MétaCan
Menu
Retour à la cohorte
Enregistrement W4405301559 · doi:10.2308/jata-2023-006

Is Silence Golden? An Investigation of Zero Unrecognized Tax Benefit Firms

2024· article· en· W4405301559 sur OpenAlexaff
Kimberly S. Krieg, Ryan J. Wilson, Kaishu Wu

Notice bibliographique

RevueJournal of the American Taxation Association · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésScrutinyZero (linguistics)Tax havenEconomicsShock (circulatory)Monetary economicsWarrantEarningsCeteris paribusAccountingPublic economicsFinancial economicsLawDouble taxationTax avoidancePolitical scienceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We find over 31 percent of U.S. firms report a zero ending balance for their unrecognized tax benefits (UTBs). We refer to these firms as zero UTB firms and explore explanations for their prevalence. We find zero UTB firms are less complex than positive UTB firms. Specifically, they are smaller, less profitable, have less R&D and foreign earnings, and fewer operating segments and XBRL tags. We also find some evidence that these firms have less efficient tax departments. When splitting zero UTB firms by tax haven activity, we find that those with haven operations are more aggressive in their financial reporting than haven firms with positive UTBs. We also find that zero UTB firms both with and without tax haven operations are subject to less IRS scrutiny than positive UTB firms. Overall, although zero UTB firms are generally less complex, our results suggest that a subset may warrant further scrutiny. JEL Classifications: H25; H26; H32; M41; M48.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,064
Score d'incertitude au seuil0,344

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0000,002
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 Opus0,018
Tête enseignante GPT0,246
Écart entre enseignants0,228 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Taxation AssociationMême sujetCorporate Taxation and AvoidanceTravaux en français237 207