EXPLORING THE IMPACTS OF A NATIONAL U.S. CO<sub>2</sub> TAX AND REVENUE RECYCLING OPTIONS WITH A COUPLED ELECTRICITY-ECONOMY MODEL
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 provides a comprehensive exploration of the impacts of economy-wide CO 2 taxes in the U.S. simulated using a detailed electric sector model [the National Renewable Energy Laboratory’s Regional Energy Deployment System (ReEDS)] linked with a computable general equilibrium model of the U.S. economy [the Massachusetts Institute of Technology’s U.S. Regional Energy Policy (USREP) model]. We implement various tax trajectories and options for using the revenue collected by the tax and describe their impact on household welfare and its distribution across income levels. Overall, we find that our top-down/bottom-up models affects estimates of the distribution and cost of emission reductions as well as the amount of revenue collected, but that these are mostly insensitive to the way the revenue is recycled. We find that substantial abatement opportunities through fuel switching and renewable penetration in the electricity sector allow the economy to accommodate extensive emissions reductions at relatively low cost. While welfare impacts are largely determined by the choice of revenue recycling scheme, all tax levels and schemes provide net benefits when accounting for the avoided global climate change benefits of emission reductions. Recycling revenue through capital income tax rebates is more efficient than labor income tax rebates or uniform transfers to households. While capital tax rebates substantially reduce the overall costs of emission abatement, they profit high income households the most and are regressive. We more generally identify a clear trade-off between equity and efficiency across the various recycling options. However, we show through a set of hybrid recycling schemes that it is possible to limit inequalities in impacts, particularly those on the lowest income households, at relatively little incremental cost.
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 | 0,001 |
| 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