Effect of Revenue Collection Process Innovations on Financial Performance of Selected County Governments in Kenya
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Most of the county governments in Kenya lack enough finances to fund their recurrent and development budgets which has led to stalling of projects. In order to meet their financial obligations, county government should devise innovative ways to increase revenue collection. County governments in Kenya are faced with a number of tax collection challenges which include; a narrow tax base which reduces potential revenues and makes the county more dependent than it could be on a small section of society. The general objective of the study was to investigate the effect of revenue collection processes innovations on the financial performance of selected county governments in Kenya. The study adopted a descriptive research design. The target population consisted of all the employees in the county revenue collection department. Clustered random sampling technique was used in this study to select the respondents. The total sample in this study was 124 respondents. Data was primarily collected to provide information regarding a specific topic. Primary data was gathered by use of a semi-structured questionnaire and captured through a 5-point type Likert scale. The collected primary data was analyzed using Statistical Package for Social Science (SPSS) version 20. A linear regression analysis was conducted on the data set. The Pearson Product Moment was used to analyze the data in which correlation coefficient (R) and the coefficient of determination (R 2 ) of the variables was established. The findings revealed a strong positive relationship between the independent variables and the dependent variable. The study recommends that all the staff that is in revenue department in all county governments should be trained on revenue collection.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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