Effect of E-Tax Payment on Revenue Generation in Nigeria
Notice bibliographique
Résumé
The study examined the effect of e-tax payment on revenue generation in Nigeria. The study period covered six (6) years and three (3) quarters, spanning from the first quarter of 2012 to the second quarter of 2018. the period for pre e-taxation covered thirteen (13) quarters, spanning from the first quarter of 2012 to the first of 2015 while the period for post e-taxation covered thirteen (13) quarters, spanning from the second quarter of 2015 to the second quarter of 2018.The analysis was carried out using Trend analysis, descriptive statistics of mean and standard deviation, paired sampled t-test. The findings revealed that there was insignificant positive difference between pre and post value added tax revenue with t-statistics and p-value of 0.520 and 0.612 respectively. This connotes that e-tax payment has an insignificant positive effect on value added tax revenue in Nigeria. Similarly, it was discovered that there was a positive insignificant difference between pre and post company income tax revenue with t-statistics and p-value reported to be 0.833 and 0.421 respectively. That is, e-tax payment has negative insignificant impact on Value Added Tax (VAT) revenue. Lastly, the findings revealed that there is a positive insignificant difference between pre and post capital Gain tax revenue with t-statistics and p-value of 1.218 and 0.247 reported to be respectively. That is, that e-tax payment has a positive insignificant effect on company income tax revenue in Nigeria. It was therefore concluded that E-tax payment has not contributed to capital gain tax, value added tax and company income tax generation in Nigeria.
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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».