MétaCan
Menu
← Retour à la cohorte
Enregistrement W1573953004 · doi:10.3386/w9855

Tax Credits and the Use of Medical Care

2003· article· en· W1573953004 sur OpenAlexaff
Michael Smart, Mark Stabile

Notice bibliographique

RevueNational Bureau of Economic Research · 2003
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTaxable incomeBusinessPublic economicsTax creditHealth careState income taxActuarial sciencePrice elasticity of demandTax incentiveAd valorem taxTax reformEconomicsAccountingMicroeconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Several recent proposals have advocated using the income tax system to collect user fees to help fund the health care system.While there is a considerable amount of research investigating both how individuals respond to tax incentives for employer provided health insurance and on the effects of user fees payable at the point of service on the use of health care services, there is limited evidence on how individuals respond to tax incentives when these are not realized until taxes are paid.This paper uses existing exemptions in the Canadian tax code that allow individuals to deduct the cost of health care or health insurance from their taxable income in order to identify the tax price elasticity of demand for health care when price changes are realized at the end of the tax year.Our results suggest that despite not realizing the tax benefit at the time of purchase, individuals are quite responsive to changes in the tax price of health care.Our elasticity estimates for a wide range of health care products are well within the range of traditional price elasticity estimates, including in particular our estimates for prescription drugs.We also find some evidence that suggests individuals trade off risk sharing through traditional insurance companies with risk sharing through the tax code.That is, as the tax price of health care decreases, individuals spend more on health care, but spend less on health insurance.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,531
Tête enseignante GPT0,497
Écart entre enseignants0,034 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic Research→Même sujetHealthcare Policy and Management→Travaux en français237 207→