Single-Family Housing Value Resilience of Walkable Versus Unwalkable Neighborhoods During a Market Downturn: Causal Evidence and Policy Implications
Notice bibliographique
Résumé
OBJECTIVES: This study investigated the resilience of single-family housing values in walkable versus unwalkable neighborhoods during the economic downturn from 2008 to 2012 in Dallas, Texas. METHODS: Using propensity score matching and difference in differences methods, this study established a natural experimental design to compare before-and-after value changes of single-family (SF) homes in walkable neighborhoods with unwalkable neighborhoods during the Great Recession. Two thousand seven hundred ninety-nine SF homes within 18 Tax Increment Financing (TIF) districts were categorized into walkable (Walk Score ≥50) and unwalkable (<50) groups. Six hundred twenty-four dwellings in walkable neighborhoods were matched with the most identical ones in the unwalkable neighborhoods by controlling for the selected structural and residential location variables. Relative average treatment effects were examined for SF values in walkable and unwalkable neighborhoods. RESULTS: On average, the SF homes in walkable neighborhoods held $4566 (2.08%) more value than their how walkable counterparts. CONCLUSIONS: This study aims to help planners and decision-makers by documenting the unmet demand for walkable communities and their sustained economic benefit. Increased awareness of the sustained value of walkable communities can be used by lenders who finance and by policy makers who regulate placemaking. Results from this study can be integrated with research that demonstrates health-care cost savings of walkable environments to create an even more comprehensive set of evidence-based interventions to increase their supply.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».