MétaCan
Menu
Retour à la cohorte
Enregistrement W2750845138

Investeringsintresse i miljonprogram

2017· article· sv· W2750845138 sur OpenAlexaboutno aff
Pernilla Ljung, Frida Manhem

Notice bibliographique

RevueLund University Publications Student Papers (Lund University) · 2017
Typearticle
Languesv
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReal estateInvestment (military)Quarter (Canadian coin)ReputationValue (mathematics)Quality (philosophy)BusinessGeographyPolitical scienceFinanceSociologySocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Miljonprogramseran kallas den byggnadsperiod som sträcker sig från 1965-1974. Detta var en tid i svensk byggnadshistoria där storskalighet och effektivt byggande förespråkades. Under perioden uppfördes 1 005 578 bostäder i Sverige och idag består en fjärdedel av Sveriges bostadsbestånd av bebyggelse från 1960- och 70-talet. Den höga byggtakten under denna tidsperiod möjliggjordes genom att husen elementproducerades. Definitionen av miljonprogramsområden i detta examensarbete syftar till bebyggelse uppförd i kluster mellan 1965-74. Miljonprogramsområden och deras bebyggelse har kommit att bli omdebatterad. Områdena har i flertalet fall kommit att präglas av socioekonomisk segregation och negativt rykte. Bebyggelsen i dessa stadsdelar har blivit föremål för kritik gällande kvalitet och renoveringsbehov. Idag har flertalet fastighetsbolag valt att göra stora investeringar i just miljonprogramsområden. Syftet med denna uppsats är att undersöka vad det ökade investeringsintresset bottnar i och hur olika värdepåverkande faktorer skiljer sig åt mellan miljonprogram och övriga stadsdelar. Vidare syftas det till att i examensarbetet undersöka hur förtätningspotentialen i miljonprogram ser ut och om den påverkar investeringsintresset. För att besvara dessa frågor har litteratur- och artikelstudier genomförts där relevant teori tagits fram och redovisats. 40 miljonprogram har valts ut för studien, 10 stycken i Malmö, 10 stycken i Göteborg och 20 stycken i Stor-Stockholm. Statistik över försålda bostadsrätter och hyresfastigheter har samlats in och sammanställts. Regressionsanalys har genomförts där prisutvecklingen över försålda bostadsrätter ställs mot värdepåverkande faktorer. Prisutvecklingen för bostadsrätter har också jämförts med nyproduktionskostnader. Hyresfastigheter som ingått i transaktion utgör underlag för prisutveckling för byggrätter på vilka flerbostadshus uppförts. Denna prisutveckling jämförs med markpriser vid markförvärv av icke-bebyggd mark. Vidare har intervjuer genomförts med representanter från fastighetsbolag och branschorganisationer för att ge en bild av hur fastighetsbranschen ser på dessa områden. Det har visat sig att det rådande låga ränteläget påverkar investeringsintresset i miljonprogram. I dagsläget anses en investering i miljonprogram, trots låg betalningsvilja hos de boende, vara förmånligt jämfört investeringar i andra värdehandlingar där avkastningen är ännu lägre. Bostadsbristen i kombination med ökande markpriser och förtätnings- samt förädlingspotential är också påverkande faktorer till det ökade investeringsintresset. Det ges en optionsmöjlighet till fastighetsförvärvaren att uppföra ny bebyggelse i händelse av att betalningsviljan överskrider nyproduktionspriset. Betalningsviljan kan komma att öka då städerna växer. Miljonprogrammen kan komma att betraktas som mer centrala lägen i framtiden. Miljonprogramsområden har vissa värdehöjande faktorer som stort engagemang bland de boende och tillgång till höga naturvärden. Dock är flertalet av studerade miljonprogramsområden i denna studie drabbade av inkomstsegregation, högre arbetslöshet, kriminalitet, lägre utbildningsnivå, sämre kollektivtrafik, bebyggelse i behov av upprustning och homogena upplåtelseformer. Det kommer enligt oss krävas stora sociala investeringar för att lyfta dessa områden. Förtätningspotentialen i miljonprogrammen klassas av oss som god. Det finns tillgänglig icke-bebyggd yta som lämpar sig för förtätning. Miljonprogramsområden erbjuder också möjlighet till stadsdelsförtätning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0330,006

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 Opus0,045
Tête enseignante GPT0,285
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLund University Publications Student Papers (Lund University)Même sujetFinancial Reporting and Valuation ResearchTravaux en français237 207