KoTaP

KoTaP数据集是针对2011年至2024年间在韩国KOSPI和KOSDAQ上市的1,754家非金融公司，共12,653个公司-年度观测值的长期面板数据集。该数据集旨在将企业避税作为预测变量，并将其与多个领域联系起来，包括盈利能力、增长、稳定性、市场估值和治理。数据集的主要避税指标包括现金有效税率、GAAP有效税率和账税差异。此外，数据集还包括约20个关键变量，涵盖盈利能力、增长、稳定性、市场估值和治理以及审计质量。该数据集为会计、金融和跨学科领域的研究提供了重要的开放资源。

The KoTaP Dataset is a long-term panel dataset comprising 12,653 firm-year observations from 1,754 non-financial firms listed on Korea's KOSPI and KOSDAQ markets between 2011 and 2024. This dataset employs corporate tax avoidance as a predictor variable and links it to multiple research domains including profitability, growth, firm stability, market valuation, and corporate governance. The core tax avoidance metrics included in the dataset are Cash Effective Tax Rate (CETR), GAAP Effective Tax Rate, and Book-Tax Difference (BTD). Additionally, the dataset contains approximately 20 key variables covering profitability, growth, firm stability, market valuation, corporate governance, and audit quality. This dataset serves as a critical open resource for research in the fields of accounting, finance, and interdisciplinary studies.

搜集汇总

数据集介绍

构建方式

在韩国企业税务研究领域，KoTaP数据集通过系统化流程构建而成。研究团队从韩国金融监督院DART系统手动收集2011-2024年间KOSPI和KOSDAQ上市非金融企业的原始财务数据，初始样本包含25,677个企业年度观测值。经过严格筛选，剔除财务数据不完整、非12月会计年度结束、资本抵减及税前利润为负的企业，最终形成包含12,653个企业年度观测值的平衡面板数据集。变量构建采用国际会计研究标准方法，通过现金流量表与利润表数据计算现金有效税率和GAAP有效税率，并基于修正琼斯模型推导可操纵性账面税收差异指标。

使用方法

该数据集支持多元化的应用场景。在学术研究层面，可用于比较深度学习模型与传统计量经济模型在税务预测中的表现，通过时间序列区块交叉验证进行外部有效性检验。政策制定者可借助数据集分析税制改革对企业税务行为的影响，评估反避税政策的实施效果。审计实务中可作为风险识别工具，通过长期追踪企业税务规避模式优化审计资源配置。投资分析领域则能整合财务与治理指标构建预测模型，提升企业估值和投资决策的精确度。数据集采用CSV格式存储，配套详细的变量定义文档和基线模型代码，确保研究可复现性。

背景与挑战

背景概述

韩国企业避税面板数据集（KoTaP）由韩国世明大学和昌原国立大学的研究团队于2024年联合创建，旨在构建2011-2024年间韩国KOSPI与KOSDAQ市场非金融上市企业的长期面板数据。该数据集以企业避税行为为核心解释变量，系统整合了盈余管理、盈利能力、财务稳定性、成长性与公司治理等多维指标，有效弥补了国际学术界对美国样本过度依赖的局限性。其创新性体现在将韩国特有的制度特征——如财阀主导的所有权结构、高外资持股比例及IFRS全面实施背景——融入国际可比研究框架，为会计金融领域的跨国比较研究提供了关键基础设施。

当前挑战

在领域问题层面，传统避税研究面临测量指标异质性、单一指标依赖及制度背景考量不足等结构性局限，而KoTaP通过构建现金有效税率、会计准则有效税率与税会差异指标的多维测量体系，需解决短期波动性、盈余管理共变性及披露制度依赖性等计量挑战。在构建过程中，研究团队需从韩国金融监督院DART系统手工采集约2.5万条原始观测值，通过剔除非十二月会计年度、资本抵损及负税前利润等样本，最终形成包含1,754家企业共12,653条观测值的平衡面板，其间需克服财务数据缺失值修复、异常值处理与变量标准化等复杂工序。

常用场景

经典使用场景

在会计与金融研究领域，KoTaP数据集为探索企业避税行为的多维特征提供了标准化分析框架。该数据集通过整合现金有效税率、GAAP有效税率及税会差异指标，构建了涵盖盈利能力、财务稳定性、成长性与公司治理的完整变量体系。其平衡面板结构支持纵向追踪研究，特别适用于分析韩国上市公司在IFRS全面实施后的避税策略演变，为比较制度环境对企业税务决策的影响提供了实证基础。

解决学术问题

KoTaP数据集有效解决了传统避税研究中测量指标单一、制度背景考量不足的局限性。通过多维避税指标的交叉验证，该数据集能够揭示企业避税与盈余管理、代理成本之间的内在关联。其涵盖的治理变量（如外资持股、大股东控制）为解析所有权结构对避税行为的调节作用提供了数据支撑，填补了非美国市场企业避税实证研究的空白，推动了国际比较会计研究的发展。

实际应用

在实践层面，KoTaP数据集为政策制定者评估税收改革成效提供了微观证据基础。监管机构可借助该数据集识别系统性避税风险，优化审计资源配置。投资机构则能通过分析企业避税模式与财务稳健性的关联，完善估值模型与风险定价机制。此外，数据集支持的机器学习预测框架，为税务机关构建动态风险监测系统提供了技术可行性。

数据集最近研究

最新研究方向

在韩国企业避税研究领域，KoTaP数据集正推动多维指标整合与人工智能方法的前沿探索。该数据集通过结合现金有效税率、会计准则有效税率及税会差异指标，构建了覆盖企业绩效、治理结构和市场估值的综合框架，有效克服了传统研究中单一指标的局限性。随着全球税基侵蚀与利润转移（BEPS）倡议的推进，该数据集为分析制度变革对企业避税策略的因果效应提供了实证基础，同时支持机器学习模型在避税风险预测中的创新应用。其平衡面板结构与标准化变量设计，不仅增强了国际可比性，更为政策评估和审计规划提供了可靠的数据基础设施。

相关研究论文

• 通过

  韩国成均馆大学、韩国昌原国立大学 · 2025年