Taxation des boissons sucrées : estimation de l'élasticité-prix de la demande
Notice bibliographique
Résumé
L’objectif principal de ce mémoire est de déterminer la sensibilité des consommateurs de boissons sucrées, soit celles classées dans la catégorie « à limiter » qui inclut les boissons gazeuses régulières et diètes, les boissons aux fruits et les boissons énergisantes, face à un changement de prix. De manière plus précise, nous cherchons à estimer l’élasticité-prix de la demande de boissons sucrées. Pour ce faire, nous combinons certaines données sociodémographiques du recensement de 2016 aux données Nielsen. À partir de ces données, nous pouvons estimer le modèle de Berry-Levinsohn-Pakes (BLP) afin de déterminer les préférences des consommateurs en boissons non alcoolisées. Les résultats suggèrent que les consommateurs de boissons énergisantes sont ceux qui réagissent le plus fortement à un changement de prix, alors que les consommateurs de boissons gazeuses sont ceux qui réagissent le moins fortement à un changement de prix. L’élasticité-prix de la demande des boissons « à limiter » se situe entre celle des États-Unis (-1,37) et celle de la France (-3,46). Pour finir, nous utilisons les élasticités-prix et les élasticités-prix croisées de la demande de diverses boissons pour simuler l’impact potentiel de l’implantation d’une taxe sur la consommation de boissons sucrées. Nous simulons trois types de taxation, soit une taxe sur le prix courant, une taxe sur le volume du produit et une taxe sur la quantité de sucre. Les trois simulations mènent à des résultats différents, surtout pour les boissons gazeuses diètes et les boissons énergisantes. Ainsi, une taxe mixte serait la plus avantageuse pour modifier les habitudes de consommation. Elle comprendrait une taxe en pourcentage du prix pour les boissons édulcorées artificiellement et une taxe par gramme de sucre pour les boissons contenant des sucres ajoutés. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Taxation, boissons sucrées, élasticités-prix, sucre, modèle Berry-Levinsohn-Pakes (BLP)
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».