DISTRIBUTIONAL IMPLICATIONS OF A NATIONAL CO<sub>2</sub>TAX IN THE U.S. ACROSS INCOME CLASSES AND REGIONS: A MULTI-MODEL OVERVIEW
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents a multi-model assessment of the distributional impacts of carbon pricing. A set of harmonized representative CO 2 taxes and tax revenue recycling schemes is implemented in five large-scale economy-wide general equilibrium models. Recycling schemes include various combinations of uniform transfers to households and labor and capital income tax reductions. Particular focus is put on equity — the distribution of impacts across household incomes — and efficiency, evaluated in terms of household welfare. Despite important differences in the assumptions underlying the models, we find general agreement regarding the ranking of recycling schemes in terms of both efficiency and equity. All models identify a clear trade-off between efficient but regressive capital tax reductions and progressive but costly uniform transfers to households; all agree upon the inferiority of labor tax reductions in terms of welfare efficiency; and all agree that different combinations of capital tax reductions and household transfers can be used to balance efficiency and distributional concerns. A subset of the models go further and find that equity concerns, particularly regarding the impact of the tax on low income households, can be alleviated without sacrificing much of the double-dividend benefits offered by capital tax rebates. There is, however, less agreement regarding the progressivity of CO 2 taxation net of revenue recycling. Regionally, the models agree that abatement and welfare impacts will vary considerably across regions of the U.S. and generally agree on their broad geographical distribution. There is, however, little agreement regarding the regions which would profit more from the various recycling schemes.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle