MétaCan
Menu
Retour à la cohorte
Enregistrement W2321883884 · doi:10.1111/j.1475-679x.2012.00463.x

Are U.S. Multinational Corporations Becoming More Aggressive Income Shifters?

2012· article· en· W2321883884 sur OpenAlexaff
Kenneth J. Klassen, Stacie Kelley Laplante

Notice bibliographique

RevueJournal of Accounting Research · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMultinational corporationExtant taxonRevenueTax revenueSample (material)Income taxBusinessEconomicsTax policyPublic economicsAccountingTax reformFinance

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper examines income shifting of U.S. multinational companies over the past two decades. Domestic and foreign policy makers are increasingly concerned with the effect of income shifting on dwindling tax revenues, however, extant research on income shifting by U.S. multinational enterprises is mixed. We address the disconnect between the academic literature and the policy maker's perceptions by examining the extent of multijurisdictional income shifting by U.S. multinational companies. We directly address conflicting results in extant literature and show that using either multiperiod proxies or instrumental variables overcomes weaknesses of annual proxies in this setting. Our tests show that U.S. companies have become more active at shifting income out of the United States as the regulatory costs of shifting have changed. Holding tax rate differences between U.S. and foreign jurisdictions constant, our empirical estimates suggest that our sample of 380 corporations with low average foreign tax rates collectively shifts approximately $10 billion of additional income out of the United States annually during 2005–2009 relative to 1998–2002 due to varying regulatory costs of shifting.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,100
Tête enseignante GPT0,359
Écart entre enseignants0,260 · 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

Citations310
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Accounting ResearchMême sujetCorporate Taxation and AvoidanceTravaux en français237 207