Tax Rates and Tax Revenues in the Context of Tax Competitiveness
Notice bibliographique
Résumé
The diverse tax burdens and economic situations of EU member states are causing investors to relocate their investments to countries that offer better tax conditions and a better economic environment. The total amount of corporate tax revenue is therefore influenced by tax, macroeconomic and other indicators. This paper assesses the importance of tax revenues and tax rates in the context of tax competitiveness in EU states. The aim of the paper is to determine the impact of selected indicators on corporate tax revenues in EU states for the period 2004 to 2019. The source data were drawn from the databases of the European Commission (2021) and The World Bank (2021). The set goal was complemented by an analysis of tax rates and subsequent comparison with corporate tax revenues. Multiple regression analysis was performed to achieve the goal. Two econometric models were compiled that followed the same variables, with the EU13 model dealing with the new member states and the EU15 model dealing with the old EU member states. The results showed that the variables statutory and average effective tax rate do not have a decisive influence on corporate tax revenues in either model. In the new states, the unemployment rate has the most statistically significant effect, while in the old countries GDP has the biggest effect. The result of this work is that there are differences between the new and old member states at different levels, which was ultimately reflected in the different impact of tax and macroeconomic indicators on corporate tax revenues.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».