Landscaping and house values : an empirical investigation
Notice bibliographique
Résumé
The current paper investigates the effect of landscaping on house values, based on a detailed field survey of 760 single-family homes transacted between 1993 and 2000 on the territory of the Quebec Urban Community (CUQ), using for that purpose the hedonic approach. Conducted during the summer of 2000, this survey focuses on landscaping characteristics of homes and their immediate environment. Environmental information was captured from the front and side of houses and includes 31 attributes dealing with tree as well as ground cover - with trees being classified by size class and type of species-, flower arrangements and rock plants, hedges, landscaped curbs, density of visible vegetation as well as roof, patio and balcony arrangements. Once the basic model (Model 1) is calibrated using the physical, census and access characteristics of properties, landscaping features are added to the hedonic equation, with both individual attributes and interactive variables being used. By and large, a positive tree cover differential - or a more-than-unity ratio - between the property and its immediate neighborhood translates into a higher house value, although a negative adjustment is required where early boomers - aged 45-64 - dominate (Model 3). While the relative importance of tree cover in the visible surroundings also exerts a positive impact on property prices, the effect is all the more enhanced in areas with a high proportion of retired persons (Model 2). If trees seem to be valued by most homeowners, a high percentage of ground cover (lawn, flower arrangements, rock plants, etc.) also commands a market premium in the case of bungalows and cottages (Model 2); moreover, the price of cottages benefits from an above-average ground cover whereas a below-average one is detrimental (Model3). Quite interestingly, the density of the vegetation visible from the property impacts negatively on prices (Model 3), in line with Payne's (1973) conclusions regarding excessive tree cover. Finally, a hedge, a landscaped patio as well as landscaped curbs all command a substantial market premium : while it amounts to between 3.6% (Model 3) and 3.9% (Model 2) of property value for a hedge, it reaches 12.4% in the case of a patio and 4.4% for landscaped curbs (Model 3).
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».