ASSESSING THE EFFECT OF ACCESSIBILITY TO AMENITIES IN THE LOCATION RENT SEARCHING FOR MARKET SEGMENTATION OF PREFERENCES
Notice bibliographique
Résumé
In previous research (ThÈriault et al., 2005 & 2007), we developed a novel approach for assessing centrality and accessibility to urban amenities distinguishing among city centre, labour market and other types of services, like schools, shopping centres, groceries and health facilities. Complementary indices for each type of amenity derived from suitable opportunity sets (based on willingness to travel thresholds) are integrated within a hedonic model of housing markets. Results are highly significant and permit in-depth comparison (and ordering) of the marginal value of accessibility (by car, bus and walking) to several types of amenity within an integrated hedonic framework, while controlling for multicollinearity related to urban form and transportation networks, using principal component analysis. However, there is remaining significant spatial autocorrelation among the model residuals. Thus, spatial drift is eventually harming the robustness of estimates of the coefficients and of their standard errors. The purpose of this paper is to explore ways to get rid of this spatial autocorrelation or, at least, to handle the spatial drift which could be present in the perception of accessibility (and its valuation) among buyers. Building on a comprehensive hedonic model using thousands of single-family house transactions made during the 1993-2004 period in the Quebec Metropolitan Area, this paper compares the efficiency of OLS (ordinary least square), SAR (spatial autoregression) and Quantile regression techniques for handling spatial autocorrelation in the hedonic model and, eventually, for identifying factors behind the spatial drift that could influence buyerís valuation of urban centrality and accessibility to amenities. Moreover, assessment of the marginal effects of market segmentation on the valuation of accessibility to specific amenities (e.g. schools versus labour market, schools versus shopping centres) provides bases for discussing spatial drift estimations in-line with urban economic theory.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,006 | 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 ».