Economic Approaches to Estimating Benefits of Regulations Affecting Addictive Goods
Notice bibliographique
Résumé
The question of how to evaluate lost consumer surplus in benefit−cost analyses has been contentious. There are clear health benefits of regulations that curb consumption of goods with health risks, such as tobacco products and foods high in fats, calories, sugar, and sodium. Yet, if regulations cause consumers to give up goods they like, the health benefits they experience may be offset by some utility loss, which benefit−cost analyses of regulations need to take into account. This paper lays out the complications of measuring benefits of regulations aiming to curb consumption of addictive and habitual goods, rooted in the fact that consumers’ observed demand for such goods may not be in line with their true preferences. Focusing on the important case of tobacco products, the paper describes four possible approaches for estimating benefits when consumers’ preferences may not be aligned with their behavior, and identifies one as having the best feasibility for use in applied benefit−cost analyses in the near term. The question of how to evaluate lost consumer surplus in benefit−cost analyses has been contentious. There are clear health benefits of regulations that curb consumption of goods with health risks, such as tobacco products and foods high in fats, calories, sugar, and sodium. Yet, if regulations cause consumers to give up goods they like, the health benefits they experience may be offset by some utility loss, which benefit−cost analyses of regulations need to take into account. This paper lays out the complications of measuring benefits of regulations aiming to curb consumption of addictive and habitual goods, rooted in the fact that consumers’ observed demand for such goods may not be in line with their true preferences. Focusing on the important case of tobacco products, the paper describes four possible approaches for estimating benefits when consumers’ preferences may not be aligned with their behavior, and identifies one as having the best feasibility for use in applied benefit−cost analyses in the near term.
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 | 0,020 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».