The Housing Bubble and a New Approach to Accounting for Housing in a CPI
Notice bibliographique
Résumé
Over the course of the recent house price bubble in the United States, the price of homes rose rapidly from 1999 Q4 to 2005 Q4 (11.3% annually as measured by the Case-Shiller index, and 8.4% annually as measured by the Federal Housing Financing Agency) but slowly as measured by owner equivalent rents (3.4%), so measured core inflation remained relatively docile during this period, since only rents are used to measure inflation for housing services in the United States. Over the last several decades, the US Bureau of Labor Statistics (BLS) has experimented with both rental equivalence and user cost approaches for accounting for owner occupied housing (OOH) services in the CPI. We explain the basics of these approaches, and outline the BLS experiences with using them. This assessment leads us to conclude that the time has come to try a new approach: the opportunity cost approach. We argue this approach has advantages over both the conventional rental equivalence and user cost approaches, though it embeds components of the measures for both those approaches and builds solidly on the research of Verbrugge and others at the BLS. Also, we take up empirical issues that must be faced regardless of which of the approaches discussed is adopted. We explain how the repeat-sales and various hedonic regression methods can be placed in a common framework, thereby facilitating understanding of the properties of and the tradeoffs between the methods. We also consider measurement complications that arise because the land and structure components of properties depreciate at different rates.
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 | 0,010 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,008 | 0,016 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».