Retail concentration and shopping center rents : a comparison of two cities
Notice bibliographique
Résumé
This study aims primarily at testing whether, and to what extent, retail concentration within regional and super-regional shopping centers affects rent levels as well as the differential impact it may exert in different urban contexts. In this paper, 1,499 leases negotiated over the 2000-2003 period are being considered, representing over 5.3 million square feet of gross leasable area (GLA) distributed among eleven regional and super-regional shopping centers in Montreal (6 centers, 2.3 M. sq. feet, 653 retail units) and Quebec City (5 centers, 3.0 M. sq. feet, 846 units), Canada. Unit base rents (base rent per sq. ft.) are regressed on a series of descriptors that include retail unit size (GLA, in square feet), lease duration (in years) since the first landlord-tenant negotiation took place as well as shopping center age, weighted to account for expansions and modifications to the building. A time variable (time elapsed since January 1971, in years) is also designed so as to capture rent inflation over time. In addition, 31 retail categories or category groupings based on the North American Industry Classification System (NAICS) are defined while the Herfindahl index is used as a measure of retail concentration. Regression models are calibrated using a log-linear functional form; a logarithmic transformation is also applied to the store size (GLA) variable. Following the literature, a series of eight research hypotheses are tested, all of which addressing the tenant mix and retail concentration issues. While most are confirmed by the study, the hypothesis to the effect that retail concentration drives rents up cannot be supported. Rather, findings lead to the opposite conclusion.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».