MétaCan
Menu
Retour à la cohorte
Enregistrement W3139332277

How do People Respond to Small Probability Events with Large, Negative Consequences?

2020· article· en· W3139332277 sur OpenAlexaff
Martin Eichenbaum, Miguel Godinho de Matos, Francisco Lima, Sérgio Rebelo, Mathias Trabandt

Notice bibliographique

RevueRepositório Institucional da Universidade Católica Portuguesa (Universidade Católica Portuguesa) · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Demographic economicsDependency (UML)Natural experimentOutbreakCase fatality rateSet (abstract data type)EconomicsActuarial scienceBusinessEconometricsDemographyStatisticsMedicineSociologyComputer scienceDiseaseMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We study how people react to small probability events with large negative consequences using the outbreak of the COVID-19 epidemic as a natural experiment. Our analysis is based on a unique administrative data set with anonymized monthly expenditures at the individual level. We find that older consumers reduced their spending by more than younger consumers in a way that mirrors the age dependency in COVID-19 case-fatality rates. This differential expenditure reduction is much more prominent for high-contact goods than for low-contact goods and more pronounced in periods with high COVID-19 cases. Our results are consistent with the hypothesis that people react to the risk of contracting COVID-19 in a way that is consistent with a canonical model of risk taking.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,758
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,049
Tête enseignante GPT0,232
Écart entre enseignants0,183 · 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'étudeSans objet
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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepositório Institucional da Universidade Católica Portuguesa (Universidade Católica Portuguesa)Même sujetCOVID-19 Pandemic ImpactsTravaux en français237 207