MétaCan
Menu
Retour à la cohorte
Enregistrement W7024732260

Should I Pay or Should I Go? Dutch Evidence on Tax-Induced Out-Migration

2023· report· en· W7024732260 sur OpenAlexaff

Notice bibliographique

RevueResearch Publications (Maastricht University) · 2023
Typereport
Langueen
DomaineChemistry
ThématiqueAnalytical chemistry methods development
Établissements canadiensMontreal Council on Foreign Relations
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Work (physics)PaymentProduction (economics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We investigate the mobility response of workers to a loss in preferential tax treatment, exploiting a radical policy change that shortened the duration of the tax break available to high-skilled migrants to the Netherlands. The policy change only affected migrants who arrived from specific countries within a certain period. Using tax and population-wide data and a difference-in-differences approach, we uncover the causal effect of tax-induced emigration and show that taking away tax breaks from migrants strongly increases their likelihood of leaving. Crucially, our findings show that this effect is entirely driven by out-migration from the top 1% of the income distribution. No migration response was detected for those below the 95th earnings percentile. Individuals in the top 1% of the income distribution decrease their length of stay by 11.1% and are 18.3% less likely to remain beyond the end of the five years that they receive the tax break, while ‘highly mobile’ individuals also react in terms of both intensive and extensive duration margins when among top 5% of earners. We estimate that the elasticity of migration with respect to the net-of-tax rate for the top 1% of earners is 1.48 to 1.74. Regarding the distortionary effect of national policies on international tax competition, we show that the most mobile tax earners become much more likely to leave for a tax-friendly country post reform, and we conclude that, at least in terms of the change in taxable receipts from labor in the Netherlands, this policy was cost neutral.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,668
Tête enseignante GPT0,499
Écart entre enseignants0,169 · 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 source (Gemma direct ou Codex distillé), 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Publications (Maastricht University)Même sujetAnalytical chemistry methods developmentTravaux en français237 207