MétaCan
Menu
Retour à la cohorte
Enregistrement W4408914639 · doi:10.1111/1911-3838.12398

Accrual Versus Cash Basis of Accounting in the Canadian <scp>COVID</scp>‐19 Subsidy Programs*

2025· article· en· W4408914639 sur OpenAlexafffundvenueabout
Amin Mawani, Salim Hajee

Notice bibliographique

RevueAccounting Perspectives · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAccrualCashSubsidyCoronavirus disease 2019 (COVID-19)BusinessAccountingEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The principal eligibility criterion for the Canada Emergency Wage Subsidy (CEWS) during the COVID‐19 pandemic was a reduction of at least a prespecified percentage in monthly revenues compared to the same months in the prior year, or compared to January and February 2020 (just prior to the launch of CEWS in March 2020). The revenues could be measured using accrual or the cash basis of accounting. Since subsidy applicants could choose the cash method of accounting and use January and February 2020 as reference periods, seasonal businesses that generated most of their revenues in January and February could claim subsidies without experiencing any reductions in revenue. We illustrate how a seasonal business with higher monthly accrued revenues compared to the pre‐pandemic year could be eligible for CEWS by using the cash basis of accounting in the subsidy application even though it would not qualify using the accrual accounting method. It seems inequitable for business or wage subsidies to be based on the choice of accounting methods. There is no sound public policy reason to subsidize (or tax) one firm more than another just because they use a different method of accounting. Evaluating accounting methods embedded within government subsidy programs is an important endeavor to ensure neutrality and effectiveness of public spending programs.

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 enseignants0,199
Score d'incertitude au seuil0,897

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,050
Tête enseignante GPT0,274
Écart entre enseignants0,225 · 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

Citations0
Publié2025
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueAccounting PerspectivesMême sujetTaxation and Compliance StudiesTravaux en français237 207