ГоловнаСтаттіСуспільство та Економіка

Сегрегація Шеллінга: Математика критичних точок

У 1971 році економіст Томас Шелінг показав, що не потрібне сильне бажання до сегрегації та немає координації між агентами, щоб розділити місто на однорідні райони — достатньо простого «я б не хотів бути незначною меншиною на своєму будинку».

mysimulator teamОновлено — червень 2026≈ 8 хв читання▶ Відкрити симуляцію

Модель встановлення: сітка, типи та вакансії

Schelling's model places agents of two (or more) types on a 2D grid, originally a checkerboard, with a fraction of cells left empty to allow movement (density typically 90-95% occupied). Each agent occupies one cell and has a fixed type — nothing more complex than a label; the model deliberately strips away economic or personal detail to isolate the effect of a single mechanism, evaluated over the Moore neighbourhood (the 8 surrounding cells).

Функція задоволеності та порогове значення

Кожен агент оцінює власну задоволеність, дивлячись на зайнятих сусідів у межах Moore і обчислюючи частку, яка поділяє його тип:

similarity(agent) = (# сусідів з однаковим типом) / (# зайнятих сусідів) задоволено якщо similarity(agent) ≥ τ не задоволено якщо similarity(agent) < τ // τ = порогове значення, наприклад, τ=0.3 Критичний, неочевидний параметр - це τ. Зверніть увагу, що τ = 0.3 насправді кодує: агент абсолютно задоволений, якщо його околиця відрізняється від себе на 70% — толерантна перевага, ні в якому разі не вимагаючи однорідності. Оригінальний погляд Шелінга полягає саме в тому, що цей помірний, толерантний поріг все ще достатній для створення майже повного роз’єднання при динаміці. Кожен крок, незадоволені агенти переміщують порядок і переїжджають у випадкове (або, в варіанті «оптимізації», найкраще) порожнє місце, яке відповідає τ, повторюючи це до тих пір, поки не залишаться незадоволені агенти.

similarity(agent) = (# same-type occupied neighbours) / (# occupied neighbours)

satisfied   if similarity(agent) ≥ τ
unsatisfied if similarity(agent) < τ      // τ = similarity threshold, e.g. τ=0.3
жива демонстрація · пов'язана симуляція● LIVE

Потенційні точки: чому 30% створює 70%+ сегментацію

Математика полягає у позитивному відгуку. Розгляньте змішатий квартал поблизу межі толерантності: коли один агент меншості виїжджає, оскільки він впав трохи нижче τ, локальний склад дещо змінюється на користь більшості. Це робить оцінку подібності наступного агента меншості ще нижчою, змушуючи більше агентів опинитися нижче τ, що запускає ланцюгову реакцію, далі зміщуючи склад. Квартал «переходить» від змішаного до однорідного в шаленому каскаді, незважаючи на те, що кожен окремий крок вимагав лише перетину відносно дозволеного порогу.

Ключовий урок: немає пропорційності між силою індивідуальної переваги та колективним результатом — це ознака динаміки критичних точок, яка зустрічається в соціальних системах, від моделей порогу Грановетра до фінансової епідеміології.

Вимірювання сегрегації: індекс подібності

Щоб кількісно відстежувати сегрегацію, стандартним статистичним показником є індекс подібності D, взятий з міського соціології: D = 0.5·Σᵢ|Aᵢ/A − Bᵢ/B|, де D ∈ [0, 1] — 0 означає ідеально рівномірний розподіл, 1 — повна сегрегація. D має інтуїтивно зрозуміле тлумачення: це мінімальна частка населення однієї групи, яка повинна переміститися, щоб досягти рівномірного розподілу. Реальні американські мегаполіси історично вимірювали значення D від 0,6 до 0,8 для сегрегації чорно-білих жителів — вражаюче близько до того, що виробляє спрощена іграшкова модель Шеллінга лише за допомогою τ ≈ 0,3–0,5.

Обґрунтування моделі та її обмеження

Модель Шелінга навмисно мінімалістична – немає доходу, жодних дискримінаційних установ, ніякої історії червоних зон. Цей мінімалізм є ключовим: вона ізолює один механізм і доводить, що він сам по собі достатньо для створення сильної сегрегації, не стверджуючи, що це єдиний механізм у реальних містах або виправдовуючи дискримінаційну житлову політику. Оскільки сегрегація тут є колективно виникла рівновагою, а не просто сумою індивідуально екстремальних уподобань, її розрив потребує втручання на системному рівні – окремо ірраціональні вибори не спонтанно перевернуть динаміку критичної точки, коли вона зафіксувалася.

Часті запитання

Чи означає модель Шеллінга, що люди мають сильні упередження?

Ні — ця модель зазвичай цитується для того, щоб зробити протилежний висновок. Порогове значення τ = 0,3 означає, що агент повністю щасливий у сусідстві, яке відрізняється від нього на 70%, що є толерантним уподобанням, не вимагаючи однорідного сусідства. Інсайт Шеллінга полягав в тому, що це м’яке, толерантне порогове значення все ще достатньо для створення майже повного розшарування після запуску динаміки, і спостереження за розшарованим результатом не означає сильних індивідуальних упереджень.

Чому поріг подібності 30% призводить до розшарування більше ніж на 70%?

Це пов’язано з позитивним зворотним зв’язком. Коли один агент меншості, що знаходиться біля межі толерантності, виходить із сусідства, місцевий склад трохи зміщується до більшості, що тисне на оцінку подібності наступного сусіда меншості, запускаючи більше рухів і подальше зміщення. Сусідство переходить від змішаного до однорідного в неконтрольованій каскадній реакції, хоча кожен окремий крок вимагав лише перетину відносно дозволеного порогу.

Що таке індекс невідповідності та що він вимірює?

Індекс невідповідності D = 0,5·Σᵢ|Aᵢ/A − Bᵢ/B| є стандартною мірою розшарування в міській соціології, яка варіюється від 0 (ідеально рівномірний розподіл) до 1 (повне розшарування). Вона має інтуїтивно зрозуміле значення: D — це мінімальна частка населення однієї групи, яка повинна переміститися, щоб досягти рівномірного розподілу по всіх комірках. Історичні значення показника D для американських мегаполісів у межах 0,6-0,8 вражаюче близькі до того, що виробляє спрощена іграшковою моделлю Шеллінга лише завдяки τ ≈ 0,3-0,5.

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте the simulation і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.

▶ Відкрити симуляцію the simulation

Що ви знайшли?

Додати кроки відтворення (опційно)