MétaCan
Menu
Retour à la cohorte
Enregistrement W2622661212 · doi:10.5430/afr.v6n3p10

The Impact of Public Expenditure and Public Debt on Taxes: A Case Study of Jordan

2017· article· en· W2622661212 sur OpenAlexvenueno aff
Ateyah Mohammad Alawneh

Notice bibliographique

RevueAccounting and Finance Research · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCapital expenditureEconomicsPublic expenditurePublic financeAggregate expenditureDebtRevenueMonetary economicsPublic economicsFinanceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

The study aimed to estimate the impact of capital expenditure, current expenditure and external and internal public debt on taxes in Jordan during the period 2001–2014. It adopted the multiple linear regression method by E-views program to study the impact of the independent variables (represented by capital expenditure, current expenditure, external and internal public debit) on the dependent variable (taxes). The statistical analysis showed a statistically significant, positive impact of both the capital expenditure and the current expenditure on taxes. The study also found a statistically significant, positive relationship between external and internal public debt on taxes in Jordan. The study presented a number of recommendations, most importantly for the public sector, taking into account the capital expenditure, the current expenditure and the external and internal public debt, which directly affect the tax increases in Jordan. There is a need to use non-traditional alternatives to finance capital expenditures instead of external public debt and internal sources, such as Sukuk Murabaha Islamic participation, to finance capital expenditure for the Government to build schools, hospitals and other government services. The Government should take into account the current expenditure of tax revenues, while capital expenditure should be covered by non-traditional means.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,020
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,159
Tête enseignante GPT0,368
Écart entre enseignants0,208 · 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.

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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and Finance ResearchMême sujetFiscal Policy and Economic GrowthTravaux en français237 207