MétaCan
Menu
Retour à la cohorte
Enregistrement W2088392659 · doi:10.5539/ass.v10n1p106

Moderating Effect of Gender in Repatronage Behavioral Intention: The Role of Personal Characteristics

2013· article· en· W2088392659 sur OpenAlexvenueno aff
Yue-Teng Wong, Syuhaily Osman, Aini Mat Said, Laily Paim

Notice bibliographique

RevueAsian Social Science · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModerationPsychologyPerspective (graphical)Social psychologyInterpersonal communicationTheory of reasoned actionConsumption (sociology)Interpersonal influenceProduct (mathematics)MarketingBusinessSociology

Résumé

récupéré en direct d'OpenAlex

The agendas of consumer-centric marketing and remarkable revolution of gender in consumption have prolonged the reformation in marketing module as to entice the repatronage shoppers. The focuses of this study were to examine the repatronage behavioral intention from the personal characteristic perspective and to identify the gender-invariant of the causal relationships. Specifically, this study aimed to investigate the relationships between personal characteristics (need for activity, impulsiveness, shopping confidence, interpersonal influence susceptibility, utilitarian and hedonic shopping orientations) and repatronage behavioral intention as well as to assess the moderation effects of gender on the relationships. Reasoned Action Approach was employed as the theoretical basis of the study. The responses from 569 apparel adult shoppers were used for data analysis. Personal characteristics were found significantly associated with the repatronage behavioral intention. There was a moderation effect of gender ascertained in the identified relationships. The present study discerned some important implications for the marketing practitioners to gain insight into the characteristics of their targeted shoppers as to customize and position their product offerings accordingly.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,271
Écart entre enseignants0,250 · 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'étudeObservationnel
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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetConsumer Retail Behavior StudiesTravaux en français237 207