The heterogeneous effects of cigarette prices on brand choice in China: implications for tobacco control policy
Notice bibliographique
Résumé
BACKGROUND: China has long kept its tobacco taxes below international standards. The Chinese government has cited two rationales against raising tobacco tax, namely, the unfair burden it places on low-income smokers and the ability of consumers to switch to cheaper brands. OBJECTIVE: This study examines how different socioeconomic subgroups of Chinese smokers switch brands in response to cigarette price changes. METHODS: We model smokers' choice of cigarette tier as a function of tier-specific prices. We examine heterogeneous responses to prices by estimating mixed logit models for different income and education subgroups that allow for random variation in smokers' preferences. We use data from three waves of the longitudinal International Tobacco Control China Survey, collected in six large Chinese cities between 2006 and 2009. FINDINGS: Low-income and less educated smokers are considerably more likely to switch tiers (including both up-trading and down-trading) than are their high-socioeconomic status (SES) counterparts. For those in the second-to-lowest tier, a ¥1 ($0.16, or roughly 25%) rise in prices increases the likelihood of switching tiers by 5.6% points for low-income smokers and 7.2% points for less educated smokers, compared to 1.6% and 3.0% points for the corresponding high-SES groups. Low-income and less educated groups are also more likely to trade down compared to their high-SES counterparts. CONCLUSIONS: Only a small percentage of low-income and less educated Chinese smokers switched to cheaper brands in response to price increases. Hence, the concern of the Chinese government that a cigarette tax increase will lead to large-scale brand switching is not supported by this study.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».