Homeownership Gaps Among Low-Income and Minority Households
Notice bibliographique
Résumé
Although homeownership rates currently stand at historically high levels for all segments of the U.S. population, large gaps in homeownership rates remain when comparing various groups of the population. As of the third quarter of 2006, the non-Hispanic White (hereafter, White) homeownership rate was 76 percent while African-American and Hispanic homeownership rates were below 50 percent and the Asian homeownership rate was 60 percent. The homeownership gap between African-American and White households was larger in 2006 than it was in 1990, while the homeownership gap between Hispanics and Whites was only slightly smaller in 2006 than it was in 1990. Households with very low incomes had a homeownership rate that was 37 percentage points below the rate for high-income households. These gaps have changed little over the past 50 years. The primary goal of this study is to synthesize what is known about the determinants of gaps in homeownership rates by income status and racial and ethnic status. We first present a conceptual framework for analyzing the determinants of homeownership. We then review the literature that identifies the relative importance of various contributing factors to observed homeownership gaps, separating the factors into those that are observed and those that are part of an unexplained residual that represents unmeasured factors such as discrimination, lack of information about the homebuying and mortgage financing processes, and omitted socioeconomic variables.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».