Intrants

SimFin mobilise plusieurs intrants:

  1. Les projections de population par caractéristiques socio-démographiques sont celles issues du modèle SimGen de la CREEi. Les caractéristiques socio-démographiques intègrent l’âge, le genre, le fait d’être ou non aux études, le niveau de scolarité, le fait d’être en couple ou non et le nombre d’enfants.

  2. Les profils économiques par âge et en fonction des caractéristiques socio-démographiques sont calculés à partir de la BDSPS.

  3. Les comptes publics du Québec sont colligés entre 2006 (année fiscale 2005-2006) et 2021 (année fiscale 2020-2021). Les comptes publics pour l’année 2021 n’étant pas encore publiés, nous avons utilisé les informations issues du budget 2021-2022 pour colliger les comptes de cette année-là. les comptes publics sont utiles pour déterminer: a) la croissance passée de chaque poste; b) la valeur de départ du modèle pour chaque poste en 2021 (année fiscale 2020-2021).

Projections démographiques

Scénario de référence de SimGen

Par défaut, le scénario de projection démographique correspond au scénario de référence de SimGen. Ce scénario concorde avec le scénario de référence de l’Institut de la statistique du Québec (ISQ), comme montré dans la première figure, qui compare les projections du modèle SimGen et de l’ISQ.

test

SimGen inclut des projections de population en fonction de plusieurs caractéristiques: l’âge, le sexe, l’état matrimonial (en couple ou célibataire), le nombre d’enfants, le fait d’être ou non aux études, le plus haut diplôme obtenu.

La deuxième figure présente les résultats de projections par niveau de scolarité (plus haut diplôme obtenu) entre 2017 et 2040 pour la population âgée de 25 à 64 ans. L’évolution du niveau de scolarité est déterminante pour les simulations réalisées avec SimFin, car elle influence les revenus et les dépenses d’éducation, qui sont eux-mêmes déterminants des niveaux de taxations. Alors que la part des personnes âgées de 25 à 64 ans ayant un niveau d’études universitaires (baccalauréat ou plus) devrait augmenter significativement, de 25,4% en 2017 à 35,5% en 2040, la part des personnes avec un niveau d’études secondaires ou inférieur devrait diminuer de 38,3% à 25,8% sur la même période. Dans le même temps la part des personnes avec un diplôme d’études collégiales augmenterait faiblement, soit de 36,3% à 38,7%.

test

La troisième figure présente la répartition de la population par groupes d’âge. Alors que la part de la population âgée entre 25 et 64 ans devrait diminuer de 54,6% en 2017 à 51,3% en 2040, la part de la population âgée de 65 ans et plus devrait augmenter de 18,4% à 26,2% sur la même période.

test

Scénario alternatifs

Il est possible de modifier le scénario de référence utilisé par défaut dans SimFin. Pour ce faire, l’utilisateur doit modifier la référence au fichier de sortie dans la fonction load_params() de SimFin afin de proposer son propre scénario de projection.

Profils économiques par âge

Nous utilisons la BDSPS de Statistique Canada (2017) afin de modéliser huit profils économiques listés ci-après (taux d’emploi, heures travaillées etc.).

Pour chaque profil économique (qui constitue la variable dépendante), nous réalisons des régressions indépendantes pour chaque niveau de scolarité:

Niveaux de scolarité

Variable

Description

insch

Études en cours.

none

Ne détient pas de diplôme d’études secondaires.

des

Détient un diplôme d’études secondaires.

dec

Détient un diplôme d’études collégiales.

uni

Détient un diplôme universitaire supérieur ou égal au baccalauréat.

Les variables de contrôle diffèrent en fonction des régressions réalisées. Les intitulés des variables référencées dans la suite de la page sont les suivants:

Variables de contrôle

Variable

Description

age

Âge de l’individu.

male

Variable indicatrice égale à 1 si l’individu est un homme, 0 sinon.

married

Variable indicatrice égale à 1 si l’individu est en couple, 0 s’il est célibataire.

kid1, kid2, kid3

Variables indicatrices égales à 1 si l’individu a respectivement 1, 2 ou 3 enfants et plus, 0 sinon.

nkids

Nombre d’enfants de l’individu, de 0 à 3 et plus.

age55p

Égal à l’âge de l’individu s’il est âgé de plus de 55 ans, 0 sinon.

Taux d’emploi

La probabilité d’être en emploi est estimée à l’aide d’un modèle probit.

Le modèle probit pour les individus ayant terminé leurs études (none, des, dec et uni) est estimé pour la population âgée entre 18 et 70 ans. L’incidence des variables de contrôle sur la probabilité \(z\) d’être en emploi est donnée par l’équation suivante:

\[P(z = 1) = \beta_{0} + \beta_{1} age_{i} + \beta_{2} age_{i}^2 + \beta_{3} age_{i}^3 + \beta_{4} age_{i}^4\]
\[+ \beta_{5} kid1_{i} + \beta_{6} kid2_{i} + \beta_{7} kid3_{i} + \beta_{8} married_{i} + \epsilon\]

Le modèle probit pour les individus n’ayant pas terminé leurs études (insch) est estimé pour les individus de 18 à 35 ans. L’incidence des variables de contrôle sur la probabilité \(z\) d’être en emploi est donnée par l’équation suivante:

\[P(z = 1) = \beta_{0} + \beta_{1} age1_{i} + \beta_{2} age2_{i} + \beta_{3} kid1_{i} + \beta_{4} kid2_{i} + \beta_{5} kid3_{i} + \beta_{6} married_{i} + \epsilon\]

La figure ci-dessous compare les résultats des régressions (coefficients des régressions appliqués aux données de la BDSPS, identifiés par « regression » dans la légende) aux profils moyens par âge et par catégorie (insch, none, des, dec et uni) calculés directement avec la BDSPS (identifiés comme « raw data » dans la légende).

test

Heures travaillées

Les heures travaillées (conditionnellement au fait de travailler) sont estimées à partir d’un modèle de régression linéaire.

Le modèle pour les individus ayant terminé leurs études (none, des, dec et uni) est estimé pour la population âgée entre 18 et 70 ans:

\[y_{i} = \beta_{0} + \beta_{1} age_{i} + \beta_{2} age_{i}^2 + \beta_{3} kid1_{i} + \beta_{4} kid2_{i} + \beta_{5} kid3_{i} + \beta_{6} married_{i} + \epsilon\]

Le modèle pour les individus n’ayant pas terminé leurs études (insch) est estimé pour les individus de 18 à 35 ans:

\[y_{i} = \beta_{0} + \beta_{1} age_{i} + \beta_{2} kid1_{i} + \beta_{3} kid2_{i} + \beta_{4} kid3_{i} + \beta_{5} married_{i} + \epsilon\]

La figure ci-dessous compare les résultats des régressions (coefficients des régressions appliqués aux données de la BDSPS, identifiés par « regression » dans la légende) aux profils moyens par âge et par catégorie (insch, none, des, dec et uni) calculés directement avec la BDSPS (identifiés comme « raw data » dans la légende).

test

Revenus de travail

Les revenus du travail (conditionnels au fait de travailler) sont estimés à partir d’une régression logarithmique et d’une régression logarithmique au carré.

Les modèles pour les individus ayant terminé leurs études (none, des, dec et uni) sont estimés pour la population âgée entre 18 et 70 ans:

\[log(y_{i}) = \beta_{0} + \beta_{1} age_{i} + \beta_{2} age_{i}^2 + \beta_{3} kid1_{i} + \beta_{4} kid2_{i} + \beta_{5} kid3_{i} + \beta_{6} married_{i} + \beta_{7} male_{i} + \epsilon\]
\[log(y_{i})^2 = \beta_{0} + \beta_{1} age_{i} + \beta_{2} age_{i}^2 + \beta_{3} kid1_{i} + \beta_{4} kid2_{i} + \beta_{5} kid3_{i} + \beta_{6} married_{i} + \beta_{7} male_{i} + \epsilon\]

Les modèles pour les individus n’ayant pas terminé leurs études (insch) sont estimés pour les individus de 18 à 35 ans:

\[log(y_{i}) = \beta_{0} + \beta_{1} age_{i} + \beta_{2} kid1_{i} + \beta_{3} kid2_{i} + \beta_{4} kid3_{i} + \beta_{5} married_{i} + \beta_{6} male_{i} + \epsilon\]
\[log(y_{i})^2 = \beta_{0} + \beta_{1} age_{i} + \beta_{2} kid1_{i} + \beta_{3} kid2_{i} + \beta_{4} kid3_{i} + \beta_{5} married_{i} + \beta_{6} male_{i} + \epsilon\]

Les estimations de la première équation nous permettent de calculer l’espérance conditionnelle (\(\mu\)) de \(log(y)\). La variance conditionnelle (\(\sigma^2\)) de \(log(y)\) est calculée en utilisant la formule suivante:

\[Var(log(y)) = E(log(y)^2) - E(log(y))^2.\]

En faisant l’hypothèse que la variable \(y\) est log-normale, nous obtenons une prédiction de l’espérance de \(y\):

\[E(y) = exp(\mu+(\sigma^2)/2)\]

La figure ci-dessous compare les résultats des régressions (coefficients des régressions appliqués aux données de la BDSPS, identifiés par « regression » dans la légende) aux profils moyens par âge et par catégorie (insch, none, des, dec et uni) calculés directement avec la BDSPS (identifiés comme « raw data » dans la légende).

test

Dépenses de consommation des ménages

Les dépenses de consommation sont estimées à partir d’une régression logarithmique et d’une régression logarithmique au carré, tel que présenté pour les revenus du travail. Les variables de contrôle pour les individus n’ayant pas terminé leurs études (insch) sont identiques aux variables utilisées pour les revenus du travail. Les variables de contrôle pour les individus ayant terminé leurs études (none, des, dec et uni) correspondent aux variables utilisées pour les revenus du travail auxquelles sont ajoutées les variables \(age^3\) et \(age^4\). De plus, la classe d’âge supérieure est de 90 ans et plus pour les individus ayant terminé leurs études, alors que cette classe d’âge est de 70 ans et plus pour les revenus du travail.

La figure ci-dessous compare les résultats des régressions (coefficients des régressions appliqués aux données de la BDSPS, identifiés par « regression » dans la légende) aux profils moyens par âge et par catégorie (insch, none, des, dec et uni) calculés directement avec la BDSPS (identifiés comme « raw data » dans la légende).

test

Revenu imposable résiduel, ne provenant pas du travail

Les revenus imposables résiduels correspondent aux revenus imposables aux fins de l’impôt sur le revenu desquels sont déduits les revenus du travail. Ils sont estimés à partir d’une régression linéaire.

Le modèle pour les individus ayant terminé leurs études (none, des, dec et uni) est estimé pour la population âgée entre 18 et 90 ans:

\[y_{i} = \beta_{0} + \beta_{1} age_{i} + \beta_{2} kid1_{i} + \beta_{3} kid2_{i} + \beta_{4} kid3_{i} +\]
\[\beta_{5} married_{i} + \beta_{6} age55p_{i} + \beta_{7} (age55p_{i})^2 + \epsilon\]

Le modèle pour les individus n’ayant pas terminé leurs études (insch) est estimé pour les individus de 18 à 35 ans:

\[y_{i} = \beta_{0} + \beta_{1} age_{i} + \beta_{2} kid1_{i} + \beta_{3} kid2_{i} + \beta_{4} kid3_{i} + \beta_{5} married_{i} + \epsilon\]

La figure ci-dessous compare les résultats des régressions (coefficients des régressions appliqués aux données de la BDSPS, identifiés par « regression » dans la légende) aux profils moyens par âge et par catégorie (insch, none, des, dec et uni) calculés directement avec la BDSPS (identifiés comme « raw data » dans la légende).

test

Impôt des particuliers

L’impôt des particuliers est estimé en proportion du revenu imposable. Pour calculer cet impôt il faut donc multiplier la valeur prédite du revenu imposable par la valeur prédite pour l’impôt des particuliers. Les impôts des particuliers sont estimés à partir d’une régression logarithmique et d’une régression logarithmique au carré, tel que présenté pour les revenus du travail. Les variables de contrôle pour les individus ayant terminé leurs études (none, des, dec et uni) sont identiques aux variables utilisées pour les revenus du travail. De plus, la classe d’âge supérieure est de 90 ans et plus pour les individus ayant terminé leurs études, alors que cette classe d’âge est de 70 ans et plus pour les revenus du travail. Les variables de contrôle pour les individus n’ayant pas terminé leurs études (insch) sont \(married\) et \(male\).

La figure ci-dessous compare les résultats des régressions (coefficients des régressions appliqués aux données de la BDSPS, identifiés par « regression » dans la légende) aux profils moyens par âge et par catégorie (insch, none, des, dec et uni) calculés directement avec la BDSPS (identifiés comme « raw data » dans la légende).

test

Taxes à la consommation

Les taxes à la consommation sont estimées en proportion de la consommation. Pour calculer ces taxes il faut donc multiplier la valeur prédite de la consommation par la valeur prédite des taxes à la consommation. Les taxes à la consommation sont estimées à partir d’une régression logarithmique et d’une régression logarithmique au carré, tel que présenté pour les revenus du travail. Les variables de contrôle pour les individus ayant terminé leurs études (none, des, dec et uni) sont identiques aux variables utilisées pour les revenus du travail. De plus, la classe d’âge supérieure est de 90 ans et plus pour les individus ayant terminé leurs études, alors que cette classe d’âge est de 70 ans et plus pour les revenus du travail. La variable de contrôle pour les individus n’ayant pas terminé leurs études (insch) est \(male\).

La figure ci-dessous compare les résultats des régressions (coefficients des régressions appliqués aux données de la BDSPS, identifiés par « regression » dans la légende) aux profils moyens par âge et par catégorie (insch, none, des, dec et uni) calculés directement avec la BDSPS (identifiés comme « raw data » dans la légende).

test

Crédits remboursables: soutien aux enfants du Québec et frais de garde d’enfants pour le Québec

Les crédits remboursables intègrent le crédit d’impôt remboursable pour le soutien aux enfants du Québec et le crédit d’impôt remboursable pour frais de garde d’enfants pour le Québec. Les crédits remboursables sont estimés en proportion du revenu imposable. Pour calculer les crédits remboursables il faut donc multiplier la valeur prédite du revenu imposable par la valeur prédite des crédits remboursables. Les crédits remboursables sont estimés à partir d’une régression logarithmique et d’une régression logarithmique au carré. En ajout des régressions effectuées en fonction de la dimension d’éducation, les crédits remboursables sont estimés également en fonction du genre. Au final, les régressions sont estimées pour les crédits remboursables en fonction des cinq dimensions d’éducation (insch, none, des, dec et uni) et en fonction du genre (femme et homme).

Les modèles pour les individus ayant terminé leurs études (none, des, dec et uni, pour les femmes d’un côté et pour les hommes de l’autre) sont estimés pour la population âgée entre 18 et 85 ans:

\[log(y_{i}) = \beta_{0} + \beta_{1} kid1_{i} * married_{i} + \beta_{2} kid2_{i} * married_{i}\]
\[+ \beta_{3} kid3_{i} * married_{i} + \beta_{4} married_{i} + \epsilon\]
\[log(y_{i})^2 = \beta_{0} + \beta_{1} kid1_{i} * married_{i} + \beta_{2} kid2_{i} * married_{i}\]
\[+ \beta_{3} kid3_{i} * married_{i} + \beta_{4} married_{i} + \epsilon\]

Les modèles pour les individus n’ayant pas terminé leurs études (insch, pour les femmes d’un côté et pour les hommes de l’autre) sont estimés les individus de 18 à 35 ans:

\[log(y_{i}) = \beta_{0} + \beta_{1} male_{i} + \beta_{2} nkids_{i} + \beta_{3} married_{i} + \epsilon\]
\[log(y_{i})^2 = \beta_{0} + \beta_{1} male_{i} + \beta_{2} nkids_{i} + \beta_{3} married_{i} + \epsilon\]

La figure ci-dessous compare les résultats des régressions (coefficients des régressions appliqués aux données de la BDSPS, identifiés par « regression » dans la légende) aux profils moyens par âge et par catégorie (par niveau de scolarité et fréquentation scolaire, “educ”, et par genre: masculin si homme = True et féminin si homme = False) calculés directement avec la BDSPS (identifiés comme « raw data » dans la légende).

test

Comptes publics

Pour toutes les années de 2006 à 2021, nous avons colligé les données des comptes publics pour les éléments suivants (les éléments des comptes pour l’année 2021 correspondent aux données du budget 2021-2022. Des ajustements aux comptes on été réalisés en 2021 pour prendre en compte les impacts de la COVID-19 sur les dépenses des missions et sur les transferts fédéraux. Voir l’onglet consacré aux effets de la COVID-19). A noter également qu’en 2021 le changement d’application de la norme comptable sur les paiements de transfert et la provision pour risques économiques et autres mesures de soutien et de relance qui sont présentés dans le budget 2021-2022 n’ont pas été pris en compte.

Revenus autonomes provenant des:

  • impôts et crédits remboursables des particuliers (39,1% des revenus autonomes en 2021, selon les comptes publics présentés en bas de page);

  • impôts et crédits remboursables des entreprises (8,9%);

  • taxes à la consommation (22,6%);

  • cotisations au Fonds des services de santé (FSS; 7,2%);

  • entreprises du gouvernement (4,4%);

  • droits et permis (4,9%);

  • impôts fonciers scolaires (1,3%);

  • autres revenus autonomes (11,7%).

Revenus provenant des transfers fédéraux:

  • péréquation (43,8% de l’ensemble des transferts fédéraux en 2021);

  • transferts en santé (22,5%);

  • autres transferts (33,8%).

Dépenses pour les missions:

  • santé et services sociaux (43,2% de l’ensemble des dépenses de missions en 2021);

  • éducation et culture (22,5%);

  • soutien aux familles (9,3%);

  • économie et environnement (15,4%);

  • gouverne et justice (9,6%).

Les comptes publics intègrent également les dépenses au titre du service de la dette.

Par ailleurs, nous modélisons le Fonds des générations (il est prévu que le Fonds soit liquidé en 2026 dans SimFin), la réserve de stabilisation ainsi que la dette publique. Pour la dette publique, nous modélisons les comptes additionnels qui permettent de prendre en compte la dette brute.

Le tableau suivant montre les résultats provenant de cette classification entre 2015 et 2021 (la barre déroulante en bas du tableau permet de naviguer entre les années).

Classification des comptes publics 2015-2021

Comptes (en millions)

2015

2016

2017

2018

2019

2020

2021

Revenus autonomes

Impôt des particuliers (Impôt net)

23 460

24 726

25 290

25 349

27 206

28 841

30 037

Impôt des particuliers (Dépenses fiscales)

4 087

4 027

3 941

4 179

4 567

4 973

5 179

Impôt des sociétés (Impôt net)

3 957

5 040

5 574

6 358

7 457

6 605

6 128

Impôt des sociétés (Dépenses fiscales)

1 880

1 976

1 906

1 784

1 726

2 002

1 857

Cotisations au FSS

6 397

6 614

5 969

6 221

6 359

6 522

6 455

Impôt foncier scolaire

1 954

2 090

2 169

2 243

1 853

1 539

1 166

Taxes à la consommation

17 657

18 517

19 269

20 329

21 001

21 348

20 322

Droits et permis

2 521

3 828

3 297

3 965

4 361

4 535

4 378

Entreprises du gouvernement

6 168

5 013

4 899

5 093

5 548

4 419

3 988

Revenus divers

9 317

9 391

10 391

10 398

11 548

10 962

10 518

Total revenus autonomes

77 398

81 222

82 705

85 919

91 626

91 746

90 028

Transferts fédéraux

Péréquation

9 286

9 521

10 030

11 081

11 732

13 124

13 253

Transferts en santé

5 282

5 487

5 946

6 096

6 306

6 617

6 799

Autres

3 971

3 893

4 203

5 308

5 082

5 487

10 222

Total transferts fédéraux

18 539

18 901

20 179

22 485

23 120

25 228

30 274

Total des revenus

95 937

100 123

102 884

108 404

114 746

116 974

120 302

Dépenses

Santé et services sociaux

36 793

37 501

38 735

40 176

41 522

43 699

52 989

Éducation et culture

20 905

20 997

21 646

22 780

23 887

25 267

27 624

Économie et environnement

11 458

11 697

12 315

14 438

14 730

17 293

18 957

Soutien aux personnes et aux familles

9 647

9 589

9 562

9 816

10 095

10 926

11 417

Gouverne et justice

6 728

6 686

6 737

7 039

7 510

9 503

11 754

Dépenses des missions

85 531

86 470

88 995

94 249

97 744

106 688

122 741

Service de la dette

10 270

10 009

9 527

9 240

8 722

7 676

7 665

Total des dépenses

95 801

96 479

98 522

103 489

106 466

114 364

130 406

Surplus Annuel

136

3 644

4 362

4 915

8 280

2 610

-10 104

Fonds des génération

Solde au début

5 659

6 938

8 522

10 523

12 816

8 293

8 899

Revenus du FDG

1 279

1 453

2 001

2 293

3 477

2 606

3 014

Solde avant remboursement

6 938

8 391

10 523

12 816

16 293

10 899

3 014

Retraits FDG

0

0

0

0

8 000

2 000

0

Solde à la fin

6 938

8 522

10 523

12 816

8 293

8 899

11 913

Réserve de stabilisation

Réserve en début

0

0

2 191

4 552

7 174

11 977

11 981

Utilisation de la réserve

0

0

0

0

0

0

8 760

Solde budgétaire avant utilisation de la réserve

-1 143

2 191

2 361

2 622

4 803

4

-13 118

Solde budgétaire après utilisation de la réserve

-1 143

2 191

2 361

2 622

4 803

4

-4 358

Ajout à la réserve

0

2 191

2 361

2 622

4 803

4

0

Réserve en fin de période

0

2 191

4 552

7 174

11 977

11 981

3 221

Dette avant gain de change reportés

Dette année précédente

181 032

192 750

193 945

197 556

201 949

195 188

200 963

plus Nouveaux emprunts

23 894

16 820

21 277

24 662

22 971

32 567

49 226

moins Remboursement dette

0

0

0

0

8 000

2 000

0

Dette après incidence instruments

204 926

209 570

215 222

222 218

216 920

225 755

250 189

moins Fonds amortissement

15 980

19 852

22 019

24 428

25 831

29 019

31 707

plus Dette PPP

3 804

4 227

4 353

4 159

4 099

4 227

4 394

Dette avant gain de change reportés

192 750

193 945

197 556

201 949

195 188

200 963

222 875

Dette directe consolidée

Dette avant gain de change reportés

192 750

193 945

197 556

201 949

195 188

200 963

222 875

moins emprunts réalisés par anticipation.

10 027

8 821

8 190

9 965

6 159

7 988

4 292

Dette directe consolidée

182 723

185 124

189 366

191 984

189 029

192 975

218 583

Dette brute

Dette directe consolidée

182 723

185 124

189 366

191 984

189 029

192 975

218 583

plus Régime de retraite

28 172

26 745

24 647

21 903

18 362

14 716

12 287

moins Fonds génération

6 938

8 522

10 523

12 816

8 293

8 899

11 913

Dette brute en fin de période

203 957

203 347

203 490

201 071

199 098

198 792

218 957