Raça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federal
| Ano de defesa: | 2024 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: | |
| Palavras-chave em Inglês: | |
| Link de acesso: | https://hdl.handle.net/10438/35561 |
Resumo: | Objetivo – O trabalho teve como objetivo a análise exploratória de atributos do contribuinte – raça (cor), gênero (sexo), idade, formação (nível de instrução), número de dependentes, ocupação, rendimento tributável e localidade de residência – que podem aumentar a probabilidade de suas declarações de rendimentos serem selecionadas para a malha fiscal da Receita Federal – “malha fina”. Metodologia – Utilizou-se método quantitativo, com base em dados secundários extraídos de dois bancos de dados, sendo um da Receita Federal e outro do Ministério do Trabalho e Emprego (RAIS). Como forma de obter os resultados pretendidos, utilizou-se a análise descritiva, bem como ferramentas estatísticas, aplicando-se regressão linear simples. Como amostra, foram utilizadas 30 mil declarações de imposto de renda da pessoa física, referentes ao ano de 2019, de contribuintes com residência na região Sudeste do Brasil, sendo metade de incidentes em malha fiscal e metade não incidentes. Os dados da base RAIS utilizados foram os do ano 2017. Resultados – Encontraram-se evidências de que alguns atributos aumentam a probabilidade do contribuinte incidir em malha fiscal, como a idade mais avançada do declarante, nível educacional mais alto e renda tributável maior. Não foram encontradas variações significativas em relação à raça e ao gênero. O número de dependentes declarados está associado a uma redução na probabilidade de incidir em malha fiscal. Profissões como profissionais liberais, autônomos e proprietários de empresas apresentaram maior probabilidade de serem selecionadas para incidir em malha fiscal. Por unidade da federação, aqueles residentes no Espírito Santo têm maior probabilidade de incidirem em malha fiscal do que os residentes, respectivamente, em Minas Gerais, no Rio de Janeiro e em São Paulo. Limitações – Tamanho das amostras extraídas do banco de dados da Receita Federal e ausência de outras unidades da federação. Indisponibilidade de dados sobre cor e nível de instrução de contribuintes na RAIS por ser uma base de 2017. Falta de informação sobre a distribuição probabilística dos atributos escolhidos em relação ao total de declarantes de imposto de renda no Brasil de modo que fosse possível constatar que as amostras selecionadas seguissem a mesma distribuição. Aplicabilidade do trabalho – Os resultados da pesquisa podem contribuir para a estratégia de aperfeiçoamento dos sistemas de parametrização de malha fiscal bem como proporcionar discussões acadêmicas e não acadêmicas, de modo a buscar interpretar os resultados além de preencher as lacunas existentes sobre os comportamentos desse ou daquele atributo do contribuinte. Contribuições para a sociedade – Satisfação social da ausência de vieses em relação aos critérios de seleção de incidência em malha fiscal quanto à raça e ao gênero. Ajudar na formulação de políticas públicas voltadas às minorias. Originalidade – Estudo inovador e inédito sobre a incidência em malha fiscal. |
| id |
FGV_bc00f221f778bcb7286e76205e08d1af |
|---|---|
| oai_identifier_str |
oai:repositorio.fgv.br:10438/35561 |
| network_acronym_str |
FGV |
| network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
| repository_id_str |
|
| spelling |
Trench, Edmundo EugenioEscolas::EBAPEPiedade, Antonio Sergio CordeiroLima, Diego de Faveri PereiraCardoso, Ricardo Lopes2024-07-15T15:46:13Z2024-07-15T15:46:13Z2024-06-20https://hdl.handle.net/10438/35561Objetivo – O trabalho teve como objetivo a análise exploratória de atributos do contribuinte – raça (cor), gênero (sexo), idade, formação (nível de instrução), número de dependentes, ocupação, rendimento tributável e localidade de residência – que podem aumentar a probabilidade de suas declarações de rendimentos serem selecionadas para a malha fiscal da Receita Federal – “malha fina”. Metodologia – Utilizou-se método quantitativo, com base em dados secundários extraídos de dois bancos de dados, sendo um da Receita Federal e outro do Ministério do Trabalho e Emprego (RAIS). Como forma de obter os resultados pretendidos, utilizou-se a análise descritiva, bem como ferramentas estatísticas, aplicando-se regressão linear simples. Como amostra, foram utilizadas 30 mil declarações de imposto de renda da pessoa física, referentes ao ano de 2019, de contribuintes com residência na região Sudeste do Brasil, sendo metade de incidentes em malha fiscal e metade não incidentes. Os dados da base RAIS utilizados foram os do ano 2017. Resultados – Encontraram-se evidências de que alguns atributos aumentam a probabilidade do contribuinte incidir em malha fiscal, como a idade mais avançada do declarante, nível educacional mais alto e renda tributável maior. Não foram encontradas variações significativas em relação à raça e ao gênero. O número de dependentes declarados está associado a uma redução na probabilidade de incidir em malha fiscal. Profissões como profissionais liberais, autônomos e proprietários de empresas apresentaram maior probabilidade de serem selecionadas para incidir em malha fiscal. Por unidade da federação, aqueles residentes no Espírito Santo têm maior probabilidade de incidirem em malha fiscal do que os residentes, respectivamente, em Minas Gerais, no Rio de Janeiro e em São Paulo. Limitações – Tamanho das amostras extraídas do banco de dados da Receita Federal e ausência de outras unidades da federação. Indisponibilidade de dados sobre cor e nível de instrução de contribuintes na RAIS por ser uma base de 2017. Falta de informação sobre a distribuição probabilística dos atributos escolhidos em relação ao total de declarantes de imposto de renda no Brasil de modo que fosse possível constatar que as amostras selecionadas seguissem a mesma distribuição. Aplicabilidade do trabalho – Os resultados da pesquisa podem contribuir para a estratégia de aperfeiçoamento dos sistemas de parametrização de malha fiscal bem como proporcionar discussões acadêmicas e não acadêmicas, de modo a buscar interpretar os resultados além de preencher as lacunas existentes sobre os comportamentos desse ou daquele atributo do contribuinte. Contribuições para a sociedade – Satisfação social da ausência de vieses em relação aos critérios de seleção de incidência em malha fiscal quanto à raça e ao gênero. Ajudar na formulação de políticas públicas voltadas às minorias. Originalidade – Estudo inovador e inédito sobre a incidência em malha fiscal.Purpose - This study aimed to conduct an exploratory analysis of taxpayer attributes - race (color), gender (sex), age, education level, number of dependents, occupation, taxable income, and place of residence - that may lead their income tax declarations to a higher probability of being audited by the Federal Revenue Service - “malha fina” in Portuguese. Methodology - A quantitative method was employed, based on secondary data extracted from two databases, one from the Federal Revenue Service and the other from the Ministry of Labor and Employment (RAIS). Descriptive analysis and statistical tools applying simple linear regression were used to obtain the desired results. The sample consisted of 30,000 individual income tax declarations for the year 2019 from taxpayers residing in the Southeast region of Brazil, with half being incidents and half non-incidents. The RAIS database used data from the year 2017. Findings - Evidence was found that some attributes increase the probability of taxpayers being audited, such as older age, higher educational level, and higher taxable income. However, no significant variations were found regarding race and gender. The number of declared dependents was associated with a decrease in the probability of being audited. Professions such as liberal professionals, freelancers, and business owners showed a higher probability of being selected for tax audits. Residents of Espírito Santo had the highest probability of being audited compared to residents of Minas Gerais, Rio de Janeiro, and São Paulo, respectively. Research limitations - The size of the samples extracted from the Federal Revenue Service database and the absence of other states. Unavailability of data on race and education level of taxpayers in RAIS due to it being a database from 2017. Lack of information about the probability distribution of the chosen attributes in relation to the total number of income tax filers in Brazil, which would allow verifying if the selected samples followed the same distribution. Practical implications - The research results can contribute to the improvement strategy of tax audit parameterization systems and provide academic and non-academic discussions to interpret the results and fill existing gaps on taxpayer behaviors. Social implications - Social satisfaction from the absence of biases in the selection criteria for being flagged for tax review regarding race and gender. Assisting in the formulation of public policies aimed at minorities. Originality - Innovative and unprecedented study on the incidence of tax reviews.porReceita FederalContribuinteMalha fiscalMalha finaDiscriminação sistêmicaGêneroRaçaImposto de renda da pessoa físicaFederal Revenue ServiceTaxpayerTax auditSystemic discriminationGenderRaceIndividual income taxAdministração públicaImposto de renda - BrasilAdministração tributária - BrasilContribuintes (Direito tributário)DiscriminaçãoBrasil. Secretaria da Receita FederalRaça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVORIGINALDissertação_Edmundo_Revisado_Para Deposito.pdfDissertação_Edmundo_Revisado_Para Deposito.pdfPDFapplication/pdf2270941https://repositorio.fgv.br/bitstreams/ff695ffe-a905-4202-b153-e59ef8b5708b/download79e8dd01f50b8612cb7d9b1f65e8820aMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-85112https://repositorio.fgv.br/bitstreams/c8e2847a-bc6d-4279-b168-e8a3ffc500e9/download2a4b67231f701c416a809246e7a10077MD52TEXTDissertação_Edmundo_Revisado_Para Deposito.pdf.txtDissertação_Edmundo_Revisado_Para Deposito.pdf.txtExtracted texttext/plain103304https://repositorio.fgv.br/bitstreams/db2c0e76-6991-481a-89a6-1b589258484a/downloade8d4007fe2185689db31d4e99f6f84f9MD53THUMBNAILDissertação_Edmundo_Revisado_Para Deposito.pdf.jpgDissertação_Edmundo_Revisado_Para Deposito.pdf.jpgGenerated Thumbnailimage/jpeg3348https://repositorio.fgv.br/bitstreams/06c1b25f-880b-4fb6-a4e2-c5db8fc04813/downloadfc8ac17a2425ccc1852c6b4010987f80MD5410438/355612024-07-16 03:01:45.218open.accessoai:repositorio.fgv.br:10438/35561https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742024-07-16T03:01:45Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
| dc.title.por.fl_str_mv |
Raça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federal |
| title |
Raça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federal |
| spellingShingle |
Raça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federal Trench, Edmundo Eugenio Receita Federal Contribuinte Malha fiscal Malha fina Discriminação sistêmica Gênero Raça Imposto de renda da pessoa física Federal Revenue Service Taxpayer Tax audit Systemic discrimination Gender Race Individual income tax Administração pública Imposto de renda - Brasil Administração tributária - Brasil Contribuintes (Direito tributário) Discriminação Brasil. Secretaria da Receita Federal |
| title_short |
Raça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federal |
| title_full |
Raça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federal |
| title_fullStr |
Raça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federal |
| title_full_unstemmed |
Raça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federal |
| title_sort |
Raça, gênero e outros atributos do contribuinte e probabilidade de cair na “malha fina” da Receita Federal |
| author |
Trench, Edmundo Eugenio |
| author_facet |
Trench, Edmundo Eugenio |
| author_role |
author |
| dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EBAPE |
| dc.contributor.member.none.fl_str_mv |
Piedade, Antonio Sergio Cordeiro Lima, Diego de Faveri Pereira |
| dc.contributor.author.fl_str_mv |
Trench, Edmundo Eugenio |
| dc.contributor.advisor1.fl_str_mv |
Cardoso, Ricardo Lopes |
| contributor_str_mv |
Cardoso, Ricardo Lopes |
| dc.subject.por.fl_str_mv |
Receita Federal Contribuinte Malha fiscal Malha fina Discriminação sistêmica Gênero Raça Imposto de renda da pessoa física |
| topic |
Receita Federal Contribuinte Malha fiscal Malha fina Discriminação sistêmica Gênero Raça Imposto de renda da pessoa física Federal Revenue Service Taxpayer Tax audit Systemic discrimination Gender Race Individual income tax Administração pública Imposto de renda - Brasil Administração tributária - Brasil Contribuintes (Direito tributário) Discriminação Brasil. Secretaria da Receita Federal |
| dc.subject.eng.fl_str_mv |
Federal Revenue Service Taxpayer Tax audit Systemic discrimination Gender Race Individual income tax |
| dc.subject.area.por.fl_str_mv |
Administração pública |
| dc.subject.bibliodata.por.fl_str_mv |
Imposto de renda - Brasil Administração tributária - Brasil Contribuintes (Direito tributário) Discriminação Brasil. Secretaria da Receita Federal |
| description |
Objetivo – O trabalho teve como objetivo a análise exploratória de atributos do contribuinte – raça (cor), gênero (sexo), idade, formação (nível de instrução), número de dependentes, ocupação, rendimento tributável e localidade de residência – que podem aumentar a probabilidade de suas declarações de rendimentos serem selecionadas para a malha fiscal da Receita Federal – “malha fina”. Metodologia – Utilizou-se método quantitativo, com base em dados secundários extraídos de dois bancos de dados, sendo um da Receita Federal e outro do Ministério do Trabalho e Emprego (RAIS). Como forma de obter os resultados pretendidos, utilizou-se a análise descritiva, bem como ferramentas estatísticas, aplicando-se regressão linear simples. Como amostra, foram utilizadas 30 mil declarações de imposto de renda da pessoa física, referentes ao ano de 2019, de contribuintes com residência na região Sudeste do Brasil, sendo metade de incidentes em malha fiscal e metade não incidentes. Os dados da base RAIS utilizados foram os do ano 2017. Resultados – Encontraram-se evidências de que alguns atributos aumentam a probabilidade do contribuinte incidir em malha fiscal, como a idade mais avançada do declarante, nível educacional mais alto e renda tributável maior. Não foram encontradas variações significativas em relação à raça e ao gênero. O número de dependentes declarados está associado a uma redução na probabilidade de incidir em malha fiscal. Profissões como profissionais liberais, autônomos e proprietários de empresas apresentaram maior probabilidade de serem selecionadas para incidir em malha fiscal. Por unidade da federação, aqueles residentes no Espírito Santo têm maior probabilidade de incidirem em malha fiscal do que os residentes, respectivamente, em Minas Gerais, no Rio de Janeiro e em São Paulo. Limitações – Tamanho das amostras extraídas do banco de dados da Receita Federal e ausência de outras unidades da federação. Indisponibilidade de dados sobre cor e nível de instrução de contribuintes na RAIS por ser uma base de 2017. Falta de informação sobre a distribuição probabilística dos atributos escolhidos em relação ao total de declarantes de imposto de renda no Brasil de modo que fosse possível constatar que as amostras selecionadas seguissem a mesma distribuição. Aplicabilidade do trabalho – Os resultados da pesquisa podem contribuir para a estratégia de aperfeiçoamento dos sistemas de parametrização de malha fiscal bem como proporcionar discussões acadêmicas e não acadêmicas, de modo a buscar interpretar os resultados além de preencher as lacunas existentes sobre os comportamentos desse ou daquele atributo do contribuinte. Contribuições para a sociedade – Satisfação social da ausência de vieses em relação aos critérios de seleção de incidência em malha fiscal quanto à raça e ao gênero. Ajudar na formulação de políticas públicas voltadas às minorias. Originalidade – Estudo inovador e inédito sobre a incidência em malha fiscal. |
| publishDate |
2024 |
| dc.date.accessioned.fl_str_mv |
2024-07-15T15:46:13Z |
| dc.date.available.fl_str_mv |
2024-07-15T15:46:13Z |
| dc.date.issued.fl_str_mv |
2024-06-20 |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/35561 |
| url |
https://hdl.handle.net/10438/35561 |
| dc.language.iso.fl_str_mv |
por |
| language |
por |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
| instname_str |
Fundação Getulio Vargas (FGV) |
| instacron_str |
FGV |
| institution |
FGV |
| reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
| collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
| bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/ff695ffe-a905-4202-b153-e59ef8b5708b/download https://repositorio.fgv.br/bitstreams/c8e2847a-bc6d-4279-b168-e8a3ffc500e9/download https://repositorio.fgv.br/bitstreams/db2c0e76-6991-481a-89a6-1b589258484a/download https://repositorio.fgv.br/bitstreams/06c1b25f-880b-4fb6-a4e2-c5db8fc04813/download |
| bitstream.checksum.fl_str_mv |
79e8dd01f50b8612cb7d9b1f65e8820a 2a4b67231f701c416a809246e7a10077 e8d4007fe2185689db31d4e99f6f84f9 fc8ac17a2425ccc1852c6b4010987f80 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
| repository.mail.fl_str_mv |
|
| _version_ |
1827842585621692416 |