MétaCan
Menu
Retour à la cohorte
Enregistrement W2390786934

Housing Inequality and Subjective Well-being in Urban China——A Multilevel Analysis on CGSS Data

2013· article· en· W2390786934 sur OpenAlexaff
Min Liu

Notice bibliographique

RevueEconomic Survey · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGini coefficientInequalityMultilevel modelDemographic economicsChinaEconomicsSubjective well-beingSurvey data collectionEconometricsEconomic inequalityPsychologyStatisticsGeographyMathematicsHappinessSocial psychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Based on data from the Chinese General Social Survey 2005,we analyze the impact of housing inequality on subjective well being(SWB) on Hierarchical Linear Modeling in urban China.The results show that there is regional disparity of SWB.The number of the housing does have a strong positive effect on SWB,and there is aninverted-Uassociation between housing size and SWB.The relative inequality of housing such as the gap of the housing size between the average housing size and the per capital housing size of the province,has a strong negative effect on SWB.In addition,there is alsoinverted-Uassociation between Gini coefficient of housing of the province and the SWB,The critical point in Gini coefficient is found at 0.325,which means that SWB of the citizen increases with housing inequality when the coefficient is less than 0.325 but SWB decreases with housing inequality when it is larger than 0.325.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,033
Score d'incertitude au seuil0,753

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,076
Tête enseignante GPT0,330
Écart entre enseignants0,254 · 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 tête enseignante, 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic SurveyMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207