MétaCan
Menu
Retour à la cohorte
Enregistrement W4406825396 · doi:10.1108/pm-06-2024-0062

Financialization and vertical integration enhance renter-perceived property owner effectiveness

2025· article· en· W4406825396 sur OpenAlexaffabout
Grant Alexander Wilson, Jason Jogia, Adrian H. Pitariu

Notice bibliographique

RevueProperty Management · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésFinancializationRentingProperty (philosophy)Vertical integrationBusinessEconomicsFinanceIndustrial organizationCivil engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose This work examines the impact of financialization and vertical integration on renter-perceived property owner effectiveness. Design/methodology/approach Based on a sample of 1,186 renters in the US, the UK and Canada, the research addresses gaps in the literature regarding the implications of financialization and vertical integration on renters. Findings In contrast to previous work that shows the negative implications of financialization, the results indicate that financialization is positively correlated with renter-perceived property owner effectiveness, challenging the prevailing narrative that it strictly benefits shareholders and the financial elite. Vertical integration’s effect on renter-perceived property owner effectiveness was also shown to be positive and significant, enhancing the existing vertical integration literature that has not focused on real estate. A post-hoc interaction analysis revealed the benefits of vertical integration on renter sentiment are greater among highly financialized firms. Practical implications The study offers managerial considerations for property owners seeking to enhance renter sentiment and satisfaction as well as contributes to real estate strategy and management literature. Originality/value These results are novel, as previous research has not empirically shown financialization to elicit benefits for broader stakeholder groups.

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)0,004
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 enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,232
Écart entre enseignants0,213 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProperty ManagementMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207