MétaCan
Menu
Retour à la cohorte
Enregistrement W3133136684 · doi:10.5267/j.msl.2021.1.021

Antecedents of panic buying behavior during the COVID-19 pandemic

2021· article· en· W3133136684 sur OpenAlexvenueno aff
Annastasia Melisse Putri, Avior Retsan, Huimanto Andika, Evelyn Hendriana

Notice bibliographique

RevueManagement Science Letters · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCredibilityPanicAnxietyPandemicPsychologyGovernment (linguistics)Consumer behaviourStructural equation modelingSocial mediaCoronavirus disease 2019 (COVID-19)BusinessMarketingSocial psychologyPolitical scienceDiseasePsychiatryMedicine

Résumé

récupéré en direct d'OpenAlex

The new Coronavirus disease (COVID-19) pandemic triggers panic buying behavior among consumers in several countries. Previous research on panic buying behavior is less likely to look at the phenomenon from the perspective of consumers (demand-side). Therefore, this study aims to examine the influence of media credibility and social contagion on panic buying behavior and the mediating effect of consumer anxiety in the relationship between media credibility, social contagion and panic buying behavior. Data was collected from young and adult consumers in Greater Jakarta, Indonesia using convenience sampling techniques. Three hundred and fifty responses were collected through an online survey. The hypotheses were tested using structural equation models that could simultaneously analyze the effects of variables in the complex model. The results indicate that media credibility does not have a significant effect on consumer anxiety and panic buying. On the other hand, social contagion has a direct and indirect influence on consumer anxiety. Likewise, consumer anxiety mediates the relationship between social contagion and panic buying behavior. The findings from this research can be used by manufacturers and retailers to maintain goods availability during the pandemic, and the government as a basis for economic decision making. This research also contributes to development of the academic literature related to consumer behavior during a pandemic.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,015
Score d'incertitude au seuil0,517

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,070
Tête enseignante GPT0,292
Écart entre enseignants0,223 · 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.

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

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207