MétaCan
Menu
Retour à la cohorte
Enregistrement W2392010447

VECM 모형을 이용한 주택시장과 거시경제변수 관계 분석

2015· article· ko· W2392010447 sur OpenAlexaboutno aff
김동환

Notice bibliographique

Revue대한부동산학회지 · 2015
Typearticle
Langueko
DomaineMedicine
ThématiqueDiverse Approaches in Healthcare and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsEconometricsIndex (typography)Variance decomposition of forecast errorsMacroPrice indexProducer price indexQuarter (Canadian coin)Variance (accounting)Wholesale price indexPrice variancePrice levelMacroeconomicsMid price
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This research is the empirical study that macro-economic variables are set to impact on the relationship between the housing market and macro-economic variables by estimating the VECM model series, and it was analyzed the reaction for impact of macro-economic variables to house sales price index or house Jeonse price index using the impulse response function and variance decomposition based on the results of VECM model estimation from the first quarter, 1987 to the third quarter, 2015. The results of this study was that the affect relationship with house sales price index and house Jeonse price index for macro-economic variables had estimated VECM model by existing co-integration equations, and it appeared to be influenced in the direction of a positive direction(+) or a negative direction(-) for a unit impact of the standard deviation of macro economic variables to house sales price index and house Jense price index, also analyzed that the level may appear different in size according to each of the macro economic variables. As the results of variance decomposition, both of house sales price index and house Jeonse price index appeared to have been affected to undergo a significant impact by their own variations. Other micro-economic variables showed significantly affected by the bond but yield greater the degree of influence.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,009

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 Opus0,319
Tête enseignante GPT0,409
Écart entre enseignants0,089 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue대한부동산학회지Même sujetDiverse Approaches in Healthcare and Education StudiesTravaux en français237 207