MétaCan
Menu
Retour à la cohorte
Enregistrement W2057602678 · doi:10.1007/s10198-010-0287-6

Do smoke-free laws affect revenues in pubs and restaurants?

2010· article· en· W2057602678 sur OpenAlexaff
Hans Olav Melberg, Karl Erik Lund

Notice bibliographique

RevueThe European Journal of Health Economics · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesnon disponible
Mots-clésRevenueHospitalityBusinessConsumption (sociology)Term (time)LawEconomicsAdvertisingFinancePolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

In the debate about laws regulating smoking in restaurants and pubs, there has been some controversy as to whether smoke-free laws would reduce revenues in the hospitality industry. Norway presents an interesting case for three reasons. First, it was among the first countries to implement smoke-free laws, so it is possible to assess the long-term effects. Second, it has a cold climate so if there is a negative effect on revenue one would expect to find it in Norway. Third, the data from Norway are detailed enough to distinguish between revenue from pubs and restaurants. Autoregressive integrated moving average (ARIMA) intervention analysis of bi-monthly observations of revenues in restaurants and pubs show that the law did not have a statistically significant long-term effect on revenue in restaurants or on restaurant revenue as a share of personal consumption. Similar analysis for pubs shows that there was no significant long-run effect on pub revenue.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,450
Score d'incertitude au seuil0,597

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,234
Écart entre enseignants0,198 · 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 tête enseignante, 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

Citations30
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe European Journal of Health EconomicsMême sujetEconomics of Agriculture and Food MarketsTravaux en français237 207