The Impact of Economic Policy Uncertainty on Investment in Real Estate Corporations Based on Sustainable Development: The Mediating Role of House Prices
Notice bibliographique
Résumé
Since the COVID-19 outbreak, the global economy has undergone profound changes, and China’s real estate market has experienced dramatic turbulence. In order to stabilise the national economy during the epidemic, China’s macro-controls on the real estate industry have become more frequent. These regulatory policies have kept the uncertainty in China’s economic policies at a high level for almost two years. Therefore, in order to further regulate the real estate market and thus establish a sustainable macro-control mechanism, the purpose of this study is to provide the necessary practical research and policy basis for the real estate market by exploring how economic policy uncertainty and house prices affect the level of corporate investment in real estate development. Based on the theory of real options, financial friction theory and real estate characteristics theory, this paper studies the relationship between economic policy uncertainty and the investment level of real estate developers and further explores the mediating role of house prices. This paper selects the panel data of Shanghai and Shenzhen A-share real estate listed companies in the CSMR database from the first quarter of 2012 to the fourth quarter of 2022 and uses the fixed-effects regression method to identify the following conclusions. Firstly, stronger economic policy uncertainty promotes the investment level of real estate corporations; secondly, the fluctuation of house prices plays a mediating role in the positive effect of economic policy uncertainty on the investment of real estate corporations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».