MétaCan
Menu
Retour à la cohorte
Enregistrement W4402116924 · doi:10.1177/00222429241282998

The Impact of Air Pollution on Consumer Spending

2024· article· en· W4402116924 sur OpenAlexaff
Sanghwa Kim, Michael Trusov

Notice bibliographique

RevueJournal of Marketing · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBusinessPollutionAir pollutionNatural resource economicsMarketingEnvironmental economicsEconomicsChemistry

Résumé

récupéré en direct d'OpenAlex

Air pollution is a growing threat to economies and societies. Despite the common knowledge that air pollution impairs emotions and cognition and, hence, behavioral outcomes, the impact of air pollution on consumer spending remains an open question. Analyzing air quality readings and individual-level credit card transactions in South Korea, this article shows that consumers spend more money when air quality is poorer. This correlation is more prominent in hedonic categories, such as entertainment or leisure activities, where the nature of consumption is characterized by greater emotional benefits. The authors consider potential explanations, and the leading hypothesis is that consumers treat spending as a mood-regulating resource. The results survive an array of robustness checks and are supported in a controlled experiment, reinforcing a causal inference behind the main findings. The authors provide implications for stakeholders to develop a sustainable marketing program that not only pursues managerial interests but also concerns consumer well-being in the face of environmental change.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,185

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,275
Écart entre enseignants0,263 · 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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of MarketingMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207