Tax avoidance in banking institutions: an analysis of the top seven Nigerian banks
Notice bibliographique
Résumé
Purpose The purpose of this paper is to review the quantum and magnitude of tax avoidance in Nigeria's top seven banks by using recognized tax avoidance proxies of the Generally Accepted Accounting Principles (GAAP) and the International Financial Reporting Standard (IFRS) effective tax rate (ETR) and book-tax gap analysis for the appraisal. Design/methodology/approach Data for the paper came from the annual reports of the banks between 2011 and 2019. The individual bank’s tax data was analyzed for trends and then consolidated to establish the average percentages and the exact amount of the tax the banks evaded each year and cumulatively over the review period. The data were then matched with analytics of the drivers of tax avoidance in the reconciliation statement to highlight essential tax planning items and strategies being exploited by each bank in the pursuit of aggressive tax avoidance behavior. Findings F-test comparing the aggregate means (all banks) for tax evasion proxies of ETR and the book-tax gap was conducted at a 95% confidence interval. The results of this paper indicate no significant difference between the means obtained, thus affirming that the same pattern of tax evasion was consistent among the banks for the years reviewed. Originality/value The findings of this paper highlight the tax avoidance behavior of the referenced banks, identify weaknesses in the corporate tax planning policy pursued and serve to alert policymakers of the need to strengthen the laws and block loopholes that provide rooms for unrestrained tax avoidance behavior in the banking sector.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».