MétaCan
Menu
Retour à la cohorte
Enregistrement W2118525088 · doi:10.5539/ass.v11n5p333

Tax Relieves: Costs of Their Application in Taxation and Issues of the Efficiency Evaluation

2015· article· en· W2118525088 sur OpenAlexvenueno aff
Khaibat Magomedtagirovna Musaeva, Basir Khabibovich Aliev, Magomed Magomedovich Suleymanov, Tatiana Dyukina

Notice bibliographique

RevueAsian Social Science · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislatureRussian federationPublic economicsTax reformOrder (exchange)BusinessEconomicsEconomic policyPolitical scienceFinanceLaw

Résumé

récupéré en direct d'OpenAlex

The main objective of this work was to develop a set of scientific and practical recommendations aimed atimproving the efficiency of preferential tax treatment based on the analysis of the costs of tax relieves, theirtypes, and their performance evaluation. Direct and indirect costs of tax relieves granted by the World Bank wereanalyzed within the research. Based on the analysis of legal acts that were in effect in 1990-2000, the specificfeatures and forms of tax relieves used in the Russian Federation were identified. The article shows the necessityof expanded understanding of the tax relieves based on their actual manifestations in various forms, and, basedon this, extension of the efficiency evaluation object in the circumstances of the Russian Federation. The articleformulates the conclusion about the need to transform the tax relieves in order to strengthen their stimulatingeffect on the economy development and achievement of the economic benefit and enhancement of the socialreturn. The regulatory-legislative, methodological, and organizational problems of evaluating the efficiency oftax advantages at the regional level (using the materials of the Republic of Dagestan) were revealed, and also aset of recommendations to address them was provided.

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)0,014
score de la tête « metaresearch » (Gemma)0,051
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,051
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,004
Communication savante0,0060,006
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,050
Tête enseignante GPT0,295
Écart entre enseignants0,245 · 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'étudeObservationnel
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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetTaxation and Compliance StudiesTravaux en français237 207