MétaCan
Menu
Retour à la cohorte
Enregistrement W4401219365 · doi:10.1108/ijhma-05-2024-0062

Navigating real estate purchase decisions: an interplay of influential factors

2024· article· en· W4401219365 sur OpenAlexaff
Asha Jaisy Sam, Benny Godwin J. Davidson, Jossy P. George, Peter V. Muttungal

Notice bibliographique

RevueInternational Journal of Housing Markets and Analysis · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensUniversity of the Fraser Valley
Organismes subventionnairesnon disponible
Mots-clésReal estateBusinessResidential real estateFinancial economicsActuarial scienceReal estate investment trustFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this study is to investigate the relationship between social trends, peer influence, personal attitudes regarding real estate purchase decisions, perception of long-term property value and the mediating effect of hedging in influencing property and real estate purchases. Design/methodology/approach Using a combination of quantitative surveys, this study aims to provide a comprehensive knowledge of the factors influencing real estate buying decisions. Data were obtained from 399 young consumers in four Indian cities. Using structural equation modeling, the suggested conceptual framework is examined. Findings The study’s findings suggest that attitude plays an important role in influencing real estate purchase decisions. Young adults also tend to look for long-term gains or value when purchasing a home. Developing durable products for the customers is the best way to grow business, according to the results. Originality/value To the best of the authors’ knowledge, this is the first paper that examines the role of sentimental, personal and financial factors in real estate purchase decisions. The study provides insights into how these factors interact and affect the decisions of consumers in real estate. The authors hope that the findings will be useful for real estate professionals to better tailor their services to meet the needs of their customers.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,699
Score d'incertitude au seuil0,529

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,022
Tête enseignante GPT0,303
Écart entre enseignants0,281 · 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'étudeAutre devis
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Housing Markets and AnalysisMême sujetHousing Market and EconomicsTravaux en français237 207