The effects of price and non-price policies on cigarette consumption in South Africa
Notice bibliographique
Résumé
INTRODUCTION: The health consequences of smoking are serious and have been frequently detailed. A reduction in tobacco-related mortality hinges upon the ability to reduce tobacco usage. There is overwhelming evidence that higher cigarette prices reduce the demand for cigarettes, but little is known about the combined effect of price and non-price policies. This paper seeks to extend the analysis of price elasticities by estimating the combined effect of changes in price and non-price legislations in South Africa. METHODS: Annual time-series data from 1961 to 2016 are used, with a policy index constructed to capture the instances of non-price tobacco legislation. We estimate the combined impact of changes in tobacco control policy on cigarette consumption using a vector error correction model (VECM) and a two-stage least squares (2SLS) model. RESULTS: The estimated long-run own-price elasticities lie between -0.55 and -0.72, while the income elasticities lie between 0.39 and 0.49. The coefficients of the changing tobacco control policies and the changing market structure show that they contribute to a modest reduction in cigarette consumption. The short-run deviations from the steady state are presented using the error correction term (ECT). CONCLUSIONS: Cigarette demand is responsive to cigarette prices and non-pricing policies but failure to control for non-pricing policies overstates the price effect. This suggests that both cigarette prices and non-pricing legislation are effective in reducing cigarette consumption.
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 | 0,000 | 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 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 ».