Essays on Climate Risks, Policy Shocks, and Housing Markets
Notice bibliographique
Résumé
This dissertation investigates how external shocks, both environmental and regulatory, influence residential real estate markets. By examining climate-related temperature exposures in the United States and foreign buyer tax policies across multiple countries, this research provides critical insights into how housing markets price climate risks and respond to policy interventions. Together, these essays reveal how market participants rapidly capitalize new information about risks and regulatory changes into property values. This research contributes to our understanding of housing market dynamics in an era of increasing climate uncertainty and global capital flows, offering important implications for homeowners, investors, and policymakers navigating these evolving challenges. Chapter 1 High Temperature, Climate Change, and Real Estate Prices Combining granular daily data on temperatures across the continental United States with comprehensive listing-level data for residential properties, we study the impact of temperature shocks on real estate prices. We show that temperature exposures are associated with higher climate change concerns. We find that temperature exposures result in a significant decrease in house prices. This impact is more substantial in areas with greater awareness of global warming, during periods of heightened public attention to climate change, and in locations more vulnerable to sea-level rise. An instrumental-variables strategy based on ENSO teleconnections mitigates endogeneity concerns and yields similar conclusions. While temperature exposures influence property sale prices, we find no detectable effect on rental rates, suggesting that the observed price discount from temperature exposures is driven by concerns about long-term climate risks. The discount also persists after accounting for insurance costs. Our results highlight the importance of climate uncertainty in affecting real estate prices. Chapter 2 Do Foreign Buyer Taxes Affect House Prices? This paper studies the impact of foreign buyer taxes on house prices using recent policy changes in Canada, Australia, and New Zealand. We combine machine learning–based prediction techniques with inference methods from the synthetic control method literature to estimate counterfactual house prices for treated locations. In general, we find that these taxes had large, negative, and persistent effects on house price growth, with stronger effects in areas with higher tax rates and larger immigrant shares. Alternative outcome variables, including population growth, GDP growth, and unemployment rates, were either unaffected or only slightly affected in ways that do not confound our results.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».