(Under)Mining local residential property values: A semiparametric spatial quantile autoregression
Notice bibliographique
Résumé
Summary Rock mining operations, including limestone and gravel production, have considerable adverse effects on residential quality of life due to elevated noise and dust levels resulting from dynamite blasting and increased truck traffic. This paper provides the first estimates of the effects of rock mining—an environmental disamenity—on local residential property values. We focus on the relationship between a house's price and its distance from a nearby rock mine. Our analysis studies Delaware County, Ohio, which, given its unique features, provides a natural environment for the valuation of property‐value‐suppressing effects of rock mines on nearby houses. We improve upon the conventional approach to evaluating adverse effects of environmental disamenities based on hedonic house price functions. Specifically, in the pursuit of robust estimates, we develop a novel (semiparametric) partially linear spatial quantile autoregressive model which accommodates unspecified nonlinearities, distributional heterogeneity, as well as spatial dependence in the data. We derive the consistency and normality limit results for our estimator as well as propose a consistent model specification test. We find statistically and economically significant property‐value‐suppressing effects of being located near an operational rock mine which gradually decline to insignificant near‐zero values at roughly a 10‐mile distance. Our estimates suggest that, all else equal, a house located a mile closer to a rock mine is priced, on average, at about 2.3–5.1% discount, with more expensive properties being subject to larger markdowns.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».