MétaCan
Menu
Retour à la cohorte
Enregistrement W3099023476 · doi:10.2308/tar-2019-0252

The Decreasing Trend in U.S. Cash Effective Tax Rates: The Role of Growth in Pre-Tax Income

2020· article· en· W3099023476 sur OpenAlexaff
Alexander Edwards, Adrian Kubata, Terry Shevlin

Notice bibliographique

RevueThe Accounting Review · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEconomicsMonetary economicsState income taxTax avoidanceEconometricsIncome taxIndirect taxTax reformPublic economics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We develop a linear corporate tax function where taxes paid are regressed on pre-tax income and an intercept. We show that if the intercept is positive, cash ETRs are a convex function of pre-tax income. We present large-sample evidence consistent with this ETR convexity. Thus, although firms may have stable linear tax functions (i.e., constant parameters in the linear tax model) representing stable tax avoidance behavior, ETRs can change over time because of growth in pre-tax income. Consequently, simply examining changes (or differences) in cash ETRs is nondiagnostic about whether tax avoidance has changed over time (or differs across firms). We illustrate our argument by showing that all of the observed downward trend in cash ETRs documented by Dyreng et al. (2017) can be explained by growth in pre-tax income. The wholesale concern about increased tax avoidance over time might be overstated. Data Availability: Data are available from the public sources cited in the text. JEL Classifications: G39; H20; H25; H26.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,330
Score d'incertitude au seuil0,397

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,241
Écart entre enseignants0,229 · 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

Citations51
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetCorporate Taxation and AvoidanceTravaux en français237 207