MétaCan
Menu
Retour à la cohorte
Enregistrement W4404423989 · doi:10.1007/s11156-024-01368-z

Does the presence of a sustainability committee strengthen the impact of ESG disclosure on tax aggressiveness? Insights from North America

2024· article· en· W4404423989 sur OpenAlexaboutno aff
Supun Chandrasena, Lane Matthews, Ali Meftah Gerged

Notice bibliographique

RevueReview of Quantitative Finance and Accounting · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorporate financeAccountingSustainabilityPublic financeBusinessEconomicsFinanceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract We investigate the influence of ESG disclosure on tax aggressiveness within the North American Travel and Leisure (T&L) sectors, specifically examining the role of sustainability committees in this relationship. Our analysis utilizes longitudinal panel data from the USA B3000 and Canadian S&P/TSX indices over the period from 2010 to 2020. Employing fixed-effects panel quantile regression with two distinct measures of tax aggressiveness, our findings indicate that firms with a focus on ESG tend to display higher levels of tax aggressiveness. This suggests that some companies might use strong ESG performance as a facade to obscure aggressive tax strategies. Moreover, our research introduces new evidence that the existence of sustainability committees can both hinder corporate tax aggressiveness and foster an ethical corporate culture, which aligns higher ESG engagement with lower tax aggressiveness. Our study underscores the importance of fostering tax compliance in T&L companies, emphasizing that individuals and corporations, which often seek direct state benefits, regard robust public services as essential for encouraging adherence to tax regulations. Furthermore, sustainability committees play a crucial role in enabling firms to address broader social issues, including tackling tax aggressiveness, thus shaping their sustainability agendas.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,352
Score d'incertitude au seuil0,313

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0000,000
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 Opus0,020
Tête enseignante GPT0,293
Écart entre enseignants0,273 · 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'étudeObservationnel
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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Quantitative Finance and AccountingMême sujetCorporate Taxation and AvoidanceTravaux en français237 207