مدلسازی نقش تعدیلی محیط اطلاعاتی بر رابطه بین قابلیت مقایسه حسابداری و اجتناب مالیاتی
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 363
فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEMRA-10-4_004
تاریخ نمایه سازی: 14 اردیبهشت 1400
چکیده مقاله:
قابلیت مقایسه حسابداری، مقامات مالیاتی را قادر میسازد که درک بهتری از فعالیتهای شرکت داشته باشند و روند شناسایی فعالیتهای اجتناب مالیاتی شرکتها را از سوی آنها بهبود میبخشد. بنابراین قابلیت مقایسه حسابداری نقش مهمی را در کاهش فعالیتهای اجتناب مالیاتی مدیران با محدود کردن توانایی و انگیزههای آنها ایفا میکند. لذا بر پایه این استدلال، پژوهش حاضر با استفاده از رویکرد مدلسازی معادلات ساختاری به بررسی رابطه بین قابلیت مقایسه حسابداری با اجتناب مالیاتی شرکت و همچنین مطالعه اثر تعدیلکنندگی (جایگزینی یا مکمل) محیط اطلاعاتی بر رابطه بین آنها میپردازد. این پژوهش از نوع پژوهشهای کمی و از لحاظ روش اجرا در زمره همبستگی و بر اساس هدف، از نوع کاربردی است. نمونه آماری پژوهش شامل ۸۶ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سالهای ۱۳۹۱ تا ۱۳۹۵ میباشد. در این پژوهش برای سنجش قابلیت مقایسه حسابداری از سه معیار مختلف طبق مدل دی فرانکو و همکاران (۲۰۱۱) و همچنین از دو معیار تفاوت دفتری مالیات و نرخ موثر مالیاتی برای اندازهگیری اجتناب مالیاتی استفاده گردید. برای تحلیل دادهها نیز، از نرمافزار اسمارت پی ال اس و از روش حداقل مربعات جزئی استفاده شده است. پس از اطمینان یافتن از برازش قابلقبول مدلهای اندازهگیری و ساختاری پژوهش، نتایج پژوهش حاکی از آن است که قابلیت مقایسه حسابداری موجب کاهش فعالیتهای اجتناب مالیاتی شرکت میشود. علاوه بر این مطابق با پیشبینی نظریه جایگزینی، نتایج نشان میدهد که محیط اطلاعاتی رابطه منفی بین قابلیت مقایسه و اجتناب مالیاتی شرکتها را تضعیف میکند
کلیدواژه ها:
نویسندگان
مهدی صفری گرایلی
دانشیار گروه حسابداری، واحد بندرگز، دانشگاه آزاد اسلامی، بندرگز، ایران.
یاسر رضائی پیته نوئی
استادیار حسابداری، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :