🏙️ Gentryfikacja miasta — czynsz, migracja i wypieranie

W tej symulacji nowi zamożni przybysze preferencyjnie wybierają puste komórki w pobliżu już zamożnych lub wysokoczynszowych sąsiadów, zamiast wybierać lokalizacje losowo. Odzwierciedla to rzeczywiste rynki mieszkaniowe, gdzie udogodnienia, postrzegane bezpieczeństwo i wartości nieruchomości grupują się przestrzennie: obszar, który staje się atrakcyjny dla jednego zamożnego gospodarstwa domowego, staje się atrakcyjniejszy dla kolejnego. W miarę jak coraz więcej zamożnych mieszkańców grupuje się w danym obszarze, lokalny poziom czynszu (napędzany strukturą dochodową sąsiadujących komórek) rośnie jeszcze bardziej, co z kolei zwiększa bodziec dla deweloperów i kolejnych zamożnych przybyszów do inwestowania tam, wzmacniając pierwotny wzorzec przestrzenny zamiast równomiernie rozprzestrzeniać się po mieście.

Komórka zajmowana przez mieszkańca o niskim lub średnim dochodzie zostaje opróżniona, gdy lokalny czynsz przekracza stały próg budżetowy tego mieszkańca; model następnie próbuje przenieść tego mieszkańca do tańszej komórki gdzie indziej na siatce lub oznacza go jako wysiedlonego, jeśli takiej nie znajdzie. Rzeczywiste wysiedlenia są bardziej złożone — obejmują bezpośrednią eksmisję, podwyżki czynszu przy odnowieniu umowy najmu, przekształcanie mieszkań na wynajem w lokale własnościowe oraz „wysiedlenie wykluczające", gdy odchodzący mieszkańcy o niskich dochodach po prostu nie są zastępowani przez innych o podobnym dochodzie, gdy w końcu przeprowadzają się z niezwiązanych powodów — ale uproszczony mechanizm progu budżetowego oddaje podstawową logikę ekonomiczną zidentyfikowaną w badaniach nad dostępnością mieszkań.

Miasta eksperymentowały ze stabilizacją czynszów i kontrolą czynszów, by ograniczyć tempo wzrostu czynszów dla obecnych najemców, strefowaniem inkluzywnym wymagającym od nowych inwestycji udziału lokali poniżej ceny rynkowej, powiernictwami gruntów wspólnotowych trwale wyłączającymi grunty z rynku spekulacyjnego, politykami prawa powrotu dla wysiedlonych mieszkańców oraz ulgami w podatku od nieruchomości dla długoletnich właścicieli domów w zyskujących na wartości dzielnicach. Dowody na skuteczność są mieszane: środki ograniczające wzrost czynszów mogą zmniejszyć wysiedlenia, ale mogą też zniechęcać do inwestycji i wzrostu podaży mieszkań, które w innym wypadku mogłyby złagodzić presję na dostępność cenową w całym mieście.

Wyniki badań są bardziej niejednoznaczne, niż często sugeruje popularny dyskurs. Niektóre badania wskazują, że dzielnice ulegające gentryfikacji odnotowują poprawę usług publicznych, spadek przestępczości i wzrost wartości nieruchomości korzystny dla obecnych właścicieli domów, podczas gdy najemcy — którzy nie posiadają kapitału własnego i stają w obliczu najostrzejszych podwyżek czynszu — ponoszą nieproporcjonalnie duży udział kosztów. Efekty dystrybucyjne zależą w dużej mierze od lokalnych wzorców własności (udział najemców a właścicieli), siły ochrony najemców oraz tego, czy nowa podaż mieszkań rośnie wystarczająco szybko, by wchłonąć rosnący popyt bez głównego wysiedlania obecnych mieszkańców.

Oba modele to modele oparte na agentach w stylu automatu komórkowego, w których indywidualnie racjonalne decyzje o przeprowadzce tworzą wzorzec przestrzenny na dużą skalę, którego żaden pojedynczy agent nie zamierzał wywołać. Model Schellinga pokazuje, jak łagodne preferencje dotyczące podobieństwa typu prowadzą do ostrej segregacji rezydencjalnej; ten model gentryfikacji pokazuje, jak preferencje lokalizacyjne oparte na dochodzie w połączeniu z mechanizmem sprzężenia zwrotnego czynszu prowadzą do przestrzennego sortowania według dochodu i wysiedleń w czasie. Oba ilustrują szerszą tezę w ekonomii i socjologii miejskiej, że wzorce wyłaniające się na poziomie całego miasta często nie mogą zostać przewidziane wyłącznie na podstawie indywidualnych preferencji gospodarstw domowych rozpatrywanych w izolacji.

Ekonomiści miejscy zazwyczaj łączą dane spisu powszechnego z dekady na poziomie rejonów spisowych, szacunki American Community Survey, rejestry wyceny nieruchomości i cen sprzedaży, bazy danych zgłoszeń eksmisji oraz coraz częściej dane o migracji na poziomie adresu pochodzące z rejestrów biur informacji kredytowej lub danych podatkowych, aby śledzić skład dochodowy dzielnicy i wysiedlenia w czasie. Badania takie jak Urban Displacement Project na Uniwersytecie Kalifornijskim w Berkeley klasyfikują rejony spisowe na etapy (podatne, wczesna, trwająca lub zaawansowana gentryfikacja, lub trwałe wykluczenie) przy użyciu tych połączonych wskaźników, ściśle przypominając dyskretne stany, przez które przechodzą komórki w tej symulacji.