Human behaviour - an underappreciated factor in real estate transaction analyses
Notice bibliographique
Résumé
Most valuation approaches examine the ups and downturns of real estate prices mainly focussing on the variables lot size, living space, dwelling age and furniture. These approaches disregard the importance of the individual behaviour of private sellers and buyers. As their decisions are often influenced by uncertainty due to poor market transparency it can be assumed that these decisions are - to some extent - not congruent with rational behaviour. Hence, regression analyses should take both factors - objective and behavioural variables - into account. The empirical study (N=413) in this research analyses the behaviour of brokers and sellers who offer their dwellings through the leading brokerage website in Germany, ImmobilienScout24. They are surveyed directly after the initial listing of the dwelling and then again 5 months later. Human behaviour should be explained by real estate related knowledge, expectations, personal situation and heuristic processes. Heuristic processes reduce the complexity and lead to results which do not coincide with rational behaviour. The heuristic process ´adjustment and anchoring´ is especially important for real estate transactions. Generally, a seller starts from an initial value, e.g listing prices of comparable houses at brokerage websites, and adjusts that value to yield her own dwellings´ value. However, this approach is often led by false individual assumptions. First empirical results show that 25% of private sellers significantly overestimate the appropriate listing price. Three-quarter of private sellers admit, that they have only rudimentary knowledge of the property market and one quarter is forced to sell the property urgently. These results indicate that selling and listing prices of residential properties are also influenced by human behaviour.
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 | 0,021 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».