<sub>Valuing Historical Claims of Loss of Use of Land with Sparse Data</sub>
Notice bibliographique
Résumé
Abstract There have been numerous historical claims by First Nations across Canada for damages resulting from the taking of land and the resulting loss of use of such land. Many of these cases have come before the courts. Generally in such cases, there is agreement that either the Federal Government and/or a provincial government has not fulfilled its fiduciary duty. Hence, the disputes before the courts usually pertain to valuing the losses of the First Nation(s) who is (are) the Plaintiff(s) in these cases. Since the original taking of the lands occurred many decades in the past, the court is challenged with difficult valuation issues, which are complicated by a lack of historical data and transaction records. Hence, even if the parties agree on the methodology for valuing the losses and on an annual lease rate, they still need to determine the annual price of the land. A common practice for generating a price trajectory for the land is to use a very small sample of land prices, and interpolate between these prices to estimate the intervening land prices. This practice does not generate the expected trajectory given the known observations. It implicitly assumes a deterministic price process with an annual fixed appreciation of the asset throughout the period. These assumptions are inconsistent both with realistic price movements and the literature modeling asset price processes. Consequently this practice can, and mostly does, generate a very significant bias in the value of the loss. This paper suggests a loss of use valuation method that is based on a land price process consistent with the literature modeling asset price processes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».