MétaCan
Menu
Retour à la cohorte
Enregistrement W3124797037 · doi:10.1093/restud/rdac024

Affordable Housing and City Welfare

2022· preprint· en· W3124797037 sur OpenAlexaff
Jack Favilukis, Pierre Mabille, Stijn Van Nieuwerburgh

Notice bibliographique

RevueThe Review of Economic Studies · 2022
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEconomic rentAffordable housingZoningWelfareEconomicsPublic economicsLabour economicsBusinessEconomic growthMarket economy

Résumé

récupéré en direct d'OpenAlex

Abstract Housing affordability is the main policy challenge for most large cities in the world. Zoning changes, rent control, housing vouchers, and tax credits are the main levers employed by policymakers. How effective are they at combatting the affordability crisis? We build a dynamic stochastic spatial equilibrium model to evaluate the effect of these policies on the well-being of its citizens. The model endogenizes house prices, rents, construction, labour supply, output, income, and wealth inequality, the location decisions of households within the city as well as inter-city migration. Its main novel features are risk, risk aversion, and incomplete risk-sharing. We calibrate the model to the New York metropolitan statistical area. Housing affordability policies carry substantial insurance value but affect aggregate housing and labour supply and cause misallocation in labour and housing markets. Housing affordability policies that enhance access to this insurance especially for the neediest households create substantial net welfare gains.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,797
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,090
Tête enseignante GPT0,295
Écart entre enseignants0,205 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Review of Economic StudiesMême sujetHousing Market and EconomicsTravaux en français237 207