The Impact of Covid-19 and Lockdown on South African Revenue
Notice bibliographique
Résumé
The state revenue plays a critical role in the running of its departments and plays a significant role in the economy. The study investigates the impact of COVID-19 and the lockdown on the South African revenue collections. The study focuses on the major taxes Personal Income Tax (PIT), Corporate Income Tax (CIT) and Value Added Tax (VAT). Over the fiscal year 2008/09 to 2019/20 the three taxes contribute around 80% of the Total Tax (TTAX). The sample data was from quarter 1, 2014 to quarter 2, 2020 (50 observations) obtained with quarter 2 of 2020 carrying the impact of the pandemic. The SARIMA and Holt-Winters models were used to forecast the continuation of the historical patterns in two scenarios, (1.) Without the impact of the COVID-19 pandemic (No shock), and (2.) with the impact of COVID-19 and lockdown (with a shock) on the revenue collections. The R-statistical software was used to obtain the regression parameters and for forecasting purposes. On “average”, the impact of the pandemic is expected to reduce total revenue by around R310.6bn to R1, 127 trillion (on the interval R1, 093 – R1, 162 trillion) from the original estimates of R1, 438 trillion for the fiscal year 2020/21. The average forecast for PIT, CIT and VAT due to the impact of the pandemic is R532.9billion, R172.6billion and R320.9billion respectively. The study further encourages model revision as more data impacted by the pandemic become available.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».