MétaCan
Menu
Retour à la cohorte
Enregistrement W4403859636 · doi:10.14391/ajhs.27.19

How Do Anxiety about Contracting COVID-19 and the Perceived Risk of Financial Loss from COVID-19 Interact to Increase Consumer Impulse Buying?

2024· article· en· W4403859636 sur OpenAlexaff
Hyungju Kim, Jongkun Jun, Jongoh Kim, Keun‐Yeob Oh, Myonghwa Park

Notice bibliographique

RevueAsian Journal of Human Services · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesNational Research Foundation of KoreaNational Research Foundation
Mots-clésCoronavirus disease 2019 (COVID-19)AnxietyBusiness2019-20 coronavirus outbreakImpulse (physics)Risk perceptionSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PsychologyMedicinePerceptionVirologyPsychiatryInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

While preceding research has focused on various aspects of the pandemic, there is still a need for further exploration of the relationship between preventive behavior against the pandemic and impulse buying. This study fills a gap by exploring how the fear of contracting COVID-19 and perceived financial losses from the pandemic interplay, and how they combine to drive impulse buying behavior, while considering the mediating role of preventive behavior. To investigate our hypothesis, we collected data from 760 respondents in South Korea through in-person survey. Using the PROCESS macro in SPSS model-58, we analyzed the data and found that the mediator role of preventive behavior and moderating role of perceived financial loss risk from COVID-19 significantly influence the relationship between the fear of COVID-19 infection and impulse buying. Specifically, when individuals perceive a higher risk of infection, they are more likely to engage in preventive behaviors. However, the negative relationship between preventive behavior and impulsive purchases weakens when there is a high perceived risk of financial loss.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
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 enseignants0,130
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,283
Écart entre enseignants0,268 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Human ServicesMême sujetConsumer Retail Behavior StudiesTravaux en français237 207