Homeownership Gaps Among Low-Income and Minority Households
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| 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 découle