MétaCan
Menu
Retour à la cohorte
Enregistrement W2808302217 · doi:10.5430/afr.v7n3p119

Excess Capacity and the Economics of Public Transit Investment: A Study of a Growing American City

2018· article· en· W2808302217 sur OpenAlexvenueno aff
Achintya Ray, Malcom Getz

Notice bibliographique

RevueAccounting and Finance Research · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTransportation Planning and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublic transportInvestment (military)Service (business)Transit (satellite)BusinessFalling (accident)Control (management)EconomicsTransport engineeringDemographic economicsAgricultural economicsEconometricsMarketingEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Declining ridership in public transport weakens the case for investments in expanded service or large investments in public transit infrastructures. Our study documents the decline in public transit ridership in Nashville, Tennessee, USA. Using data from Federal sources for 2002-2018 we document the influence of higher numbers of hours of bus service, employment, and, gasoline prices on public transit ridership. We find a surprising negative relationship between ridership and miles of bus service provided. Given the several control variables in the model, quadratic trend estimates inform us that peak ridership occurred in 2007 and the seasonally adjusted ridership might be falling since then. A second regression for the period after the great recession of 2008-09 gives a similar result regarding the declining ridership. Falling ridership in Nashville matches downward trends in other cities around the country. A major contribution of our study lies in the identification of separate roles for hours and miles of bus service. Using that insight, we decompose the time series while incorporating a quadratic trend to account for relative changes in the slope over time. Evidence of an underlying downward trend in ridership challenges the value of making large scale investments in transit capacity especially in the presence of increasing excess capacity.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,232
Score d'incertitude au seuil0,461

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,103
Tête enseignante GPT0,359
Écart entre enseignants0,256 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAccounting and Finance ResearchMême sujetTransportation Planning and OptimizationTravaux en français237 207