From Prediction to Causation: Heterogeneous Policy Effects of Rent Stabilization and Rental Assistance on Severe Housing Cost Burden in New York City

In der komplexen Landschaft moderner Städte ist Wohnraum mehr als nur ein Ort zum Schlafen; er ist das Fundament, auf dem Gesundheit, Bildung und wirtschaftliche Stabilität aufgebaut werden. Wenn eine Familie mehr als die Hälfte ihres Einkommens ausgibt, nur um ein Dach über dem Kopf zu behalten, sieht sie sich mit dem konfrontiert, was Experten als schwere Wohnkostenbelastung bezeichnen. Dieser Zustand zwingt zu unmöglichen Entscheidungen zwischen der Zahlung der Miete und dem Kauf von Lebensmitteln oder zwischen dem Behalten des Lichts und dem Besuch beim Arzt. Seit Jahrzehnten versuchen Stadtplaner und politische Entscheidungsträger, dieses Problem mit verschiedenen Instrumenten zu lösen, von Mietkontrollgesetzen, die festlegen, wie viel Vermieter verlangen dürfen, bis hin zu Notfall-Barzuschüssen für diejenigen, die in Rückstand geraten sind. Es besteht jedoch eine hartnächstige Lücke in unserem Verständnis geblieben: Während wir vorhersagen können, welche Stadtteile unter Druck stehen, haben wir Schwierigkeiten damit, genau zu beweisen, welche spezifischen politischen Maßnahmen tatsächlich dazu beitragen, diesen Druck zu lindern, und für wen dies gilt. Die Herausforderung liegt darin, die Auswirkungen eines spezifischen Gesetzes von den vielen anderen Kräften zu trennen, die im Spiel sind, wie etwa der lokalen Wirtschaft oder dem Alter der Gebäude, um die wahre Ursache-Wirkungs-Beziehung zu erkennen.

Ein Forschungsteam hat nun diese schwierige Frage angegangen, indem es eine neue Art und Weise entwickelt hat, Wohnungsdaten zu betrachten, die die Vorhersagekraft künstlicher Intelligenz mit rigorosen Methoden zur Identifizierung von Ursachen verbindet. Mit dem Fokus auf New York City, einem Ort, an dem die Wohnkosten seit langem eine Krise darstellen, untersuchten sie acht wichtige politische Instrumente, die darauf abzielen, den Bewohnern zu helfen. Anstatt sich auf eine einzige Methode zu verlassen, entwickelten sie ein Framework, das zuerst maschinelles Lernen nutzt, um die komplexen Muster der Stadt zu verstehen, und dann drei verschiedene Arten statistischer Tests anwendet, um zu bestimmen, welche politischen Maßnahmen tatsächlich die Belastung der Familien verringern. Ihr Ansatz ermöglicht es ihnen, über einfache Vorhersagen hinauszugehen und nicht nur zu identifizieren, was passiert, sondern auch warum es passiert und wie sich die Ergebnisse je nach spezifischem Stadtteil verändern.

Die Forscher begannen damit, ein hochentwickeltes Computermodell mit Daten aus 155 verschiedenen Stadtteilen in ganz New York City zu trainieren, die die Jahre von 2015 bis 2023 abdecken. Dieses Modell lernte, die Wohnkostenbelastung mit hoher Genauigkeit vorherzusagen, wobei es identifizierte, dass Faktoren wie das Alter des Wohnungsbestands, die Räumungsrate und die wirtschaftlichen Möglichkeiten in einem Stadtteil die stärksten Prädiktoren für finanziellen Stress waren. Durch die Nutzung dieser Erkenntnisse aus dem maschinellen Lernen erstellte das Team eine detaillierte Karte der Wohnlandschaft der Stadt, die sie anschließend nutzte, um die Auswirkungen spezifischer Gesetze zu testen. Sie behandelten nicht alle politischen Maßnahmen gleich; stattdessen passten sie jede Maßnahme der am besten geeigneten Methode zur Messung ihrer Wirkung an, um sicherzustellen, dass die Ergebnisse so zuverlässig wie möglich waren.

Einer der bedeutendsten Befunde betraf eine umfassende Ausweitung der Gesetze zur Mietstabilisierung, die 2019 verabschiedet wurde. Dieses Gesetz weitete den Schutz auf mehr Apartmenthäuser aus und verhinderte, dass Vermieter die Mieten so frei wie zuvor erhöhen konnten. Die Studie fand heraus, dass diese Ausweitung die Rate der schweren Wohnkostenbelastung erfolgreich um 6,2 Prozentpunkte senkte. In praktischen Begriffen bedeutet dies, dass in den Stadtteilen, in denen das Gesetz Anwendung fand, ein spürbar geringerer Anteil der Familien gezwungen war, mehr als die Hälfte ihres Einkommens für die Miete auszugeben. Den Forschern gelang es, dieses Ergebnis zu bestätigen, indem sie zeigten, dass der Trend vor der Gesetzesänderung stabil war und sich erst nach deren Inkrafttreten verschob, was auf einen direkten kausalen Zusammenhang statt auf einen Zufall hindeutet.

Dennoch deckte die Studie auch ein überraschendes und kontraintuitives Ergebnis in Bezug auf die Notfall-Mietbeihilfe auf. Während der Pandemie wurde ein Programm gestartet, um Haushalte, die Schwierigkeiten hatten, die Miete zu zahlen, sofortige finanzielle Hilfe zu leisten. Entgegen der Absicht des Programms zeigten die Daten, dass die Berechtigung für diese Notfallhilfe mit einer Zunahme der schweren Wohnkostenbelastung assoziiert war. Die Forscher vermuten, dass dies nicht daran lag, dass das Geld nicht half, sondern wahrscheinlich daran, dass das Programm zu einem Zeitpunkt ankam, als die Wohninstabilität aufgrund von Arbeitsplatzverlusten bereits rasant anstieg, und die Unterstützung oft Familien erreichte, die sich bereits in einer tiefen Krise befanden, anstatt die Krise von vornherein zu verhindern. Im Gegensatz dazu zeigte eine andere Art der Hilfe, bekannt als CityFHECH, die anstelle eines einmaligen Notfallzuschusses kontinuierliche monatliche Gutscheine bereitstellt, einen starken positiven Effekt und senkte die Belastung um über 9 Prozentpunkte. Diese Unterscheidung verdeutlicht, dass das Design und der Zeitpunkt eines Programms genauso wichtig sind wie das Geld selbst.

Die Forscher entdeckten auch, dass die Wirksamkeit dieser politischen Maßnahmen nicht einheitlich ist; sie hängt stark vom Kontext des jeweiligen Stadtteils ab. Die Ausweitung der Mietstabilisierung funktionierte am besten in Stadtteilen, die bereits über starke wirtschaftliche Möglichkeiten verfügten, aber mit hohen Räumungs- und Verdrängungsraten konfrontiert waren. In diesen Gebieten wirkten die Gesetze als Schutzschild, der Familien davor bewahrte, aus florierenden Gemeinschaften verdrängt zu werden. Im Gegenzug zeigten andere Maßnahmen, wie Reformen des Zugangs zu den Wohnungsgerichten und Satzungen zum Mieterschutz, ihre größte Wirkung in den verwundbarsten Stadtteilen, in denen das Risiko, eine Wohnung zu verlieren, am höchsten war und das Rechtssystem oft eine Barriere für die Bewohner darstellte. Dies deutet darauf hin, dass eine „Einheitslösung“ den Wohnungskrise nicht lösen kann; für verschiedene Teile der Stadt werden unterschiedliche Werkzeuge benötigt.

Durch die Zusammenführung dieser Erkenntnisse in eine umfassende Politische Matrix illustrieren die Autoren, dass die effektivste Strategie ein koordinierter Ansatz ist. Sie fanden heraus, dass zwar einzelne Maßnahmen wie Mietstabilisierung, Mieterschutz und Reformen der Wohnungsgerichte alle einen Unterschied machten, sie aber am besten wirken, wenn sie geschichtet werden. Stabilisierung verhindert, dass die Mieten zu schnell steigen, Schutzmaßnahmen halten Menschen vor illegalen Räumungen zurück, und laufende Gutscheine überbrücken die Lücke zwischen Einkommen und Miete. Die Studie kommt zu dem Schluss, dass Städte, um das Problem der Wohnungsunsicherheit wirklich zu lösen, über isolierte Lösungen hinausgehen und eine mehrgleisige Strategie verfolgen müssen, die die verschiedenen Wege adressiert, auf denen Familien ihr Zuhause verlieren. Diese Forschung liefert einen klaren Fahrplan für politische Entscheidungsträger und zeigt, dass es mit der richtigen Kombination von Werkzeugen und einem tiefen Verständnis lokaler Bedingungen möglich ist, eine stabilere und erschwinglichere Zukunft für die Bewohner der Städte aufzubauen.