MétaCan
Menu
Retour à la cohorte
Enregistrement W4308067518 · doi:10.32721/ctj.2022.70.3.wood

Is Revenue Neutrality in Carbon Taxation Possible in Practice? Lessons from the Canadian Experience

2022· article· en· W4308067518 sur OpenAlexvenueaboutno aff
Joel Wood

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 neutralityTax reformRevenuePublic economicsIndirect taxAd valorem taxValue-added taxEconomicsCarbon taxDirect taxTax creditDouble taxationBusinessFinanceGreenhouse gas

Résumé

récupéré en direct d'OpenAlex

While the potential economic efficiency, equity, and political acceptability benefits of a revenue-neutral carbon tax have been well studied, a deeper question remains about the feasibility of revenue neutrality in practice. This article provides perspective on this issue by assessing different definitions of revenue neutrality and presenting an in-depth discussion of the motivations for the adoption of revenue-neutral carbon taxes. Two examples of carbon taxes and revenue recycling implemented in Canada are examined: British Columbia's revenue-neutral carbon tax (a carbon tax with offsetting tax cuts) and the Canadian federal government's fuel charge and climate action incentive tax credit (a carbon tax and dividend). The BC case serves to highlight the inherent difficulties of assessing revenue neutrality owing to uncertainty about what would have occurred in the absence of the tax. As time passes following initial implementation of the tax, it becomes increasingly difficult to determine whether, and to what extent, government revenue, income tax rates, the overall tax structure, and the tax base might have differed had the tax not been adopted. The federal example suggests that a carbon tax and dividend policy would be better able to ensure revenue neutrality.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,324
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,238
Écart entre enseignants0,189 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Tax Journal/Revue fiscale canadienneMême sujetFiscal Policy and Economic GrowthTravaux en français237 207