MétaCan
Menu
Retour à la cohorte
Enregistrement W3174533914 · doi:10.1093/jcr/ucac024

The Influence of Budgets on Consumer Spending

2022· article· en· W3174533914 sur OpenAlexaboutno aff
Marcel Lukas, Ray Howard

Notice bibliographique

RevueJournal of Consumer Research · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychographicCompliance (psychology)EconomicsConsumer behaviourConsumer spendingConsumer expenditureBehavioral economicsMarketingPublic economicsBusinessFinancePsychologyAggregate expenditureSocial psychologyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Foundational research in marketing and behavioral economics has revealed a great deal about the psychology of budgeting. However, little is known about the extent to which budgets do (or do not) influence consumers’ real-world spending. The present research addresses this gap in the literature using naturally occurring budgeting and spending data provided by a popular personal finance app in the UK, a field experiment conducted with members of a Canadian credit union, and a financial diary study conducted with consumers in the US. Budget compliance is generally weak because budgets are wildly optimistic. However, optimistic budgets do help consumers reduce their spending. Moreover, the influence of budgets on spending is surprisingly sticky: consumers continue to reduce their spending six months after setting a budget, even though spending remains over-budget. Impulsive consumers exhibit worse budget compliance than less-impulsive consumers. However, counterintuitively, this is predominately because more impulsive consumers set lower budgets than less-impulsive consumers, not because they spend more. Finally, we provide evidence that budgets influence spending across several theory-informing psychographic variables. Taken together, these findings show that budgets can be both wildly optimistic and highly influential and that beliefs about the nature of consumers’ budgets require updating.

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)0,027
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,853
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0270,009
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 savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,337
Tête enseignante GPT0,524
Écart entre enseignants0,187 · 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

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Consumer ResearchMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207