MétaCan
Menu
Retour à la cohorte
Enregistrement W2553302343 · doi:10.5539/ibr.v9n12p103

A Study on Housing Price in Klang Valley, Malaysia

2016· article· en· W2553302343 sur OpenAlexvenueno aff
Paul Anthony Mariadas, Mahiswaran Selvanathan, Tan Kok Hong

Notice bibliographique

RevueInternational Business Research · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpeculationInflation (cosmology)Price indexOrder (exchange)Index (typography)Government (linguistics)PopulationInflation rateEconomicsHouse priceSample (material)BusinessAgricultural economicsFinanceMonetary economicsInterest rateEconometricsDemography

Résumé

récupéré en direct d'OpenAlex

<p>The main aim of this study is to measure the factors influencing housing price in Klang Valley, Malaysia. This paper examines empirically whether the increasing trend in the Malaysian housing price is associated to changes in the population, construction cost, housing speculation, and inflation rate. The paper is exploratory in nature. The data is collected via questionnaire survey form distributed to youngest respondents in the sample area which is Klang Valley region. Each single elements are calculated its average index respect to few level of influence under respondents opinion. The index will then treated as influencing level of the factors. The paper delivers empirical outcomes that the population, construction cost and housing speculation are the main factors of housing prices. However, fluctuations in housing prices could not necessarily be influenced by the inflation rate. The overall result of this paper strongly recommends that housing price in the Malaysian residential property market is increasing continuously. Therefore, efforts to control the hike in housing price is needed by government and policy controllers in order to maintain the affordable to own a house in Malaysia.</p>

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,175
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,124
Tête enseignante GPT0,341
Écart entre enseignants0,217 · 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.

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

Citations23
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetHousing Market and EconomicsTravaux en français237 207