Alcohol excise taxes as a percentage of retail alcohol prices in 26 OECD countries
Notice bibliographique
Résumé
BACKGROUND: Many countries have implemented alcohol excise taxes. However, measures of excise taxes as a percentage of alcohol prices have not been systematically studied. METHODS: Data on the retail prices of alcoholic beverages sold in stores and excise taxes in 26 countries during 2003-2018 was from the Economist Intelligence Unit price city data and the Organization for Economic Co-operation and Development (OECD) tax database. The percentages of excise taxes in off-premise retail prices were derived as the ratio of taxes to prices at different price levels. Changes of excise taxes over time were assessed using negative binominal regressions. RESULTS: The percentage of excise taxes in average off-premise alcohol prices was from 5 % in Luxembourg to 59 % in Iceland for beer, and from 0 % in France to 26 % in Iceland for wine. Excise taxes accounted for 5% of discount liquor prices in Czech Republic to 41 % in Sweden for Cognac, for 19 % in the United States (US) to 67 % in Sweden for Gin, for 13 % in the US to 63 % in Australia for Scotch Whisky six years old, and for 6 % in Iceland to 76 % in Sweden for Liqueur Cointreau. There were no significant changes in the percentage of excise taxes in alcohol prices over time in most countries except for Nordic countries. While wine had the lowest excise taxes, liquors had the highest tax burden. CONCLUSION: Tax burden on alcoholic beverages is low in OECD countries, indicating ample room for increasing alcohol excise taxes, particularly for beer and wine in those countries.
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 | 0,001 |
| 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 | 0,000 |
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 ».