MétaCan
Menu
Retour à la cohorte
Enregistrement W2349991970

The Spatial Effect of Building New Housing in Zhengzhou City——Based on the Spatial Econometrics Model

2014· article· en· W2349991970 sur OpenAlexaff
Ling Yao

Notice bibliographique

RevueEconomic Geography · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésSpatial econometricsEconometricsSpatial analysisSpatial dependenceSpatial correlationReal estateAllowance (engineering)Spatial heterogeneitySpillover effectGoodness of fitDimension (graph theory)EconomicsStatisticsMathematicsMicroeconomicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article, which is based on micro data of building new housing in Zhengzhou city in nearly years, analyzes the spatial correlation model and spatial clustering and finds that there is a clear spatial dependent in the housing prices and spatial correlation patterns have space heterogeneity; the paper judges that the spatial lagged effect shows more apparent by diagnostics for spatial effect, while judges that the spatial Durbin model is the optimum fitting in the 4 models by goodness of fit and maximum likelihood; at the same time, the research analyses shows that spatial lagged effect is very significant for the housing prices in the spatial dimension and is the most important factor by analyzing all the influencing factors, while the paper concluded that the spatial spillover effect and the transportation accessibility should not be ignored. At last, the study suggests that the government department must make a liberal allowance for spatial interaction mechanism has a spatial heterogeneity effect on new building prices when choosing the real estate policy and making controls on the prices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,197
Écart entre enseignants0,180 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic GeographyMême sujetHousing Market and EconomicsTravaux en français237 207