Essays in urban economics
Notice bibliographique
Résumé
This dissertation consists of three chapters, each exploring research questions within the field of Urban Economics. Over the course of three papers, I examined how real estate markets and local economic activity responded to certain urban phenomenons, using large and novel administrative datasets from the United Kingdom and Portugal. In the first chapter, I delved into the impact of Business Improvement Districts (BIDs) on housing markets, in Greater London. BIDs are entities funded by business owners, which provide additional public services, within their perimeter. By employing cutting-edge difference-in-difference techniques, I calculate that BID openings led to an increase in house prices by at least 3%, with no visible effect on housing supply. Moreover, I show that blocks exposed to BIDs display a lower growth in the share of minorities and unemployed residents. In the second chapter, I estimate the effects of short-term rentals on house prices, in the two Portuguese metropolitan areas, using a policy change in 2014 that led to an exponential variation in the number of such type of accommodation. I employ a two-way fixed effects model, retrieving that a one-unit increment in the number of short-term rentals per quarter results in a 0.142%-0.272% increase in the value of transactions, over the period 2010-2017. I also document positive spillovers to commercial properties and a decrease in the number of transactions of new buildings. In the last chapter, I continue to explore the economic consequences of short-term rentals, by analysing its impact on the performance of local businesses. Hence, I estimate the effect of exposure to short-term rentals, at the civil parish level, on the evolution of certain outcome variables between 2016-2019. Higher exposure to short-term rentals is positively linked with firm closure, especially for low performance firms. It also leads to increases in sales for both resident and tourist-oriented, with the latter also experiencing increments in the number of employees, wages and liquidity. Moreover, higher treatment intensity increases the probability of an entry firm being tourist-oriented.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,007 |
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 ».