بررسی ساختار درآمدهای پایدار شهری و محاسبه شکاف مالیات بر ارزش افزوده شهرداری تهران
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 167
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_UREP-3-4_005
تاریخ نمایه سازی: 10 دی 1401
چکیده مقاله:
شهرداری ها به عنوان رکن اصلی مدیریت شهری در راستای ارائه مدیریتی پایدار و ساماندهی شهر، نیازمند درآمدهای پایدار هستند. وابستگی به درآمدهای غیرمستمر و ناپایدار شهرداری ها از جمله درآمد ساخت و ساز، نداشتن ضمانت اجرایی لازم برای کسب عوارض و درآمد های قانونی باعث ناپایداری در درآمدهای آنها شده است. سهم مالیات بر ارزش افزوده در درآمدهای شهرداری تهران حدود ۲۰ درصد بوده است. بنابراین، مساله اصلی این پژوهش بررسی ساختار درآمدهای پایدار شهری و محاسبه مقدار درآمد مالیات بر ارزش افزوده از دست رفته شهرداری تهران به دلیل شکاف سیاستی (تعقیب اهداف خاص سیاستی دولت از طریق معافیت های مالیاتی، تعیین حد آستانه و اعتبار مالیاتی) و شکاف تمکین (اجتناب، فرار و تقلب مالیاتی) طی سال های اجرای قانون مالیات بر ارزش افزوده است. در این راستا، با استفاده از روش مکنزی (۱۹۹۱) و جدول داده- ستانده و بکارگیری داده های فعالیت های اقتصادی شهر تهران در نظام طبقه بندی بین المللی (ISIC)، شکاف مالیات بر ارزش افزوده محاسبه می شود. نتایج حاصل شده بیانگر این است که نسبت شکاف سیاستی به درآمد بالقوه مالیات بر ارزش افزوده در شهر تهران ۷/۵۱ درصد و نسبت شکاف تمکین ۲/۲۶ درصد بوده است. به عبارت دیگر، حدود ۷۸ درصد از درآمد بالقوه مالیاتی در نتیجه شکاف سیاستی و تمکین وصول نشده است. بنابراین، رفع ابهامات و چالش های اجرای قانون مالیات بر ارزش افزوده و تکمیل احکام آن در زمینه ضمانت اجرا و روزآمدسازی مشمولین، فرآیندها، نرخ ها، معافیت ها، دامنه شمول و آستانه معافیت نقش مهمی در کاهش شکاف مالیات بر ارزش افزوده و افزایش درآمد پایدار دولت و شهرداری ها دارد.
کلیدواژه ها:
نویسندگان
حجت ایزدخواستی
استادیار اقتصاد دانشکده اقتصاد و علوم سیاسی دانشگاه شهید بهشتی، تهران، 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 :