Measuring Racial Disparities in Rent Growth Under Algorithmic Landlord Concentration in U.S. Metros
Diese Studie liefert den ersten Beleg auf Ebene der Stadtbezirke (Tract-Level), dass die Konzentration unternehmerischer Vermieter mit einem überproportional höheren Mietwachstum in Vierteln mit Mehrheit an Minderheiten im Vergleich zu weißen Vierteln in zehn US-Metropolregionen verbunden ist.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das große Ganze: Das „Preisabsprachen“-Spiel
Stellen Sie sich vor, Sie möchten ein Paar Sneaker kaufen. Wenn fünf verschiedene Läden genau denselben Schuh verkaufen, erwarten Sie, dass diese miteinander um Ihr Geld konkurrieren. Aber was wäre, wenn alle fünf Ladenbesitzer dasselbe geheime Computerprogramm nutzen würden, das ihnen sagt: „Senke deinen Preis nicht. Halte ihn hoch. Wir sitzen alle im selben Boot.“
Das ist im Wesentlichen das, was das US-Justizministerium fünf massiven Apartment-Unternehmen (genannt REITs) vorgeworfen hat. Sie nutzten eine Software namens RealPage, um ihre Mietpreise zu koordinieren, anstatt miteinander zu konkurrieren. Die Regierung sagt, dies habe die Mieten künstlich hochgehalten.
Diese Arbeit stellt eine spezifische, tiefere Frage: Schadet diese „Preisabsprache“ allen gleichermaßen, oder schadet sie bestimmten Stadtvierteln mehr als anderen?
Die Detektivarbeit: Wie sie es gemessen haben
Um dies zu beantworten, musste der Forscher, Advay Ranade, Detektiv spielen. Er konnte die Unternehmen nicht einfach fragen, was sie taten, also nutzte er öffentliche Aufzeichnungen.
- Die „großen Vermieter“ finden: Er suchte in offiziellen Regierungsunterlagen (SEC 10-Ks) der fünf beschuldigten Unternehmen. Diese Unterlagen listen jedes einzelne Apartmentgebäude auf, das sie besitzen. Er ordnete diese Gebäude spezifischen Stadtvierteln (Census Tracts) zu, um zu sehen, wo diese „unternehmerischen Vermieter“ am stärksten konzentriert waren. Er nennt dieses Maß CLC (Corporate Landlord Concentration).
- Mietwachstum messen: Anstatt langsame Regierungsumfragen zu verwenden, die Daten über fünf Jahre mitteln (was die Details verwischt), nutzte er Zillow-Mietdaten. Das ist wie die Verwendung eines Live-Aktientickers anstelle eines Jahresberichts – es zeigt genau, was mit den Mieten zwischen 2019 und 2023 in Echtzeit geschah.
- „Vorherige Belastung“ kontrollieren: Er wusste, dass große Vermieter möglicherweise einfach Stadtteile wählen, die bereits teuer oder überfüllt sind. Um sicherzustellen, dass er nicht nur das maß, er entwickelte einen neuen Score namens AHBI (Algorithmic Housing Burden Index). Denken Sie an diesen Score als einen „Stresstest“ für ein Stadtviertel, bevor die algorithmische Preisgestaltung begann. Er misst, wie angespannt der Wohnungsmarkt war und wie hoch die Mietbelastung der Menschen bereits war.
Die Ergebnisse: Was passierte?
1. Der allgemeine Effekt (H1)
Die Studie ergab, dass in Stadtvierteln, in denen diese unternehmerischen Vermieter stark konzentriert waren, die Mieten schneller stiegen. Konkret: Wenn man die Präsenz dieser unternehmerischen Vermieter in einem Viertel verdoppelte, lag das Mietwachstum etwa 2,8 Prozentpunkte höher als in Stadtvierteln mit weniger unternehmerischen Vermietern.
2. Die rassistische Disparität (H2) – Das Kernergebnis
Dies ist der wichtigste Teil der Arbeit. Der Forscher untersuchte, ob diese Mieterhöhung weiße Stadtviertel und Minderheiten-Stadtviertel (definiert als Viertel, in denen schwarze und hispanische Bewohner mehr als 50 % der Bevölkerung ausmachen) unterschiedlich beeinflusste.
- In weißen Stadtvierteln: Überraschenderweise war eine höhere Konzentration unternehmerischer Vermieter mit einem leicht niedrigeren Mietwachstum innerhalb desselben Städteviertels verbunden. Die Arbeit legt nahe, dass dies oft neuere, gehobene Vorstadtkomplexe sind, in denen die Marktdynamik anders ist.
- In Minderheiten-Stadtvierteln: Der Trend kehrte sich um. In diesen Stadtvierteln war eine höhere Konzentration unternehmerischer Vermieter mit einem signifikant höheren Mietwachstum verbunden.
Die Analogie: Stellen Sie sich zwei Läufer bei einem Rennen vor. Ein Läufer (weiße Stadtviertel) ist auf einer glatten, asphaltierten Bahn. Der andere Läufer (Minderheiten-Stadtviertel) ist auf einer Bahn mit versteckten Hürden. Wenn das Signal der „algorithmischen Preisgestaltung“ ertönt, verlangsamt sich der Läufer auf der glatten Bahn nicht viel. Aber der Läufer auf der hürdenreichen Bahn wird viel stärker gestoppt, was dazu führt, dass seine „Mietbelastung“ viel stärker in die Höhe schnellt.
Die Daten zeigten, dass in Minderheiten-Stadtvierteln mit hoher Präsenz unternehmerischer Vermieter das Mietwachstum innerhalb derselben Stadt um 5,9 Prozentpunkte höher war als in vergleichbaren weißen Stadtvierteln.
3. Der KI-Check (H3)
Um sicherzustellen, dass dies kein Zufall oder ein Fehler in der Mathematik war, nutzte der Forscher ein Modell der Künstlichen Intelligenz (XGBoost). Er fütterte die KI mit allen Nachbarschaftsdaten von 2019 und bat sie, das Mietwachstum für 2023 vorherzusagen.
Die KI kannte die Hypothese der „rassischen Disparität“ nicht; sie suchte lediglich nach Mustern. Die KI bestätigte das Ergebnis unabhängig: Sie sagte voraus, dass die Konzentration unternehmerischer Vermieter das Mietwachstum in Minderheiten-Stadtvierteln nach oben treiben und in weißen Stadtvierteln senken (oder weniger Effekt haben) würde. Dies gibt den Forschern eine hohe Zuversicht, dass das Muster real ist und kein statistischer Unfall.
Warum passiert das?
Die Arbeit legt nahe, dass Minderheiten-Stadtviertel aus mehreren Gründen anfälliger für diese algorithmische Preisgestaltung sind:
- Weniger Alternativen: Mieter in diesen Gebieten haben möglicherweise weniger erschwingliche Orte, an die sie ziehen können, wenn ihre Miete steigt.
- Bestehende Belastung: Diese Stadtviertel hatten oft schon einen höheren „Wohnungsstress“ (den AHBI-Score), was bedeutet, dass die Bewohner weniger finanzielle Puffer hatten, um Preiserhöhungen abzufangen.
- Weniger Wettbewerb: Es gibt dort möglicherweise weniger kleine, unabhängige Vermieter, die gegen die großen Unternehmens-Algorithmen konkurrieren können.
Das Fazit
Diese Arbeit liefert den ersten Beleg auf Ebene der Stadtviertel dafür, dass die Nutzung algorithmischer Mietpreisgestaltung durch große unternehmerische Vermieter kein neutrales Ereignis ist. Es scheint die Mieten in Gemeinschaften von Menschen unterschiedlicher Herkunft unverhältnismäßig stark in die Höhe zu treiben, was potenziell die rassistische Kluft beim Vermögensaufbau vergrößert.
Kurz gesagt: Das „geheime Computerprogramm“, das große Vermieter nutzen, erhöht die Mieten nicht einfach für alle; es erhöht sie stärker in Minderheiten-Stadtvierteln, da diese Viertel wahrscheinlich bereits vulnerabler sind und weniger Möglichkeiten haben, den Preiserhöhungen zu entkommen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.