Audit committee characteristics and tax aggressiveness
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
Purpose This study aims to analyze the relationship between a company’s use of aggressive tax planning and several audit committee members’ characteristics, namely, independence, expertise, diligence and gender diversity. Design/methodology/approach This paper is an empirical research using archival data from 289 Canadian listed companies for the 2011-2015 period. Findings The authors find that measures of expertise and diligence are significantly related to tax aggressiveness. Financial expertise and tenure on the audit committee play an important role in constraining tax aggressiveness, as does having a larger audit committee. Research limitations/implications One limitation – and an area for future research – is that the effects of the audit committee members’ relationships with managers of the firms were not investigated. Practical implications Knowledge of audit committee characteristics may send a signal to shareholders, investors and tax agencies regarding the company’s potential risk with respect to aggressive tax planning. The analysis provides useful insights for board governance committees when determining the profile of persons to nominate for board positions and committees. In discussing tax-risk management, the study may heighten audit committee members’ awareness of their role in this respect. Originality/value This study’s results indicate that even in a setting where incentives for firms to be tax-aggressive is low compared to high-tax rate countries, there is variability in firms’ tax aggressiveness. This situation allows us to find audit committee characteristics that are effective in decreasing tax aggressiveness.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 0,001 |
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