MétaCan
Menu
Retour à la cohorte
Enregistrement W4293226913 · doi:10.1007/s13753-022-00397-3

Experimental Evidence for Coverage Preferences in Flood Insurance

2022· article· en· W4293226913 sur OpenAlexafffundabout
John Darlington, Niko Yiannakoulias

Notice bibliographique

RevueInternational Journal of Disaster Risk Science · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFlood insurancePurchasingActuarial scienceFlood mythAsset (computer security)Value (mathematics)BusinessEconomicsGeographyStatisticsMarketingMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract We used a hypothetical choice experiment to estimate the effect of dwelling value and coverage limits on the probability of purchasing flood insurance while holding the probability of flooding and insurance price constant. The results indicate that demand for flood insurance is negatively associated with the amount of insurance coverage. For people assigned higher-valued dwellings, however, the opposite effect is observed. Since more coverage is generally preferred to less, all else being equal, differences in purchase probability dependent on dwelling value indicate an inconsistent approach to home protection. The higher probability of purchasing flood insurance from people in higher-valued dwellings may indicate an investment into the home as a financial asset, a strategy that is not observed to the same extent among people in lower-valued dwellings. This suggests that use of coverage limits may be differentially preferred based on dwelling value, such that low coverage insurance may have lower uptake for those in high-valued dwellings. As Canada evaluates a national flood insurance program, this research suggests that variable coverage maximums could be a way to increase accessibility and uptake of insurance. This research shows an inconsistent demand for flood insurance, dependent on dwelling value and independent of income.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,011
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,043
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

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 Opus0,063
Tête enseignante GPT0,301
Écart entre enseignants0,238 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Disaster Risk ScienceMême sujetHousing Market and EconomicsTravaux en français237 207