Capturing Residential Preference Changes through Perception Detections of Rationally Inattentive Decision Makers
Notice bibliographique
Résumé
This dissertation focuses on the changes in aggregate residential trends and disaggregate perturbations in residential location choice behaviour. The empirical investigation uses the contexts of the COVID-19 pandemic in the Greater Toronto Area (GTA). Two conceptual models are presented in the study, each providing a unique perspective on analyzing residential preferences and forming the foundation of the research. The study delves into both the short- and long-term effects of the pandemic on residential location choice behaviour and aims to understand how preferences differ across various demographic groups. The research is based on Stated Preference (SP) surveys collected in July 2020 and July 2021 and housing price data for different dwelling attributes from January 2019 to August 2021. The dissertation proposes a new Efficient Adaptive Stated Preference (EASP) survey design that detects respondents’ tastes while doing the survey and integrates present information in choice experiment designs to improve the quality of SP data collection. The effectiveness of the EASP design is evaluated using a data-driven Neural Network model. The thesis also introduces an empirical model of rational inattention discrete location choice based on latent preferences and attention span. This model contributes to explaining the heteroskedasticity of different demographics in decision-making. The proposed methodology is validated by comparing its performance with comparable classical discrete choice models. Overall, the dissertation highlights the importance of high-quality data collection in the context of residential location choice and how the proposed survey design and empirical models can help improve data collection accuracy and inform policy decisions. The research has theoretical and practical implications for the planning of residential neighbourhoods, especially in the context of pandemics and other unexpected demand shocks.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».