MétaCan
Menu
Retour à la cohorte
Enregistrement W2749976532 · doi:10.1007/s10797-020-09619-0

Frictions and taxpayer responses: evidence from bunching at personal tax thresholds

2020· article· en· W2749976532 sur OpenAlexaboutno aff
Stuart Adam, James Browne, David Phillips, Barra Roantree

Notice bibliographique

RevueInternational Tax and Public Finance · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Labor, and Family Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research CouncilEuropean Research CouncilNuffield Foundation
Mots-clésTaxpayerEconomicsPublic financeLabour economicsWageSocial securityWork (physics)Tax rateExploitScheduleQuarter (Canadian coin)Income taxDemographic economicsMonetary economicsPublic economicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

We exploit kinks and notches in the UK personal tax schedule over a 40-year period to investigate how taxpayers respond to income tax and social security contributions. At kinks, where the marginal rate rises, we find bunching by company owner-managers and the self-employed, but not those with only employment income. Responses to notches, where the average rate rises, provide compelling evidence that this is because most employees face substantial frictions: fewer than a quarter bunch even where doing so would increase both consumption and leisure. We develop a new approach for identifying selection in who responds and for decomposing responses into hours and wage components. We find that those employees who do bunch at notches are almost exclusively part-time workers, but tend to have lower wages and work more hours than those part-time workers who do not bunch.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,448
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
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 Opus0,059
Tête enseignante GPT0,301
Écart entre enseignants0,242 · 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'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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Tax and Public FinanceMême sujetGender, Labor, and Family DynamicsTravaux en français237 207