MétaCan
Menu
Retour à la cohorte
Enregistrement W3123392537 · doi:10.5744/ftr.2016.1001

Can Audits Encourage Tax Evasion?: An Experimental Assessment

2018· article· en· W3123392537 sur OpenAlex
Emily A. Satterthwaite

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFlorida Tax Review · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAuditTax evasionEvasion (ethics)PremiseAccountingBusinessSuspectEnforcementPsychologyPublic economicsEconomicsPolitical scienceMedicineLawCriminology

Résumé

récupéré en direct d'OpenAlex

Governments and tax administrators around the world rely on the premise that audits will deter tax evasion. This Article presents experimental evidence that this premise may be, at least in part, misguided. Counterintuitively, I find that audits presented as random may induce taxpayers to cheat more. Where audits were described as being conducted at random, participants increased their levels of evasion in the tax periods immediately following the audit. This effect, however, did not plague nonrandom audits. When a separate group of participants faced audits that were presented as being nonrandom—participants were told that detected evasion would “flag” a participant for one or more future audits—participants cheated less in the periods immediately following the audit. Overall, average compliance in the nonrandom audit condition systematically and significantly dominated average compliance in the random audit condition. By revealing, under experimental conditions, strong behavioral responses to the way tax audits are presented, this Article highlights the potential enforcement benefits of being more transparent with taxpayers about the nature of audit selection.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,864
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,070
Tête enseignante GPT0,317
Écart entre enseignants0,246 · 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