MétaCan
Menu
Retour à la cohorte
Enregistrement W2802879226 · doi:10.1177/0042098018760708

Rail station access and housing market resilience: Case studies of Atlanta, Baltimore and Portland

2018· article· en· W2802879226 sur OpenAlexaffabout
Timothy Welch, Steven R. Gehrke, Steven Farber

Notice bibliographique

RevueUrban Studies · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAtlantaMileRecessionQuarter (Canadian coin)Great recessionResilience (materials science)Value (mathematics)Psychological resilienceMarket valueBusinessDemographic economicsEconomicsGeographyFinanceLabour economicsMetropolitan area

Résumé

récupéré en direct d'OpenAlex

The recent United States housing market crisis resulted in a significant decline in housing market values. Yet, the extent to which urban amenities such as rail stations moderated the market impacts has not been entirely recognised. This study undertakes a repeat sales analysis to understand the impact of station proximity on housing values before, during and after the market crisis. Specifically, a housing price resilience index assesses market changes from 2002 to 2013 for single-family and multifamily homes within a quarter of a mile, half a mile, one mile and greater distances from the nearest rail station. The analysis is replicated in three cities: Atlanta, Georgia; Baltimore, Maryland; and Portland, Oregon. Although the recession had significant negative impacts on properties in each city, our study finds that access played a critical role in helping transit-orientated submarkets retain their value throughout the recession and recover value at a faster rate than homes without convenient fixed transit access.

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)0,000
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 enseignants0,198
Score d'incertitude au seuil0,630

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,072
Tête enseignante GPT0,308
Écart entre enseignants0,236 · 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

Citations6
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUrban StudiesMême sujetHousing Market and EconomicsTravaux en français237 207