Notice bibliographique
Résumé
Introduction Specific excise rates for tobacco products increased in Ukraine by 40% in 2016, 40% in 2017 and 29.8% in 2018. The aim of the research is to estimate the impact of these increases on tobacco prices, consumption, and revenue. Methods Monthly data published by Ukrainian official bodies were analyzed. Results In 2016, the average price increased by 7% while inflation was 14%. In 2017 and 2018, the average price increased by 35% and 28% with inflation of 14% and 10%. Cigarette sales increased from 73 billion sticks in 2015 to 76 billion in 2016 but then decreased to 67 billion in 2017 and 55 billion cigarettes in 2018. Tobacco excise revenue increased in 2016 by 59%: from 22 billion to 33 billion UAH, while in 2017, it increased to 40 billion UAH (by 20%) and in 2018 – to 43 billion UAH (by 8%). In 2018, the revenue was 15 billion and 28 billion UAH in January-June and July-December respectively. Conclusions In three years excise increased by 154% and it caused an increase in price by 84%, reduction in sales by 25% and an increase in revenue by 94%. So, in long term, tobacco excise increase did have the expected impact. However, in short term, the impact can vary as the tobacco industry uses sophisticated tactics to distort the results of tobacco taxation: price wars and price over-shifting, forestalling and others. Such tactics should be taken into account when forecasting the possible impacts of proposed tax increases.
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) | 0,000 | 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) | 0,001 | 0,001 |
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 ».