Gelir vergisi tarifelerinin ekonomik analizi (2003-2020)
Bibliographic record
Abstract
Türkiye’de gelir vergisinde artan oranlı tarife kullanılmaktadır. Bu uygulamanın iki temel avantajı ve amacı bulunmaktadır. Artan oranlı vergi tarifesi ile vergi ödeme gücü tespit edilmekte ve dikey vergi adaleti gerçekleştirilmeye çalışılmaktadır. Bu çalışmada 2003-2020 dönemi gelir vergisi tarifeleri analiz edilmiştir. Gelir vergisi tarifelerinin dikey adaleti sağlamada başarısı ortalama vergi oranı ve marjinal vergi oranı göstergeleri ile incelenmiştir. Bulgular tarifelerin dikey adalet amacını gerçekleştirmede başarılı olduğunu göstermektedir. Tarifelerin uzunluk ve yükseklik farkları sonuçları dönem sürecinde yükseklik farkı sabitken, uzunluk farkının arttığını göstermektedir. Bu bulgu zayıf artan oranlı tarife uygulandığını göstermektedir. Gelir vergisinin konjonktürel esnekliğinin dönem ortalamasının 1,60 olarak gerçekleşmesi gelir vergisi hasılatındaki artışının GSYH artışından daha fazla olduğunu göstermektedir. Bu bulgu uygulanan gelir vergisi tarifelerinin bir çıktısıdır ve gelir vergisinin otomatik istikrar sağlayıcılık işlevi görebilmesi açısından olumludur. Gelir vergisi tarifeleri kullanılarak hesaplanmış reel gelir vergisi bulguları, reel verginin oldukça stabil olduğunu göstermektedir. Bulgular, 2010 ve 2011 hariç, gelir vergisi tarifelerinin enflasyonu dikkate alarak hazırlandığını göstermektedir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".