MétaCan
Menu
Retour à la cohorte
Enregistrement W3123742531 · doi:10.15353/rea.v11i3.1686

Fear of Crime and Saving Behavior

2019· article· en· W3123742531 sur OpenAlexvenueno aff
Tristán Canare, Jamil Paolo Francisco, Edgardo Manuel Miguel Jopson

Notice bibliographique

RevueReview of Economic Analysis · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFear of crimeOrdered probitAffect (linguistics)ProbitProbit modelLogitConsumption (sociology)PsychologyCriminal behaviorProperty crimeSocial psychologyOrdered logitCriminologyViolent crimeEconomicsEconometricsSociology

Résumé

récupéré en direct d'OpenAlex

Fear of crime, on top of crime victimization itself, is an important social concern because the literature suggests that it can affect behavior and decision-making. Some studies argue that negative emotions can induce present consumption; thus, one behavior that crime can potentially influence is saving. Applying Logit model and the Heckman Probit model to a household survey dataset of 1,200 respondents, this paper tested for the relationship between fear of crime and saving behavior. We found evidence that fear of crimes involving physical violence has a negative relationship with the likelihood of saving but has a positive relationship with the likelihood of saving through formal channels. Fear of crimes against property, on the other hand, shows no such relationship. Moreover, overall fear of crime in the immediate community has no relationship with saving, but fear of crime in the larger region where the individual lives has.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,079
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0110,000

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 Opus0,035
Tête enseignante GPT0,383
Écart entre enseignants0,348 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economic AnalysisMême sujetCrime Patterns and InterventionsTravaux en français237 207