Effect of e-cigarette taxes on e-cigarette and cigarette retail prices and sales, USA, 2014–2019
Notice bibliographique
Résumé
OBJECTIVE: To use a standardised e-cigarette tax measure to examine the impact of e-cigarette taxes on the price and sales of e-cigarettes and cigarettes in the USA. DESIGN: We used State Line versions of NielsenIQ Retail Scanner data from quarter 4 of 2014 through quarter 4 of 2019 to calculate e-cigarette and cigarette prices and sales in 23 US states. We then estimated how these outcomes are associated with standardised state-level e-cigarette taxes, controlling for state fixed effects, quarter-by-year fixed effects, cigarette taxes, other tobacco control policies and other state-level time-varying characteristics. RESULTS: A real $1 increase in the e-cigarette standardised tax increases the price of 1 mL of e-liquid between $0.43 and $0.59 depending on specification. Controlling for fixed effects and cigarette taxes, a 10% increase in e-cigarette taxes is estimated to reduce e-cigarette sales by 0.5% and increase cigarette sales by 0.1%, though both results are attenuated and statistically insignificant in a model with full controls. CONCLUSIONS: Our study finds that e-cigarette taxes increase e-cigarette retail prices by approximately half of the tax. Further, e-cigarette taxes are associated with reduced sales of e-cigarettes and increased sales of cigarettes in some specifications. Our estimates are sizably lower than from other studies using sales and survey data.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».