MétaCan
Menu
Retour à la cohorte
Enregistrement W3124549760

Are There Social Spillovers in Consumers’ Security Assessments of Payment Instruments?

2016· preprint· en· W3124549760 sur OpenAlexaff
Charles M. Kahn, José Manuel Liñares-Zegarra, Joanna Stavins

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2016
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésPaymentBusinessSocial securityPayment cardPerceptionPublic economicsActuarial scienceMarketingEconomicsFinancePsychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Even though security of payments has long been identified as an important aspect of the consumer payment experience, recent literature fails to appropriately assess the extent of social spillovers among payment users. We test for the existence and importance of such spillovers by analyzing whether social influence affects consumers' perceptions of the security of payment instruments. Based on a 2008-2014 annual panel data survey of consumers, we find strong evidence of social spillovers in payment markets: others' perceptions of security of payment instruments exert a positive influence on one's own payment security perceptions. The significant and robust results imply that a consumer's assessments of security converge to his peers' average assessment: a 10 percent change in the divergence between one's own security rating and peers' average rating will result in a 7 percent change in one's own rating in the next period. The results are robust to many specifications and do not change when we control for actual fraud or crime data. Our results indicate that spillovers rather than reflection appear to be the cause, although separating the two causes is very difficult (Manski 1993). In particular, the spillovers are stronger for people who experience an exogenous shock to security perception, people who have more social interactions, and younger consumers, who are more likely to be influenced by social media. We also examine the effects of social spillovers on payment behavior (that is, on decisions regarding payment adoption and use). Our results indicate that social spillovers have a rather limited impact on payment behavior, as others' perceptions seem to affect one's own payment behavior mainly indirectly through the effect on one's own perceptions.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,138
Tête enseignante GPT0,444
Écart entre enseignants0,305 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetTechnology Adoption and User BehaviourTravaux en français237 207