• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  Science >> Science >  >> Autres
    Les données sur la taxe à la valeur ajoutée pourraient aider les pays à mieux se préparer aux crises
    Pertes de production à l'échelle de l'économie d'équilibre général, L GE ⁠, obtenu à partir d'un calibrage empirique et de 1 000 chocs COVID-19 synthétiques se propageant sur l'IPN agrégé (ligne pointillée bleue) et sur le FPN (ligne rouge, histogramme). Crédit :PNAS Nexus (2024). DOI :10.1093/pnasnexus/pgae064

    Comment un conflit armé, une épidémie ou une inondation affecterait-il l’économie ? "Être capable d'évaluer, peut-être même de prédire, l'impact économique de telles crises est essentiel lorsqu'il s'agit d'atténuer et de contrecarrer les dégâts", déclare Christian Diem du Complexity Science Hub (CSH).



    Selon une étude récente publiée dans PNAS Nexus , les pays cherchant à mieux se préparer aux crises peuvent bénéficier d’un ensemble unique de données granulaires sur la chaîne d’approvisionnement. Les chercheurs du CSH rapportent, pour la première fois, que les données économiques largement utilisées au niveau sectoriel peuvent sous-estimer l'impact économique des crises jusqu'à 37 % par rapport aux données très détaillées au niveau des entreprises.

    Données TVA

    "Nous avons eu accès à un ensemble de données unique d'informations sur la taxe sur la valeur ajoutée (TVA) - une taxe générale qui, en principe, s'applique à tous les biens et services - en provenance de Hongrie pour cette étude. Il contient 243 399 entreprises et permet la reconstruction de 1 104 141 entreprises. des relations d'approvisionnement qui représentent pratiquement l'ensemble de l'économie nationale", explique Stefan Thurner du CSH.

    Cela a permis aux chercheurs d'analyser et de comparer systématiquement la manière dont les effets des crises sont évalués différemment lorsque seules les données sur les 88 secteurs économiques définis par l'Union européenne sont disponibles ou lorsque des données détaillées sur la chaîne d'approvisionnement sont disponibles au niveau de l'entreprise, qui inclut toutes les entreprises. et leurs relations client-fournisseur.

    Au total, 1 000 scénarios de crise hypothétiques ont été simulés à cet effet. Afin de garantir que les scénarios reproduisent des crises réelles, les crises hypothétiques étaient basées sur des données empiriques réelles sur les conséquences économiques de la crise du COVID-19 au début de 2020.

    "Nous avons été très surpris de constater que l'impact économique de chacune des 1 000 crises simulées était systématiquement sous-estimé - jusqu'à 37 % - si l'on utilisait uniquement les données de secteurs entiers, comme cela a toujours été le cas", explique Diem.

    En outre, les résultats au niveau des entreprises étaient beaucoup plus proches de ceux de la récession réelle du deuxième trimestre 2020. De cette manière, les conséquences d'une crise sont toujours estimées comme étant plus faibles au niveau sectoriel qu'elles ne le sont réellement au niveau de l'entreprise. .

    Les atomes de l'économie

    "Jusqu'à présent, l'économie d'un pays était principalement décrite au niveau de secteurs économiques entiers", explique Thurner. "En d'autres termes, nous parlons de la façon dont l'ensemble de l'industrie automobile est affectée par les goulots d'étranglement de l'approvisionnement. Les nouvelles données sur l'ensemble de la chaîne d'approvisionnement au niveau des entreprises nous permettent de voir les atomes de l'économie - les entreprises - et la manière dont ils interagissent avec les entreprises. C'est un nouveau territoire scientifique et c'est extrêmement fascinant."

    "Nous pouvons désormais calculer dans quelle mesure les entreprises d'un secteur économique sont affectées individuellement par une crise plutôt que de simplement décrire la moyenne d'un secteur entier."

    "Il y a une grande différence entre simplement affirmer qu'un secteur économique va subir des pertes de 20%, par exemple, et savoir si une simulation peut révéler quelles entreprises sont susceptibles d'être réellement touchées par la crise et lesquelles ne le sont pas. Peut-être même. le plus important est de montrer comment cela se propage à travers le réseau d'approvisionnement et comment cela affecte leurs partenaires commerciaux directs et indirects", ajoute Diem.

    Plus de 160 pays disposent d’un système de TVA et pourraient, en principe, l’utiliser pour reconstruire leurs réseaux d’approvisionnement – ​​les États-Unis constituent une exception notable. Pour l’instant, seule une douzaine de pays collectent les données permettant de reconstituer les liens d’approvisionnement. La liste comprend des États membres de l'UE comme l'Espagne, la Belgique et la Hongrie, ainsi que des pays comme l'Inde, la Chine et certains pays d'Afrique et d'Amérique latine.

    Pour les pays qui ne collectent pas leurs données TVA de la bonne manière, par exemple l'Allemagne et l'Autriche, une légère modification de la déclaration de TVA des entreprises ferait l'affaire, tout en créant un minimum de travail bureaucratique supplémentaire pour les entreprises. "Cela pourrait être automatisé grâce à un logiciel de comptabilité d'entreprise", explique Diem. Cela pourrait également réduire les formes de fraude à la TVA.

    « Avec cette étude, nous voulions montrer à quel point les estimations basées sur des données sectorielles agrégées peuvent différer des estimations basées sur des données granulaires et sur l'impact économique réel, et combien il est important de collecter des données détaillées au niveau de l'entreprise », explique Diem. Quelle que soit la menace, qu'il s'agisse d'une inondation catastrophique, le CO2 émissions, ou les conséquences des interventions politiques, une évaluation précise peut aider à anticiper les conséquences et, surtout, à réagir rapidement et avec précision.

    Plus d'informations : Christian Diem et al, Estimation de la perte de prévisibilité économique due à l'agrégation des réseaux de production au niveau de l'entreprise, PNAS Nexus (2024). DOI :10.1093/pnasnexus/pgae064

    Informations sur le journal : PNAS Nexus

    Fourni par Complexity Science Hub




    © Science https://fr.scienceaq.com