The Association between E-Cigarette Price and TV Advertising and the Sales of Smokeless Tobacco Products in the USA
Notice bibliographique
Résumé
This study aims to examine how e-cigarette prices and advertising, key determinants of e-cigarette demand, are associated with the demand for smokeless tobacco (SLT) products in the US. Market-level sales and price data by year (2010-2017), quarter, and type of retail store were compiled from Nielsen retail store scanner database. E-cigarette TV advertising ratings data were compiled from Kantar Media. Four-way (market, year, quarter, store type) fixed-effect models were used to estimate the associations between e-cigarette price and TV advertising and sales of SLT products (chewing loose leaf, moist snuff, and snus). Our results showed that a 1% rise in own price was associated with a reduction in sales by 1.8% for chewing loose leaf, 1.6% for moist snuff, and 2.2% for snus, respectively. In addition, a 1% rise in disposable e-cigarette price was associated with 0.3% and 0.6% increased sales for moist snuff and snus, respectively. The association between e-cigarette TV advertising and SLT product sales was not significant. Our results suggest that disposable e-cigarettes and certain SLT products (moist snuff and snus) are potential substitutes. Policies aiming to regulate e-cigarette use and sales need to consider their potential link with the demand for SLT products.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».