How does Debt Tax Shield Moderate Corporate Governance Mechanisms and Income Tax Compliance in Nigerian Listed Companies?
Notice bibliographique
Résumé
This study investigated how debt tax shields (DTS) moderate the relationship between corporate governance mechanisms and income tax compliance in Nigerian listed firms. Amid persistent tax revenue shortfalls and evolving corporate governance reforms, understanding the interplay between governance structures and financial strategies has become crucial in emerging markets. Using a panel dataset of 92 non-financial firms listed on the Nigerian Exchange Group (NGX) from 2013 to 2022, the study adopts fixed-effects regression models to examine the direct and moderating effects of three key governance mechanisms: board gender diversity (BGD), audit committee size (BAC), and managerial ownership (MO) on income tax compliance, proxied by the effective tax rate (ETR). Findings reveal that BAC positively and significantly influences tax compliance in most model specifications, reinforcing the importance of board-level oversight. MO is significant in selected models, supporting the incentive alignment argument, though not consistently across all specifications. BGD does not exhibit a direct effect but demonstrates a significant positive interaction with DTS, suggesting that gender-diverse boards are more effective in leveraged firms where financial complexity heightens compliance risk. Among the control variables, profitability (ROA) and firm size (Fsize) consistently predict higher tax compliance, while leverage (LEV), DTS, and industry classification (IND) show no direct effects. The study concludes that governance mechanisms do not operate in isolation but are conditioned by firms' capital structures. Policymakers and regulators are advised to integrate governance reforms with financial risk profiling for enhanced compliance enforcement.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».