MétaCan
Menu
Retour à la cohorte
Enregistrement W4328051943 · doi:10.54932/rnkf5751

Longevity, Health and Housing Risks Management in Retirement

2023· report· en· W4328051943 sur OpenAlexafffundabout
Pierre‐Carl Michaud, Pascal St‐Amour

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensWestern UniversitySocial Sciences and Humanities Research CouncilCenter for Interuniversity Research and Analysis on OrganizationsHEC Montréal
Organismes subventionnairesHEC MontréalSocial Sciences and Humanities Research Council of CanadaFonds de Recherche du Québec-Société et Culture
Mots-clésEquity (law)LongevityConsumption (sociology)PreferenceEconomicsLongevity riskActuarial scienceStatus quoAnnuityMarginal utilityHome equityPensionRisk aversion (psychology)Health insuranceStatus quo biasTime preferenceBusinessHealth careLife annuityLabour economicsMicroeconomicsExpected utility hypothesisFinanceFinancial economics

Résumé

récupéré en direct d'OpenAlex

Annuities, long-term care insurance and reverse mortgages remain unpopular to manage longevity, medical and housing price risks after retirement. We analyze low demand using a life-cycle model structurally estimated with a unique stated-preference survey experiment of Canadian households. Low risk aversion, substitution between housing and consumption and low marginal utility when in poor health explain most of the reduced demand. Bequests motives are found to be a luxury good and play a limited role. The remaining disinterest is explained by information frictions and behavioural status-quo biases. We find evidence of strong spousal co-insurance motives motivating LTCI and of responsiveness to bundling with a near doubling of demand for annuities when reverse mortgages can be used to annuitize, instead of consuming home equity

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,383
Score d'incertitude au seuil0,761

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,199
Tête enseignante GPT0,379
Écart entre enseignants0,179 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207