Optimal environmental policy and distortionary fiscal policy interactions: A DSGE perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study examines the interactions between optimal environmental and distortionary fiscal policies within a dynamic stochastic general equilibrium (DSGE) framework using analytical and quantitative methods. We demonstrate that the marginal cost of public funds can exceed, be equal, or fall below one, based on utility specifications and the degree of relative risk aversion. This variation can lead to under-, over-, or optimally taxed environmental damages, with the latter two suggesting the potential for a strong double dividend. Furthermore, we challenge conventional labor tax smoothing theory, showing that a Ramsey-optimal policy allows labor tax volatility in the absence of carbon taxation. Our quantitative analysis reveals that an effective carbon policy reduces fluctuations and significantly mitigates contractions in major economic variables such as GDP, consumption, and welfare in response to environmental shocks. Increased pollution leads to higher emission costs, prompting the Ramsey planner to raise the carbon tax and increase abatement efforts. However, positive government spending or productivity shocks increase the cost of abatement, leading to lower carbon taxes. • Preexisting fiscal policies have complex effects on optimal carbon taxes. • MCPF defines the difference between first- and second-best carbon taxes. • Utility function’s form and degree of relative risk aversion determine MCPF. • Labor tax volatility is Ramsey-optimal in the absence of carbon tax policy. • Carbon taxes stabilize macroeconomic variables during environmental shocks.
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.
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 | 0,001 | 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 découle