MétaCan
Menu
Retour à la cohorte
Enregistrement W7035786652

About the progressive tax system of labor remuneration in Russia

2014· other· en· W7035786652 sur OpenAlexaboutno aff

Notice bibliographique

Revuezvestiya of the National Academy of Sciences of Belarus (National Academy of Sciences of Belarus) · 2014
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBotanical Studies and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNucleofectionArrearsDemotionCircumstantial evidenceWork (physics)Tax revenue
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

© 2014 Canadian Center of Science and Education. All rights reserved. This paper presents the results of research aimed at improvement of the taxation of wages in Russia. It analyses the problem of determining the progressive income tax scale as being a more socially equitable than the current flat rate in Russia with 13% tax rate on income. Proposed tax scale of tax rates exempts the poor citizens from income tax, shifting the tax burden from the poor to the rich. In accordance with the principle of redistribution that leads to a reduction in income inequality in Russia. The most important source of budget revenues are taxes. In Russia, as in most countries, the tax on personal income (referred to as PIT) is one of the main sources of budget revenues. Its share of the budget is directly dependent on the level of economic development. This is one of the most popular taxes in the world payable on personal incomes. PIT is linked to consumption, and it can either stimulate consumption or reduce it. Therefore, the main challenge of income taxation is to achieve optimal balance between economic efficiency and social justice of the tax. In other words, such tax is required, which would provide the maximum equitable redistribution of income with minimal damage to the interests of taxpayers from taxation. Analysis of tax on personal income shows that it, as well as the whole tax system in the Russian Federation is constantly developing.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,725
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,007
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
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 Opus0,040
Tête enseignante GPT0,300
Écart entre enseignants0,260 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuezvestiya of the National Academy of Sciences of Belarus (National Academy of Sciences of Belarus)Même sujetBotanical Studies and ApplicationsTravaux en français237 207