The Non-linear Ripple Effect of Housing Prices in Taiwan: A Smooth Transition Regressive Model
Notice bibliographique
Résumé
Being different from past research of regional housing prices, this paper employs smooth transition regression model, derived in Teräsvirta (1998), to investigate ripple effects among four regional house prices in Taiwan. The aim of this paper is to test whether a smooth transition regression model, which is capable of capturing this non-linear behaviour, can show a better characterisation of regional housing prices than a linear model. This empirical analysis applies the four regional house prices of Taiwan, including the capital in Taiwan, Taipei City, and its suburban area, New Taipei City, and the other two mega cities of Taichung City and Kaohsiung City, from the first quarter of 1998 to the second quarter of 2011. Using the changing rate of housing price of Taipei City to be the threshold variable, the empirical results of the smooth transition regression model show that the ripple effect exists between housing prices of New Taipei City and Taipei City, while there is no ripple effect between housing prices of New Taipei City, Taichung City and Kaohsiung City. Besides, this paper has presented evidence of a non-linear relationship between housing prices of New Taipei City and Taipei City. When the changing rate of housing price in Taipei City is lower than 15.02, increasing housing price of Taipei City will make the hosing price of New Taipei City rise. Inversely, if it is higher than 15.02, increasing housing price of Taipei City will make the hosing price of New Taipei City decrease.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».