Environmentally related taxes and their influence on decarbonization of the economy
Notice bibliographique
Résumé
Environmental taxes ensure sustainable development, but their fiscal and environmental effectiveness differs for countries with different socio-economic characteristics. This study aims to compare the impact of environmental tax revenues on economy’s decarbonization (measured through carbon productivity – the ratio of GDP to carbon dioxide emissions) in different countries, considering their green technologies development and carbon emissions. The paper analyzed OECD and World Bank statistical data for 38 OECD countries for 2002–2021 using linear panel regression models with fixed and random effects (using Hausman test and STATA 18). To identify explicit and latent patterns of this influence, which are common to certain countries, this analysis did not consider each country separately but targeted clusters, distinguished by Ward and Sturges methods based on the effective tax rate on carbon emissions, total environmental tax revenues, total carbon emissions, and carbon productivity. The positive influence of environmental tax revenues on the economy’s decarbonization level has been confirmed for 29 countries (four from six clusters). The effect is the largest for the USA (an increase in tax revenues by 1% leads to an increase in carbon productivity by 0.9% on average) and the smallest – for the cluster including Austria, Belgium, Canada, Costa Rica, Czechia, Estonia, France, Germany, Hungary, Iceland, Korea, Lithuania, New Zealand, Poland, Portugal, Slovakia, Spain, and the Great Britain (increase – 0.1%). The negative impact was confirmed for nine countries (two from six clusters): Denmark, Finland, Israel, Latvia, and Sweden (decrease – 0.3%) and Greece, Italy, the Netherlands, and Slovenia (decrease – 0.21%).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».