MétaCan
Menu
Retour à la cohorte
Enregistrement W4387344650 · doi:10.3390/jrfm16100432

Sustaining Retirement during Lockdown: Annuitized Income and Older American’s Financial Well-Being before and during the COVID-19 Pandemic

2023· article· en· W4387344650 sur OpenAlexvenueno aff
Qi Sun, Gary Curnutt

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPensionHealth and Retirement StudyCoronavirus disease 2019 (COVID-19)PandemicDemographic economicsBaby boomersFinancial securityBusinessEconomicsLabour economicsFinanceGerontologyMedicine

Résumé

récupéré en direct d'OpenAlex

The landscape of employer-sponsored retirement plans in the U.S. has changed dramatically during the past few decades as more and more private-sector employers have decided to freeze or terminate traditional pension plans. Defined contribution (DC) plans became the primary choice or the only choice for employees to participate in employer-sponsored retirement plans. In the next ten to twenty years, the income from pension plans will only count for a third of the total retirement income for GenXers when compared to their baby boomer counterparts. It is important for research to provide evidence on how the change in retirement income resources impacts retirees’ retirement security and financial wellness. Using Health and Retirement Study (HRS) data before and during the COVID-19 pandemic, this study examines the association between annuitized income and various measures of older Americans’ financial well-being over time, particularly during the pandemic. This study finds that receiving annuitized income has a statistically significant relationship with reduced subjective financial well-being for both measurements, while only one of the measures of objective well-being, having liquid assets greater than the median household income, has a statistically significant positive relationship with receiving annuitized 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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,033
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
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 Opus0,033
Tête enseignante GPT0,337
Écart entre enseignants0,304 · 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.

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetRetirement, Disability, and EmploymentTravaux en français237 207