Long run relationships between City office rents and the economy in the UK: creating a database for research
Notice bibliographique
Résumé
This paper sets out progress during the first eighteen months of doctoral research into the City of London office market. The overall aim of the research is to explore relationships between office rents and the economy in the UK over the last 150 years. To do this, a database of lettings has been created from which a long run index of City office rents can be constructed. With this index, it should then be possible to analyse trends in rents and relationships with their long run determinants. The focus of this paper is on the creation of the rent database. First, it considers the existing secondary sources of long run rental data for the UK. This highlights a lack of information for years prior to 1970 and the need for primary data collection if earlier periods are to be studied. The paper then discusses the selection of the City of London and of the time period chosen for research. After this, it describes how a dataset covering the period 1860-1960 has been assembled using the records of property companies active in the City office market. It is hoped that, if successful, this research will contribute to existing knowledge on the long run characteristics of commercial real estate. In particular, it should add a price dimension (rents) to the existing long run information on stock/supply and investment. Hence, it should enable a more complete picture of the development and performance of commercial real estate through time to be gained. \n
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».