The Impact of Income and Taxation in a Price-Tiered Cigarette Market: findings from the ITC Bangladesh Surveys
Notice bibliographique
Résumé
BACKGROUND: Taxing tobacco is among the most effective measures of tobacco control. However, in a tiered market structure where multiple tiers of taxes coexist, the anticipated impact of tobacco taxes on consumption is complex. This paper investigates changing smoking behaviour in lieu of changing prices and changing income. The objective of the paper is to evaluate the effectiveness of change in prices (through taxes) and change in income in a price-tiered cigarette market. METHOD: A panel dataset from the International Tobacco Control Bangladesh surveys is used for analysis. For preliminary analysis transition matrices are developed. Next, probit and multinomial logit regression models are used to identify the effects of changes in prices and changes in income along with other control variables. FINDINGS: Transition matrices show significant movement of smokers across price tiers from one wave to another. Regression results show that higher income raises the probability to up-trade and decreases the probability to down-trade. Results also show that higher prices raises the probability to up-trade and reduces the probability to down-trade. Although not significant, there exists a negative relationship between the probability to down-trade and the probability to intend to quit. CONCLUSION: It is evident from the results that a price-tiered market provides smokers more opportunities to accommodate their smoking behaviour when faced with price and income change. Therefore, tiered structure of the tax system should be replaced with uniform taxes. Moreover, overall cigarette taxes need to be raised to an extent so that it off-sets any positive effects of income growth.
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 | 0,001 |
| 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 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 ».