Asuntohintojen muodostuminen paikallisesti
Bibliographic record
Abstract
Tämän tutkielman tavoitteena on selvittää, ovatko Suomen asuntomarkkinat paikalliset, ja miten asuntohinnat muodostuvat paikallisesti. Tarkemmin ilmaistuna pyrittiin selvittämään pitääkö Suomen asuntomarkkinoita tutkia paikallisella vai kansallisella asuntomarkkinada-talla, sekä mitkä muuttujat vaikuttavat asuntohintoihin tutkimukseen valituilla 12 asunto-markkinalla.\n\nTutkielman teoriaosa koostuu kansainvälisistä asuntomarkkinatutkimuksista, jotka käsitte-levät eri maiden asuntomarkkinoita. Tutkimuksessa on käytetty pääosin kansainvälisiä asuntomarkkinatutkimuksia, koska suomalaisia laadukkaita asuntomarkkinatutkimuksia ei ollut saatavilla. Kansainvälisissä asuntomarkkinatutkimuksissa on käsitelty pääosin asunto-hintojen muodostumista ulkomaisilla asuntomarkkinoilla.\n\nTutkimusaineisto on kerätty vuosilta 1989 – 2010, eli aineisto käsitti 22 havaintoa. Tutki-musaineisto valittiin teoriaosan perusteella. Tutkimusaineisto käsitti tutkimukseen valittu-jen 12 paikkakunnan asuntohintasarjat, sekä teoriaosan perusteella valittujen asuntohintoi-hin vaikuttavien muuttujien vuosisarjat. Tutkimusaineiston toimitti Tilastokeskus. Asunto-hintoihin vaikuttavia tekijöitä tutkittiin paikallisesti yksinkertaisella ja moninkertaisella regressioanalyysillä.\n\nTutkimustulokset antoivat erittäin vahvaa vahvistusta sille, että Suomen asuntomarkkinoita tulisi tutkia paikallisesti. Tutkimustulokset osoittivat, että kansallisella asuntomarkkinada-talla toteutetut tutkimukset antavat vääriä tai harhaanjohtavia tuloksia paikallisista asunto-markkinoista. Tutkimustulokset osoittivat myös, että paikallisilla asuntomarkkinoilla ylei-sin asuntohintoihin vaikuttava muuttuja oli rakennuskustannukset. Tulokset osoittivat myös, että paikalliset asuntomarkkinat poikkesivat hyvin voimakkaasti toisistaan, sillä edes läänien tasolla asuntomarkkinoilta ei löydetty yhteneväisyyksiä.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.180 | 0.128 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".