Multidimensional housing inequality across eight European countries: a cross-national cluster and risk analysis based on an online survey

Technisches Resümee: Multidimensionale Wohnungsungleichheit in acht europäischen Ländern

Problemstellung
Wohnungsungleichheit ist in Europa ein weit verbreitetes Problem mit erheblichen Auswirkungen auf Gesundheit, Wohlbefinden und Lebenschancen. Während die bestehende Literatur bereits über einkommensbasierte Maße hinausgegangen ist, um Deprivation durch beobachtete Lebensbedingungen zu bewerten, bleibt eine kritische Lücke im Verständnis darüber, wie sich wohnungsbezogene Vulnerabilitäten mit ökologischen und infrastrukturellen Dimensionen auf Haushaltsebene überschneiden. Frühere Forschungsarbeiten haben oft die Qualität der Wohnung, den Zugang zu Grünflächen und den Zugang zum Verkehr isoliert untersucht oder räumliche Perspektiven eingenommen, die untersuchen, wie diese Benachteiligungen innerhalb spezifischer Haushalte zusammen auftreten. Darüber hinaus gibt es nur begrenzte vergleichende Evidenz darüber, ob die Vulnerabilität der Wohnung konsistent mit Ungleichheiten in externen Domänen (Grünflächen und Verkehr) korreliert oder ob diese Beziehungen durch kontextspezifische Prozesse geformt werden. Diese Studie adressiert diese Limitationen, indem sie die multidimensionale wohnungsbezogene Vulnerabilität in acht europäischen Ländern untersucht.

Methodik
Die Studie nutzt Daten einer multinationalen Online-Umfrage aus dem Jahr 2025, die in Belgien (Flandern), der Tschechischen Republik, Deutschland, Estland, Finnland, Großbritannien, Italien und Rumänien durchgeführt wurde. Die finale Analyse-Stichprobe umfasst 7.169 Haushalte, die geschichtet wurden, um die Eurostat-Verteilungen für Einkommen, Alter und Geschlecht annähernd abzubilden.

Die Analyse verwendet eine zweistufige Strategie:

1. K-Prototypes-Clusteranalyse:

   • Zielsetzung: Identifizierung wiederkehrender Profile der Haushaltsvulnerabilität basierend auf Kombinationen von Wohnungs-, Grünflächen- und Verkehrsindikatoren.
   • Variablen: Das Clustering-Modell beinhaltete Variablen, die den Zustand der Wohnung (z. B. Sanitäranlagen, Platzmangel, Lecks/Schimmel, Energieeffizienz, Heiz-/Kühlkomfort) und den unmittelbaren ökologischen Zugang (Grünflächen und Verkehr) repräsentieren. Sozio-demografische und gesundheitsbezogene Variablen wurden aus dem Clustering-Algorithmus ausgeschlossen, um sicherzustellen, dass die Profile durch wohnungsbezogene Faktoren getrieben werden, obwohl sie anschließend zur Charakterisierung der Cluster verwendet wurden.
   • Algorithmus: Der K-Prototypes-Algorithmus wurde gewählt, um gemischte Datentypen (numerisch und kategorial) zu verarbeiten, wobei eine Distanzfunktion verwendet wurde, die das quadratische euklidische Distanzmaß und die einfache Matching-Dissimilarität kombiniert. Die optimale Anzahl der Cluster wurde mittels der Elbow-Heuristik und Silhouette-Koeffizienten bestimmt, was zu einer Vier-Cluster-Lösung führte.
   • Validierung: Die Hauptkomponentenanalyse (PCA) und die Uniform Manifold Approximation and Projection (UMAP) wurden verwendet, um die Trennung der Cluster und deren interne Struktur zu visualisieren.

2. Kategorie-basierte relative Risiko-Analyse (RR):

   • Zielsetzung: Bewertung des domänenübergreifenden Zusammenauftretens von Ungleichheiten, insbesondere die Prüfung, ob die Vulnerabilität der Wohnung mit Ungleichheiten bei Grünflächen und beim Verkehr assoziiert ist.
   • Verfahren: Es wurden geordnete Vulnerabilitätskategorien für drei Domänen erstellt: Wohnung (kumulativer Score), Grünflächen (Zugangsniveaus) und Transport (Mobilitätseinschränkungen). Diese wurden in binäre Expositionsvariablen (Wohnungsvulnerabilität) und Ergebnisvariablen (Grünflächen- oder Transportungleichheit) umkodiert.
   • Metriken: Relative Risiken (RR) und 95 %-Konfidenzintervalle (unter Verwendung der Katz-Log-Methode) wurden für die gepoolte Stichprobe berechnet und nach Ländern stratifiziert, um länderübergreifende Variationen zu untersuchen.

Zentrale Beiträge
Die Arbeit leistet drei primäre Beiträge zur Literatur:

1. Erweiterung des Fokus: Sie geht über wohnungszentrierte Ansätze hinaus, indem sie gleichzeitig die Bedingungen der Wohnung, den Zugang zu Grünflächen und Transportbenachteiligungen auf Haushaltsebene in einer multinationalen Stichprobe untersucht.
2. Entwicklung einer Typologie: Sie identifiziert und charakterisiert vier wiederkehrende Konfigurationen multidimensionaler Vulnerabilität über verschiedene europäische Kontexte hinweg und bietet eine vergleichende Typologie der wohnungsbezogenen Benachteiligung.
3. Test der domänenübergreifenden Assoziation: Sie testet empirisch, ob die Vulnerabilität der Wohnung stärker mit einer spezifischen externen Domäne der Ungleichheit (Grünflächen vs. Verkehr) assoziiert ist, und liefert Evidenz darüber, welche Dimensionen der Benachteiligung dazu neigen, gemeinsam aufzutreten, im Gegensatz zu jenen, die durch distinkte kontextuelle Prozesse geformt werden.

Ergebnisse

• Cluster-Profile: Die Analyse identifizierte vier distinkte Haushaltsprofile:

  1. Kumulierte Wohnungs- und Umweltvulnerabilität: Charakterisiert durch die breiteste Konzentration von Wohnungsproblemen (Feuchtigkeit, Schimmel, Platzmangel), begrenzten Zugang zu Grünflächen, hohe finanzielle Belastung und schlechte Gesundheitsoutcomes. Diese Gruppe ist überwiegend urban und umfasst viele Einpersonenhaushalte.
  2. Thermische und energetische Vulnerabilität: Definiert primär durch Heizschwierigkeiten und Kühlungskomfort statt durch strukturelle Mängel. Dieser Cluster besteht weitgehend aus älteren Populationen in urbanen Gebieten mit moderater finanzieller Belastung.
  3. Ressourcenstark mit thermischer Belastung: Eine sozioökonomisch privilegierte Gruppe mit günstiger Wohnqualität und hohem Grünflächenzugang, die jedoch dennoch Kühlungskomfort-Probleme erfährt. Diese Gruppe ist überwiegend suburban/ländlich geprägt und weist einen hohen Kfz-Besitz auf.
  4. Wohnungsprobleme und Transportvulnerabilität: Charakterisiert durch anhaltende strukturelle Wohnungsprobleme und schwachen Verkehrszugang trotz einer intermediären sozioökonomischen Position. Diese Gruppe zeigt hohe Raten an chronischen Krankheiten und ist oft in suburbanen oder ländlichen Gebieten angesiedelt.

• Relative Risiko-Ergebnisse:

  • Grünflächen-Ungleichheit: Es besteht eine konsistente positive Assoziation zwischen der Vulnerabilität der Wohnung und der Grünflächen-Ungleichheit. In der gepoolten Stichprobe war die Wahrscheinlichkeit, Grünflächen-Ungleichheit zu erfahren, bei Haushalten mit Wohnungsvulnerabilität um 57 % höher als bei jenen ohne (RR = 1,57; 95 % KI: 1,39–1,77). Dieses Muster blieb in allen nationalen Kontexten bestehen, wobei die Punktschätzer in jedem Land über 1 lagen.
  • Transport-Ungleichheit: Die Assoziation zwischen der Vulnerabilität der Wohnung und der Transport-Ungleichheit war schwächer und weniger konsistent. In der gepoolten Stichprobe war die Vulnerabilität der Wohnung mit einer geringeren Wahrscheinlichkeit für Transport-Ungleichheit assoziiert (RR = 0,86; 95 % KI: 0,81–0,92). Die länderspezifischen Schätzungen variierten; einige zeigten keine klare Assoziation und andere zeigten negative Assoziationen, was darauf hindeutet, dass die Transportbenachteiligung durch kontextspezifische Prozesse (z. B. Urbanität) geformt wird und nicht durch eine einheitliche Korrelation mit der Wohnqualität.

Bedeutung und Behauptungen
Die Autoren behaupten, dass diese Ergebnisse einen multidimensionalen Ansatz für die Wohnungsungleichheit stützen und zeigen, dass die wohnungsbezogene Vulnerabilität über die physische Wohnung hinausgeht und den Zugang zu der weiteren Umwelt und Infrastruktur umfasst. Die Arbeit behauptet jedoch bescheiden, dass verschiedene Domänen der Benachteiligung nicht notwendigerweise auf die gleiche Weise überlappen. Insbesondere die konsistente Verbindung zwischen schlechterer Wohnqualität und mangelndem Zugang zu Grünflächen deutet darauf hin, dass diese Probleme strukturell miteinander verwoben sind, während die schwache Verbindung zur Transport-Ungleichheit zeigt, dass eine Wohnungsbenachteiligung nicht automatisch eine Transportbenachteiligung impliziert.

Die Studie kommt zu dem Schluss, dass politische Antworten integriert, aber differenziert sein sollten: Wohnungsbewertungen müssen das weitere Lebensumfeld (insbesondere Grünflächen) berücksicht nennen, während Verkehrspolitiken kontextspezifische Strategien erfordern, die die räumliche Verteilung von Dienstleistungen und die Autodependenz berücksichtigen, anstatt eine direkte Korrelation mit der Wohnqualität vorauszusetzen.

Limitationen
Die Autoren räumen auch Limitationen ein: Die Querschnittsnatur der Daten verhindert eine Analyse von Vulnerabilitätstrajektorien über die Zeit; die Clustering-Lösung beruht auf methodischen Entscheidungen und der Gewichtung von Variablen (wobei die Anzahl der Wohnungsindikatoren diese potenziell dominieren kann); und das Nicht-Wahrscheinlichkeits-Stichprobenverfahren schränkt die Generalisierbarkeit der Prävalenzschätzungen ein, obwohl die Stichprobe zur demografischen Balance angepasst wurde. Die Cluster werden als heuristische Zusammenfassungen wiederkehrender Konfigurationen und nicht als diskrete Bevölkerungskategorien präsentiert.