Notice bibliographique
Résumé
This study presents a first summary of the housing finance results of the OeNB’s Household Survey on Housing Wealth in Austria. 22% of Austrian households have taken out debt to finance housing. The probability of holding such debt is significantly higher for younger and higher-income households than for others. High-income households are much more likely to have a variable rate loan or a foreign currency loan, but at the same time they also have lower loan-to-value (LTV) ratios than the other groups. Regional differences – or more specifically, a west-east pattern – were identified regarding the type and amount of debt incurred: Austrian households in the western provinces tend to have higher debt and higher LTV ratios than those in the eastern provinces. Housing assistance funds and alternative forms of financing, such as inheritances or inter vivos gifts (money), play quite a significant role in housing finance. Austrian households use their property mainly for residential purposes rather than as an investment instrument: Of the households with outstanding housing loans, 74% used (at least part of) the money to purchase their primary residence, 12% used it to finance the deposit they had to make for their housing association apartment and 17% purchased a second home. 52% of the households that took out a loan to purchase a second property use it for residential or similar purposes, while 26% of them offer it for rent and the remaining households (roughly one-quarter) use it as a store of value. These facts and the existence of a strongly subsidized rental market seem to have contributed to the rather low ownership ratio and the moderate development of Austrian real estate and rental prices by international standards. The differences identified in the structure of housing finance of Austrian households suggest that the impact of monetary policy on wealth (and hence on household consumption and investment) will also differ markedly.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».