MétaCan
Menu
Retour à la cohorte
Enregistrement W3121558469 · doi:10.1093/aler/ahw007

Defaults, Mandates, and Taxes: Policy Design with Active and Passive Decision-Makers

2016· article· en· W3121558469 sur OpenAlex
Jacob Goldin, Nicholas Lawson

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAmerican Law and Economics Review · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésDefaultMandateSubsidyFraming (construction)EconomicsPublic economicsActuarial scienceMicroeconomicsFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

Growing evidence suggests that many people are surprisingly responsive to unconventional policy tools, such as defaults or choice-framing, yet unresponsive to conventional ones, such as taxes or subsidies. This article studies the optimal choice of policy instrument in settings characterized by such features. We utilize a simple binary-choice model in which decision-makers are either active or passive; active choosers make their decisions by comparing perceived costs and benefits whereas passive choosers select whichever option is the default. From this simple model, a number of results emerge. First, manipulating the default option is preferable to imposing a mandate when active choosers tend to make correct decisions. Second, taxes and defaults are complements, not substitutes; employing the two types of instruments in conjunction can yield better results than utilizing either one alone. Finally, the optimal combination of taxes and defaults is typically preferable to a mandate even in settings where active choosers are prone to biases. The results establish important limits on the range of settings in which mandates are an efficient policy response to decision-maker errors.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,631
Score d'incertitude au seuil0,902

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,227
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle