Who Benefits From Government Tax-Subsidies for Corporate Charitable Food Donations?
Notice bibliographique
Résumé
Leveraging government tax incentives to prompt corporate charitable giving has gained considerable popularity over the past decade. This paper sheds light on the broader consequences of the U.S. government's tax-subsidy policy for charitable food donations, which is determined based on the fair market value (FMV) of the donated products. We incorporate the tax-subsidy into a monopolist food retailer's after-tax profit function. Market demand is both price- and quality-dependent, and the shelf-life of the goods is determined by their initial quality and deterioration rate. The retailer makes joint quantity and pricing decisions over two periods, procuring goods at the start of the selling season and (possibly) donating at the end of period 1. We characterize the retailer's optimal policy and specify conditions under which she donates some, all, or none of her leftover inventory. We explore the impact of government tax-subsidies on the retailer's actions, consumer surplus, quantity of donations, and total welfare. We show that tax-subsidies may motivate retailers to intentionally create supply scarcity (by donating more) to increase FMV (determined by the second-period price), thereby enhancing tax deductions. While tax-subsidies encourage donations, they can also unintentionally harm consumers by reducing supply and raising prices. Interestingly, we show that a higher subsidy does not necessarily lead to more donations; the retailer may choose to donate fewer units to achieve the same tax deduction while increasing sales revenue. We investigate conditions under which tax-subsidies can simultaneously increase donations, consumer surplus, and retail profit. We show that this outcome is possible only when retailers donate low-quality goods in modest quantities. Our findings reveal how FMV-dependent tax-subsidies can backfire, reducing both consumer surplus and total welfare while benefiting the retailer. Governments must carefully weigh the benefits of donations against potential harm caused to consumers.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 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 ».