MétaCan
Menu
Retour à la cohorte
Enregistrement W3118170049 · doi:10.1016/j.jue.2020.103313

Market tremors: Shale gas exploration, earthquakes, and their impact on house prices

2020· article· en· W3118170049 sur OpenAlexaff
Stephen Gibbons, Stephan Heblich, Christopher Timmins

Notice bibliographique

RevueJournal of Urban Economics · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSmithsonian Environmental Research CenterEconomic and Social Research CouncilUniversity of Bristol
Mots-clésShale gasHouse priceOil shaleHydraulic fracturingEconomicsPetroleum engineeringGeologyNatural resource economicsMonetary economicsPaleontology

Résumé

récupéré en direct d'OpenAlex

Shale gas has grown to become a major new source of energy in countries around the globe. While its importance for energy supply is well recognized, there has also been public concern over potential risks from hydraulic fracturing (‘fracking’). Although commercial development has not yet taken place in the UK, licenses for drilling were issued in 2008, signalling potential future development. This paper examines whether public fears about fracking affect house prices in areas that have been licensed for shale gas exploration. Our estimates suggest differentiated effects. Licensing did not affect house prices but fracking the first well in 2011, which caused two minor earthquakes, did. We find a 3.9–4.7 percent house price decrease in the area where the earthquakes occurred. The earthquakes were too minor to have caused any damage but we find the effect on prices extends to a radius of about 25 km served by local newspapers. This evidence suggests that the earthquakes and newspaper coverage increased awareness of exploration activity and fear of the local consequences.

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)0,000
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,038
Tête enseignante GPT0,204
Écart entre enseignants0,166 · 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

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Urban EconomicsMême sujetHousing Market and EconomicsTravaux en français237 207