Analyzing the community decision making to purchase pet insurance: Case study of animal lovers in Indonesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aims to measure people's decision-making to buy their pet insurance and compare it with the amount of insurance premium rates offered. It is important due to the increase in people's income which has triggered the birth of a community of pet lovers as part of the middle-class people’s lifestyle in Indonesia. The survey data was conducted using the Stated Preference (SP) format through questionnaires and interviews to determine the public response to pet insurance premiums. The collected data were analyzed using descriptive methods, decision-making analysis was on the basis of the choice of the dichotomous Contingent Valuation Method (CVM), and logistic regression analysis. Based on the calculation analysis using the logit method shows that the ability of the public to pay pet insurance premiums is IDR289,454.54. Analysis of calculations using the Turnbull method was obtained at IDR365,000.00. The results of the WTP amount, both using the logit method and using the Turnbull method, are greater than the minimum premium amount offered which is IDR190,000.00. The results of this study indicate that the premium rates for pet insurance offered are still within reasonable limits, compared to the size of the decision-making by the animal lover community in Indonesia. This provides a very good prospect for insurance companies that have insurance products for pets in Indonesia. This study was conducted to provide empirical evidence that the decision-making of the animal lover community is greater than the premium rate for pet insurance that has been offered. Thus, this research strongly supports the development of pet insurance companies in Indonesia, which can provide pet protection to stay healthy and well looked after.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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