Determinants of smoking intensity in South Africa: Evidence from township communities
Notice bibliographique
Résumé
In order to analyze the smoking patterns in economically disadvantaged communities in South Africa, this paper examines the determinants of smoking intensity, using pooled data on price and non-price determinants of smoking from two cross-sectional surveys conducted in 2017 and 2018 to investigate the drivers of conditional cigarette demand among daily smokers. The analysis was done using a negative binomial regression. The results show that smokers reduce the number of cigarettes smoked daily when cigarette prices increase. The conditional price elasticity of cigarette demand of -0.295 for the overall sample shows that a 10% increase in cigarette price leads to a 2.95% decline in cigarette consumption among smokers. For young smokers, a 10% increase in cigarette price causes their smoking intensity to fall by 5%. Similar to other studies, the response of female smokers to cigarette price changes is statistically insignificant. Other factors affecting the conditional demand for cigarettes are education, race, single stick sales, gender, wealth, and age. We conclude that cigarette prices play a significant role in reducing smoking intensity among the South African poor. Since the magnitude of the price effect varies across age groups, races, and genders, the policy of higher tobacco excise taxes should be accompanied by interventions targeted at those less responsive to price-related measures.
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) | 0,001 | 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 ».