MétaCan
Menu
Retour à la cohorte
Enregistrement W3124303392 · doi:10.1257/mac.20130326

Moving to a Job: The Role of Home Equity, Debt, and Access to Credit

2017· article· en· W3124303392 sur OpenAlexaff
Yuliya Demyanyk, Dmytro Hryshko, María Luengo-Prado, Bent E. Sørensen

Notice bibliographique

RevueAmerican Economic Journal Macroeconomics · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHome equityRelocationEquity (law)Great recessionDebtForeclosureLabour economicsEconomicsLoanConsumption (sociology)Construct (python library)BusinessFinancePolitical science

Résumé

récupéré en direct d'OpenAlex

We use individual-level credit reports merged with loan-level mortgage data to estimate how home equity interacted with mobility in relatively weak and strong labor markets in the United States during the Great Recession. We construct a dynamic model of housing, consumption, employment, and relocation, which provides a structural interpretation of our empirical results and allows us to explore the role that foreclosure played in labor mobility. We find that negative home equity is not a significant barrier to job-related mobility because the benefits of accepting an out-of-area job outweigh the costs of moving. This pattern holds even if homeowners are not able to default on their mortgages. (JEL D14, G01, J61, R23, R31)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,224
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,279
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

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

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Economic Journal MacroeconomicsMême sujetHousing Market and EconomicsTravaux en français237 207