MétaCan
Menu
Retour à la cohorte
Enregistrement W7128617317 · doi:10.26180/5084668

Short-run effects of a carbon tax

2017· article· W7128617317 sur OpenAlexaboutno aff

Notice bibliographique

RevueMonash University · 2017
Typearticle
Langue
DomaineDecision Sciences
Thématiquedemographic modeling and climate adaptation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarbon taxWageRevenueTax revenueConsumption (sociology)Greenhouse gasCarbon fibersTax rate

Résumé

récupéré en direct d'OpenAlex

This paper presents estimates of short-run sectoral and economy-wide effects of the introduction of a carbon tax in Australia. The results are derived using an enhanced version of the ORANI multi-sectoral model of the Australian economy. We simulate the introduction of a carbon tax at a rate of 1991-92 $25 per tonne, designed to achieve the Toronto target of a 20 per cent reduction in carbon dioxide emissions below the 1988 level by 2005. We find that the macroeconomic impact would depend critically on the extent to which price rises flowed through into wage rates. Assuming fixed money wages, real GDP would be decreased by an estimated 0.9 per cent, and employment by 1.2 per cent. To maintain a given employment level in the face of the carbon tax would require a reduction in the foreign-currency-equivalent wage rate estimated at 2.8 per cent. This would also entail a decrease in the real wage rate (defined with respect to the consumption price deflator) of 2.8 per cent. Government could promote lower wage outcomes by returning the carbon tax revenue to the community through reductions in other taxes. Enhancements to ORANI used in this simulation include disaggregation of the fossil fuel sector and provision for carbon taxation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,298
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMonash UniversityMême sujetdemographic modeling and climate adaptationTravaux en français237 207