Une evaluation des achats transfrontaliers de tabac et des pertes fiscales associees en France.
Bibliographic record
Abstract
Le tabagisme est un problème majeur de sante publique, à l’origine de nombreuses maladies evitables à travers le monde. Au cours des dernières decennies, l’augmentation du prix du tabac s’est imposee comme la principale strategie des etats pour lutter contre le tabagisme. Toutefois, les differences de prix entre certains pays frontaliers sont susceptibles de limiter l’efficacite de cette mesure en permettant à certains consommateurs d’acheter du tabac à un prix inferieur dans un etat voisin. Si le problème des achats transfrontaliers n’est pas nouveau, l’ampleur du phenomène reste mal connue et fait encore l’objet de debats reguliers. Cette etude contribue à son evaluation en France en exploitant une experience naturelle sans precedent : la fermeture des frontières terrestres entre mars 2020 et juin 2020 dans le cadre de la lutte contre la pandemie de Covid-19. Nos resultats montrent que la fermeture des frontières a genere un surplus d’achats de tabac de 9, 5 % en France metropolitaine, par rapport à la situation contrefactuelle où les frontières seraient restees ouvertes. Il s’agit probablement d’une estimation basse des achats transfrontaliers. En effet, une partie de la consommation de tabac en provenance de l’etranger a pu persister pendant le premier confinement, les frontières n’ayant pas ete complètement fermees, notamment aux travailleurs frontaliers. En extrapolant la consommation observee dans le reste du pays aux regions frontalières, à caracteristiques identiques, les recettes generees en France seraient environ 13, 5 % plus elevees s’il n’existait pas d’alternatives moins chères à l’etranger.
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 | 0.007 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".