MétaCan
Menu
← Retour à la cohorte
Enregistrement W4223529820 · doi:10.32721/ctj.2022.70.1.pf.snoddon

Policy Forum: Carbon Taxes and Fiscal Federalism in Canada—A New Wrinkle to an Old Problem

2022· article· en· W4223529820 sur OpenAlexvenueaboutno aff
Tracy Snoddon

Notice bibliographique

RevueCanadian Tax Journal/Revue fiscale canadienne · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarbon taxRevenueTax revenueEconomicsTransfer paymentPaymentExciseFiscal federalismPublic economicsNatural resource economicsBusinessMonetary economicsFinanceGreenhouse gasMacroeconomicsMarket economyDecentralization

Résumé

récupéré en direct d'OpenAlex

The federal government intends to increase its minimum carbon tax from $40 per tonne of carbon emissions to $170 per tonne by 2030. The carbon tax increase will have uneven and potentially large impacts on provincial emissions and carbon tax revenue, but little is known about how decisions to recycle these revenues will affect equalization payments to provinces. This article compares baseline equalization payments with simulated payments under various revenue-recycling scenarios given a $170 minimum carbon tax. The simulations demonstrate that recycling carbon tax revenues with offsetting reductions in provincial personal or business income taxes, for example, lowers overall disparities in provincial governments' revenue-raising abilities and reduces the size of the equalization program needed to address these disparities. The article draws attention to an already controversial design feature of the program, the fixed-growth rule. The simulations show that the fixed-growth rule limits the impact of higher carbon tax revenues on equalization, by adjusting payments to ensure that the overall size of the program grows roughly in line with the economy. As a result, any potential savings in aggregate equalization payments from revenue recycling are not realized. The distribution of payments is also affected by the fixed-growth rule. Overequalization often results, with Quebec and sometimes Ontario as the main beneficiaries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,988

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0090,004
Communication savante0,0090,002
Science ouverte0,0020,001
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

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 Opus0,018
Tête enseignante GPT0,179
Écart entre enseignants0,161 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Tax Journal/Revue fiscale canadienne→Même sujetFiscal Policy and Economic Growth→Travaux en français237 207→