MétaCan
Menu
Retour à la cohorte
Enregistrement W4226264106 · doi:10.5267/j.dsl.2022.3.001

A path analysis study of repurchase intention of food with health claim under the effect of food attributes

2022· article· en· W4226264106 sur OpenAlexvenueno aff
Suree Khemthong, Puripat Charnkit

Notice bibliographique

RevueDecision Science Letters · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPath analysis (statistics)MarketingBusinessDescriptive statisticsValue (mathematics)Health foodStatisticsFood scienceMathematics

Résumé

récupéré en direct d'OpenAlex

The aim of this study is to identify the influence of food attributes, perceived value, consumer trust and nutritional health behavior that contribute to consumer repurchase intention of foods with health claims. Descriptive Statistics was used to analyze the demographic profile of the 313 sample of respondents. Path analysis was conducted for analyzing the causal and effect relationship between variables expressed by means of a path coefficient. The results showed that there were only indirect effects between food attributes and Intention to repurchase. However, perceived value was shown to have both positive direct and indirect effects on intention to repurchase, which were significantly mediated by nutritional health behavior and consumer trust. Research results suggest food managers develop the value of food products and monitor the customer trust and the changes of market on the food with health claims for the competition in a current environment.

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)0,003
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 enseignants0,167
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
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 Opus0,039
Tête enseignante GPT0,296
Écart entre enseignants0,258 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDecision Science LettersMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207