MétaCan
Menu
Retour à la cohorte
Enregistrement W4385729053 · doi:10.24043/001c.84887

Is Rising Residential Land Prices a Consequence of Domestic or Foreign Land Demand? Evidence From Mauritius Island

2023· article· en· W4385729053 sur OpenAlexvenueno aff
Narvada Gopy-Ramdhany, Boopen Seetanah

Notice bibliographique

RevueIsland Studies Journal · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReal estateEconomicsLand useAgricultural economicsPopulationInvestment (military)Foreign direct investmentUnemploymentNatural resource economicsMacroeconomicsFinanceEcology

Résumé

récupéré en direct d'OpenAlex

Some emerging island economies have been fostering foreign direct investments in the real estate market. Given the rise in real estate demand under such contexts, this must have entailed a rise in land demand, and subsequently, land prices could have been affected. This study assesses if the rise in land demand caused by domestic and/or foreign land demand has been influencing residential land prices in Mauritius. To undertake the research, annual data was collected from the year 2000 to 2019 and a structural time series approach was used. It was found that unobserved components, namely the trend level and slope, as well as the cycles were significant in explaining land prices. It was concluded that fluctuations in land prices are significantly explained through latent variables, such as regulations in the land market, fiscal policies concerning mortgage loans, and speculative land buying among others. It was also found that foreign real estate investment (FREI) used as a measure of foreign land demand did not significantly influence land prices. To further probe the factors affecting land prices in Mauritius, domestic demand-side factors were considered and it was found that income, population, unemployment, and real construction costs were significant in explaining land prices.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,532
Score d'incertitude au seuil0,773

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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 Opus0,099
Tête enseignante GPT0,309
Écart entre enseignants0,210 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIsland Studies JournalMême sujetHousing Market and EconomicsTravaux en français237 207