problem therefore is to empirically derive a new vector of sample weights that are as close as possible to the design weights while bringing the dataset as close as possible to the marginal target distributions.

16 3. Vieillissement dynamique (‘dynamic ageing’)
DYNAMOD, DYNACAN, MIDAS, PENSIM II, …

17 3. Vieillissement dynamique
Ici, les caractéristiques des individus de l’échantillon sont adaptées Stochastique Déterminisme Alignement 1. Modification stochastique (Monte Carlo) Y = BX + e, estimé après transformation logit p= exp(Y)/(exp(Y) + 1) ‘Event’ a lieu lorsque p > 0.5 Ou exp(BX)/(exp(BX) + 1 ) > u 2. Modification déterministe: Si (en vie) alors, l’âge = age + 1 Monte Carlo simulation is a method for iteratively evaluating a deterministic model using sets of random numbers as inputs. This method is often used when the model is complex, nonlinear, or involves more than just a couple uncertain parameters. A simulation can typically involve over 10,000 evaluations of the model

18 MIDAS - Microsimulation for the Development of Adequacy and Sustainability
Données de départ : MIMOSIS 2001 échantillon administratif, étendu à ± 2.2 millions d’individus Décès, naissances, formation, mariages MODULE DEMOGRAPHIQUE Emploi, secteur privé vs public, pensions légales salariés et dans la fonction publique MODULE MARCHE DU TARVAIL t+1 MODULE PENSIONS & PRESTATIONS Chômage, prépension, invalidité, pensions, aide sociale MODULE COTISATIONS ET FISCALITE REDISTRIBUTION, PAUVRETE, INEGALITE 18

19 3. Microsimulation dynamique : alignement

20 Alignement versus simulation ‘normale’
Etat 1 Etat 2 Individu i Ui < Pi Pi=logit-1(βX) Ui < 1-Pi simulation‘standard’ Monte Carlo Alignement - objectif x% Rang 1...n Premiers xN individus Rangi=logit-1(βX+εi) Autres (100-x)N individus

21 Alignement monétaire Alignement monétaire : objectif taux de croissance gxt Agrégation et calcul du taux de croissance gY Comparaison de gY et de gX et calcul de la correction pour y Simulation du modèle yi=βXi + ui (2001) Introduction du taux crois.corrigé -> t Simulation du modèle yi=βXi + ui (2001, t)

22 3. Vieillissement dynamique : une application avec MIDAS et MALTESE
Base scenario (1,5% increase of productivity per year) Pensions 5.3 Health care 4.2 Other -1.4 Total 8.2 Table 1 Budgetary costs of ageing: rate of increase in % of GDP, 2008 to 2060 Source: Annual Report of the Study Committee for Ageing (High Council of Finances, 2009) June 2009 Poverty risk to state

23 Impact budgétaire : + 0,045% PIB
Vieillissement dynamique : une application avec MIDAS et MALTESE : une revalorisation de 13,6% de la garantie de revenu aux personnes âgées en 2006 Impact budgétaire : + 0,045% PIB

24 Vieillissement statique vs dynamique : les avantages et les inconvénients (1/2)
En ce qui concerne les résultats de simulation, les écarts sont moindres que ce que l’on pourrait supposer vu les différences méthodologiques. Le vieillissement statique implique un investissement moindre en termes de développement et d’entretien. Le vieillissement statique est plus “vulnérable” (complexe d’un point de vue méthodologique) et plus difficile à expliquer aux décideurs1. Le vieillissement statique ne permet pas une analyse dynamique/longitudinale, ce qui limite les applications. Du point de vue de la méthodologie. Les résultats de simulation de tous les modèles dynamiques sont souvent difficiles à expliquer.…

25 Vieillissement statique vs dynamique : les avantages et les inconvénients (2/2)
Les modèles de vieillissement dynamique sont plus vastes, impliquent un investissement1 plus important et une liaison avec le long terme. L’alignement de modèles de vieillissement dynamique sur les résultats de macromodèles est mieux développé. L’alignement de modèles de vieillissement statique sur les résultats de modèles d’équilibre général est mieux développé. 1. Il s’agit de développements importants qui réduisent sensiblement le coût LIAM2, ModGen, …

26 La microsimulation : les problèmes potentiels
Les modèles de microsimulation dynamique sont des “boîtes noires”. Vous connaissez les données de départ et les résultats obtenus mais il est très difficile d’analyser (et donc d’expliquer) les processus en jeu puisqu’ils englobent d’innombrables changements et interactions au niveau des individus. Il est dès lors essentiel d’investir dans la communication vis- à-vis des « consommateurs ». N’attendez pas que ces « consommateurs » reconnaissent comme évidence la contribution de la microsimulation. Valider les résultats de simulation Renforcer la crédibilité par des outputs scientifiques Lorsque les modèles sont développés en équipe, veillez à élaborer une bonne stratégie de management et une vision à long terme de l’organisation.

27 Modèles de vieillissement dynamique utilisés dans les administrations
Country Cross-sectional vs. cohort / longitudinal Ageing process Initial database MIDAS_HU Hungary Cross-sectional dynamic administrative AVID Germany longitudinal Dynamic Administrative CAPP_DYN (ac) Italy cross-sectional Survey DESTINIE France MINT US MICROS Netherlands static and dynamic MIDAS_BE Belgium MiMESIS Sweden T-DYMM/MIDAS_IT Dynamic (no interactions) COMPARE REDIS Luxemburg - PENSIM2 United Kingdom PRISME SADNAP SESIM

28 Microsimulation dans les sciences sociales : les conclusions
Les modèles de microsimulation permettent de simuler les effets des politiques fiscale et sociale au niveau de l’individu et de son ménage. Déterminer les effets ex ante sur la pauvreté, l’inégalité et identifier les gagnants et les perdants. Tenir compte des problèmes d’agrégation et des non-linéarités Echantillon représentatif Les modèles de microsimulation font désormais partie des instruments de la recherche empirique axée sur l’aide à la décision. Une condition importante toutefois est la volonté d’investir dans ces modèles, sur le plan de l’organisation, du management de la communication avec les décideurs.

29 p.s. Grâce aux évolutions récentes, le développement et l’entretien de modèles de microsimulation représentent un investissement sensiblement moindre !

30 Merci