Replication of Goolsbee, Lovenheim, and Slemrod’s “Playing with Fire: Cigarettes, Taxes, and Competition from the Internet” ( <i>American Economic Journal: Economic Policy</i> , 2010)
Notice bibliographique
Résumé
This study replicates the empirical findings of Goolsbee, Lovenheim and Slemrod, henceforth GLS, and performs a variety of robustness checks. Using taxable cigarette consumption, real cigarette excise tax rates, wholesale cigarette prices, per capita income, and other state-level data for the period 1980–2005, GLS report that rising Internet penetration in the presence of cigarette taxes has a significant causal effect on the elasticity of demand for taxable cigarettes. I am able to exactly replicate GLS’s findings, and explore their robustness in three ways. First, I examine sensitivity to the removal of outlier cohorts of states from the data. Second, I use population-unweighted state-year observations in place of GLS’s population-weighted state-year observations. Third, I probe the robustness of GLS’s key interaction term (real state cigarette taxes * Internet penetration) by (i) adding Internet penetration interaction terms to all main effects in the model and (ii) performing an orthogonalization procedure (Balli and Sørensen, 2013) to purge from GLS’s estimate of the key interaction term any spurious correlation that might exist between Internet penetration and the included variables, which would then be loaded on to the interaction between Internet penetration and cigarette taxes. GLS’s results were robust to all but the orthogonalization procedure. This raises the possibility that the effect identified by GLS is an artifact of spurious correlation between Internet penetration and cigarette taxes over time. In sum, GLS’s data may have insufficient power to identify the stand-alone effect of Internet penetration on cigarette tax-sales elasticities in a fully-interacted model.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».