Estimation de l'élasticité prix de l'offre de logement au Canada
Notice bibliographique
Résumé
Dans ce memoire, nous analysons l'offre de logement dans les regions metropolitaines de recensement a l'aide de modeles deja utilises pour le marche du logement americain. Contrairement a la majorite des etudes empiriques realisees sur l'offre de logement aux Etats-Unis, les donnees utilisees dans ce memoire sont issues du marche canadien du logement. Notre cadre d'analyse s'appuie principalement sur les formulations du modele de Green, Malpezzi et Mayo (2005), Mayer et Somerville (2000), et Maclennan et Malpezzi (2001). L'analyse comparative de ces trois modeles a revele que seule la regression du modele de Green, Malpezzi et Mayo (2005) a pu fournir des resultats robustes. Ce modele nous a permis d'atteindre un double objectif. Le premier objectif est d'estimer l'elasticite prix de l'offre de logement pour chaque region metropolitaine. Les resultats obtenus demontrent, a l'instar du marche du logement americain, que l'offre de logement est elastique dans la plupart des regions metropolitaines du Canada. Cependant, il existe des ecarts regionaux importants. Le deuxieme objectif est d'expliquer les sources de disparite des elasticites entre regions metropolitaines. La plupart des facteurs determinant ces sources sont significatifs a un niveau de 5%, a l'exception de la variation de la population. Les resultats montrent que les variables relatives a la densite, a la taille de la population, aux prix de logement, aux droits de cession et frais d'enregistrement, et au temps de deplacement sont utiles pour expliquer les disparites entre les regions. ______________________________________________________________________________ MOTS-CLES DE L’AUTEUR : Elasticite, Prix, Offre, Logement.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».