Cigarette tax avoidance and evasion: findings from the International Tobacco Control Policy Evaluation (ITC) Project
Notice bibliographique
Résumé
BACKGROUND: Decades of research have produced overwhelming evidence that tobacco taxes reduce tobacco use and increase government tax revenue. The magnitude and effectiveness of taxes in reducing tobacco use provide an incentive for tobacco users, manufacturers and others, most notably criminal networks, to devise ways to avoid or evade tobacco taxes. Consequently, tobacco tax avoidance and tax evasion can reduce the public health and fiscal benefit of tobacco taxes. OBJECTIVES: First, this study aims to document, using data from the International Tobacco Control Policy Evaluation Project (ITC), levels and trends in cigarette users' tax avoidance and tax evasion behaviour in a sample of 16 low-, middle- and high-income countries. Second, this study explores factors associated with cigarette tax avoidance and evasion. METHODS: We used data from ITC surveys conducted in 16 countries to estimate the extent and type of cigarette tax avoidance/evasion between countries and across time. We used self-reported information about the source of a smoker's last purchase of cigarettes or self-reported packaging information, or similar information gathered by the interviewers during face-to-face interviews to measure tax avoidance/evasion behaviours. We used generalised estimating equations to explore individual-level factors that may affect the likelihood of cigarette tax avoidance or evasion in Canada, the USA, the UK and France. FINDINGS: We found prevalence estimates of cigarette tax avoidance/evasion vary substantially between countries and across time. In Canada, France and the UK, more than 10% of smokers reported last purchasing cigarettes from low or untaxed sources, while in Malaysia some prevalence estimates suggested substantial cigarette tax avoidance/evasion. We also found important associations between household income and education and the likelihood to engage in tax avoidance/evasion. These associations, however, varied both in direction and magnitude across countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,073 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».