MétaCan
Menu
Retour à la cohorte
Enregistrement W4416771124 · doi:10.1111/1911-3846.70021

The Unintended Effects of the TCJA's Interest Deduction Limitation on the Supply Chain

2025· article· en· W4416771124 sur OpenAlexvenueno aff
Terry Shevlin, Aruhn Venkat, Il Sun Yoo

Notice bibliographique

RevueContemporary Accounting Research · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueWorking Capital and Financial Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccounts receivableTrade creditSupply chainProduct (mathematics)CashUnintended consequencesBargaining power

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We examine the effects of the 2017 Tax Cuts and Jobs Act's (TCJA) interest deduction limitation on suppliers. Using a difference‐in‐differences design, we find that suppliers with customers subject to the limitation (“affected suppliers”) report increased accounts receivable of between 11.2% and 14.9% relative to their pre‐TCJA average accounts receivable. Using a triple differences design, we provide more granular evidence by documenting that the limitation's effects on affected suppliers' accounts receivable are driven by suppliers with customers that report increased trade credit use (i.e., higher accounts payable). In cross‐sectional analyses, we find that the effects are stronger when suppliers are smaller, have higher peer product similarity, operate in industries with low entry barriers, or are in the early stage of their life cycle, consistent with suppliers with weaker bargaining power providing more trade credit to customers compared to other suppliers. Turning to supplier consequences of increased accounts receivable, we find that affected suppliers' days sales outstanding and operating cycles increase. Next, we use path analyses to find that affected suppliers experience lower cash flows and higher risks due to their increased accounts receivable. Overall, our study provides evidence that the interest deduction limitation yielded externalities on affected firms' supply chains.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,047
Tête enseignante GPT0,283
Écart entre enseignants0,236 · 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'étudeThéorique ou conceptuel
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'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Accounting ResearchMême sujetWorking Capital and Financial PerformanceTravaux en français237 207