Diaspora Cooperatives and Sustainable Real Estate Finance: A Discrete Choice Modelling Approach
Notice bibliographique
Résumé
This study examines the trade-offs Nigerian diaspora investors will consider funding energy-efficient affordable housing in high-sovereign-risk markets and maps the residual viability gap. An integrated theoretical lens informed a Bayesian D-optimal partial-profile discrete-choice experiment. Employing a sample of 350 diaspora investors in the UK, USA, Canada and Germany, 12 investment profiles varying in ticket size, expected IRR, certification and risk shielding were evaluated. Data were analysed using a multinomial logit model implemented in Python's xlogit library to interpret the willingness-to-accept (WTA) estimates. Results show that investors waive up to 1.06% for sustainable real estate investment cost premium, which falls below the standard 2–7% incremental cost. Conversely, escrow, audit and FX-plus-sovereign cover elicit 1.32–2.27% discounts, confirming loss-aversion’s (Prospect Theory) dominance over altruistic impact (Risk-Return Impact Frontier). Wealth, experience and risk tolerance significantly moderated preferences (McFadden pseudo-R²=0.287). Practical implications of the study entail that developers should securitise sustainable investment projects with transparent escrow and FX cover. Policymakers could absorb the remaining spread through green guarantees and diaspora-indexed bonds. This study quantifies diaspora investors' willingness- to-accept yield reductions for sustainable housing (up to 1.06% for LEED-Gold certification), and demonstrates that risk mitigation mechanisms command higher premiums than sustainability features, informing blended finance design.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».