MétaCan
Menu
Retour à la cohorte
Enregistrement W4366828172 · doi:10.1080/00036846.2023.2205100

Excise tax incidence: the inequity of taxing obesity and beauty

2023· article· en· W4366828172 sur OpenAlexaff
Osaid Alshamleh, Glenn P. Jenkins, Tufan Ekici

Notice bibliographique

RevueApplied Economics · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésExciseEconomicsConsumption (sociology)Consumer Expenditure SurveyDistribution (mathematics)Tax revenuePublic economicsDemographic economics

Résumé

récupéré en direct d'OpenAlex

The estimation and analysis of the distribution of the negative health impacts of certain commodities subject to excise taxes in Belize and the distribution of the burdens of the excise taxes across households of different income levels are the focus of this article. Particular attention is given to the taxation of soft drinks and cosmetics. We examine the income distribution and tax revenue impacts using the commodity data from the household expenditure survey by and the effective tax rates expressed as a percentage of the value of the final consumption of each item. As in many developing countries, taxes on alcoholic beverages and tobacco products are found to be regressive. The most regressive excise taxes are on soft drinks and cosmetics. Households across the economy pay more in excise taxes on cosmetics than they do on either alcoholic beverages or tobacco products. Relative to the level of household expenditures, the burden of the excise taxes on cosmetics is highest for households in the lowest quintile of total expenditures. The impact of soft drinks in creating obesity is likely to be much greater for high income households whose total consumption per household is twice that of low-income households.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,851
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,014
Tête enseignante GPT0,214
Écart entre enseignants0,200 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied EconomicsMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207