DOI: https://doi.org/10.1007/s40847-024-00401-0
تاريخ النشر: 2025-01-13
المؤلف: Charles Shaaba Saba وآخرون
الموضوع الرئيسي: السياسة المالية والنمو الاقتصادي
نظرة عامة
تدرس هذه الدراسة التفاعل بين الذكاء الاصطناعي (AI) وإيرادات الضرائب وجودة المؤسسات والنمو الاقتصادي في دول البريكس (البرازيل وروسيا والهند والصين وجنوب إفريقيا) من 2012 إلى 2022، بهدف دعم الهدف 8 من أهداف التنمية المستدامة للأمم المتحدة للنمو الاقتصادي المستدام. باستخدام تقنية تقدير التأخير الموزع المعزز عبر الأقسام (CS-ARDL)، تحدد البحث علاقة توازن طويلة الأجل بين المتغيرات. تكشف النتائج عن علاقة سببية ثنائية الاتجاه بين إيرادات الضرائب والذكاء الاصطناعي، وكذلك بين النمو الاقتصادي وجودة المؤسسات، بينما تشير إلى أن الذكاء الاصطناعي وجودة المؤسسات لا تظهران علاقة سببية.
تشير النتائج إلى أن الذكاء الاصطناعي وإيرادات الضرائب وتكوين رأس المال تؤثر بشكل إيجابي على النمو الاقتصادي، على الرغم من أن تفاعل الذكاء الاصطناعي مع جودة المؤسسات قد يعيق النمو. بشكل محدد، تسلط الدراسة الضوء على الفوائد المحتملة لدمج الذكاء الاصطناعي في أنظمة الضرائب لتعزيز النمو، مع التحذير من الآثار السلبية لتفاعل الذكاء الاصطناعي مع جودة المؤسسات. يدعو المؤلفون إلى تطوير سياسات مؤسسية صديقة للذكاء الاصطناعي تعطي الأولوية للشفافية والأطر الأخلاقية والمشاركة العامة لتحسين جمع إيرادات الضرائب وتحسين جودة المؤسسات. تعترف الدراسة بالقيود المتعلقة بعدم اتساق بيانات الدول عبر الحدود وطبيعة تكنولوجيا الذكاء الاصطناعي المتطورة، مقترحة مجالات للبحث المستقبلي التي يمكن أن توفر رؤى أكثر دقة حول الآثار الاقتصادية للذكاء الاصطناعي عبر سياقات مختلفة.
مقدمة
تحدد مقدمة ورقة البحث السياق وأهمية الدراسة، التي تركز على دول البريكس بلس بعد القمة الخامسة عشرة للبريكس في أغسطس 2023. من الجدير بالذكر أن الأرجنتين سحبت طلبها للانضمام إلى الكتلة، بينما تظل المملكة العربية السعودية مشاركًا نشطًا. تهدف الدراسة إلى استكشاف التفاعل بين الذكاء الاصطناعي (AI) وإيرادات الضرائب وجودة المؤسسات، لا سيما في سياق النمو الاقتصادي المستدام كما هو موضح في الهدف 8 من أهداف التنمية المستدامة للأمم المتحدة. يؤكد المؤلفون على أهمية تعبئة الموارد المحلية (DRM) من خلال الضرائب من أجل التنمية الاقتصادية في إفريقيا، مشددين على الحاجة إلى تعزيز القدرات المالية لدول البريكس لتتوافق مع معايير منظمة التعاون والتنمية الاقتصادية.
تحدد الورقة الفجوات البحثية الحرجة المتعلقة بالتفاعلات بين الذكاء الاصطناعي وإيرادات الضرائب وجودة المؤسسات، والتي تعتبر ضرورية لفهم ديناميات النمو الاقتصادي في دول البريكس. يقترح المؤلفون التحقيق في العلاقات السببية والآثار القصيرة والطويلة الأجل لهذه المتغيرات على النمو الاقتصادي من 2012 إلى 2022. يستخدمون تقنيات اقتصادية متقدمة، بما في ذلك نموذج التأخير الموزع الذاتي عبر الأقسام (CS-ARDL)، لمعالجة قضايا الاعتماد عبر الأقسام والتباين بين دول البريكس. تهدف الدراسة إلى تقديم رؤى قيمة لصانعي السياسات والباحثين من خلال توضيح كيفية تعزيز الذكاء الاصطناعي لإدارة الضرائب وجودة المؤسسات، مما يعزز في النهاية النمو الاقتصادي في هذه الاقتصادات الناشئة.
الطرق
تستخدم الدراسة منهجية تجريبية للتحقيق في الظواهر المحددة، مستفيدة من مجموعة بيانات قوية تشمل متغيرات ذات صلة متنوعة. تضمنت عملية جمع البيانات تقنيات أخذ عينات منهجية لضمان التمثيل وتقليل التحيز. تم إجراء تحليلات إحصائية لتحديد الأنماط والعلاقات بين المتغيرات، باستخدام طرق مثل تحليل الانحدار واختبار الفرضيات للتحقق من النتائج.
يسمح النهج التجريبي للدراسة بإجراء فحص شامل للآليات الأساسية المعنية، مما يوفر رؤى ذات دلالة إحصائية وذات صلة عملية. تؤكد النتائج على أهمية المتغيرات المحددة في التأثير على النتائج المعنية، مما يساهم في الجسم المعرفي القائم في هذا المجال.
النتائج
تسلط النتائج التجريبية المقدمة في هذا القسم الضوء على النتائج الرئيسية للدراسة، موضحة وجود ارتباطات كبيرة بين المتغيرات قيد التحقيق. يكشف التحليل أن النموذج المقترح يتنبأ بالنتائج بدقة عالية، كما يتضح من المقاييس الإحصائية المستخدمة. من الجدير بالذكر أن النتائج تشير إلى أن المتغيرات المستقلة تمثل جزءًا كبيرًا من التباين في المتغير التابع، مما يشير إلى علاقة قوية.
علاوة على ذلك، توضح المناقشة تداعيات هذه النتائج، موضحة سياقها ضمن الأدبيات القائمة. تدعم النتائج ليس فقط الفرضيات الأولية ولكن أيضًا تقدم رؤى حول التطبيقات المحتملة واتجاهات البحث المستقبلية. بشكل عام، تعزز الأدلة التجريبية صحة الإطار النظري الذي تم تأسيسه في الدراسة، مما يساهم في فهم أعمق للظواهر التي تم فحصها.
المناقشة
يوفر قسم المناقشة في ورقة البحث مراجعة شاملة للأدبيات حول التفاعل بين الذكاء الاصطناعي (AI) وإيرادات الضرائب وجودة المؤسسات والنمو الاقتصادي، لا سيما ضمن دول البريكس بلس. يسلط الضوء على النتائج المتباينة في الدراسات الحالية بشأن تأثير الضرائب على النمو الاقتصادي، مشيرًا إلى أنه بينما يجد بعض الباحثين ارتباطًا إيجابيًا بين إيرادات الضرائب والنمو (مثل حمدي وسبيا، 2013)، يذكر آخرون آثارًا سلبية (مثل فوليستر وهينريكسون، 2001). تؤكد المراجعة على تعقيد هذه العلاقات، مقترحة أن عوامل مثل نوع الضريبة ونزاهة المؤسسات ومستوى التنمية الاقتصادية تؤثر بشكل كبير على النتائج. على سبيل المثال، تشير الدراسات إلى أن أنظمة الضرائب اللامركزية قد تحسن النمو بشكل أفضل من الأنظمة المركزية (هاتفيلد، 2015)، وأن جودة المؤسسات يمكن أن تتوسط آثار التهرب الضريبي على الناتج المحلي الإجمالي (أموه وآخرون، 2023).
يقترح القسم أيضًا عدة فرضيات تهدف إلى استكشاف هذه الديناميات المعقدة. تفترض الفرضيات H1 وH2 أن إيرادات الضرائب وجودة المؤسسات تؤثر بشكل إيجابي على النمو الاقتصادي في كل من الأجل القصير والطويل. بالإضافة إلى ذلك، تقترح الفرضيات H3 وH4 وH5 أن الذكاء الاصطناعي يؤثر بشكل إيجابي على النمو الاقتصادي ويعزز العلاقات بين جودة إيرادات الضرائب وجودة المؤسسات مع النمو الاقتصادي. تشمل الاستراتيجية التجريبية الموضحة طرقًا اقتصادية متقدمة مثل نموذج CS-ARDL وتحليلات بيانات اللوحات المختلفة، بهدف تقديم رؤى قوية حول المساهمات الفريدة للذكاء الاصطناعي والأطر المؤسسية في النمو الاقتصادي في سياق دول البريكس بلس. بشكل عام، تهدف النتائج إلى إبلاغ توصيات السياسات التي تتماشى مع الهدف 8 من أهداف التنمية المستدامة، مما يعزز النمو الاقتصادي المستدام من خلال استراتيجيات ضريبية ومؤسسية فعالة.
DOI: https://doi.org/10.1007/s40847-024-00401-0
Publication Date: 2025-01-13
Author(s): Charles Shaaba Saba et al.
Primary Topic: Fiscal Policy and Economic Growth
Overview
This study investigates the interplay between artificial intelligence (AI), tax revenue, institutional quality, and economic growth in the BRICS countries (Brazil, Russia, India, China, and South Africa) from 2012 to 2022, with the aim of supporting the United Nations Sustainable Development Goal 8 for sustainable economic growth. Employing the Cross-Sectional Augmented Autoregressive Distributed Lag (CS-ARDL) estimation technique, the research identifies a long-run equilibrium relationship among the variables. The findings reveal bidirectional causality between tax revenue and AI, as well as between economic growth and institutional quality, while indicating that AI and institutional quality do not exhibit a causal relationship.
The results suggest that AI, tax revenue, and capital formation positively influence economic growth, although the interaction of AI with institutional quality may hinder growth. Specifically, the study highlights the potential benefits of integrating AI into tax systems to enhance growth, while cautioning against the negative implications of AI’s interaction with institutional quality. The authors advocate for the development of AI-friendly institutional policies that prioritize transparency, ethical frameworks, and public engagement to optimize tax revenue collection and improve institutional quality. The study acknowledges limitations related to cross-country data inconsistencies and the evolving nature of AI technology, suggesting avenues for future research that could provide more nuanced insights into the economic impacts of AI across different contexts.
Introduction
The introduction of the research paper outlines the context and significance of the study, which focuses on the BRICS-Plus countries following the 15th BRICS Summit in August 2023. Notably, Argentina withdrew its application to join the bloc, while Saudi Arabia remains an active participant. The study aims to explore the interplay between artificial intelligence (AI), tax revenue, and institutional quality, particularly in the context of sustainable economic growth as outlined by the United Nations Sustainable Development Goal 8. The authors emphasize the importance of domestic resource mobilization (DRM) through taxation for economic development in Africa, highlighting the need for BRICS nations to enhance their fiscal capacities to align with OECD standards.
The paper identifies critical research gaps regarding the interactions among AI, tax revenue, and institutional quality, which are essential for understanding economic growth dynamics in BRICS countries. The authors propose to investigate causal relationships and the short- and long-term impacts of these variables on economic growth from 2012 to 2022. They utilize advanced econometric techniques, including the Cross-Sectional Autoregressive Distributed Lag (CS-ARDL) model, to address issues of cross-sectional dependence and heterogeneity among the BRICS nations. The study aims to provide valuable insights for policymakers and researchers by elucidating how AI can enhance tax administration and institutional quality, ultimately fostering economic growth in these emerging economies.
Methods
The research employs an empirical methodology to investigate the specified phenomena, utilizing a robust dataset that encompasses various relevant variables. The data collection process involved systematic sampling techniques to ensure representativeness and minimize bias. Statistical analyses were conducted to identify patterns and relationships among the variables, employing methods such as regression analysis and hypothesis testing to validate the findings.
The study’s empirical approach allows for a comprehensive examination of the underlying mechanisms at play, providing insights that are both statistically significant and practically relevant. The results underscore the importance of the identified variables in influencing the outcomes of interest, thereby contributing to the existing body of knowledge in the field.
Results
The empirical results presented in this section highlight the key findings of the study, demonstrating significant correlations between the variables under investigation. The analysis reveals that the proposed model effectively predicts outcomes with a high degree of accuracy, as evidenced by the statistical metrics employed. Notably, the results indicate that the independent variables account for a substantial portion of the variance in the dependent variable, suggesting a strong relationship.
Furthermore, the discussion elaborates on the implications of these findings, contextualizing them within the existing literature. The results not only support the initial hypotheses but also provide insights into potential applications and future research directions. Overall, the empirical evidence reinforces the validity of the theoretical framework established in the study, contributing to a deeper understanding of the phenomena examined.
Discussion
The discussion section of the research paper provides a comprehensive literature review on the interplay between artificial intelligence (AI), tax revenue, institutional quality, and economic growth, particularly within BRICS-Plus countries. It highlights the divergent findings in existing studies regarding the impact of taxation on economic growth, noting that while some researchers find a positive correlation between tax revenue and growth (e.g., Hamdi and Sbia, 2013), others report negative effects (e.g., Fölster and Henrekson, 2001). The review emphasizes the complexity of these relationships, suggesting that factors such as the type of tax, the integrity of institutions, and the level of economic development significantly influence outcomes. For instance, studies indicate that decentralized tax systems may optimize growth better than centralized ones (Hatfield, 2015), and that institutional quality can mediate the effects of tax evasion on GDP (Amoh et al., 2023).
The section further proposes several hypotheses aimed at exploring these intricate dynamics. Hypotheses H1 and H2 posit that tax revenue and institutional quality positively influence economic growth in both the short and long run. Additionally, hypotheses H3, H4, and H5 suggest that AI positively affects economic growth and enhances the relationships between tax revenue quality and institutional quality with economic growth. The empirical strategy outlined includes advanced econometric methods such as the CS-ARDL model and various panel data analyses, aiming to provide robust insights into the unique contributions of AI and institutional frameworks to economic growth in the context of BRICS-Plus countries. Overall, the findings aim to inform policy recommendations that align with Sustainable Development Goal 8, promoting sustainable economic growth through effective tax and institutional strategies.