Optimal environmental policy and distortionary fiscal policy interactions: A DSGE perspective
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.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».