MétaCan
Menu
Retour à la cohorte
Enregistrement W4389309270 · doi:10.1111/1540-6229.12468

Foreign buyer taxes and housing affordability

2023· article· en· W4389309270 sur OpenAlexaffabout
Andrey D. Pavlov, Tsur Somerville, Jake Wetzel

Notice bibliographique

RevueReal Estate Economics · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensKamloops Art GalleryUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésDatabase transactionEconomicsTransaction dataAd valorem taxBusinessPublic economicsTax reformMonetary economicsLabour economics

Résumé

récupéré en direct d'OpenAlex

Abstract To improve housing affordability jurisdictions in different countries has introduced taxes on nonresident home buyers. We use the foreign buyer tax introduced in British Columbia, Canada, in August 2016 to investigate the extent to which such taxes improve housing affordability through their effect on local house prices. Our work uses direct transaction‐level identification of foreign buyers that resulted from policies prior to the announcement and subsequent introduction of the tax. Using a difference in differences methodology, we compare house price changes pre‐ and posttax between high and low foreign buyer concentration neighborhoods. We find that house prices decline by 6% in neighborhoods with above median concentrations of foreign buyers after the tax relative to prices in neighborhoods with below median concentrations of foreign buyers. The quantitative effects are also striking with overall foreign buyer share falling from 13.2% of single‐family transactions in the 6 weeks prior to the announcement of the tax to 1.7% for the 3 months following the tax. The unique contribution of this article is our use of transaction‐level data to explicitly identify the properties purchased by foreign buyers to create more accurate control and treatment groups than found in other analyses.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,174
Score d'incertitude au seuil0,345

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,034
Tête enseignante GPT0,218
Écart entre enseignants0,184 · 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

Citations12
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReal Estate EconomicsMême sujetHousing Market and EconomicsTravaux en français237 207