MétaCan
Menu
Retour à la cohorte
Enregistrement W2576168925 · doi:10.1177/0042098016681704

Is something better than nothing? The impact of foreclosed and lease-purchase properties on residential property values

2017· article· en· W2576168925 sur OpenAlexaff
Youngme Seo, Michael Craw

Notice bibliographique

RevueUrban Studies · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésForeclosureExternalityProperty valueLeaseResidential propertyEconomicsValue (mathematics)Hedonic pricingPublic economicsMicroeconomicsReal estateFinanceEconomic geographyEconometrics

Résumé

récupéré en direct d'OpenAlex

Lease-purchase (L-P) programmes that rehabilitate foreclosed property for sale as affordable housing may provide a way to reduce foreclosure externalities on nearby property values. This paper investigates the feasibility of such a strategy by estimating the effects of foreclosed properties on nearby residential property values compared with those of an L-P programme operated by the Cleveland Housing Network, Cleveland, Ohio. The findings indicate that although both L-P and foreclosed properties have a negative effect on the value of nearby non-distressed homes, the negative effect of foreclosure is larger. At the same time, the scope of the foreclosure externality is greater in low- and moderate-income neighbourhoods, while the foreclosure externality is generally smaller in high income neighbourhoods. Such results imply that an L-P strategy is likely to be more effective in offsetting foreclosure externalities in low- and moderate-income neighbourhoods than in high income neighbourhoods.

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 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 enseignants0,122
Score d'incertitude au seuil0,783

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
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 Opus0,122
Tête enseignante GPT0,294
Écart entre enseignants0,172 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban StudiesMême sujetHousing Market and EconomicsTravaux en français237 207