Skatteförmånliga konton och sparande

NATIONALEKONOMISKA INSTITUTIONEN Uppsala universitet

Examensarbete C

Författare: Nichita Pavlenco Handledare: Håkan Selin Termin och år: Hösttermin 2020

Skatteförmånliga konton och sparande

Studie om effekter av Investeringssparkonto på värdet på

noterade aktier och fondandelar

Sammanfattning

Denna studie undersöker effekterna av investeringssparkonton (ISK) på noterade aktiers och fondandelars värde. ISK är en skatteförmånlig sparform som infördes i Sverige år 2012. Studien använder difference-in-difference metoden på kvartalsdata över värdet på noterade aktier och fondandelar i EU:s medlemsländer från år 2009 till år 2020. Mina resultat tyder på att värdet på noterade aktier och fondandelar har ökat sedan införandet av ISK. Jag finner att värdet på noterade aktier och fondandelar placerade utanför ISK har minskat. Statistiskt signifikanta effekter av ISK efter år 2015 kunde inte hittas. Dessa resultat tyder på att införandet av ISK har ökat värdet på sparande men också har lett till flytt av tillgångar från konventionella sparformer till ISK. Resultaten är mycket känsliga för ett antal antaganden och bör tolkas med stor försiktighet.

Nyckelord

ISK, Vinstskatt, Sparande.

Ett stort tack till min handledare Håkan Selin, mina opponenter Emma Lindgren och Olivia Wright och examinatorer Tomas Guvå och Stefan Eriksson för deras hjälp och konstruktiv kritik.

Abstract

This study attempts to estimate the effects of ISK, a form of saving accounts, introduced in Sweden in 2012, on the value of listed shares and shares in equity and investment funds. The study uses the difference-in-difference method on quarterly data of the value of listed shares and shares in equity and investment funds in EU member states from 2009 to 2020 to estimate the effects of ISK. The results of the study indicate that the value of listed shares and shares in equity and investment funds has increased since ISK was introduced. The value of listed shares and shares in equity and investment funds placed outside ISK has decreased. Statistically significant effects of ISK from 2015 could not be found. These results indicate that the introduction of ISK has increased the value of savings but also led to a shift of capital from conventional saving accounts to ISK. The results of this study are very sensitive to a number of assumptions and should be interpreted with caution.

Innehåll

1. Inledning... 1

2. Tidigare studier. ... 4

3. Teori. ... 5

3.1. Livscykelmodellen. ... 5

3.2. Jämförelse av ISK och konventionella sparformer. ... 6

4. Data. ... 8

4.1. Beskrivning av data. ... 8

4.2. Val av data. ... 8

5. Metod. ... 12

5.1. Beräkning av värdet på ISK tillgångar. ... 12

5.2. Effekten av ISK på värdet på noterade aktier och fondandelar. ... 12

5.3. Val av metod. ... 14

5.4. Problem med metoden. ... 15

5.5. Känslighetsanalys. Multiple imputation. ... 17

6. Resultat och analys. ... 19

6.1. Värdet på ISK tillgångar. ... 19

6.2. Effekten av ISK. ... 20

6.2.1. Effekten av ISK efter år 2012. ... 20

6.2.2. Effekten av ISK på noterade aktier och fondandelar placerade utanför ISK. ... 21

6.2.3. Effekten av ISK efter år 2015. ... 22

6.3. Känslighetsanalys. Multiple imputation. ... 23

7. Slutsats. ... 25

Referenser. ... 26

Bilaga. ... 29

Bilaga 1. ... 29

Bilaga 2. ... 29

Bilaga 3. ... 30

1

1. Inledning.

Investeringssparkonto (ISK) är en ny sparform som infördes i Sverige år 2012. Syftet med införandet av den nya sparformen var att förenkla sparande i finansiella tillgångar för privatpersoner. Tillgångar placerade i ISK beskattas enligt en schablonintäkt som baseras på tillgångars marknadsvärde och schablonräntan. När ISK infördes var schablonräntan lika med statslåneräntan som representerar långsiktig avkastning på riskfria tillgångar. Schablonräntan höjdes med 0,75 procentenheter år 2016 och sedan ytterligare med 0,25 procentenheter år 2018 (Riksrevisionen, 2018).

Det är tillåtet att placera så kallade investeringstillgångar på ISK. Enligt 6§ i lagen (SFS 2012:1268) om investeringssparkonto till investeringstillgångar tillhör:

1. Finansiella instrument som är upptagna till handel på en europeisk multilateral handelsplattform (MTF) inom europeiska ekonomiska samarbetsområden,

2. En reglerad marknad eller motsvarande marknad utanför europeiska ekonomiska samarbetsområden, eller

3. Andelar i en värdepappersfond eller specialfonder.

ISK är populära bland svenska sparare. Mellan år 2012 och år 2018 öppnades ISK av ungefär 2,2 miljoner privatpersoner. Totala värdet på tillgångar på ISK uppskattades vara ungefär 707 miljarder kronor år 2017. Det är ungefär 33 procent av det totala värdet på investeringstillgångar (Riksrevisionen, 2018). Totala värdet på noterade aktier och fondandelar har också ökat sedan införandet av ISK (se figur 1).

Huruvida ISK har uppnått målet att sänka transaktionskostnader och om den har lett till en lägre skattesats på sparande är fortfarande omstridda frågor (Timbro, 2018). Även om införandet av ISK har lett till sänkta nettokostnader för sparande kan man inte vara säker på att sänkta kostnader har lett till ökat sparande. Till exempel är det möjligt att sänkta kostnader på sparande orsakade flytt av tillgångar från konventionella sparformer till ISK. Totala värdet på ISK fondandelar har ökat samtidigt som värdet på konventionellt beskattade fondandelar har minskat mellan år 2014 och år 2017. Det är rimligt att anta att en del av ökningen av värdet på tillgångar på ISK beror på att privatpersoner flyttade sina tillgångar från andra sparformer (Riksrevisionen, 2018). Rudal (2018) har undersökt effekten av ISK på sparande med hjälp av en grafisk jämförelse av trender i värdet på noterade aktier ägda av svenska och danska hushåll.

2 Hon kom fram till att värdet på noterade aktier har ökat mer i Sverige än i Danmark efter år 2012 när ISK infördes men att ökningen inte kan förklaras av ett ökat antal hushåll som sparar.

I min uppsats försöker jag undersöka samma ämne. Jag inkluderar värdet på fondandelar och använder aggregerade data från EU:s 28 medlemsländer i min mätning vilket tillåter mig att mäta värdet på investeringstillgångar mer exakt. I min studie används en formell analys av trender i värdet på noterade aktier och fondandelar med hjälp av difference-in-difference metoden istället av en informell grafisk analys.

Då syftet med införandet av ISK var att underlätta sparande så är det intressant att se hur införande av ISK har påverkat sparkvoten. Tyvärr är det svårt att mäta hur sparkvoten förändras över tid. Med de data jag har kan jag mäta det totala värdet på noterade aktier och fondandelar.

Värdet på nämnda tillgångar påverkas både av graden av nyinvesteringar och förändringar av värdet på äldre investeringar. Jag har inte kunnat hitta data som kan hjälpa mig skilja ökningen av värdet på äldre investeringar från nyinvesteringar. Därför valde jag att avgränsa mig i den här uppsatsen till att mäta utveckling av värdet på noterade aktier och fondandelar vilket jag använder som proxy för sparande.

Enligt Riksrevisionen (2018) år 2017 uppgick andelen investeringstillgångar (borträknat inlåning och onoterade aktier) som placerades på ISK till omkring 33 procent. Enligt mina beräkningar uppgick andelen noterade aktier och fondandelar placerade på ISK år 2017 till 35,13 procent (se figur 6). Alltså både för investeringstillgångar i verkligheten och för de tillgångar som jag använde som proxy för investeringstillgångar utgör tillgångar på ISK ungefär lika stor andel. Det tyder på att noterade aktier och fondandelar är en bra men inte perfekt proxy för investeringstillgångar. Därför väljer jag att använda just noterade aktier och fondandelar för att estimera värdet som påverkas av införandet av ISK.

De data som jag använder innehåller kvartalsdata från kvartal 1, år 2009 till kvartal 2, år 2020 för EU:s 28 medlemsländer. Jag väljer dessa länder och variabeln som representerar värdet på noterade aktier och fondandelar i första hand då det finns mer tillgängligt data för dem. Det är också rimligt att anta att EU:s medlemsländer har institutioner som är mest lika Sveriges institutioner. Jag använder difference-in-difference analys för att jämföra trender i värdet på tillgångar i Sverige och övriga EU:s medlemsländer efter år 2012 när ISK infördes. Beräkningar görs med hjälp av mjukvara Stata och Excel.

Syftet med denna uppsats är att jämföra trender i värdet på noterade aktier och fondandelar mellan Sverige och EU:s övriga medlemsländer efter år 2012 när ISK infördes i Sverige.

3 Resultatet av min undersökning tyder på att värdet på noterade aktier och fondandelar ökade samtidigt som värdet på noterade aktier och fondandelar placerade utanför ISK efter införandet av ISK. Införandet av ISK har dock inte haft något statistisk signifikant effekt på värdet på noterade aktier och fondandelar efter år 2015. Resultatet bör tolkas med stor försiktighet då det finns flera möjliga problem med bias i de estimerade modellerna.

Uppsatsen har följande disposition: Kapitel 2 sammanfattar resultat från tidigare studier. Bland annat diskuteras studie om ISK av Rudal (2018) och kartläggning av tidigare studier om effekter av skattepolitik på sparande av Bernheim (2002). Kapitel 3 diskuterar bland annat livscykelmodellen, teorin om hur sparande påverkas av avkastning på kapital och ränta på lån.

I samma kapitel jämförs reglering och beskattning av ISK med de konventionella sparformerna.

De data som används i modellen, paneldata för EU:s medlemsländer, beskrivs i kapitel 4. Där argumenterar jag även för val av data. Kapitel 5 beskriver hur värdet på ISK tillgångar beräknades och difference-in-difference metoden som valdes för undersökningen. Där argumenterar jag för metoden samt diskuterar möjliga problem med den. Kapitel 6 avser beskrivning och analys av empiriska resultat. I kapitel 7 sammanfattas undersökningens resultat och jämförs med resultat från tidigare studier. Där diskuteras även implikationer för policy samt nämns möjliga frågor för framtida studier.

Figur 1. Värdet på noterade aktier och fondandelar ägda av hushåll i Sverige sedan införandet av ISK i miljarder kronor.

Källa: ECB och egna beräkningar.

0 500 1000 1500 2000 2500

2012 2013 2014 2015 2016 2017 2018

Hushållens sparande i noterade aktier och

fondandelar, miljarder kronor

4

2. Tidigare studier.

Det finns få undersökningar om effekter av införandet av ISK på sparande. Det finns dock en studie skriven av Rudal (2018). Författaren gör en grafisk analys av skillnader i utveckling av värdet på noterade aktiers ägda av hushåll i Sverige och i Danmark. Författaren också jämför utvecklingen av antalet aktieägare i Sverige och Danmark över år. Rudal kommer fram till att värdet på noterade aktier har ökat mer i Sverige än i Danmark efter införandet av ISK men ökningen kan inte förklaras att flera individer började investera i Sverige än i Danmark.

Effekten ISK har på sparande kan analyseras inom ramverket för studier om effekter av skattepolitik på sparande. Bernheim (2002) skapa en sammanfattning av studier om effekter av skatter på kapital. Han finner att uppskattningar av ränteelasticiteten för sparande (effekten av realränta efter skatt på sparande) är mellan 0 och 1. Summers (1981) finner teoretiska bevis för positiv ränteelasticiteten för sparande. Enligt hans beräkningar antas output i USA öka med upp till 18 procent och konsumtion med upp till 16 procent vid övergång från kapitalbeskattning till konsumtionsbeskattning. Howrey & Hymans (1978) finner däremot att ränteelasticiteten för sparande är ungefär noll. Resultaten av studier i ämnet är dock inte robusta mot ändringar av antaganden om individers preferenser om sparande, definitioner av sparande samt tidsperiod som används för att estimera relationen. En uppskattning av effekten av skattefördelaktiga sparkonton som 401(k) och IRA på sparande lider av liknande problem (Bernheim, 2002).

Det är inte säkert att man kan extrapolera resultat från USA till Sverige på grund av institutionella skillnader. Det finns relativt få studier om effekter av beskattning på sparande i Sverige. Selin (2012) finner att 1 procent högre skattekostnader leder till ungefär 0,5 procent ökning av sparande i skatteavdragsgiltiga pensionsfonder bland egenanställda i Sverige. Det är oklart om man kan extrapolera detta resultat till diskussionen om effekter av ISK på sparande.

5

3. Teori.

3.1. Livscykelmodellen.

Undersökningen grundar sig på Livscykelmodellen. Denna teori är en anpassning av konsumtionsmodellen för sparande och utlåning. Enligt den så kan man betrakta konsumtion i framtiden och nutiden som varor en konsument kan välja mellan. Valet styrs av formen på individens indifferenskurvor och budgetlinje. Lutningen av budgetlinjen bestäms av den ränta som individen betalar för lån och den avkastning som erhålls på tillgångar.

Låt oss anta att det finns en perfekt rationell konsument med fullständig kunskap som lever i bara två perioder: period 1 och period 2. Hens marginalnytta av konsumtion är 𝑢 (𝐶 ) för period 1 och 𝑢 (𝐶 ) för period 2. Hen lever i ett samhälle där realräntan efter skatt är r och det finns inte real tillväxt av ekonomin. I den här modellen antas ränta på lån och avkastning från kapital vara lika med varandra och båda representeras av r. Vidare i texten kommer r beskrivas som realräntan efter skatt.

𝜌 är konsumentens subjektiva diskonteringsränta, hur mycket konsumenten värderar konsumtion i period 1 jämfört med konsumtion i period 2. Då kan hens optimala konsumtion beskrivas av följande ekvation (1) (Gottfries, 2013):

( )/( )

= 1 + 𝑟

(𝑆 ∗ (1+𝑟)+𝑌₂)/( )

= 1 + 𝑟 (2)

Man kan se att sparande beror på realränta efter skatt, framtida inkomster, nuvarande konsumtion och subjektiv diskonteringsränta.

Som förklaras nedan, innebär införandet av ISK en sänkt genomsnittlig skattesats på ränteinkomster vilket leder till högre avkastning på kapital efter skatt. Det ändrar lutningen på budgetlinjen till höger om utdelningspunkten, punkten där individer väljer varken att spara eller att låna. Lutningen blir mindre brant eftersom man kan få fler enheter av framtida konsumtion om man ger upp samma mängd nutida konsumtion. Införandet av ISK påverkar inte lutningen till vänster om utdelningspunkten då den inte påverkar (i alla fall direkt) räntan på lån konsumenten tar för att finansiera konsumtion i period 1. Om ändringen på lutningen har positiv

6 eller negativ nettoeffekt på sparande beror på storleken och riktningen på substitutions- och inkomsteffekten (Rosen & Gayer, 2014 ss. 416–421). Om både substitutions- och inkomsteffekten har samma riktning så bör införande av ISK leda till mer sparande. Som diskuteras nedan så bör införandet av ISK också innebära en minskning av transaktionskostnader för privata sparare. Alltså enligt livscykelmodellen och antaganden av att substitutions- och inkomsteffekten har samma riktning för sparande så bör införandet av ISK leda till ökat sparande så länge nuvarande konsumtion och subjektiv diskonteringsränta hålls konstant.

3.2. Jämförelse av ISK och konventionella sparformer.

Ägarna av konventionella finansiella tillgångar behöver rapportera vinster och förluster som de gjort efter att tillgångar realiserats för att betala skatt på dem. Det finns bevis som pekar på att sådan beskattning ökar transaktionskostnader. 33 procent av dem som har sålt noterade aktier år 2001 har gjort skattemässiga fel, oftast en inkorrekt rapportering av anskaffningskostnad för tillgångar. Tillgångar placerade på ISK beskattas schablonmässigt, kräver inte rapportering av realiserade vinster och förluster vilket sänker transaktionskostnader. Införandet av ISK har också en negativ effekt på transaktionskostnader då privatpersoner nu har flera sparformer att välja mellan. Ett annat problem är att man inte kan använda ISK för att köpa aktier vid vissa nyemissioner och börsintroduktioner. Enligt Skatteverket hamnar svårigheter att följa reglerna om ISK mest på privata finansiella institutioner, inte på den enskilde spararen. Man kan alltså dra slutsatsen att ISK sänker nettotransaktionskostnader för privatpersoner (Riksrevisionen, 2018).

Ett annat problem som uppstår vid traditionell beskattning av finansiella tillgångar är inlåsningseffekten. Innehavare av tillgångar har incitament att behålla dem så lång tid som möjligt för att betala skatt på latenta vinster senare och på sådant sätt få gratis ”lån” från staten.

Problemet med inlåsningseffekter är att de sneddriver individers investeringsval och saktar ner omsättningen av tillgångar på finansmarknaden vilket minskar konkurrensen på marknaden.

Schablonbeskattning innebär att beskattning sker löpande och därför inte orsakar samma inlåsningseffekter (Riksrevision, 2018).

Även om den effektiva skattesatsen är lägre för riskabla tillgångar på ISK jämfört med riskabla tillgångar på andra sparformer så blir skillnaden mindre när innehavstiden ökar och nästan

7 försvinner när innehavstid når 20 år. Skattesatsen för riskfria tillgångar är högre för tillgångar placerade på ISK och skillnader blir större ju längre innehavstid är (Riksrevision, 2018).

En nackdel med att placera tillgångar på ISK för privatpersoner är att man inte kan dela sin risk med staten då eventuella förluster inte är avdragsgilla. ISK är därmed en mer riskabel sparform, allt annat lika (Riksrevisionen, 2018). Riskabla tillgångar ger oftast också högre avkastning.

Schablonbeskattning ger lägre skattesats på tillgångar med högre avkastning placerade på ISK.

Dessa effekter torde göra ISK mindre attraktivt för riskaverta individer.

Riksrevisionens beräkningar om gynnsamhet av sparande på ISK jämfört med konventionella sparformer gjordes under antagande att tillgångar ger avkastning på 7,3 procent och schablonräntan är 5 procent (teoretisk statslåneräntan på 4 procent + 1 procent) (Riksrevision, 2018). Om den faktiska statslåneräntan är lägre (som den är just nu) så blir den effektiva skattesatsen på ISK tillgångar ännu lägre vilket gör sparande i ISK ännu mer fördelaktigt jämfört med konventionella sparformer. Det betyder att även riskaverta individer kan ha incitament att spara i ISK. Rudal (2018) demonstrerar hur den effektiva skattesatsen ser ut för olika sparformer och olika avkastningsnivåer (se figur 2 i Rudals studie).

Baserat på diskussionen ovan så kommer jag till slutsatsen att införandet av ISK fungerade som en skattesänkning med fokus på de riskfyllda tillgångarna. Det beror på att privatpersoner som är riskneutrala eller riskvälkomnande kan flytta sina tillgångar till ISK konton och på så vis betala lägre skatt. Riskaverta individer kan däremot behålla sina tillgångar i konventionella sparformer och undvika högre skatt på ISK tillgångar. Både riskaverta, riskneutrala och riskvälkomnande individer gynnas av lägre transaktionskostnader associerade med sparande på ISK.

8

4. Data.

4.1. Beskrivning av data.

För huvuddelen av undersökningen användes paneldata QSA - Quarterly Sector Accounts (MUFA and NFA Eurostat ESA2010 TP, table 801) från Europeiska Centralbanken (ECB, 2020). Det är kvartalsdata över värdet på noterade aktier samt andelar i aktie- och investeringsfonder i 28 medlemsländer av Europeiska unionen från kvartal 4, år 1998 till kvartal 2, år 2020. I den här studien anses Storbritannien vara fortfarande en del av Europeiska Unionen även om den har officiellt lämnat EU 31:a januari 2020. QSA är inte balanserad data då dataserier börjar från olika år för olika länder.

Värdet på tillgångar i data ges enligt deras marknadsvärde under den dagen som informationen samlades in (ECB, 2020). Data är samlad enligt System of national accounts, SNA2008, och European system of accounts, ESA2010. Data är insamlad av ECB och Eurostat, den europeiska statistiska myndigheten.

Värden presenteras i lokal aktuell valuta. Det vill säga för länder som har infört euro under tiden som dataserien skapades, konvertererades gamla värden till euro. Det finns 9 länder i data som inte infört euro under tiden som denna uppsats skrevs. De är Bulgarien, Tjeckien, Danmark, Storbritannien, Kroatien, Ungern, Polen, Rumänien och Sverige. För dessa länder räknas värdet på tillgångar om till euro enligt växelkurserna som gällde under tiden tillgångarna värderades.

Till exempel värdet på noterade aktier och fondandelar kvartal 1, år 2012 i Bulgarien i bulgariska leu delas med värdet av 1 euro i leu enligt växelkursen som gällde första mars 2012.

Historiska data över växelkurser är framtagen från webbsidan Investing.com (2020).

4.2. Val av data.

Användning av paneldata tillåter mig att ha en kontrollgrupp i form av EU:s 27 övriga medlemsländer som kan jämföras med Sverige, vår behandlingsgrupp. Det tillåter mig att göra en difference-in-difference analys och kontrollera för tidsfixa och enhetsfixa effekter. Det är rimligt att anta att EU:s övriga medlemsländer har institutioner som är mest lika Sveriges institutioner. Data har tillräckligt med variation för att utföra regression (se tabell 1).

Ett av problem med QSA databas är att den har data om ett begränsat antal kategorier av tillgångar. Jag bedömer att noterade aktier och fondandelar är de två kategorier som stämmer bäst med definitionen av investeringstillgångar given i SFS (2012:1268). Jag kontrollerar huruvida noterade aktier och fondandelar är bra proxy för investeringstillgångar genom att

9 jämföra med resultat från Riksrevisionen. Enligt Riksrevisionen (2018) var år 2017 kvoten mellan ISK tillgångar och investeringstillgångar (borträknat inlåning och onoterade aktier) omkring 0,33. Enligt mina egna beräkningar år 2017 var kvoten mellan ISK tillgångar och noterade aktier och fondandelar omkring 0,35 (se figur 6). Dessa kvoter är ungefär lika stora vilket tyder på att värdet på noterade aktier och fondandelar år 2017 var ungefär lika stora som värdet på investeringstillgångarna. Det tyder på att noterade aktier och fondandelar är en bra men inte perfekt proxy för investeringstillgångar definierad enligt lagen SFS (2012:1268). För matematiskt bevis se bilaga 2.

Jag väljer att begränsa mig till bara två sparformer, noterade aktier och fondandelar istället för det totala värdet på tillgångar. Kategorier av tillgångar, till exempel onoterade aktier, kan inte placeras på ISK. Variationen i värdet på dessa tillgångar påverkades troligen inte av införandet av ISK och väljs därför ej för min studie.

Ett av alternativen till att använda värdet på investeringstillgångar för att mäta sparande är att mäta sparande/konsumtion direkt. Howrey & Hymans (1978) använder tidseriedata för hela USA med aggregerad real privatkonsumtion per capita som beroende variabeln och en rad förklarande variabler för att estimera en aggregerad konsumtionsfunktion. Man kan använda ändringar i konsumtion för att estimera ändringar i sparande så länge det är de enda två sätten för individer att spendera sina inkomster. Problemet med detta är att det inte finns någon kontrollgrupp att jämföra med. Detta innebär att man inte kan vara säker på att feltermen i skattningen verkligen inte är korrelerad med förklarande variabler och att skattningar inte är biased. Bernheim (2002) noterarar att enligt ekonomisk teori är vissa förklarande variabler som disponibel inkomst och realränta endogena för skattningar av konsumtionsfunktionen.

Paneldata av svenska hushåll är ett annat alternativ som skulle kunna ge mer information och underlätta skattning av konsumtion/sparande med hjälp av Euler ekvation (se bilaga 3 för Euler ekvation för skattning av ändringar i konsumtion). Tyvärr så har jag inte tillgång till detta data.

Det verkar som att flera andra studier har mött samma problem. Attanasio & Weber (1995) behövde skapa en syntetisk paneldata över hushåll i USA för att kunna estimera Euler ekvation för skattning av konsumtion. Resultat av studien är beroende av antaganden att ålder och ekonomiskt välstånd inte var korrelerade och det här antagandet behöver inte stämma.

Alla sätt att mäta konsumtion/sparande nämnda enligt ovan har problem då de mäter verkligt sparande under vissa antaganden. Data för dessa mätningsmetoder var svåra att hitta. Mitt sätt att mäta sparande lider också av flera problem med bias. Det är lättare att hitta data och bygga

10 en naturlig kontrollgrupp i form av EU:s 27 övriga medlemsländer vilket styr valet av data för min studie.

Tabell 1. Variation av värdet på noterade aktier och fondandelar i miljoner euro i 28 länder.

Variabler Observationer Medelvärde Standardavvikelse

Totalt 1223 122270 203656

Österrike 46 67309 14100

Belgien 34 222924 48207

Bulgarien 46 1265 574,4

Cypern 46 1313 343,5

Tjeckien 46 13828 5856

Tyskland 46 716253 170833

Danmark 31 108903 15173

Estland 46 519,2 256,0

Spanien 46 336657 97199

Finland 46 48822 11114

Frankrike 46 485092 78778

Storbritannien 46 516544 117023

Grekland 46 14415 5380

Kroatien 34 2882 271,1

Ungern 46 12635 2796

Irland 31 13827 2004

Italien 46 458829 97301

Litauen 46 964,5 260,2

Luxemburg 46 11136 3575

Lettland 46 321,3 107,5

Malta 46 2454 425,0

Nederländerna 35 108920 20024

Polen 46 33006 7746

Portugal 46 20115 2907

Rumänien 46 6010 1475

Sverige 46 162756 40714

Slovenien 46 3232 429,8

Slovakien 46 4839 1133

11 I min undersökning används bara data från och med kvartal 1, år 2009. Det beror på att en ekonomisk kris slog mot Europa år 2007–2008 vilket påverkade värdet på finansiella tillgångar.

Det verkar som att värdet på noterade aktier och fondandelar i de flesta europeiska ekonomier stabiliserades runt år 2009 (se figur 2). Krisen hade antagligen olika stora effekter på olika länder och för olika perioder. Det är alltså rimligt att anta att olika länder hade olika trender innan införandet av ISK. Därför kommer inte dummyvariabler för enhets- och tidsfixa effekter lyckas kontrollera för effekten av krisen på värdet på investeringstillgångar. Det finns också flera länder som inte har fullständiga dataserier, data saknas innan år 2009 (se tabell 1). Därför väljer jag att ta bort alla värden innan kvartal 1, år 2009.

Figur 2. Utvecklingen av värdet på noterade aktier och fondandelar i EU i miljoner euro från år 1999 till år 2020.

Horisontell röd linje visar första kvartal av år 2009.

Källa: ECB.

12

5. Metod.

5.1. Beräkning av värdet på ISK tillgångar.

Värdet på tillgångar placerade på ISK behöver vara relativt stort för att ha en effekt på sparande.

Jag börjar min analys genom att undersöka hur värdet på ISK tillgångar i Sverige utvecklades från år 2012 till år 2018. Intäkter från tillgångar på ISK beskattas enligt så kallad schablonintäkt.

Schablonintäkt beräknas enligt följande formel:

𝑠𝑐ℎ𝑎𝑏𝑙𝑜𝑛𝑖𝑛𝑡ä𝑘𝑡 = 𝑘𝑎𝑝𝑖𝑡𝑎𝑙𝑢𝑛𝑑𝑒𝑟𝑙𝑎𝑔 ∗ 𝑠𝑐ℎ𝑎𝑏𝑙𝑜𝑛𝑟ä𝑛𝑡𝑎𝑛

där kapitalunderlaget representerar värdet på ISK tillgångar. Man kan alltså räkna ut kapitalunderlaget enligt följande formel:

𝑘𝑎𝑝𝑖𝑡𝑎𝑙𝑢𝑛𝑑𝑒𝑟𝑙𝑎𝑔 = 𝑠𝑐ℎ𝑎𝑏𝑙𝑜𝑛𝑖𝑛𝑡ä𝑘𝑡/𝑠𝑐ℎ𝑎𝑏𝑙𝑜𝑛𝑟ä𝑛𝑡𝑎𝑛

Det finns inte data om storleken på kapitalunderlaget men det finns data om storleken på schablonintäkt (Skatteverket, 2019) och statslåneräntan som tillåter mig att beräkna schablonräntan (Riksgälden, 2020). Kapitalunderlaget räknas ut då enligt formeln nämnd ovan.

5.2. Effekten av ISK på värdet på noterade aktier och fondandelar.

I huvuddelen av undersökningen används difference-in-difference (DiD) metoden. Valet av metod är delvis inspirerat av Angrist & Pischke (2015, s. 188).

Data från QSA ger möjlighet att se skillnaden över kvartalsvis utveckling av värdet på noterade aktier och fondandelar mellan kvartal 1, år 2009 och kvartal 2, år 2020 i olika länder. Jag använder följande modell för att analysera QSA data:

𝑉𝐴𝑅𝐷𝐸 = 𝛼 + 𝛿 𝑆𝑣𝑒𝑟𝑖𝑔𝑒 ∗ 𝐸𝑓𝑡𝑒𝑟 + 𝛽 𝑆𝑇𝐴𝑇 + 𝛾 𝐾𝑉𝐴𝑅𝑇𝐴𝐿 + 𝑢 (1)

Där 𝑉𝐴𝑅𝐷𝐸 är kontinuerligt variabel som representerar värdet på noterade aktier och fondandelar i miljoner euro.

𝑆𝑣𝑒𝑟𝑖𝑔𝑒 är en binär variabel som antar värdet 1 för alla observationer från Sverige och antar värdet 0 annars.

𝐸𝑓𝑡𝑒𝑟 är en binär variabel som antar värdet 1 för alla observationer från år 2012 kvartal 1 när ISK först infördes och antar värdet 0 annars.

13 𝑆𝑣𝑒𝑟𝑖𝑔𝑒 ∗ 𝐸𝑓𝑡𝑒𝑟 är multiplikation av de två variabler nämnda ovan. Koefficienten framför den här variabeln 𝛿 representerar skillnaden i trender i värdet på noterade aktier och fondandelar i Sverige jämfört med kontrollgruppen.

𝑢 är feltermen, 𝑖 är subskript för länder och 𝑡 är subskript för kvartal.

∑ 𝛽 𝑆𝑇𝐴𝑇 är dummyvariabler som antar värdet 1 för land k och 0 annars. En dummy variabel är borttagen för att undvika perfekt multikollinearitet.

∑ 𝛾 𝐾𝑉𝐴𝑅𝑇𝐴𝐿 är dummyvariabler som antar värdet 1 för kvartal j och 0 annars. En dummy variabel är borttagen för att undvika perfekt multikollinearitet.

∑ 𝛽 𝑆𝑇𝐴𝑇 låter mig kontrollera för enhetsfixa effekter i regressionen och termen

∑ 𝛾 𝐾𝑉𝐴𝑅𝑇𝐴𝐿 låter mig kontrollera för tidsfixa effekter i regressionen.

Jag estimerar flera andra modeller för att undersöka andra aspekter av effekten av ISK på värdet på noterade aktier och fondandelar.

Modell (3) estimerar skillnaden i trender i värdet på noterade aktier och fondandelar placerade utanför ISK mellan Sverige och kontrollgruppen. Värdet på ISK tillgångar anses vara lika med värdet på kapitalunderlaget under ett visst år. Värdet på icke-ISK tillgångar beräknas genom att subtrahera värdet på kapitalunderlaget för ett visst kvartal från det totala värdet på noterade aktier och fondandelar ägda av hushåll i Sverige under samma kvartal. Då värdet på kapitalunderlaget var noll innan år 2012 så är värdet på icke-ISK tillgångar i Sverige är lika med värdet på noterade aktier och fondandelar för samma kvartal innan år 2012.

Kapitalunderlaget för ett visst år är beräknad med hjälp av schablonräntan och schablonintäkten (se tabell 2). Kapitalunderlaget antas vara lika stort för alla kvartal för ett visst år. Denna förenkling är nödvändigt då jag saknar data för kvartalsvis utveckling av värdet på kapitalunderlaget. Förenklingen betyder att jag har mindre information att arbeta med.

Förlusten är relativt liten då variationen av värdet på kapitalunderlaget från kvartal till kvartal under samma år delvis beror på cykliska förändringar. Då det inte finns data för värdet på ISK tillgångar efter år 2018 så utelämnas data för den perioden från estimering.

Syftet med den här modellen är att testa huruvida införandet av ISK har lett till en minskning av värdet på noterade aktier och fondandelar utanför ISK. En negativ koefficient 𝛿 framför variabeln 𝑆𝑣𝑒𝑟𝑖𝑔𝑒 ∗ 𝐸𝑓𝑡𝑒𝑟 skulle tyda på att införandet av ISK har lett till att sparande i ISK

14 ersatt sparande i andra sparformer. En icke-signifikant eller positiv koefficient skulle tyda på att hela värdet på ISK tillgångar är nysparande.

Modell (5) skattar effekten av införandet av ISK på värdet på noterade aktier och fondandelar från kvartal 1, år 2015. Den är nära identisk med modell (1) med den enda skillnaden att variabeln 𝐸𝑓𝑡𝑒𝑟 antar värdet 1 för alla kvartal från kvartal 1, år 2015 och är 0 annars. Målet med denna modell är att skatta effekten av införandet av ISK på noterade aktier och fondandelar från och med den tidpunkt då värdet på kapitalunderlaget utgjorde mer än 25 procent av totala värdet på noterade aktier och fondandelar. Då tillgångar placerade på ISK utgjorde mer än 25 procent av värdet på alla noterade aktier och fondandelar runt år 2015 så väljer jag detta år för att kontrollera huruvida effekten av ISK på sparande tog tid att utvecklas. Valet av 25 procent som cutoff är subjektivt.

Modellerna (2), (4) och (6) är log-linjära som motsvarar modellerna (1), (3) och (5). I dessa modeller logaritmeras endast beroende variabler. 𝑆𝑣𝑒𝑟𝑖𝑔𝑒 ∗ 𝐸𝑓𝑡𝑒𝑟 och andra oberoende variabler logaritmeras inte då de representerar en binär förändring. Flera andra studier som undersöker effekter av skattepolitik på sparande benämner det i termer av elasticitet (Bernheim, 2002). Det tyder på att relationen mellan skattesats och sparande är icke-linjär och möjligtvis liknar en exponentiell funktion. Modellerna (2), (4) och (6) skattas just för att testa om införandet av ISK har en effekt på en den relativa ökningen av värdet på noterade aktier och fondandelar. Jag anser att effekter från modellerna (2), (4) och (6) är mer pålitliga då de överensstämmer bättre med hur andra studier skattar effekter av skattepolitik på sparande (Bernheim, 2002).

5.3. Val av metod.

Difference-in-difference metoden tillåter mig att kontrollera för skillnader mellan kontrollgrupp och behandlingsgrupp genom att jämföra trender i båda grupperna. Om Sverige och EU:s övriga medlemsländer hade samma trender i värdet på noterade aktier och fondandelar innan införandet av ISK så bör koefficienten 𝛿 framför variabeln 𝑆𝑣𝑒𝑟𝑖𝑔𝑒 ∗ 𝐸𝑓𝑡𝑒𝑟 representera en väntevärderiktig skattning av kausal effekt av ISK på värdet på noterade aktier och fondandelar i Sverige (Angrist & Pischke, 2015 s. 184). Detta gör DiD till ett enkelt men kraftfullt verktyg för att etablera kausal effekt av ISK och är därför mitt val av denna metod för min undersökning.

Andra studier använder andra metoder för att skatta effekter av skattepolitik på sparande. Rudal (2018) jämför grafisk utveckling av värdet på noterande aktier i Sverige och Danmark. Carroll

15

& Summers (1987) gör en informell analys av skillnader i trender i sparande mellan USA och Kanada. Sådana typer av analys ger inte pålitliga kvantitativa skattningar vilket Carroll &

Summers själva erkänner. Därför passar inte den här metoden för min undersökning med en kvantitativ skattning.

Howrey & Hymans (1978) skattar en log-log regression med aggregerade data över konsumtion i USA. Deras metod fungerar under antaganden att det finns en stabil konsumtionsfunktion men det behöver inte stämma. Enligt den så kallade Lucaskritiken kan förväntningar om framtida ekonomisk situation vara korrelerade med ändringar i räntor vilket innebär att det inte finns en stabil konsumtionsfunktion. Andra sätt att skatta ändringar i konsumtion, som till exempel med hjälp av Euler ekvation, lider också av liknande problem (Berhneim, 2002). Ett annat problem är att skattningar med hjälp av Euler ekvation kräver paneldata på hushållsnivå vilket jag ej har tillgång till. Därför väljer jag att inte använda de metoderna.

Andra forskare använder naturliga experiment i form av att endast vissa grupper har rätt att öppna skatteförmånliga sparkonton i USA (Bernheim, 2002). Sådan metod är inte möjlig att använda i min studie då ISK är tillgängligt för alla vuxna privatpersoner och det finns inte andra sätt att använda ett naturligt experiment på mitt data.

5.4. Problem med metoden.

Det finns troligen problem med vald metod. Det är mycket möjligt att det finns flera utelämnade variabler som påverkar trender i värdet på noterade aktier och fondandelar. Vissa utelämnade variabler är tids- och enhetsfixa effekter och kan kontrolleras med termerna ∑ 𝛾 𝐾𝑉𝐴𝑅𝑇𝐴𝐿 och ∑ 𝛽 𝑆𝑇𝐴𝑇 . Subjektiv diskonteringsränta bör vara konstant över tid inom EU:s medlemsländer och kontrolleras med termerna ∑ 𝛾 𝐾𝑉𝐴𝑅𝑇𝐴𝐿 . Inflationsnivå är en variabel som kan påverka sparande enligt mer komplicerade modeller (Howrey & Hymans, 1978). Inflationsnivå bör också kontrolleras med termerna ∑ 𝛾 𝐾𝑉𝐴𝑅𝑇𝐴𝐿 då den antagligen var relativt konstant under de senaste åren inom EU. En annan svårighet är att majoriteten av länder i kontrollgruppen har euro och Sverige fortfarande använder kronor. Det kan öka bias i modellen. Förväntningar om framtida inkomster och nuvarande konsumtion kan utvecklas olika i Sverige och i länder i kontrollgruppen oberoende av införandet av ISK i Sverige.

16 Det finns goda anledningar att tro att det finns skillnader i hur institutioner utvecklades i Sverige och i EU:s övriga medlemsländer. Precis som introduktionen av ISK i Sverige troligen påverkade sparande i Sverige så är det mycket möjligt att sparande förändrades i andra länder när nya sparformer introducerades, gamla togs bort eller reformerades. Största problemet är att införandet av ISK bör påverka sparande genom att påverka realränta efter skatt vilket påverkas av många andra variabler, andra skatter inkluderade. Skatten på ISK tillgångar är inte konstant då den varierar på grund av lagändring år 2016 och år 2018 samt på grund av variation i statslåneränta. Dessa problem leder antagligen till att skillnader i trender mellan Sverige och kontrollgruppen inte endast beror på introduktion av ISK och leder till bias i min modell. Man kan se i figur 3 och 4 att trender för Sverige och genomsnittet av kontrollgruppen är svåra att jämföra. Man kan också se i figur 3 att saknade data är ett allvarligt problem för undersökningen. Fem länder i kontrollgruppen har endast data för efter år 2012 så medelvärdet för hela kontrollgruppen för tiden innan ISK infördes kan ej beräknas.

Figur 3. Trender i värdet på noterade aktier och fondandelar i Sverige samt i genomsnittet av EU:s 27 övriga medlemsländer.

Figur 4. Trender i värdet på noterade aktier och fondandelar i Sverige samt i genomsnittet av EU:s övriga 22 medlemsländer som har fullständiga data för innan år 2012.

Röda linjen markerar datum då ISK infördes i Sverige.

17 För att korrigera biasen enligt ovan behöver man data över utelämnade variabler vilket är svårt att finna. Att introducera flera oberoende variabler i modellen utan att öka storleken på samplet leder till ökad varians och en mindre säker skattning. En annan metod att lösa problem med att kontrollgruppen inte är direkt jämförbar med behandlingsgrupp är syntetisk kontroll. Syntetisk kontroll ger vikter för olika länder i kontrollgruppen enligt hur lika trenden i dem är jämfört med trenden i påverkat land innan behandlingen genomförs. Därefter skapas en syntetisk kontrollgrupp där länder från faktisk kontrollgrupp inkluderas enligt vikter. En sådan metod kan i teorin lösa problemet med icke-parallella trender. Den skulle också kunna lösa problem som uppstår när olika länder har olika stor variation runt trenden genom att vikta för det.

5.5. Känslighetsanalys. Multiple imputation.

Det finns problem med undersökningen som uppstår på grund av bortfall i data. I valde data finns det 5 länder som totalt saknar 65 kvartalvärden för variabeln 𝑉𝐴𝑅𝐷𝐸 från kvartal 1, år 2009 till kvartal 2, år 2020.

Modell (1–6) hanterar saknade värden genom så kallad listwise deletion. Det betyder att 65 värden på noterade aktier och fondandelar samt associerade värden för land och kvartal tas bort och regression görs på resterande data. Det är en av de enklaste metoderna att hantera bortfall i data. Listwise deletion har sina problem. Om data inte är MCAR (Missing Completely At Random), det vill säga om saknade data är inte bara ett slumpmässigt stickprov från data, då finns det möjlighet att skattningar inte är väntevärdesriktiga. Enligt Everitt & Hothorn (2011, s. 7) så är multiple imputation (MI) det optimala sättet att hantera bortfall i data. Jag utför känslighetsanalys genom att estimera om modell (1–6) med hjälp av multiple imputation istället av listwise deletion. Om modeller estimerade med listwise deletion och med multiple imputation ger markant annorlunda resultat då är det rimligt att anta att mina skattningar lider av bias på grund av bortfall i data.

Multiple Imputation består av tre steg:

1. Ett antal fullständiga data set (20 i mitt fall) genereras av Stata. Värden i tomma celler genereras enligt distribution av värden som finns med i data och enligt en viss imputationsmodell. Jag använder seed: 19971 för att generera värden i Stata.

2. Nödvändig analys görs på alla fullständiga data separat. I det här arbetet är det regression på ett paneldata.

3. Alla resultat från steg två är kombinerade i ett resultat.

18 Användning av multiple imputation medför sina egna problem. Denna metod är giltig under antaganden att saknade data är MAR (Missing at random). Det betyder att chansen att värden saknas är oberoende från saknade värden men kan vara beroende på värden som finns med i data. Saknade data kan vara MNAR (Missing not at random), det vill säga chansen att värden saknas är beroende av saknad data. I detta fall leder MI metoden till bias i skattningar. Ett annat nödvändigt antagande är att variabler som kommer användas i analysmodellen (i det här fallet regression på paneldata) måste vara med i imputationsmodell och att det inte finns utelämnade variabler (Stata manual 2013, s. 3–20).

De dataserier som används har inte samma begynnelseår för länderna i kontrollgruppen.

Detta medför problem för implementering av MI. Det är möjligt att vissa länder inte rapporterar värdet på noterade aktier och fondandelar på grund av faktorer som inte finns med i data. Detta innebär att saknade värden är MNAR. Man kan inte testa om data är MNAR eller MAR utan saknade värden. Om saknade värden är MNAR då största problemet är att standardfelet ökar.

Detta leder till att man inte avfärdar nollhypotesen när man bör göra det.

Enligt Stata manual (2013) bör man använda MI försiktigt om man inte har tillgång till alla utelämnade variabler. Data för utelämnade variabler saknas så en känslighetsanalys på data som genererades med hjälp av MI utförs. Detta görs genom att jämföra medelvärde, standardavvikelse, minimi- samt maximumvärde för genererat data. Om genererade data har liknande distribution som ursprungligt data så bör dessa parametrar vara ungefär lika stora.

19

6. Resultat och analys.

6.1. Värdet på ISK tillgångar.

Man kan se i tabell 2 att det absoluta värdet på tillgångar placerade på ISK har ökat stadigt från år 2012 till år 2018. Tillgångar placerade på ISK har ökat sin andel av alla noterade aktier och fondandelar, från 3,84 procent år 2012 när ISK först infördes till 40,08 procent år 2018 (se figur 5). Man kan konstatera att införandet av ISK hade betydande effekt på val av sparform och denna effekt hade ökat kontinuerligt mellan år 2012 och år 2018. Då ökningen är gradvis det är rimligt att anta att effekten av ISK på värdet på noterade aktier och fondandelar, om den nu finns, också ökar gradvis.

Tabell 2. Utvecklingen av det totala värdet på ISK tillgångar representerat av kapitalunderlaget.

Beskattningsår 2012 2013 2014 2015 2016 2017 2018

Kapitalunderlag,

mrdkr 43,27 135,84 261,58 439,22 546,14 708,16 831,14

Källa: Skatteverket, Riksgälden och egna beräkningar (se bilaga 1).

Figur 5. Utveckling av andel av noterade aktier och fondandelar ägda av hushåll placerade på ISK.

Källa: Skatteverket, Riksgälden, ECB och egna beräkningar

3.84%

10.79%

18.05%

26.22%

31.27%

35.13%

40.08%

0.00%

5.00%

10.00%

15.00%

20.00%

25.00%

30.00%

35.00%

40.00%

45.00%

2012 2013 2014 2015 2016 2017 2018

Andel av noterade aktier och fondandelar

placerade på ISK

20

6.2. Effekten av ISK.

6.2.1. Effekten av ISK efter år 2012.

Tabell 3. Effekten av införandet av ISK på värdet av noterade aktier och fondandelar i modell (1–6) i miljoner euro med listwise deletion.

Efter år 2012 Noterade aktier och fondandelar placerade

utanför ISK

Efter år 2015

(1) (2) (3) (4) (5) (6)

Variabler varde ln(varde) varde_

icke_ISK ln(varde_

icke_ISK) varde ln(varde)

Effekten av

införandet av ISK 24329 (16362)

0,150**

(0,0684) -27696*

(14410) -0,170**

(0,0668) 21961

(17146) 0,0445 (0,0457)

Intercept 85809*** 9,464*** 86253*** 9,459*** 124216*** 9,786***

(12215) (0,0318) (10380) (0,0298) (2602) (0,0321)

Tidsfixa effekter Ja Ja Ja Ja Ja Ja

Enhetsfixa effekter Ja Ja Ja Ja Ja Ja

Observationer 1223 1223 1055 1055 1223 1223

𝑅 0,260 0,599 0,246 0,533 0,260 0,597

Antal länder 28 28 28 28 28 28

Robusta standardfel i parantes klustrade på landnivå

*** p<0,01, ** p<0,05, * p<0,1

Man kan se i kolumn (1) i tabell 3 att effekten av införandet av ISK inte är signifikant på 10 procent signifikansnivå för förändringen i absoluta termer. Effekten är signifikant på 5 procent signifikansnivå för förändringen i relativa termer som man kan se i kolumn (2) i tabell 3.

Skillnader i signifikans mellan resultat i absoluta termer jämfört med relativa termer tyder på att varde_icke_ISK och effekten av införandet av ISK inte har en linjär relation men kan ha en relation som liknar en exponentiell funktion. Jag anser att effekter från log-linjär regression är mer pålitliga då de överensstämmer bättre med hur andra studier skattar effekter av skattepolitik på sparande (Bernheim, 2002). Enligt estimatet medför införandet av ISK en 15 procent ökning av värdet på noterade aktier och fondandelar. Detta resultat överensstämmer med teorin i 3.1.

Införandet av ISK innebär att avkastning på kapital efter skatt ökar (se kapitel 3.2.) vilket enligt Livscykelmodellen (givet samma riktning av inkomst- och substitutionseffekter) bör leda till ökat sparande med ökat värdet på tillgångar. Detta resultat går dock emot flera av tidigare empiriska studier. Enligt Bernheim (2002) så är ränteelasticiteten för sparande nära noll. Alltså högre avkastning på kapital bör inte leda till någon signifikant ökning i sparande. Andra studier

21 som Bernheim diskuterar finner att elasticiteten är positiv och nära 1. Om resultat från de där studier stämmer med verkligheten i Sverige så kan det förklara varför införandet av ISK tycks leda till ökat sparande. Det är möjligt att införandet av ISK har lett till tillräckligt stora ökningar av avkastning på kapital så att en betydlig ökning av sparande skedde vilket i sin tur medför en ökning av värdet på noterade aktier och fondandelar. Det finns dock flera anledningar till varför man bör vara försiktig med tolkningen av tabellen 3.

Det är mycket möjligt att variabler som förväntad inkomst och nuvarande konsumtion påverkar trender för länder inom kontrollgruppen. Dessa variabler, enligt modellen i teoridelen i 3.1, kan påverka nivå av sparande. Det är också möjligt att ökningen av värdet på noterade aktier och fondandelar representerar ökningen av värdet på gamla investeringar och inte nysparande.

Enligt mer komplexa modeller, variabler som inflation och nivå på arbetslöshet kan också påverka trender i sparande (Howrey & Hymans, 1978).

I min teoretiska modell görs flera förenklingar. Enligt den så lever individer bara i två perioder, lämnar inget arv, påverkas inte av beteende ekonomiska effekter och sparar enbart inom noterade aktier och fondandelar. Det är rimligt att alla dessa antaganden inte uppfylls för populationen som undersöks. Till exempel i USA påverkades sparande i IRA konton mer av reklam än ekonomiska incitament (Bernheim, 2002).

6.2.2. Effekten av ISK på noterade aktier och fondandelar placerade utanför ISK.

I sin sammanfattning beskriver Bernheim (2002) att vissa forskare försöker estimera effekten av kapitalvinstskatter på sparande genom att kolla på korrelation mellan sparande och skattetrycket. Jag begränsade mig till att jämföra trender i värdet på noterade aktier och fondandelar placerade utanför ISK i Sverige och i kontrollgruppen. I kolumn (3) och (4) i tabell 3 visas att införandet av ISK har lett till en minskning av värdet på noterade aktier och fondandelar placerade utanför ISK både i absoluta och relativa termer. Värdet i absoluta termer minskar med 27696 miljoner euro och detta resultat är signifikant på 10 procent signifikansnivå.

Värdet i relativa termer har minskat med 17 procent och detta resultat är signifikant på 5 procent signifikansnivå. Skillnader i signifikans mellan resultat i absoluta termer jämfört med relativa termer tyder att relationen mellan varde_icke_ISK och effekten av införandet av ISK inte har en linjär relation men kan ha en relation som liknar en exponentiell funktion. Jag anser att effekter från log-linjär regression är mer pålitliga då de överensstämmer bättre med hur andra studier skattar effekter av skattepolitik på sparande (Bernheim, 2002).

22 Resultatet tyder på att införandet av ISK är associerad med en minskning av värdet på noterade aktier och fondandelar utanför ISK vilket är ett förväntat resultat. Enligt Riksrevision (2018) korrelerar minskningen av värdet på fondandelar i konventionella sparformer i Sverige med ökningen av värdet på fondandelar placerade i ISK mellan år 2014 och år 2017. Det är alltså rimligt att anta att införandet av ISK även är korrelerad med en minskning av värdet på noterade aktier. Det här resultatet går emot tidigare studier vilka finner att sparande i en ny sparform är positivt korrelerad med sparande utanför den. Den här slutsatsen bör betraktas som preliminär.

Modell (3) och (4) har fortfarande bias på grund av problem som är beskrivna i 6.2.1.

6.2.3. Effekten av ISK efter år 2015.

Som nämns i 6.1 så är det rimligt att anta att effekten av införandet av ISK på värdet på noterade aktier och fondandelar ökar med tiden. Därför skattar jag en annan modell för att analysera om effekten av ISK är mer synlig efter år 2015. År 2015 är vald som brytpunkt då det härefter som kapitalunderlaget överstiger 25 procent av värdet på noterade aktier och fondandelar (se figur 5).

Man kan se i kolumn (5) och (6) i tabell 3 att effekten på värdet på noterade aktier och fondandelar ej är signifikant på 10 procent signifikansnivån både i absoluta termer och relativa termer. Det betyder alltså att min analys inte kan finna statistiskt signifikanta skillnader i trender i värdet på noterade aktier och fondandelar mellan Sverige och länder i kontrollgruppen efter år 2015. Det här resultatet går emot min hypotes att effekten av ISK på noterade aktier tar tid att utvecklas. Detta kan bero på att Riksdagen höjde schablonräntan år 2016 och år 2018 vilket motverkade ISKs effekter på avkastning på kapital. En annan möjlig anledning är att effekten av marknadsföringen av ISK har planat ut med tiden. Slutsatsen måste betraktas som preliminär då modell (5) och (6) har samma problem med bias som är beskrivna i 6.2.1.

23

6.3. Känslighetsanalys. Multiple imputation.

Tabell 4. Effekten av införandet av ISK på värdet på noterade aktier och fondandelar i modell (1–6) i miljoner euro med multiple imputation.

Efter år 2012 Noterade aktier och fondandelar placerade

utanför ISK

Efter år 2015

(1) (2) (3) (4) (5) (6)

Variabler varde ln(varde) varde_

icke_ISK

ln(varde_

icke_ISK)

varde ln(varde)

Effekten av införandet av ISK

32237*

(16954)

0,00886 (0,174)

-20056 (15601)

-0,329*

(0,181)

28066 (17102)

-0,0163 (0,0968)

Intercept 98881*** 9,498*** 89229*** 9,370*** 99630*** 9,516***

(21332) (0,251) (20245) (0,240) (21502) (0,251)

Tidsfixa effekter Ja Ja Ja Ja Ja Ja

Enhetsfixa effekter Ja Ja Ja Ja Ja Ja

Observationer 1288 1288 1120 1120 1288 1288

Antal länder 28 28 28 28 28 28

Robusta standardfel i parantes klustrade på landnivå

*** p<0,01, ** p<0,05, * p<0,1

I tabell 4 presenteras estimering av modell (1–6) med hjälp av multiple imputation. Man kan se att bara effekten i reala termer från år 2012 och effekten på tillgångar placerade utanför ISK i relativa termer är statistiskt signifikanta på 10 procent signifikansnivå. Värden på koefficient skiljer sig mellan modeller som hanterade saknade data med listwise deletion och med multiple imputation markant. Till exempel så leder införandet av ISK till 15 procent ökning av värdet på noterade aktier och fondandelar från och med år 2012 enligt modell med listwise deletion (se tabell 3) och till 0,89 procent ökning enligt modell med multiple imputation (se tabell 4).

Införandet av ISK ledde till en ökning av värdet på noterade aktier och fondandelar från år 2015 med 4,45 procent enligt listwise deletion modell och till en minskning med 1,63 procent enligt multiple imputation modell. Alltså när man ändrar sättet att hantera saknade data så ändras även tecken på effekten av ISK på noterade aktier och fondandelar från år 2015 i relativa termer. Allt detta tyder på att det finns problem med bias i modell (1–6).

24 Det finns anledningar att tro att det finns problem med skattning av modeller med hjälp av multiple imputation också. Som nämns i 5.4 så finns det möjlighet att saknade data är MNAR.

Därför testar jag skattning av modeller med hjälp av multiple imputation genom att jämföra parametrar i genererade data med ursprungliga data.

I tabell 5 jämförs parametrar för variabeln värde från ursprungliga data med imputation nummer 1 och 20 från modell (1) och (2), (3) och (4) samt (5) och (6) enligt riktlinjer från Stata manual (2013). Man kan se att medelvärde, standardavvikelse och maximumvärde för variabeln värde inte är så olika mellan ursprungliga data och genererade data. Det finns dock en stor skillnad i minimivärden. Minimivärden är negativa i genererade data. Det är omöjligt att värdet på noterade aktier och fondandelar är negativ så det här tyder på ett stort problem med skattning av modell (1–6) med multiple imputation. Därför är det svårt att tolka resultaten presenterade i tabell 4 som pålitliga.

Tabell 5. Jämförelse av imputation 1 och 20 från multiple imputation metoden med ursprungliga data.

Modell (1) och (2) Nummer av

imputation

Variabler Observationer Medelvärde Standard avvikelse

Min Max

Ursprungliga data

varde 1223 122270,5 203655,7 81 1040478 1 varde 1288 123107,7 203049,6 -391526,3 1040478 20 varde 1288 122293,9 204633,3 -345556,9 1040478

Modell (3) och (4) Nummer av

imputation

Variabler Observationer Medelvärde Standard avvikelse

Min Max

Ursprungliga data

varde 1055 116273,8 195024,2 81 947262 1 varde 1120 115269,9 195889,4 -538976,7 947262 20 varde 1120 115176,2 194477,9 -307673,1 947262

Modell (5) och (6) Nummer av

imputation

Variabler Observationer Medelvärde Standard avvikelse

Min Max

Ursprungliga data

varde 1223 122270,5 203009,5 81 1040478

1 varde 1288 122755,8 203009,5 -397114,8 1040478 20 varde 1288 122653,2 204521,4 -332776,9 1040478

25

7. Slutsats.

Man kan konstatera att ISK är en populär sparform bland svenska sparare. År 2018 utgjorde ISK tillgångar 40,08 procent av värdet på noterade aktier och fondandelar ägda av hushåll i Sverige. Resultatet av difference-in-difference analysen tyder på att värdet på noterade aktier och fondandelar ökade efter införandet av ISK. Detta kan förklaras med Livscykelmodellen där högre realränta efter skatt leder till högre sparande och alltså högre värdet på finansiella tillgångar under antaganden att inkomst- och substitutionseffekten har samma riktning. Detta resultat överensstämmer även med resultat från vissa tidigare studier. Rudal (2018) finner att värdet på noterade aktier ökat mer i Sverige än Danmark efter införandet av ISK. Enligt Bernheim (2002) så är ränteelasticiteten för sparande mellan 0 och 1.

En del av ökningen av värdet på ISK tillgångar möjligen beror på att noterade aktier och fondandelar flyttades från andra sparformer till ISK. Värdet på noterade aktier och fondandelar placerade utanför ISK minskades efter införandet av ISK. Detta resultat går emot tidigare studier om effekter av sparkonton som säger att sparande i dem är positivt korrelerad med sparande utanför dem (Bernheim, 2002).

Min studie har inte självklara policyimplikationer. Resultatet av mina beräkningar tyder på att införandet av ISK har ökat värdet på noterade aktier och fondandelar i Sverige. Dessa resultat vilar på flera osäkra antaganden och det finns stor sannolikhet för bias i mina modeller.

Framtida studier har möjlighet att göra mer trovärdiga skattningar av ISKs effekter på sparande genom att släppa vissa av dessa antaganden. Modeller som tar i åtanke flera utelämnade variabler som till exempel inflation och beteende ekonomiska effekter kan ge mer säkra resultat.

Användning av mer avancerade statistiska metoder som syntetiska kontroller är en till sätt skapa modeller med mindre bias.

Även med trovärdiga skattningar av effekterna av ISK på sparande så är det svårt att avgöra om införandet av ISK är en bra reform. Man kan inte dra slutsatsen att ISK är fördelaktiga eller inte och om de bör behållas eller inte. Införandet av ISK innebär en skattesänkning och en minskning av statsintäkterna. Huruvida minskningen av statsintäkterna är värd effekten på sparande är en fråga för framtida studier.

26

Referenser.

Angrist, J.D. & Pischke, J-S. (2015), Mastering Metrics. The path from cause to effect, Princeton University Press, Princeton.

Attanasio, O.P. & Weber, G. (1995), “Is consumption growth consistent with intertemporal optimization? Evidence from the consumer expenditure survey”, Journal of political economy 103:6, 1121- 1157. Tillgängligt: https://www.jstor.org/stable/2138706

Bernheim, D.B. (2002), “Taxation and Saving”, Handbook of Public Economics 3, 1173–1249. Tillgängligt:

https://www.sciencedirect.com/science/article/pii/S1573442002800222

Carroll, C. & Summers, L. H. (1987), “Why have private savings rates in the United States and Canada diverged”, Journal of Monetary Economics 20, 249–279. Tillgängligt:

https://www.sciencedirect.com/science/article/pii/030439328790016X

ECB, “Quarterly Sector Accounts” (2020), MUFA and NFA Eurostat ESA2010 TP, table 801, Tillgängligt:

https://sdw.ecb.europa.eu/browse.do?org.apache.struts.taglib.html.TOKEN=6a7e5970e113bd ff8f599ffc8a554aae&df=true&ec=&dc=&oc=&pb=&rc=&DATA=0&removeItem=&remove dItemList=&mergeFilter=&activeTab=QSA&showHide=&REF_SECTOR.252=S14&STO.2 52=LE&INSTR_ASSET.252=F511&INSTR_ASSET.252=F52&MAX_DOWNLOAD_SERI ES=500&SERIES_MAX_NUM=50&node=9689710&ajaxTab=true (2020-09-01)

Everitt, B. & Hothorn, T. (2011), An Introduction to Applied Multiavariate Analysis with R, Springer, New York.

Gottfries, N. (2013), Macroecnomics, Uppsala University, Palgrave Macmillan, Houndmills.

27 Howrey, E.P. & Hymans, S. H. (1978), “The Measurement and Determination of Loanable- Funds Saving”, Brookings Papers on Economic Activity 1978:3, 655- 685. Tillgängligt:

http://www.jstor.com/stable/3217954

Investing.com. (2020). Tillgängligt https://www.investing.com/currencies/eur-sek-historical- data

Lundberg, J. (2018), ”Myt att investeringssparkonton är skattegynnade” Smedjan. 2018-06- 27. Tillgängligt: https://timbro.se/smedjan/myt-att-investeringssparkonton-ar-skattegynnade/

[Hämtad 2020-12-04]

Riksgälden (2020), Statslåneräntan per vecka. Tillgängligt:

https://www.riksgalden.se/sv/var-verksamhet/statslanerantan/statslanerantan-per-vecka/

Riksrevision 2018:19, Investeringssparkonto – en enkel sparform i ett komplext skattesystem, En granskning rapport av riksrevisionen, Riksdagensinterntryckeri, Stockholm Tillgänglig:

https://www.riksrevisionen.se/rapporter/granskningsrapporter/2018/investeringssparkonto--- en-enkel-sparform-i-ett-komplext-skattesystem.html (2020-11-11)

Rosen, S. H., Gayer, T. & Civan, A. (2014), Public Finance, Global edition, McGraw-Hill Education, Maidenhead.

28 Rudal, K. (2018), Capital taxation and investment behavior: a study of how introduction of ISK taxation in Sweden has affected households’ investments, Kandidatuppsats, Linneaus University. Tillgängligt: http://lnu.diva-portal.org/smash/record.jsf?faces-redirect=true&aq2=

procent5B procent5B procent5D procent5D&af= procent5B

procent5D&searchType=SIMPLE&sortOrder2=title_sort_asc&query=&language=sv&pid=di va2 procent3A1220323&aq= procent5B procent5B procent5D procent5D&sf=all&aqe=

procent5B

procent5D&sortOrder=author_sort_asc&onlyFullText=false&noOfRows=50&dswid=5888

Selin, H. (2012), “Marginal Tax Rates and Tax-Favoured Pension Savings of the Self-

Employed: Evidence from Sweden”, The Scandinavian Journal of Economics, 114:1, 79-100.

Tillgängligt: https://www.jstor.org/stable/41407777

SFS 2012:1268, Lag om investeringssparkonto. Finansdepartementet S1, Stockholm.

Tillgängligt: https://lagen.nu/2011:1268

Skatteverket 2019, Beskattning av vinster och förluster från försäljning av aktier, fastigheter och andra tillgångar. Tillgängligt:

https://www.skatteverket.se/omoss/varverksamhet/statistikochhistorik/skattpakapital/beskattni ngavvinsterochforluster.4.3152d9ac158968eb8fd296c.html#Text8

Summers, L. H. (1981), “Capital Taxation and Accumulation in a Life Cycle Growth Model”, The American Economic Review, 71: 4, 533- 544. Tillgängligt:

https://www.jstor.org/stable/1806179

StataCorp LP (2013), STATA MULTIPLE-IMPUTATION REFERENCE MANUAL (13), Stata Press, College Station, Texas. Tillgängligt: https://www.stata.com/manuals13/mi.pdf

29

Bilaga.

Bilaga 1.

Tabell 1b. Beräkning av kapitalunderlaget. Kapitalunderlaget beräknas genom att dela schablonintäkten med schablonräntan.

År 2012 2013 2014 2015 2016 2017 2018

Schablonintäkten, mnkr 714 2 024 5 467 3 953 7 646 8 852 12 384

Schablonräntan 0,0165 0,0149 0,0209 0,009 0,014 0,0125 0,0149

Kapitalunderlag, mrdkr 43,27 135,84 261,58 439,22 546,14 708,16 831,14

Källa: Skatteverket, Riksgälden, och egna beräkningar

Bilaga 2.

Matematiskt bevis att noterade aktier och fondandelar överensstämmer väl med

investeringstillgångar definierat i SFS (2012:1268).

𝑎

𝑏 = 0,33 ≈ 0,35 = 𝑎 𝑐 =>

𝑎 𝑏 ≈ 𝑎

𝑐 =>

𝑎 ∗ 𝑐 ≈ 𝑎 ∗ 𝑏 =>

𝑐 ≈ 𝑏 Där:

𝑎 = 𝑉ä𝑟𝑑𝑒𝑡 𝑝å 𝑡𝑖𝑙𝑙𝑔å𝑛𝑔𝑎𝑟 𝑝𝑙𝑎𝑐𝑒𝑟𝑎𝑑𝑒 𝑝å 𝐼𝑆𝐾 å𝑟 2017 𝑏 = 𝑉ä𝑟𝑑𝑒𝑡 𝑝å 𝑖𝑛𝑣𝑒𝑠𝑡𝑒𝑟𝑖𝑛𝑔𝑠𝑡𝑖𝑙𝑙𝑔å𝑛𝑔𝑎𝑟 å𝑟 2017

𝑐 = 𝑉ä𝑟𝑑𝑒𝑡 𝑝å 𝑛𝑜𝑡𝑒𝑟𝑎𝑑𝑒 𝑎𝑘𝑡𝑖𝑒𝑟 𝑜𝑐ℎ 𝑓𝑜𝑛𝑑𝑎𝑛𝑑𝑒𝑙𝑎𝑟 å𝑟 2017

30 Bilaga 3.

Euler ekvation för beräkning av ändringar i konsumtion:

△ 𝑐

𝑐 ≈1

𝛾𝑟 − 1

𝛾𝜂 + 𝜇 + 𝜀 Där:

𝑟 ä𝑟 𝑣𝑒𝑟𝑘𝑙𝑖𝑔𝑎 𝑟ä𝑛𝑡𝑎 𝑝å 𝑘𝑎𝑝𝑖𝑡𝑎𝑙 𝑒𝑓𝑡𝑒𝑟 𝑠𝑘𝑎𝑡𝑡 1

𝛾 ä𝑟 𝑖𝑛𝑡𝑒𝑟𝑡𝑒𝑚𝑝𝑜𝑟ä𝑟 𝑠𝑢𝑏𝑠𝑡𝑖𝑡𝑢𝑡𝑖𝑜𝑛𝑠𝑒𝑙𝑎𝑠𝑡𝑖𝑐𝑖𝑡 𝑎𝑣 𝑘𝑜𝑛𝑠𝑢𝑚𝑡𝑖𝑜𝑛

𝜇 ä𝑟 𝑡𝑒𝑟𝑚𝑒𝑛 𝑓ö𝑟 𝑣𝑎𝑟𝑖𝑎𝑛𝑐𝑒 𝑎𝑣 𝑓𝑒𝑙𝑡𝑒𝑟𝑚𝑒𝑟 𝑖 𝑝𝑟𝑒𝑑𝑖𝑘𝑡𝑖𝑜𝑛 𝑎𝑣 𝑘𝑜𝑛𝑠𝑢𝑚𝑡𝑖𝑜𝑛𝑠ö𝑘𝑛𝑖𝑛𝑔 𝜀 ä𝑟 𝑓𝑒𝑙𝑡𝑒𝑟𝑚𝑒𝑛

𝑐 ä𝑟 𝑘𝑜𝑛𝑠𝑢𝑚𝑡𝑖𝑜𝑛 𝑖 𝑝𝑒𝑟𝑖𝑜𝑑 𝜏 𝜂 = 1 − 𝜌

𝜌

𝜌 ä𝑟 𝑘𝑜𝑛𝑠𝑢𝑚𝑒𝑛𝑡𝑒𝑛𝑠 𝑠𝑢𝑏𝑗𝑒𝑘𝑡𝑖𝑣𝑎 𝑑𝑖𝑠𝑘𝑜𝑛𝑡𝑒𝑟𝑖𝑛𝑔𝑠𝑟ä𝑛𝑡𝑎 Källa: Bernheim (2002).