The Incidence of Taxes on Sugar-Sweetened Beverages: The Case of Berkeley, California
Notice bibliographique
Résumé
Obesity and diet-related chronic disease are increasing problems worldwide.In response, many governments have enacted or are considering taxes on energy-dense foods.Perhaps the most commonly-recommended policy is a tax on sugar-sweetened beverages (SSBs).This paper estimates the extent to which a tax on SSBs is passed through to consumers in the form of higher prices.We examine the first city-level tax on SSBs in the U.S., which was enacted by the voters of Berkeley, California in November, 2014.We collected the prices of various brands and sizes of SSBs and other beverages before and after the implementation of the tax from a near-census of convenience stores and supermarkets in Berkeley, California.We also collected prices from stores in a control city: San Francisco, where in a similar voter referendum failed despite majority support.Estimates from difference-in-differences models indicate that, across all brands and sizes of products examined, 43.1 percent (95 percent confidence interval: 27.7 percent -58.4 percent) of the Berkeley tax was passed on to consumers.The estimates also are consistent with cross-border shopping.For each mile of distance between the store and the closest store selling untaxed SSBs, pass-through rose 33.3 percent for 2-liter bottles and 25.8 percent for 12-packs of 12-ounce cans.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».