Who Answers ‘Willingness to Pay’ Questions?
Notice bibliographique
Résumé
OBJECTIVES: The objectives of this study were twofold. The first was to compare characteristics of responders and non-responders to a survey of women attending a bone mineral density screening service in Aberdeen concerned with the screening process which contained questions on attenders' willingness to pay (WTP) and willingness to wait (WTW) for screening. The second objective was to compare the characteristics of those responding to either the WTP or the WTW questions relative to those who responded to both. METHODS: After receiving a scan, women completed the questionnaire at the clinic or returned it by post. Logistic regression analysis was used to compare the characteristics of the responders and non-responders. RESULTS: Those who smoked were less likely to return the questionnaire, whilst those who drank alcohol were more likely to return it. The majority of respondents answered both WTP and WTW questions. The proportions responding to the WTW and WTP questions were 93.2% and 81.5% for the two questions, respectively (95% confidence interval of difference = 9.4% to 13.9%). The only result which was statistically significant at the 1% level showed that, relative to those who answered the WTW but not the WTP questions, those who answered both were more likely to be older when they left full-time education. A weaker statistical association (at the 5% level) revealed that those who were older when leaving full-time education were more likely to answer a WTP question than not. CONCLUSIONS: WTP questions seem to be less acceptable to those who leave full-time education earlier. Analysts may need to account for this in future studies. Whether such results can be replicated and reasons for non-response should be investigated.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».