MétaCan
Menu
Retour à la cohorte
Enregistrement W2051473999 · doi:10.1177/1091142106291474

Experimental Evidence on Mixing Modes in Income Tax Evasion

2006· article· en· W2051473999 sur OpenAlexaff
Ronald G. Cummings, Jorge Martínez-Vázquez, Michael McKee

Notice bibliographique

RevuePublic Finance Review · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEnforcementRevenueEvasion (ethics)PortfolioPublic economicsEconomicsTax evasionCompliance (psychology)Offset (computer science)Income taxBusinessActuarial scienceAccountingFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

Taxpayers unlawfully trying to avoid income tax in most countries can mis-report a wide variety of line items, including income sources, exemptions, deductions, and credits. Such portfolio opportunities, or “modes,” for evasion raise important policy questions. For example, increasing the probability of detection in underreporting of income may increase compliance in terms of income reporting but may decrease compliance as a result of increased evasion through over reporting of deductions. It is possible that the resulting increase in revenue from the mode targeted for increased enforcement effort will be partially, or even fully, offset by deteriorating compliance in other modes. In this article, data from a series of laboratory experiments are used to investigate the compliance behavior of individuals when evasion can be accomplished via multiple items. The findings suggest that increasing enforcement for a single item may lead to revenue declines as evasion increases in other items as an offset.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

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

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 Opus0,109
Tête enseignante GPT0,291
Écart entre enseignants0,182 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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

En bref

Citations6
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Finance ReviewMême sujetTaxation and Compliance StudiesTravaux en français237 207