MétaCan
Menu
Retour à la cohorte
Enregistrement W4223520315 · doi:10.1108/ijhma-02-2022-0020

Housing affordability in a resource rich economy: the case of Kuwait

2022· article· en· W4223520315 sur OpenAlexaboutno aff
Abdullah Adel Alfalah, Simon Stevenson, Steffen Heinig, Éamonn D’Arcy

Notice bibliographique

RevueInternational Journal of Housing Markets and Analysis · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsIndex (typography)OriginalityPopulationBusinessValue (mathematics)Resource (disambiguation)Public economicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to improve the housing affordability by measuring the housing affordability in a resource-rich economy and studying the impact of implementing new policies. Design/methodology/approach This paper seeks to test the impact of new policies introduced to the Kuwaiti housing market to improve affordability. In 2008, the Kuwaiti parliament introduced two policies: a tax on empty lands and, forbidding companies to own or develop residential lands or houses. Findings By constructing the housing affordability index and the price-to-income multiplier using observations from 2004 until 2017, it has been found that affordability has worsened over time regardless of the new policies introduced in 2008. Housing in Kuwait became “severely unaffordable” (equivalent to London in the UK, San Diego in USA and Toronto in Canada). Originality/value Even with its unique condition, as a rich country, small population and availability of white land and other resources, the affordability worsened over time. Introducing new policies without solving the central issue of housing supply challenges seems not worth it. This paper is the first of its kind on the Kuwait housing market, and it provides a valuable foundation for future research on this market and similar markets in the region.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,699
Score d'incertitude au seuil0,440

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,229
Écart entre enseignants0,214 · 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.

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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Housing Markets and AnalysisMême sujetHousing Market and EconomicsTravaux en français237 207