MétaCan
Menu
Retour à la cohorte
Enregistrement W1481121214 · doi:10.11575/sppp.v5i0.42393

The Big and the Small of Tax Support for R&D in Canada

2012· article· en· W1481121214 sur OpenAlexaffabout
Kenneth J. McKenzie

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceEconomicsBusiness

Résumé

récupéré en direct d'OpenAlex

Innovation is critical in the knowledge-based economy. It is generally accepted that governments have an important role to play in promoting innovative activity and R&D. Both the federal and provincial governments in Canada provide tax subsidies, and other forms of support, for R&D. Changes to various programs offered by the federal government were introduced in Budget 2012, most particularly related to the Scientific Research and Experimental Development (SR&ED) tax credit program. This paper analyzes the state of tax subsidies for R&D both pre- and post-budget, and at both the federal and provincial level. It is shown that there is a patchwork of effective tax subsidy rates in Canada, which vary both between and within provinces, between small versus large firms, and across sectors and types of R&D activity. The result is a misallocation of R&D resources and a system of government support that is less effective than it could be. On some dimensions Budget 2012 was a move in the right direction, but on other dimensions matters were made worse, resulting in a reconfiguration of tax support across R&D activities that is more distortionary and less efficient. Most particularly, the post-budget tax system heavily favours small firms over large firms, and labour intensive R&D over capital intensive R&D. This paper offers a lucid examination of R&D tax support pre- and post-budget, and argues persuasively that Canadian governments should adopt a more uniform, less distortionary approach to tax subsidies for R&D if they are truly interested in setting innovation free.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,701
Score d'incertitude au seuil0,813

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0090,003
Communication savante0,0080,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,058
Tête enseignante GPT0,275
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetInnovation Policy and R&DTravaux en français237 207