MétaCan
Menu
Retour à la cohorte
Enregistrement W3122031421

Financial Capability in the United States: Consumer Decision-Making and the Role of Social Security

2010· preprint· en· W3122031421 sur OpenAlexaboutno aff
Annamaria Lusardi

Notice bibliographique

RevueDeep Blue (University of Michigan) · 2010
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensnon disponible
Organismes subventionnairesAustralian GovernmentU.S. Social Security Administration
Mots-clésQuarter (Canadian coin)Social securityFinancial statementBusinessDebtPopulationFinanceCurrent Population SurveyPaymentActuarial sciencePublic economicsEconomicsAccounting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper analyzes new data from the 2009 National Financial Capability Study. This survey provides information to assess how American households make financial decisions, how they are faring under current economic conditions, and in what ways financial knowledge contributes to financial capability. In addition, it includes data about the information that the Social Security Administration (SSA) provides to consumers. The paper finds that the majority of individuals do not plan for retirement or make provisions against shocks. Debt management often results in sizable interest payments and fees and it is notable how many individuals have used high-cost methods of borrowing in the past five years. Levels of financial knowledge are strikingly low and many respondents do not possess knowledge of basic concepts. Social Security has taken steps to provide information about what individuals will expect to receive when they retire. The self-reported evidence provided in the survey shows that the information has been used by about a quarter of the population who acknowledge receiving the statement. Moreover, there are large differences among use in demographic groups and some of the more vulnerable populations, such as African-Americans, those hit by shocks, and single and separated individuals are more likely to use the statement.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,044
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,005
Tête enseignante GPT0,197
Écart entre enseignants0,191 · 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

Citations6
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDeep Blue (University of Michigan)Même sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207