MétaCan
Menu
Retour à la cohorte
Enregistrement W4317460528 · doi:10.55365/1923.x2022.20.76

The Quality of Tax Administration, Macroeconomic Stability and Economic Growth: Assessment and Interaction

2022· article· en· W4317460528 sur OpenAlexvenueno aff
Andrii Zolkover, Inna Tiutiunyk, Vitalina Babenko, Maryna Melnychuk, Larysa Ivanchenkova, Nataliia Lagodiienko

Notice bibliographique

RevueReview of Economics and Finance · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésShadow (psychology)EconomicsQuality (philosophy)Tax administrationAdministration (probate law)Stability (learning theory)MacroeconomicsTax policyPublic economicsTax reform

Résumé

récupéré en direct d'OpenAlex

The article deals with investigating the link between the quality of tax administration, macroeconomic stability and economic growth.The paper identifies the benefits and risks of the shadow operations for macroeconomic stability of the country.Based on the analysis of indicators of the effectiveness of tax policy implementation, an approach to assessing the quality of tax administration of the country was proposed.Based on empirical calculations, a conclusion about the low quality of tax policy in the country was made.The study of the relationship between the quality of tax administration and macroeconomic stability is based on the modified least squares method.The EU countries and Ukraine are identified as the statistical base of the study and the assessment period is 2005-2019.The results of modelling on the example of Ukraine and EU countries proved the relationship between the quality of tax administration of the country and level of its macroeconomic stability and shadow economy.All indices are statistically significant at the level of 1% and 5% and 10% respectively.This research let the authors conclude that it is necessary to take into account the quality of tax administration in forecasting the level of shadow economy and economic growth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,051
Tête enseignante GPT0,318
Écart entre enseignants0,266 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetEconomic Issues in UkraineTravaux en français237 207