The Three Hurdles of Tax Planning: How Business Context, Aims of Tax Planning, and Tax Manager Power Affect Tax Expense
Notice bibliographique
Résumé
Abstract The question of why some companies pay fewer taxes than others is a widely investigated topic of interest. One of the well‐known explanations is a phenomenon called tax avoidance . We develop a grounded theory model of influences on corporate tax planning through a series of 19 in‐depth German tax expert interviews. Our research identifies three independent hurdles in the tax planning process, which can help to explain different levels of tax expense across companies. Those three hurdles sequentially address which tax planning methods are available (defined by business characteristics), desirable (given via aims of tax planning), and implementable (determined by tax manager power). A large part of previous research has estimated the influence of firm characteristics, which we incorporate in the broader term business characteristics, on tax expense, while the other influences that we identify have largely been left “out of the equation.” In the light of the current public debates on tax avoidance, we reveal two important findings: First, we find that companies vary widely in the aggressiveness of their aims of tax planning, which contrasts sharply with the picture often drawn by undifferentiated media reports. Second, tax managers can assume very different levels of power in their organization. The implementation of desirable tax planning methods varies depending on this level of tax manager power. In conclusion, our three‐hurdle grounded theory provides generalizable insights into important influences on corporate tax planning which help to explain the observed variation in tax expenses across firms.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».