Skip to content

Premiers agrégats pour Socio-Fisca

Carte mère : https://git.leximpact.dev/leximpact/gestion-com-strategie/-/issues/54

Voir aussi https://git.leximpact.dev/leximpact/leximpact-prepare-data/-/issues/44 pour les réflexions sur le format.

A changer sur le CASD:

  • Effacer le contenu des notebooks avant export (make clean-nb ?).
  • Ajouter la colonne zn pour la comparer avec n.
  • Exporter les sommes, moyennes, distributions des variables continues.
  • Fusionner les deux exports
  • Trouver une autre source sur le handicap que clirpg : cerfa_field = "R" / "Nombre de titulaires (autres que les enfants) de la carte invalidité d'au moins 80 %"
  • Refaire les extractions () de copules avec la nouvelle librairie
  • Ajouter f g h i
  • Faire la somme de f et h pour avoir le nombre d'enfant par foyer
  • Ajouter la variance aux agrégats simples
    # Pour assiette de CSG
    df["revenus_capitaux_prelevement_bareme"] = df.Z2ch
    df["revenus_capitaux_prelevement_liberatoire"] = df.Z2dh
    df["revenus_capitaux_prelevement_forfaitaire_unique_ir"] = df.Z2dc + df.Z2tr

    df["rente_viagere_titre_onereux_net"] = df.Z1cw + df.Z1dw
    # Micro-foncier : on applique l'abattement de 30%
    df["revenu_categoriel_foncier"] = (
        df.Z4ba + (df.Z4be * 0.7) - (df.Z4bb + df.Z4bc + df.Z4bd)
    )
    # df['rev_categ_foncier4ba']=df.Z4ba
    df["assiette_csg_plus_values"] = df.Z3vg + df.Z3ua + df.Z3vz
    df["assiette_csg_revenus_capital"] = (
        df["revenus_capitaux_prelevement_bareme"]
        + df["revenus_capitaux_prelevement_liberatoire"]
        + df["revenus_capitaux_prelevement_forfaitaire_unique_ir"]
        + df["rente_viagere_titre_onereux_net"]
        + df["revenu_categoriel_foncier"]
        + df["assiette_csg_plus_values"]
    )

    # Autres
    df["retraites"] = df.Z1as + df.Z1bs + df.MNIMQG
    df[
        "pre_retraites_etranger"
    ] = df.Z8sc  # Attention, seulement de l'étranger, sinon c'est df.Z1ap + df.Z1bp

    df["chomage_et_indemnites"] = df.Z8sw + df.Z8sx + df.Z1ap + df.Z1bp
    df["salaire_imposable"] = df.Z1aj + df.Z1bj + df.Z1cj

primes_salaires
+ remuneration_principale
+ primes_fonction_publique
+ indemnite_residence
+ supplement_familial_traitement
+ csg_deductible_salaire
+ cotisations_salariales
- hsup
+ rev_microsocial_declarant1
+ indemnite_fin_contrat
+ complementaire_sante_salarie
+ indemnite_compensatrice_csg

Variables d'intérêts:

Calibration à sortir (10 et 100) : [Z1aj, Z1bj, Z1cj,

Calibration à sortir (1 000) :

Copules à sortir:

Proposition de format: Voir https://git.leximpact.dev/leximpact/leximpact-prepare-data/-/issues/44

PR:

Retours réunion du 10 mars:

  • Il faut coller le plus possible au format OpenFisca : à la fois pour les noms de variables et pour l'organisation du fichier. -> Conserver aussi le format d'origine.
  • Préparer un format de phrase automatique.
  • Séparer les fichiers pour faciliter la lecture et mise à jour par d'autres.
  • "agec": "ANNÉE DE NAISSANCE CONJOINT" => Des incohérences, ne pas utiliser.
  • "aged": "ANNÉE DE NAISSANCE DÉCLARANT" => Des incohérences, ne pas utiliser.
  • "clirpg": "ENFANTS INVALIDES" => Toujours la même valeur.
  • "nbpldm": "INDICATEUR MARIé" => N'apporte rien par rapport à "mat"
  • "nbfoy": "NB PERSONNES DANS LE FOYER" => Faux, il y en a plein à 0, c'est une autre façon de voir les personnes à charge on dirait. Quand nbpart=1, nbfoy=0
Edited by Benoît Courty