MétaCan
Menu
Retour à la cohorte
Enregistrement W3181287783 · doi:10.52227/23843.2021

The Earthquake Insurance Protection Gap: A Tale of Two Countries

2020· article· en· W3181287783 sur OpenAlexaff
Mary Kelly, Steven G. Bowen, R. Glenn McGillivray

Notice bibliographique

RevueJournal of Insurance Regulation · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensYork UniversityWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésProperty insuranceLegislationProduct (mathematics)BusinessSubsidyBusiness interruption insuranceInsurance policyCasualty insuranceMainlandActuarial scienceGeneral insuranceFinanceIncome protection insuranceEconomicsGeographyPolitical scienceLawMarket economy

Résumé

récupéré en direct d'OpenAlex

In this paper, we examine reasons why take-up rates for earthquake insurance are significantly higher in the Lower Mainland of British Columbia than in western Washington state even though earthquake risk is largely the same. Achieving and maintaining high insurance take-up rates for catastrophic events matters because this can play an important role in improving the resiliency of communities. After exploring several factors known to influence the supply and demand of insurance for high-severity but low-frequency events, we find only two key differences: 1) disaster assistance is more readily available in the U.S.; and 2) Canadians are more willing to purchase earthquake insurance when they are told they should. We conjecture that many policy options to increase insurance take-up rates, such as product redesign or cross subsidization, are not likely to be effective in Washington. Making insurance mandatory—either via legislation, making earthquake coverage a prerequisite for a mortgage or embedding it into property taxes—might be the only viable way to increase take-up rates, although these options may be politically difficult to enact.

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 enseignants0,321
Score d'incertitude au seuil0,419

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,029
Tête enseignante GPT0,223
Écart entre enseignants0,194 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Insurance RegulationMême sujetInsurance and Financial Risk ManagementTravaux en français237 207