MétaCan
Menu
Retour à la cohorte
Enregistrement W4386724091 · doi:10.1111/1911-3846.12905

<scp>IRS</scp> scrutiny and corporate innovation

2023· article· en· W4386724091 sur OpenAlexvenueno aff
Nathan C. Goldman, Niklas Lampenius, Suresh Radhakrishnan, Arthur Stenzel, José Elias Feres de Almeida

Notice bibliographique

RevueContemporary Accounting Research · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScrutinyAccountingIncentiveBusinessCorporate taxFinancial statementPaymentIntellectual propertyPublic economicsFinanceEconomicsTax avoidanceDouble taxationLawAuditMarket economyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract The IRS administers tax laws enacted by Congress. As part of the IRS's duties, they often consider taxpayers' financial statements to help ensure accurate tax reporting and payments. We posit that enhanced financial statement disclosures of tax information under FASB Interpretation Number 48 (FIN 48) lead to more IRS scrutiny and alter the incentives for corporate innovation. Using patent applications as a measure of corporate innovation, we employ a difference‐in‐differences research design with publicly listed US firms as the treatment group and privately held US firms not subject to the disclosure requirements as the control group. We find robust evidence that, following the onset of FIN 48, the number of patent applications by publicly listed firms decreased between 15.4% and 24.3% relative to private firms. This decline in patent applications is attributable to incremental innovation, suggesting that firms lower innovation related to projects with tax benefits that are more likely to be scrutinized by the taxing authorities. These findings suggest that there are real effects of IRS scrutiny and, in particular, real effects of tax disclosures under FIN 48 on corporate innovation.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,008
Études des sciences et des technologies0,0010,000
Communication savante0,0010,003
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,171
Tête enseignante GPT0,325
Écart entre enseignants0,154 · 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.

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

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetCorporate Taxation and AvoidanceTravaux en français237 207