MétaCan
Menu
Retour à la cohorte
Enregistrement W7098329220

Accounting for taste in housing decisions: Endogenous lifecycle stages

2003· article· en· W7098329220 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFern and Epiphyte Biology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDemographicsArgument (complex analysis)Housing tenureTasteSystem lifecycleProduction (economics)CensusSet (abstract data type)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, I study the demand for housing, the tenure choice, and the decision to “opt in " different lifecycle stages. Conventional studies often model a household’s housing demand and the tenure choice as a joint decision; lifecycle stages are seen as subsamples or categories, and these categories are “taste " variables that shift up or down the intercept of the housing demand function. Here, like the conventional studies, I treat housing demand and the tenure choice as a joint decision. Unlike the conventional studies, however, I argue that lifecycle stages are more than taste shifters. Instead, an individual chooses to opt in or out of some of these categories: to stay single or to form a couple household, or to raise children. These lifecycle decisions are jointly determined with the tenure choice and demand for housing. I use census micro data files for Ontario and Quebec to form a comparative case study, and set up a system of nine simultaneous equations: six regimes of housing demand, an equation to explain the tenure choice, and another two equations to describe lifecycle decisions. The results support the argument that households self-select themselves into lifecycle stages as they choose their tenure and housing expenditures. The study implies that demographics are important in understanding housing decisions. To the extent that they are important, demographics are not just factors affecting housing decisions. They are part of the decision. 1 1

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,045
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,072
Tête enseignante GPT0,252
Écart entre enseignants0,180 · 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

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFern and Epiphyte BiologyTravaux en français237 207