💰 quantitative finance

Measuring Racial Disparities in Rent Growth Under Algorithmic Landlord Concentration in U.S. Metros

यह अध्ययन पहली बार ट्रैक-स्तरीय साक्ष्य प्रदान करता है कि कॉर्पोरेट मकान मालिक एकाग्रता, दस अमेरिकी महानगरीय क्षेत्रों में श्वेत पड़ोस की तुलना में बहुसंख्यक-अल्पसंख्यक पड़ोस में असमान रूप से उच्च किराया वृद्धि से जुड़ी हुई है।

मूल लेखक: Advay Ranade

प्रकाशित 2026-06-29

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Advay Ranade

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ इस शोध पत्र का सरल अवधारणाओं और रोज़मर्रा के उदाहरणों के माध्यम से विवरण दिया गया है।

बड़ी तस्वीर: "कीमत तय करने वाला" खेल (The "Price-Fixing" Game)

कल्पना कीजिए कि आप जूतों की एक जोड़ी खरीदने की कोशिश कर रहे हैं। यदि पाँच अलग-अलग स्टोर एक ही तरह के जूते बेच रहे हैं, तो आप उम्मीद करते हैं कि वे आपका पैसा पाने के लिए एक-दूसरे से प्रतिस्पर्धा करेंगे। लेकिन क्या होगा यदि उन पाँच स्टोर मालिकों ने एक ही गुप्त कंप्यूटर प्रोग्राम का उपयोग किया हो जो उन्हें बताता है, "अपनी कीमत कम मत करो। इसे ऊँचा रखो। हम सब इस मामले में एक साथ हैं।"

यही वह चीज़ है जिसका आरोप अमेरिकी न्याय विभाग ने पाँच बड़ी अपार्टमेंट कंपनियों (जिन्हें REITs कहा जाता है) पर लगाया है। उन्होंने किराए की कीमतों में समन्वय करने के लिए RealPage नामक सॉफ़्टवेयर का उपयोग किया, न कि प्रतिस्पर्धा करने के लिए। सरकार का कहना है कि इसने किराए को कृत्रिम रूप से ऊँचा रखा।

यह शोध पत्र एक विशिष्ट, गहरा प्रश्न पूछता है: क्या यह "कीमत तय करना" सभी को समान रूप से नुकसान पहुँचाता है, या क्या यह कुछ मोहल्लों को दूसरों की तुलना में अधिक नुकसान पहुँचाता है?

जासूसी कार्य: उन्होंने इसे कैसे मापा (The Detective Work)

इस उत्तर तक पहुँचने के लिए, शोधकर्ता, अद्वय रनाडे को एक जासूस की भूमिका निभानी पड़ी। वह कंपनियों से सीधे नहीं पूछ सकते थे कि वे क्या कर रही हैं, इसलिए उन्होंने सार्वजनिक रिकॉर्ड का उपयोग किया।

"बड़े मकान मालिकों" को खोजना: उन्होंने इन पाँचों आरोपी कंपनियों के आधिकारिक सरकारी दस्तावेज़ों (SEC 10-Ks) को देखा। ये दस्तावेज़ उन सभी अपार्टमेंट इमारतों की सूची देते हैं जिनका वे स्वामित्व रखते हैं। उन्होंने इन इमारतों को विशिष्ट मोहल्लों (सेंसस ट्रैक्ट्स) के साथ मैप किया ताकि यह देख सकें कि ये "कॉर्पोरेट मकान मालिक" कहाँ सबसे अधिक केंद्रित हैं। वह इसे CLC (कॉर्पोरेट लैंडलॉर्ड कंसन्ट्रेशन) कहते हैं।
किराया वृद्धि को मापना: धीमी सरकारी सर्वेक्षणों का उपयोग करने के बजाय (जो पाँच वर्षों के डेटा को औसत करके विवरण को धुंधला कर देते हैं), उन्होंने Zillow के रेंट डेटा का उपयोग किया। यह एक लाइव स्टॉक टिकर का उपयोग करने जैसा है बजाय एक वार्षिक रिपोर्ट के—यह दिखाता है कि 2019 और 2023 के बीच किराए के साथ वास्तव में क्या हो रहा था।
"पूर्व-मौजूदा तनाव" को नियंत्रित करना: वह जानते थे कि बड़े मकान मालिक शायद उन मोहल्लों को चुन सकते हैं जो पहले से ही महंगे या भीड़भाड़ वाले हैं। यह सुनिश्चित करने के लिए कि वह केवल यह नहीं माप रहे हैं, उन्होंने एक नया स्कोर बनाया जिसे AHBI (एल्गोरिदमिक हाउसिंग बर्डन इंडेक्स) कहा जाता है। इसे एल्गोरिदम आधारित मूल्य निर्धारण शुरू होने से पहले एक मोहल्ले के लिए "तनाव परीक्षण" (stress test) के रूप में समझें। यह मापता है कि उस क्षेत्र में आवास की स्थिति कितनी कठिन थी और लोगों पर किराए का बोझ कितना था।

निष्कर्ष: क्या हुआ (The Findings)

1. सामान्य प्रभाव (H1)
अध्ययन में पाया गया कि जिन मोहल्लों में इन कॉर्पोरेट मकान मालिकों की सघनता अधिक थी, वहाँ किराया तेज़ी से बढ़ा। विशेष रूप से, यदि आप इन कॉर्पोरेट मकान मालिकों की उपस्थिति को दोगुना करते हैं, तो किराया वृद्धि अन्य मोहल्लों की तुलना में लगभग 2.8 प्रतिशत अंक अधिक थी।

2. नस्लीय असमानता (H2) – मुख्य निष्कर्ष
यह इस शोध पत्र का सबसे महत्वपूर्ण हिस्सा है। शोधकर्ता ने देखा कि क्या इस किराए की वृद्धि ने श्वेत (White) मोहल्लों और अल्पसंख्यक (Minority) मोहल्लों (उन क्षेत्रों के रूप में जहाँ अश्वेत और हिस्पैनिक निवासी 50% से अधिक आबादी बनाते हैं) को अलग-अलग तरह से प्रभावित किया।

श्वेत मोहल्लों में: आश्चर्यजनक रूप से, कॉर्पोरेट मकान मालिकों की अधिक उपस्थिति का संबंध उसी शहर के भीतर थोड़े कम किराया वृद्धि से था। शोध पत्र सुझाव देता है कि ये अक्सर नए, उच्च श्रेणी के उपनगरीय परिसर होते हैं जहाँ बाजार की गतिशीलता अलग होती है।
अल्पसंख्यक मोहल्लों में: रुझान पूरी तरह बदल गया। इन मोहल्लों में, उच्च कॉर्पोरेट मकान मालिक सघनता का संबंध काफी अधिक किराया वृद्धि से था।

उपमा (The Analogy): कल्पना कीजिए कि दो धावक एक दौड़ में हैं। एक धावक (श्वेत मोहल्ले) एक चिकने, पक्के ट्रैक पर है। दूसरा धावक (अल्पसंख्यक मोहल्ले) एक ऐसे ट्रैक पर है जिसमें छिपे हुए अवरोध (hurdles) हैं। जब "एल्गोरिदमिक प्राइसिंग" की सीटी बजती है, तो चिकने ट्रैक वाले धावक की गति बहुत कम नहीं होती। लेकिन बाधाओं वाले ट्रैक वाले धावक को अधिक झटका लगता है, जिससे उनका "किराया बोझ" बहुत अधिक बढ़ जाता है।

डेटा ने दिखाया कि एक ही शहर के भीतर, उच्च कॉर्पोरेट मकान मालिक उपस्थिति वाले अल्पसंख्यक मोहल्लों में किराया वृद्धि, तुलनीय श्वेत मोहल्लों की तुलना में 5.9 प्रतिशत अंक अधिक थी।

3. AI चेक (H3)
यह सुनिश्चित करने के लिए कि यह कोई इत्तेफाक या गणित की गलती नहीं है, शोधकर्ता ने एक आर्टिफिशियल इंटेलिजेंस मॉडल (XGBoost) का उपयोग किया। उन्होंने AI को 2019 का सारा मोहल्ला डेटा दिया और उससे 2023 के लिए किराया वृद्धि की भविष्यवाणी करने को कहा।

AI को "नस्लीय असमानता" की परिकल्पना के बारे में पता नहीं था; वह केवल पैटर्न खोज रहा था। AI ने स्वतंत्र रूप से इस निष्कर्ष की पुष्टि की: उसने भविष्यवाणी की कि कॉर्पोलेट मकान मालिक की सघनता अल्पसंख्यक मोहल्लों में किराए को ऊपर धकेलेगी और श्वेत मोहल्लों में इसे नीचे (या कम प्रभाव) की ओर ले जाएगी। यह शोधकर्ताओं को उच्च विश्वास देता है कि यह पैटर्न वास्तविक है और केवल एक सांख्यिकीय दुर्घटना नहीं है।

यह क्यों होता है?

शोध पत्र सुझाव देता है कि अल्पसंख्यक मोहल्ले इस एल्गोरिदमिक मूल्य निर्धारण के प्रति कुछ कारणों से अधिक संवेदनशील हैं:

विकल्पों की कमी: इन क्षेत्रों में किराएदारों के पास यदि किराया बढ़ जाता है, तो जाने के लिए किफायती विकल्प कम हो सकते हैं।
मौजूदा तनाव: इन मोहल्लों में पहले से ही उच्च "आवास तनाव" (AHBI स्कोर) था, जिसका अर्थ है कि निवासियों के पास मूल्य वृद्धि को सहने के लिए वित्तीय क्षमता कम थी।
प्रतिस्पर्धा की कमी: बड़े कॉर्पोरेट एल्गोरिदम का मुकाबला करने के लिए यहाँ छोटे, स्वतंत्र मकान मालिकों की संख्या कम हो सकती है।

निचोड़ (The Bottom Line)

यह शोध पत्र पहला मोहल्ला-स्तरीय प्रमाण प्रदान करता है कि बड़े कॉर्पोरेट मकान मालिकों द्वारा एल्गोरिदमिक किराया निर्धारण का उपयोग करना एक तटस्थ घटना नहीं है। ऐसा प्रतीत होता है कि यह असमान रूप से समुदायों के रंग (communities of color) में किराए को बढ़ाता है, जो संभावित रूप से नस्लीय धन अंतर (racial wealth gap) को और चौड़ा कर सकता है।

संक्षेप में: बड़े मकान मालिकों द्वारा उपयोग किया जाने वाला "गुप्त कंप्यूटर प्रोग्राम" केवल सभी के लिए किराया नहीं बढ़ाता; यह अल्पसंख्यक मोहल्लों में किराए को अधिक बढ़ाता है, क्योंकि वे मोहल्ले पहले से ही अधिक संवेदनशील हैं और उनके पास विकल्पों की कमी है।

तकनीकी सारांश: अमेरिकी महानगरों में एल्गोरिद्मिक मकान मालिक एकाग्रता के तहत किराए की वृद्धि में नस्लीय असमानताओं का मापन

समस्या विवरण
यह शोध पत्र एल्गोरिद्मिक किराया निर्धारण के वितरण संबंधी प्रभावों के संबंध में मौजूदा साहित्य के अंतराल को संबोधित करता है। जबकि पूर्व शोध (जैसे, कैलडर-वांग और किम, 2024; व्हाइट हाउस काउंसिल ऑफ इकोनॉमिक एडवाइजर्स, 2024) ने यह स्थापित किया है कि एल्गोरिद्मिक प्राइसिंग सॉफ्टवेयर (जैसे, रियलपेज का यील्डस्टार) किराए को प्रतिस्पर्धी स्तरों से ऊपर बढ़ाता है, यह अज्ञात है कि क्या यह बोझ नस्लीय अल्पसंख्यकों पर असमान रूप से पड़ता है। विशेष रूप से, यह अध्ययन जांच करता है कि क्या जनगणना खंड-स्तर (census-tract-level) की कॉर्पोरेट लैंडलॉर्ड कंसन्ट्रेशन (CLC) 2019 और 2023 के बीच किराए की वृद्धि से जुड़ी है, और क्या यह जुड़ाव एक ही महानगरीय क्षेत्र के भीतर बहुसंख्यक-श्वेत पड़ोस की तुलना में बहुसंख्यक-अल्पसंख्यक पड़ोस में काफी अधिक मजबूत है।

कार्यप्रणाली
यह अध्ययन अर्थमितीय प्रतिगमन (econometric regression) और मशीन लर्निंग को संयोजित करते हुए एक बहु-विधि दृष्टिकोण अपनाता है, जिसमें नवीन डेटा निर्माण तकनीकों का उपयोग किया गया है:

डेटा निर्माण:
- कॉर्पोरेट लैंडलॉर्ड कंसन्ट्रेशन (CLC): प्राथमिक स्वतंत्र चर का निर्माण 2024 के डीओजे (DOJ) एंटीट्रस्ट शिकायत में नामित पांच प्रमुख आवासीय REITs (एवलॉन बे, इक्विटी रेजिडेंशियल, एसेक्स प्रॉपर्टी ट्रस्ट, मिड-अमेरिका, और UDR) के SEC EDGAR 10-K शेड्यूल III फाइलिंग से किया गया है। 2016-2022 के वित्त वर्ष के संपत्ति पते और यूनिट गणना को 2020 जनगणना खंडों के लिए जियोकोड किया गया है। CLC को इन REITs के स्वामित्व वाले किराएदार-कब्जे वाले घरों के हिस्से के रूप में परिभाषित किया गया है।
- एल्गोरिद्मिक हाउसिंग बर्डन इंडेक्स (AHBI): एक नवीन समग्र सूचकांक जो पूर्व-मौजूदा बाजार भेद्यता को नियंत्रित करने के लिए बनाया गया है। यह दो अमेरिकन कम्युनिटी सर्वे (ACS) उपायों को जोड़ता है: पूर्व-मौजूदा रेंट बर्डन (उन किराएदारों का हिस्सा जो आय का ≥30% किराए पर खर्च करते हैं) और हाउसिंग मार्केट टाइटनेस (रिक्तता दर का पूरक)। दोनों घटकों को z-स्कोर के रूप में मानकीकृत और औसत किया गया है।
- रेंट ग्रोथ आउटकम: ACS 5-वर्षीय अनुमानों के स्मूथिंग प्रभावों से बचने के लिए, अध्ययन ज़िलो ऑब्जर्व्ड रेंट इंडेक्स (ZORI) का उपयोग करता है, जो एक लेनदेन-आधारित मासिक किराया डेटासेट है। ZIP-कोड-स्तर के ZORI डेटा (2019-2023) को HUD USPS आवंटन कारकों का उपयोग करके जनगणना खंडों में क्रॉसवाक किया गया।
अनुभवजन्य रणनीति:
- H1 (औसत प्रभाव): एक OLS प्रतिगमन 2019 के CLC और 2019-2023 की किराया वृद्धि के बीच संबंध का अनुमान लगाता है, जिसमें AHBI, जनसांख्यिकीय संरचना, और बाजार विशेषताओं को नियंत्रित किया गया है। यह विनिर्देश बीच-मेट्रो भिन्नता को पकड़ने के लिए मेट्रो फिक्स्ड इफेक्ट्स को बाहर रखता है।
- H2 (नस्लीय विषमता): मेट्रो फिक्स्ड इफेक्ट्स के साथ एक OLS प्रतिगमन, बहुसंख्यक-अल्पसंख्यक संकेतक (संयुक्त अश्वेत और हिस्पैनिक हिस्सा >50%) के बीच CLC के इंटरेक्शन का परीक्षण करता है। यह मेट्रो के भीतर के प्रभाव को अलग करता है ताकि यह निर्धारित किया जा सके कि क्या CLC नस्लीय संरचना के आधार पर किराया वृद्धि को अलग तरह से प्रभावित करता है।
- H3 (मशीन लर्निंग सत्यापन): एक XGBoost मॉडल को 2019 खंड-स्तर की विशेषताओं पर प्रशिक्षित किया जाता है ताकि आउट-ऑफ-सैंपल किराया वृद्धि की भविष्यवाणी की जा सके। फीचर योगदानों को डिकंपोज़ करने के लिए SHAP (SHapley Additive exPlanations) विश्लेषण का उपयोग किया जाता है, जो नस्लीय असमानता निष्कर्षों के लिए एक गैर-पैरामीट्रिक चेक प्रदान करता है।

प्रमुख योगदान
यह पत्र चार प्राथमिक योगदानों का दावा करता है:

डेटा पाइपलाइन: SEC EDGAR फाइलिंग का उपयोग करके जनगणना खंड स्तर पर एल्गोरिद्मिक लैंडलॉर्ड कंसन्ट्रेशन को मापने के लिए एक सार्वजनिक रूप से प्रतिलिपि योग्य विधि का परिचय, जो एक ऐसा डेटा स्रोत है जिसका पहले पड़ोस-स्तर के आवास विश्लेषण में उपयोग नहीं किया गया था।
सूचकांक निर्माण: ACS डेटा से प्राप्त एक सामान्यीकरण योग्य समग्र माप के रूप में AHBI का निर्माण।
अनुभवजन्य साक्ष्य: पहला खंड-स्तर का अनुमान प्रदान करना जो यह सुझाव देता है कि कॉर्पोरेट लैंडलॉर्ड कंसन्ट्रेशन रंग के समुदायों (communities of color) में असमान रूप से उच्च किराया वृद्धि से जुड़ा है।
मेथोडोलॉजिकल अंतर्दृष्टि: यह प्रदर्शित करना कि तीव्र किराया वृद्धि का पता लगाने के लिए ACS 5-वर्षीय अनुमान अपर्याप्त हैं, जिसके लिए ZORI जैसे लेनदेन-आधारित डेटा की आवश्यकता होती है।

परिणाम

H1 (कुल प्रभाव): एक जनगणना खंड में REIT एकाग्रता का दोगुना होना, लगभग 2.8 प्रतिशत अंक अधिक किराया वृद्धि (2019-2023) से जुड़ा है। यह परिणाम HC1 रोबस्ट स्टैंडर्ड एरर के तहत सांख्यिकीय रूप से महत्वपूर्ण है ( $p = 0.030$ ) और मेट्रो-क्लस्टर्ड स्टैंडर्ड एरर के तहत मामूली रूप से महत्वपूर्ण है ( $p = 0.086$ )। AHBI को नियंत्रण के रूप में शामिल करना महत्वपूर्ण है, क्योंकि पूर्व-मौजूदा आवास तनाव का किराया वृद्धि के साथ सकारात्मक संबंध है।
H2 (नस्लीय असमानता): बहुसंख्यक-अल्पसंख्यक खंडों में किराया वृद्धि पर CLC का प्रभाव काफी बड़ा है। एक ही महानगरीय क्षेत्र के भीतर, उच्च-CLC बहुसंख्यक-अल्पसंख्यक खंड, तुलनीय बहुसंख्यक-श्वेत खंडों की तुलना में 5.9 प्रतिशत अंक अधिक किराया वृद्धि प्रदर्शित करते हैं ( $p = 0.039$ )। निरंतर अल्पसंख्यक हिस्से (continuous minority share) चर का उपयोग करने पर भी इंटरेक्शन टर्म महत्वपूर्ण रहता है ( $p = 0.002$ )। उल्लेखनीय रूप से, बहुसंख्यक-श्वेत खंडों में CLC का भीतर-मेट्रो प्रभाव नकारात्मक है ( $\beta_1 = -0.034$ ) और बहुसंख्यक-अल्पसंख्यक खंडों में सकारात्मक है ( $\beta_1 + \beta_3 = +0.024$ )।
H3 (ML सत्यापन): XGBoost मॉडल आउट-ऑफ-सैंपल किराया वृद्धि के 44% विचरण की भविष्यवाणी करता है ( $R^2 = 0.439$ )। SHAP विश्लेषण पुष्टि करता है कि CLC महत्व के आठ फीचर्स में पांचवें स्थान पर है। महत्वपूर्ण रूप से, बहुसंख्यक-अल्पसंख्यक खंडों में किराया वृद्धि में CLC का अनुमानित योगदान सकारात्मक है (औसत SHAP मान = +0.0057) और बहुसंख्यक-श्वेत खंडों में नकारात्मक है (औसत SHAP मान = -0.0011), जो कार्यात्मक रूप (functional form) की धारणाएं लगाए बिना OLS इंटरेक्शन परिणामों की स्वतंत्र रूप से पुष्टि करता है।

महत्व और निहितार्थ
यह पत्र तर्क देता है कि ये निष्कर्ष पहला खंड-स्तर का साक्ष्य प्रदान करते हैं जो इस बात के अनुरूप है कि कॉर्पोरेट लैंडलॉर्ड कंसन्ट्रेशन रंग के समुदायों में असमान रूप से उच्च किराया वृद्धि को संचालित करता है। लेखक सुझाव देते हैं कि एल्गोरिद्मिक प्राइसिंग समन्वित मूल्य दबाव डालती है जिसे अल्पसंख्यक किराएदार कम क्षमता से मुकाबला कर पाते हैं, क्योंकि उनमें कम किरायेदार गतिशीलता, उच्च पूर्व-मौजूदा रेंट बर्डन और कम किफायती विकल्प होते हैं।

अध्ययन निम्नलिखित के लिए निहितार्थों को रेखांकित करता है:

एंटीट्रस्ट प्रवर्तन (Antitrust Enforcement): यह सुझाव देना कि प्रतिस्पर्धा नीति को केवल समग्र उपभोक्ता कल्याण के बजाय वितरण संबंधी प्रभावों और नस्लीय समानता पर विचार करना चाहिए।
फेयर हाउसिंग लॉ (Fair Housing Law): यह नोट करना कि प्रलेखित असमानता फेयर हाउसिंग एक्ट के तहत 'डिस्परेट इम्पैक्ट थ्योरी' के अनुरूप है।

नियामक निरीक्षण (Regulatory Oversight): एल्गोरिद्मिक प्राइसिंग के प्रभावों की वास्तविक समय में निगरानी करने में सक्षम बनाने के लिए पारदर्शिता की वकालत करना, जैसे कि 10-K फाइलिंग में राजस्व प्रबंधन सॉफ्टवेयर के उपयोग का खुलासा करने की आवश्यकता।

लेखक एक मध्यम स्वर बनाए रखते हुए सीमाओं को स्वीकार करते हैं, जिसमें क्रॉस-सेक्शनल डिजाइन, महानगर समूहों की कम संख्या, और अज्ञात कन्फाउंडर्स की संभावना शामिल है। वे भविष्य के कार्य के लिए इंस्ट्रुमेंटल वेरिएबल्स का उपयोग करने और भौगोलिक दायरे का विस्तार करने की सिफारिश करते हैं।

बड़ी तस्वीर: "कीमत तय करने वाला" खेल (The "Price-Fixing" Game)

जासूसी कार्य: उन्होंने इसे कैसे मापा (The Detective Work)

निष्कर्ष: क्या हुआ (The Findings)

यह क्यों होता है?

निचोड़ (The Bottom Line)

इसी तरह के और पेपर