Carbon Pricing Costs for Households and the Progressivity of Revenue Recycling Options in Canada
Bibliographic record
Abstract
La politique fédérale canadienne exige que toutes les provinces et tous les territoires adoptent un prix plancher sur les émissions de gaz à effet de serre ou se dotent d’un instrument équivalent de mesure quantitative. Les provinces qui mettent en place un système conforme au modèle fédéral conservent le contrôle de leurs revenus. Les provinces qui n’établissent pas de tarif pour la pollution par le carbone sont assujetties à un système de tarification administré par le gouvernement fédéral, qui redistribue les revenus aux ménages au moyen de rabais forfaitaires. À partir d’un riche ensemble de microdonnées synthétiques sur les ménages, nous quantifions pour chaque province le fardeau fiscal direct et indirect des ménages et les revenus provenant de la tarification du carbone. Nous calculons également pour chacune la part du revenu disponible provenant de la tarification du carbone. À l’aide de ces données, nous mesurons le cout net pour les ménages et la progressivité globale de la tarification du carbone, selon quatre scénarios de recyclage des recettes : (a) une augmentation du crédit pour la taxe de vente en fonction du critère de revenus, (b) un dividende forfaitaire, (c) une diminution du taux de la taxe de vente, et (d) une augmentation de l’exemption de base de l’impôt sur le revenu des particuliers. Nous constatons que la taxe sur le carbone est généralement progressive, même sans recyclage des recettes ; que le crédit pour la taxe de vente et le remboursement forfaitaire sont progressifs ; que la diminution du taux de la taxe de vente est généralement régressive, et que la modification de l’impôt sur le revenu est régressive. Nous montrons également que le système de tarification canadien pour les grands émetteurs, fondé sur le rendement, aide à atténuer les couts indirects de la tarification du carbone, ce qui réduit de façon marquée les couts pour les ménages.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".