MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388230279 · doi:10.15396/eres2023_237

The Effects of Economic Measures on House Prices in Turkey During the Covid-19

2023· article· en· W4388230279 sur OpenAlexaboutno aff
Sinan Güneş, Gülnaz Güneş, Daniel Oeter

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReal estateQuarter (Canadian coin)EconomicsDescriptive statisticsConsumer price index (South Africa)UnemploymentEconomic indicatorPrice indexIndex (typography)PopulationInvestment (military)Vector autoregressionCost of livingTurkishDemographic economicsEconomic growthMonetary economicsGeographyMonetary policyMacroeconomicsFinanceStatistics

Résumé

récupéré en direct d'OpenAlex

The demand for housing in Turkey has been increasing in recent years to meet the need for shelter as well as an investment good. Especially during Covid-19, housing prices continued to increase in many regions of Turkey, similar to the development in many other countries around the globe. The Turkish government conducted various measures to counter the severe economic consequences of Covid-19, and several of these measures have had direct and indirect impacts on the housing markets, too. This study analyzes the effect of selected economic measures applied during the pandemic on Turkey's housing prices. Due to data availability, this study focuses on the main housing markets in Turkey: Istanbul, Ankara, and Izmir, which account for more than one quarter of the Turkish population. The conducted economic measures and other macroeconomic factors are assessed over the Central Bank Money Supply, Consumer Price Index, Unemployment Rate, and Housing Loan Interest Rate variables to analyze potential effects. Hereby, residential real estate prices are evaluated on a regional level to show the potential diverging impacts of the respective measures on local housing markets. Descriptive statistics and stationarity levels of the variables used in the study are examined with the Dickey-Fuller (ADF) test. In the study, a Vector Auto-Regressive (VAR) model is used to analyze the various variables’ impact on housing markets in Tukey. While already several studies analyzed the impact of economic measures on house prices in different countries, this study uniquely assesses the impact of such measures in Turkey during Covid-19. The study also evaluates the impact of multiple macroeconomic factors on house prices, providing a more comprehensive understanding of the factors that cause fluctuations in house prices in Turkey. The study can guide policy decisions and investment strategies by providing insights into the impact of economic measures and other macroeconomic factors on house 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,029
Tête enseignante GPT0,230
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHousing Market and Economics→Travaux en français237 207→