MétaCan
Menu
← Retour à la cohorte
Enregistrement W2889874716 · doi:10.11575/prism/32033

Regulatory Burden for Builders: Government's Effect on Housing Supply and Prices

2017· dissertation· en· W2889874716 sur OpenAlexfundaboutno aff
Blake Leew

Notice bibliographique

RevueOpen MIND · 2017
Typedissertation
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensnon disponible
Organismes subventionnairesGovernment of Alberta
Mots-clésGovernment (linguistics)BusinessPublic economicsEconomics

Résumé

récupéré en direct d'OpenAlex

Having an affordable place to live is a key ingredient for a prosperous and healthy life. Unfortunately for many people, housing is becoming harder and harder to afford, with some markets in Canada priced out of reach for entire generations of middle-income citizens. Affordable rental housing is also very difficult to come by, especially for people towards the bottom of the income distribution. Canada's rental stock of housing is old and deteriorated, with very little development or maintenance of this class of housing over the past 30 years. Governments at all levels affect housing in a variety of ways, and governments and citizens alike should be concerned about the extra cost added to housing through regulatory burden as well as other policies that limit new housing supply. Municipal governments add to the cost of housing through fees and levies and limit supply through zoning laws. This creates a fiscal externality on upper levels of government, since housing becomes less affordable and social spending requirements increase for provincial and federal governments. Provincial governments also interfere with the housing market. Land transfer taxes make land more expensive, and rent controls discourage investment in new rental housing developments. Vacancy and foreign buyer taxes are implemented in order to try to add supply to the rental market and limit speculative demand. Carbon taxes make building supplies—especially the key building ingredient of concrete—more expensive.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,070
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0060,002
Science ouverte0,0010,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,032
Tête enseignante GPT0,272
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'admission2
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetHousing Market and Economics→Travaux en français237 207→