🧭 Migrations- & Gravitationsmodell — Regionale Wanderungsströme

Die Formel M_ij = k · Bev_i · Bev_j / Distanz_ij^gamma ist ein direktes räumliches Interaktionsanalogon zu Newtons Gesetz der universellen Gravitation, F = G · m1 · m2 / r^2, wobei Bevölkerung die Masse ersetzt und ein einstellbarer Exponent gamma den festen Exponenten 2 ersetzt. Die Konstante k ist ein Kalibrierungsparameter, der an beobachtete Migrationsdaten angepasst wird und Faktoren wie Währung, Zeiteinheiten und unmessbare Push-Pull-Kräfte absorbiert. Forscher schätzen k und gamma empirisch, indem sie das Modell (oft in log-linearer Form) mittels Regression an historische Migrationsmatrizen anpassen — genauso kalibrieren nationale Statistikbehörden ihre eigenen Migrationsprognosen.

Das einfache zweivariablige Gravitationsmodell erklärt einen erheblichen Teil der Variation in realen Migrationsströmen, oft 60-80 % der Varianz in log-Fluss-Regressionen, was angesichts seiner Einfachheit bemerkenswert ist. Es übersieht jedoch systematisch Faktoren wie sprachliche und kulturelle Ähnlichkeit, historische koloniale Bindungen, Einwanderungspolitik, Unterschiede bei Beschäftigungsmöglichkeiten und Netzwerkeffekte, bei denen Migranten etablierten Diaspora-Gemeinschaften folgen. Moderne angewandte Versionen fügen diese als zusätzliche multiplikative Terme hinzu und erzeugen "erweiterte Gravitationsmodelle", die weit über 90 % der Varianz zwischen Ländern erklären können.

Da der Bevölkerungsterm als Produkt (Bev_i × Bev_j) eingeht, erzeugt ein Paar mit einer sehr großen Stadt tendenziell eine größere Rohstromzahl als zwei kleine Städte, selbst wenn die kleinen Städte zufällig näher beieinanderliegen. Dies spiegelt reale Migrationsstatistiken wider: Megastadt-Korridore wie London-Paris oder New York-Los Angeles tragen typischerweise weit mehr absolutes Migrationsvolumen als Routen zwischen Kleinstädten, obwohl die Migrationsrate (Strom relativ zur Bevölkerung) beim Megastadt-Paar ähnlich oder sogar niedriger sein kann.

Nicht unbedingt. Das hier gezeigte vereinfachte Gravitationsmodell berechnet ein einziges symmetrisches Austauschvolumen zwischen jedem Städtepaar, aber reale Migration ist typischerweise asymmetrisch — mehr Menschen könnten von Stadt A nach Stadt B ziehen als umgekehrt, getrieben von relativer wirtschaftlicher Chance, Löhnen oder Annehmlichkeiten. Diese Simulation fügt eine Richtungsverzerrung hinzu, sodass Partikel eher zur größeren der beiden Städte eines Paares wandern, was die reale Tendenz von Migranten annähert, sich in Richtung größerer Arbeitsmärkte zu bewegen, während die zugrunde liegende M_ij-Größe der Einfachheit halber symmetrisch bleibt.

Aktuelle Forschung erweitert das grundlegende Gravitationsmodell mit Techniken des maschinellen Lernens, die flexible, nichtlineare "Widerstands"-Funktionen anstelle eines festen Potenzgesetzes lernen, bezieht netzwerkbasierte Diaspora- und soziale Bindungseffekte ein und nutzt Strahlungsmodelle (eine Alternative zu Gravitationsmodellen, die dazwischenliegende Möglichkeiten statt der reinen Distanz berücksichtigt). Forscher wenden gravitationsähnliche Modelle auch auf nichtmenschliche Ströme wie internationalen Handel, Fluggastverkehr und sogar Tierwanderung an, da dieselbe Größe-mal-Distanz-Abnahme-Logik immer wieder auftritt, wenn das Bewegungsvolumen von der Attraktivität eines Ziels abhängt, ausgeglichen gegen die Reibung der Trennung.