Real effects of real estate: evidence from unemployment rates
Notice bibliographique
Résumé
Purpose This paper aims to investigate the relationship between residential real estate prices and unemployment rates at the Metropolitan Statistical Area (MSA) level. Design/methodology/approach This paper uses a long time-series of MSA-level quarterly data from 1990 to 2018. It uses an instrumental variable approach to estimate the effects of residential real estate prices on unemployment rates using the geography-based land constraints measure of Saiz (2010) as the instrument. Findings The results show that changes in residential real estate prices do not have a causal effect on unemployment rates in the same quarter. However, it takes 9-12 months for an increase (decrease) in real estate prices to decrease (increase) unemployment rates. This effect is significant during both pre- and post-financial crisis periods and robust to control for the economic characteristics of MSAs. Research limitations/implications This paper contributes to the emerging literature that studies the real effects of real estate. Particularly, the methodology and the findings can be used to investigate causal relationships between housing prices and small business development or economic growth. The findings are also of interest to policymakers and practitioners as they illustrate how and when real estate price shocks propagate to the real economy through unemployment rates. Practical implications This study’s findings have important implications for academics, policymakers and investors as they provide evidence of a snowball effect associated with shocks to real estate prices: increasing (decreasing) unemployment rates following a decrease (increase) in real estate prices exacerbates the real estate price movements and their economic consequences. Originality/value This paper analyzes a significantly longer period, from 1990 to 2018, than the existing literature. Additionally, it uses the MSA-level land unavailability measure of Saiz (2010) as an instrument to explore the effects of residential real estate prices on unemployment rates and when those effects are observed in the real economy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».