MétaCan
Menu
Retour à la cohorte
Enregistrement W3012762147 · doi:10.1111/1911-3846.12601

Does Public Country‐by‐Country Reporting Deter Tax Avoidance and Income Shifting? Evidence from the European Banking Industry*

2020· article· en· W3012762147 sur OpenAlexaffvenue
Preetika Joshi, Edmund Outslay, Anh Persson, Terry Shevlin, Aruhn Venkat

Notice bibliographique

RevueContemporary Accounting Research · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)Tax avoidanceEuropean unionBusinessTax havenAccountingPublicationParliamentInternational economicsEconomic policyIncome taxFinancial systemEconomicsDouble taxationPublic economicsFinancePolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In this study, we examine the effect of increased tax transparency on the tax planning behavior of European banks. In 2014, the European Union introduced public country‐by‐country reporting requirements to the banking industry. Treating this new requirement as an exogenous shock, we find limited evidence consistent with a decline in income shifting by the banks' financial affiliates in the post‐adoption period (starting from 2015). We do not, however, find robust evidence of a significant change in the consolidated book effective tax rates among the affected banks. Our findings suggest that increased transparency from public country‐by‐country reporting can deter tax‐motivated income shifting but that it did not appear to materially influence the banks' overall tax avoidance. Our findings have policy implications for the ongoing debate between the European Parliament, the Organisation for Economic Co‐operation and Development, and accounting standard‐setting bodies on whether to require multinationals to publish country‐by‐country reports.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,121
Tête enseignante GPT0,309
Écart entre enseignants0,188 · 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 source (Gemma direct ou Codex distillé), 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

Citations130
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetCorporate Taxation and AvoidanceTravaux en français237 207