Determinants of Commercial Real Estate Market Performance: The Case of Addis Ababa, Ethiopia
Notice bibliographique
Résumé
Numerous social and economic problems are brought on by urbanisation, including worse-than-ever housing shortages in emerging nations and an increase in the number of people living unlawfully in slums without permits or property rights. This is also applicable to Ethiopia. The investigation of the factors influencing Addis Ababa’s commercial real estate market performance was the study’s principal goal. Explanatory sequential mixed method design was used in the study, which took a mixed research strategy. Senior specialists, top business leaders, and other professionals from 35 commercial real estate developers active in Addis Abeba made up the study sample for the quantitative phase. It was decided to employ 163 of the 231 structured and self-administered sets of questions that were provided. This resulted in an actual response rate of 71%, which was deemed both necessary and sufficient for running the relevant statistical analyses. 15 key informants from important government ministries or agencies, as well as relevant industrial sectors, were chosen to participate in in-depth interviews for the qualitative phase of the study. Only ten significant informants, however, volunteered to be interviewed. The quantitative study’s findings revealed that every factor—firm efficiency, supplier dependability, and customer purchase intentions, as well as credit availability, marketing strategy, legal considerations, land availability, infrastructure development, technological adoption, and leadership quality—had a significant and positive impact on Addis Ababa’s commercial real estate market performance. The qualitative analysis found that additional variables such as political and economic instability, the degree of coordination and stakeholder participation, political interference, and house purchasers’ purchasing power influenced commercial real estate performance. To improve performance, the researcher suggests that real estate enterprises adopt an effective strategy that focuses on performance-improving variables and collaborate closely with the government and other stakeholders. Finally, the proposed framework for measuring performance in the commercial real estate business should guide commercial real estate developers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».