MétaCan
Menu
Retour à la cohorte
Enregistrement W2800475174 · doi:10.15353/rea.v10i2.1443

Exploratory Study of Comparison Income and Individual Debt Using British Household Panel Survey

2018· article· en· W2800475174 sur OpenAlexvenueno aff
Ourega‐Zoé Ejebu

Notice bibliographique

RevueReview of Economic Analysis · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Aberdeen
Mots-clésTobit modelDebtEconomicsEconometricsPanel dataEarningsKeeping up with the JonesesDemographic economicsHousehold debtRegression analysisMacroeconomicsFinanceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

The famous saying “keeping up with the Joneses” is a generational behaviour that is still deeply interwoven in the behavioural fabric of our modern-day society. This paper aims to address and contribute to the existing literature by investigating the determinants of individual non-mortgage debt, focusing on the role of comparison income. It also seeks to overcome certain empirical shortcomings by applying Tobit, fixed effects, and Tobit fixed effects regression models to a UK dataset. The study is motivated by previous research, which suggested the aspiration of borrowers is influential in the debt-decision process. Previous studies did not use empirical methods or UK data, however. Comparison income (the measure of the borrowers’ aspiration) is derived from the Mincer earnings equation. Tobit regression is applied in the cross-section analysis and is pertinent considering the censored nature of the dependent variable. In the panel analysis, fixed effects and Tobit fixed effects are used to control for unobserved attributes of sampled individuals that may affect demand for debt. Comparison income and non-mortgage debt as well as other economic and demographic variables are positively and significantly associated. The relationship between comparison income and non-mortgage debt suggests the latter may be incurred for status-maintenance purposes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,033
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,186
Tête enseignante GPT0,296
Écart entre enseignants0,110 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economic AnalysisMême sujetHousing Market and EconomicsTravaux en français237 207