MétaCan
Menu
Retour à la cohorte
Enregistrement W4229032931 · doi:10.1007/s11142-022-09677-1

On the tax efficiency of startup firms

2022· article· en· W4229032931 sur OpenAlexfundno aff
Eric J. Allen, Jeffrey C. Allen, Sharat Raghavan, David H. Solomon

Notice bibliographique

RevueReview of Accounting Studies · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, DavisOhio State UniversityYork UniversityUniversity of Southern California
Mots-clésPublic financeCorporate financeCorporationEquity (law)Limited liabilityBusinessSample (material)PreferenceMonetary economicsCorporate taxEconomicsLiabilityFinanceMicroeconomicsAccountingTax avoidanceDouble taxation

Résumé

récupéré en direct d'OpenAlex

Abstract We examine the choice of organizational structure for VC-backed startup firms. These firms overwhelmingly organize as C-corporations rather than as tax advantaged limited liability companies (LLCs). This results in foregone tax savings of $43.9 billion, or 4.9% of the total equity invested in the sample firms. The decision is puzzling, given plausible estimates of the direct costs involved, but appears related to “hassle” and other transition costs generated by participants implementing a new form. Firms with more employees and investors are likely to choose the C-corporation. VCs appear to prefer the C-corporation form, as receiving VC money is associated with most LLC firms switching to a C-corporation within 30 days. Greater VC preferences for C-corporations are linked to a preference for familiarity, and less attention to taxes.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,563
Score d'incertitude au seuil0,429

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,278
Écart entre enseignants0,244 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Accounting StudiesMême sujetPrivate Equity and Venture CapitalTravaux en français237 207