بررسی ارتباط بین مالیات بر ارزش افزوده با ثبات رویه، یکنواختی و رجحان محتوا بر شکل اطلاعات حسابداری

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 132

This Paper With 26 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_FAAR-15-59_006

تاریخ نمایه سازی: 19 شهریور 1402

Abstract:

چکیده هدف از این مقاله بررسی ارتباط بین مالیات بر ارزش افزوده با ثبات رویه، یکنواختی و رجحان محتوا بر شکل اطلاعات حسابداری می باشد. جامعه آماری این پژوهش شامل کارشناسان و متخصصین مالیاتی مالیات بر ارزش افزوده و صاحب­نظران سازمان امور مالیاتی و مودیان شرکت ها بوده که با استفاده از ۳۲۸ پرسشنامه مورد بررسی قرار گرفته و پرسشنامه­های مستخرج شده به وسیله طیف لیکرت بررسی شده­اند. همچنین روایی آن به وسیله آلفای کرنباخ سنجش شده و از نرم افزار آموس برای تجزیه و تحلیل داده ها استفاده گردیده است. نتایج آزمون رابطه مالیات بر ارزش افزوده با هر یک از متغیرهای مستقل به صورت جداگانه حاکی از آن است که تمامی فرضیه های مطرح شده با ۹۵٪ اطمینان مورد تایید قرار گرفته اند. یافته­های این پژوهش بیانگر ارتباط مستقیم مالیات بر ارزش افزوده با ثبات رویه، یکنواختی و رجحان محتوا بر شکل اطلاعات حسابداری می باشد. نتایج بیانگر این است که داشتن ثبات رویه، یکنواختی و رجحان محتوا بر شکل در اطلاعات حسابداری باعث می شود کیفیت حسابداری مالیات بر ارزش افزوده بهبود یابد. این نتایج می تواند به­وسیله سازمان حسابرسی، سازمان امور مالیاتی، مدیران و روسای حسابداری و کارکنان مالی جهت انجام عملیات مالی مورد استفاده قرار گیرد.

Keywords:

واژه های کلیدی: مالیات بر ارزش افزوده , ثبات رویه , یکنواختی , رجحان محتوا بر شکل

Authors

سارا یوسف زاده

گروه حسابداری، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

قدرت اله طالب نیا

گروه حسابداری، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

جلیل بیطاری

گروه حسابداری، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :