MétaCan
Menu
Retour à la cohorte
Enregistrement W4405455367 · doi:10.1111/rode.13178

Risk and Time Preferences Among the Urban Poor in Saudi Arabia

2024· article· en· W4405455367 sur OpenAlexaff
Miriam Al Lily, Sabine Liebenehm

Notice bibliographique

RevueReview of Development Economics · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésEconomicsDemographic economicsMedicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper investigates behavioral attitudes toward risk and time among the urban poor in Saudi Arabia by conducting an incentivized lab‐in‐the‐field experiment and exploring the correlations between these attitudes and demographic and socioeconomic characteristics that are relevant in the Saudi context. Specifically, the focus of this research is on cultural and religious indicators related to Bedouin heritage and the strength of religious beliefs as well as a set of different proxies for poverty, including income, assets, social welfare payments, and social capital. Accordingly, we define a discounted utility model, where we apply prospect theory and quasihyperbolic discounting. We then jointly estimate participants' risk and time preferences via a maximum likelihood approach. Our results suggest that, on average, poor urban Saudis exhibit high levels of risk aversion and patience; these findings are similar to those reported in other studies that have investigated Muslim respondents in rural settings. We also reveal that stronger religious beliefs are associated with higher levels of risk‐taking and a stronger preference for the present, whereas Bedouin heritage and asset‐related poverty in terms of home ownership and savings are related to higher levels of risk aversion and impatience.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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'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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Development EconomicsMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207