Réforme fiscale environnementale en présence de concurrence fiscale verticale
Bibliographic record
Abstract
La littérature, sur la concurrence fiscale verticale et les réformes fiscales environnementales, n'a jamais bien abordé les impacts communs des deux phénomènes. Dans ce présent travail, nous cherchons quel est l'impact d'une réforme fiscale environnementale en présence de concurrence fiscale verticale? Pour y parvenir, nous avons préalablement fait une recherche approfondie sur ce qui s'est fait au Canada comme réforme fiscale environnementale et nous avons enraciné cette recherche dans le désir national de réduire l'empreinte écologique de notre consommation. Au Canada, ce sont les provinces qui ont décidé d'agir en premier en ce qui concerne les changements climatiques et la taxation des gaz à effet de serre. La concurrence fiscale verticale apparaît normalement dans une société où plus d'un palier de gouvernement taxe la même assiette fiscale sans se coordonner. Dans un modèle théorique et par des exemples numériques, nous démontrons qu'un gouvernement fédéral myope accentuera l'écart entre l'optimum de premier rang et l'optimum atteint par un gouvernement fédéral rationnel. De façon contraire, un gouvernement fédéral rationnel qui s'applique à bien cerner l'impact de ses décisions sur le marché de bien privé et public décidera d'imposer un niveau de taxation qui rapprochera l'optimum social de l'optimum de premier rang. Dans tous les cas, si le gouvernement fédéral et provincial se coordonnaient parfaitement, nous pourrions, par des transferts forfaitaires, atteindre l'optimum de premier rang. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : externalité fiscale verticale, externalité environnementale, concurrence fiscale verticale, réforme environnementale, taxation optimale, taxation du carbone
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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 source (direct Gemma or distilled Codex), 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".