基于代理的西亚城市动态模拟：难民的影响_基于代理的模型abm-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_44956825/article/details/130787175

介绍

大量人口的迅速国际移徙在国家内部和国家之间产生了深远的影响。我们在这项工作中的动机是开发一个基于代理的模型（ABM），以捕捉这种移民和难民流动的存在，并探索对城市动态的影响：人口动态，隔离，房地产价格和再生。

当代城市环境表现为复杂、相互关联的社会技术系统。在城市及其动力学的研究中，已经出现了ABM作为计量经济学模型的补充（Axtell 2016; Giffinger & Seidl 2013）。ABM已被用于复制城市形态的演变（Stanilov&Batty 2011），模拟发达国家城市的典型城市动态，例如隔离（从谢林1971年起）和中产阶级化（Picascia et al. 2015），并模拟发展中国家特大城市的典型动态，例如非正式住区的出现和演变（Feitosa et al. 2011 ; 帕特尔等人，2012）。

以前的工作构建了一个微观层面的ABM，源自租金差距理论（RGT） - 一种关于住房投资动态的经济假设 - 努力模拟房地产投资的经济机制及其对城市地区文化和社会多样性的影响。Picascia et al. （2015）研究了城市中不同水平的资本流动引发的价格动态以及可能出现的空间不平等模式。他开发了一个住房再生模型，并将其应用于欧洲主要城市（Picascia 2015）。我们的初步工作Picascia & Yorke-Smith（2017）继续首次尝试将ABM扩展到包括难民移民，但只是以抽象的，程式化的模型的形式。

在本文中，我们超越了以前的模型，将我们的工作建立在黎巴嫩贝鲁特市。这是一个中等收入的西亚国家的人口稠密的首都，根据官方估计（黎巴嫩政府和联合国2017年; 联合国难民事务高级专员，2017年），在50-2011年期间经历了近2015%人口的难民涌入。这种涌入对住房、经济和社会结构造成了极大的压力（黎巴嫩政府和联合国，2017 年; 联合国人居署，2014年; 沃德和刘易斯 2020）。我们利用人口、房价和房地产状况的数据，建立了第一个（据我们所知）经过验证的贝鲁特大都市 ABM。我们的贡献包括为这些因素制定原则性指数，并纳入难民署提供的难民数据。我们的模型在NetLogo（Wilensky 1999）中实施，擅长调查移民可能产生的社会后果和经济指标，专门用于探索城市经济和文化动态的相互关系。模拟结果表明，低收入人口大规模迁移到城市如何影响价格、贫民窟位置、人口密度和隔离。

本文的结构如下。我们首先提供我们的工作背景，包括租金差距理论，并讨论相关工作。然后我们描述我们的模型。以下部分报告模型的验证以及模型的方案驱动结果。本文最后讨论了未来的方向。

背景和相关工作

基于代理的建模和模拟被认为是理解复杂的社会技术系统（如城市）的理想工具（North & Macal 2007）。正如Huang等人（2014）所调查的那样，大多数住宅移动模型中的首选方法是将个人或家庭层面的代理确定为主要参与者，并将新兴模式描述为此类代理相互作用的纯粹自下而上的结果。我们认为，这种方法存在低估影响城市形态和限制个人行为的更广泛经济过程的风险。相比之下，人文地理学的一个领域正在复兴（Harvey 2012; 史密斯1996）将塑造当代城市的社会空间现象——郊区扩张、收入隔离、中产阶级化——视为资本向城市系统不同涌入的结果，而不是严格源于基于个人的住宅选择。

在这个理论视角下，我们的模型所借鉴的租金差距理论是一种住房投资的供给侧方法。RGT在经济学中尤其因其用于研究中产阶级化而受到关注，即“中产阶级或富裕人群对恶化的城市财产的恢复和升级，通常导致低收入人群流离失所。（美国遗产词典）。租金差距是土地的实际（当前）经济回报与土地“最高和最佳用途”的最大潜在回报之间的差额（Smith 1979）。这一差距是由于房产的维修条件下降，以及使住房过时的技术变化。根据该理论，恢复或重建增加了部分土地或住宅产生的经济回报，使其达到可能的最大回报。实际和潜在经济回报之间差异最大的地区将更有可能吸引投资资本。图1将租金差距描述为潜在租金（如果土地处于最高和最佳用途）和实际租金（按当前用途资本化）之间的阴影区域。

图1. 租金缺口是阴影区域。来自Smith & Williams（1986）的图表。

虽然RGT是为了解释一个特定的现象，即中产阶级化，但我们认为它是资本主义经济中一般住房投资行为的有效概念化，适合进行广泛的探索，并且与其他方法不相容，包括标准经济理论，正如Bourassa（1993）所指出的那样。

事实上，文献中有许多受RGT启发的反弹道导弹，其中通过采用邻里效应的概念解决了确定“最高和最佳用途”的问题。我们参考Picascia et al. （2015）进行调查。在这项工作之前，Diapi和Bolchi的模型（（2008，2006））是RGT机制的最完整实现，尽管它没有考虑住房市场的需求侧。

除了受RGT启发的模型外，文献中还具有丰富的ABM脉络，这些ABM研究了城市或国家层面的住宅流动性方面。其中，Ge（2013）开发了一个基于代理的美国住房市场空间模型，获得了“捕捉住房市场重要特征的合理聚合结果”。Zhang&Li （2014）研究中国北京的住房市场，使用基于买卖双方搜索行为模型的ABM;我们参考他们的工作，对与住房市场有关的反弹道导弹进行更广泛的调查。Özbaş等人（2014）构建了住房市场的系统动力学模型，旨在了解市场的结构性周期。

我们的工作将RGT应用于黎巴嫩贝鲁特市。在其他学科中，社会学，城市设计和政治经济学文献都考虑了贝鲁特的情况。房地产市场是新自由主义的;经济适用房有限;公共机构薄弱;法规很少得到执行（Ahwash 2018; 法瓦兹和沙巴 2015; 哈布等人，2011年; Krijnen & Fawaz 2010; 联合国难民事务高级专员，2016年）。

贝鲁特提供了一个令人信服的案例研究，至少有两个原因。首先，经济和政治背景通过合法手段和非正式的非法行为使房地产市场出现租金缺口的时机已经成熟（Krijnen 2018）。其次，黎巴嫩在2010年代收容了超乎寻常的难民，正如我们在本文后面讨论的那样，由于邻国叙利亚的战争。这种冲击对房地产市场的影响值得专门研究。

我们并不是第一个认识到反弹道导弹在处理黎巴嫩社会经济局势的复杂性和非线性方面的重要性的国家。Srour & Yorke-Smith（2016）应用基于代理的模拟来研究贝鲁特港的进出口流程。我们的初步工作，Picascia & Yorke-Smith（2017）构建了贝鲁特城市动态的抽象ABM;但如前所述，该模型在地理上并不准确，不是基于房价数据，也没有经过验证。然而，我们确实遵循这些先例，并在基于代理的模拟平台NetLogo（Wilensky 1999）中实施我们的ABM。

我们模型中的代理行为由 RGT 和刻意简单的规则（如下所述）决定。与具有更复杂的代理行为的ABM相关，Singh和Padgham提出了一种整合代理模型（特别是，例如，信念 - 欲望 - 意图传统的模型）和模拟模型（特别是技术模拟引擎或社会模拟平台）的范式（Singh&Padgham 2014）。此外，Fuentes-Fernández等人（2010）认为，随着代理变得越来越复杂，面向代理的软件工程实践是相关的，并提出了一个风格化的城市动力学案例研究。

虽然我们的重点不是难民的行为，但主要是其他工作成功地应用反弹道导弹来研究不同形式的移徙。

首先，一系列工作使用基于代理的镜头研究难民运动动态和难民的移民路线。Collins & Frydenlund（2016）的理论反弹道导弹将逃离冲突的过程（例如2010年代逃离叙利亚）描述为减缓行动但增加安全性的收益变量。Groen（2016）提出了一种ABM（在马里校准），表明移民包括无证难民。更进一步，Suleimenova等人（2017）和Hébert等人（2018）开发了地理上明确的反弹道导弹来预测难民逃亡目的地，分别研究了非洲和叙利亚的冲突。Hatton（2017）采用类似的方法，研究了移民到欧洲及其对庇护政策的影响。

第二部分工作研究难民和政府机构的动态。Anderson等人（2007年）对难民的健康和负责其（健康）护理的机构感兴趣。Perez等人（2019）研究了加拿大城市移民人口的空间城市动态。Gore等人（2019）将社会科学理论和ABM相结合，描述了荷兰寻求庇护者的福祉。这些最后作者的工作与我们在本文中的工作有关，因为Gore等人（2019）探讨了非政府组织（NGO）干预行动与机构相结合对难民的影响。

第三部分工作研究难民、移民人口和东道国人口之间的动态关系。其中，Cherri等人（2016）研究了黎巴嫩的叙利亚难民，尽管采用了基于调查而不是基于模型的方法。Shults等人（2018）开发了一种ABM，考虑了移民和东道国人口之间的文化差异，特别是宗教差异。他们发现，文化信仰和习俗之间的更大差异导致更大的仇外心理。Lemos等人（2020）开发了多数群体和少数群体之间的社交网络ABM，以研究种族中心主义和群体间合作。

仿真模型

我们基于代理的模型模拟整个城市层面的城市动态。模拟模型中表示的实体包括：（1）单个位置（住宅物业），由其市场价值、维修状态和人口定义;（2）代表家庭的个人代理人，其特征是收入、流动倾向和文化结构;（3）经济力量，主要以外部“资本”水平的形式代表，旨在从住宅区的重建/恢复中获利。首先，我们描述了对贝鲁特城市动态进行建模所需的数据收集。然后我们总结了模型的关键点，包括对早期 ABM 的扩展;我们参考早期的论文（Picascia 2015; 毕卡西亚等人，2015）有关社区新兴文化“吸引力”效应的详细信息。

数据：房价指数及其他

使用实际数据对贝鲁特进行建模存在多重挑战。黎巴嫩自1932年以来没有进行过正式的人口普查，此外，许多最近和现在的难民都不是合法居民。与模型中相关变量相关的可靠地理参考数据不存在或不容易获得。在2017年之前，没有关于房价的官方公布数据 - 无论是贝鲁特还是该国的房价 - 只留下估计值。因此，在本小节中，我们解释了获取房价、房产状况、人口统计和难民人口数据的过程。

图2. 贝鲁特大都市区及其区。

如图2所示，大都市贝鲁特非常近似于正方形，北部和西部以地中海为界，东部以贝鲁特河为界。城市行政管辖范围之外的郊区向东和向南延伸，作为大贝鲁特的一部分延伸到山丘。该市由13个区（或区）组成;我们考虑12个港口和中央商务区（CBD）合并。1 CBD出现在顶部中间。其他值得注意的季度是西部的拉斯贝鲁特（国际大都会大学区）;阿什拉菲耶大致向东（高端地区）;以及西南部较贫穷的地区。请注意，图中显示分区的蓝色叠加层由于地理位置偏移和最近的垃圾填埋场活动，与基础地图的地理差异很小。我们使用来自 OpenStreetMap2 和黎巴嫩统计局中央管理局（CAS）3 的开源 GIS 数据。

房价指数

由于黎巴嫩缺乏房价指数或贝鲁特住宅的历史房地产价格，我们估计了一个两阶段最小二乘模型来研究2000年至2016年间黎巴嫩的住房市场。为此，我们使用收入、价格、成本和贷款利率的月平均值。

黎巴嫩的房地产市场在2008年至2015年期间一直处于疯狂之中，在此期间价格上涨了300%以上。然后价格在2015年及以后停滞不前。自2015年以来的房地产市场停滞带来了市场参与者和利益相关者之间的激烈辩论，他们担心房地产市场正在经历泡沫。我们使用需求和供应联立方程的结构框架，通过估计数量和价格等内生变量方程的简化形式模型来说明价格是如何由收入和成本的长期影响决定的。然后，我们通过用第一阶段回归的估计值替换观察到的内生变量来估计结构模型。其次，我们允许部分调整过程，通过该过程，实际价格在每个时期调整到其均衡水平。这种调整过程相当于以收入、成本和利率为外生变量的价格自回归（AR）过程。

我们发现，房价可以用需求（收入）和供应（建筑成本和利率）的力量来解释。然而，价格调整到其均衡水平非常缓慢。房价部分调整过程的系数为0.08。需求的收入弹性为0.98，这意味着收入增加一个百分点，房价上涨近百分之一。需求的价格弹性估计约为-0.67，而需求的利息弹性为-0.0134。成本弹性估计约为3.162。由于成本弹性高于收入或利率弹性，我们得出结论，房价在很大程度上是由建筑成本驱动的。我们还发现，建设数量有一个缓慢的调整过程，以达到其平衡水平。隐含部分调整由 0.053 给出。虽然建筑成本对价格的影响相对较大，但它并不是数量的重要决定因素。供应的价格弹性估计为 1.212。表3中报告的R平方意味着，大约83%的房屋开工需求变化是由价格，收入和利率解释的，而只有42%的房屋开工供应是由价格，成本和利息解释的。虽然收入可以很好地解释需求，但房屋开工供应在很大程度上受到市场动态以外的因素（即难民涌入）的影响。

接下来，我们使用需求和供应的经济理论来解释两阶段最小二乘模型的估计。这个简单的模型有助于解释住房价格的变化。这一模型还有助于说明价格是如何通过动态供求机制，在贝鲁特住房市场实行部分均衡调整，由收入和成本的长期影响决定的。

在第一阶段，我们估计以下结构模型，其中需求方和供应方分别由下式给出：

\[\begin{aligned} q_t &= \alpha_0 + \alpha_1 y_t + \alpha_2 p_t + \alpha_3 r_t + u_t \\ q_t &= \beta_0 + \beta_1 c_t + \beta_2 p_t + \beta_3 r_t + v_t \end{aligned}\]

\[(1)\]

其中\（q_t\）是以平方米为单位的住房许可证，即代表建筑数量。\（y_t\）是黎巴嫩中央银行每月发布的同步指数所代表的收入。我们使用该指数作为指标来反映宏观经济状况的月度动态。人们可以用GDP增长来代替;但是，GDP数据仅按季度或每年提供。\（c_t\）是建筑成本。我们使用欧盟的生产者建设成本指数（CCI）。CCI可以安全地用于代表黎巴嫩的建筑成本，因为不包括劳动力成本，并且建筑材料的成本在国际市场上确定。因此，尽管各国之间的成本因关税或运输而存在任何差异，但建筑成本的核心往往在很大程度上是同步的。\（r_t\）是以黎巴嫩镑计价的债务的长期贷款利率。4 \（p_t\）是房地产的价格指数。由于缺乏任何官方的房地产价格指数，我们设计了一个粗略的价格指数：所有房地产交易的美元价值在时间上的月比率\（t\）除以时间上的房地产交易数量\（t\）。注\（p_t\）包括非住宅及住宅交易。

在平衡状态下，通过将方程 1 和 1 设置为相等，我们得到 \（p^*_t\）和 \（q_t\）的简化形式方程，如下所示：

\[\begin{aligned} p^*_t &= \lambda_0 + \lambda_1 y_t + \lambda_2 c_t + \lambda_3 r_t + \epsilon_t \\ q_t &= \gamma_0 + \gamma_1 y_t + \gamma_2 c_t + \gamma_3 r_t + \nu_t \end{aligned}\]

\[(2)\]

在第二阶段，我们使用第一阶段推导的\（p_t\）的预测值来估计结构方程1和1，即通过等式2得出\（p^*_t\）。这分别给出了需求和供应方面：

\[\begin{aligned} q_t &= \delta_0 + \delta_1 y_t + \delta_2 p^*_t + \delta_3 r_t + v_t \\ q_t &= \mu_0 + \mu_1 c_t + \mu_2 p^*_t + \mu_3 r_t + \tau_t \end{aligned}\]

\[(3)\]

价格指数的部分调整和分析

等式1-3中描述的模型假设住房市场始终处于平衡状态。然而，为了捕捉住房市场的动态，特别是2007年至2011年期间房价的快速上涨，很自然地允许部分调整过程，以反映价格对难民涌入等暂时冲击的逐步调整。通过此调整过程，实际价格 \（p_t\）调整到其均衡水平 \（p^*_t\）每个周期中差额 \（p^*_t - p_t\）的一小部分，结果为：

\[\begin{aligned} p_t - p_{t-1} &= \lambda （ p^*_t - p_{t-1} ） \\ &= \lambda （ \lambda_0 + \lambda_1 y_t + \lambda_2 c_t + \lambda_3 r_t + \epsilon_t ） - \lambda p_{t-1} \\ p_t &= \lambda\lambda_0 + \lambda\lambda_1 y_t + \lambda\lambda_2 c_t + \lambda\lambda_3 r_t + （1-\lambda）p_{t-1} + \lambda\epsilon_t \\ &= \theta_0 + \theta_1 y_t + \theta_2 c_t + \theta_3 r_t + \theta_4 p_{t-1} + v_t \end{aligned}\]

\[(4)\]

参数 \（\lambda\）衡量收入、建筑成本和利率对价格的影响。它捕获时间 \（t\）（\（P^*\））和时间 \（t-1\）中实际价格 \（P_{t-1}\）之间的调整速度。此外，\（\lambda\）满足 \（0<\lambda<1\）。\（\lambda=0\）表示房价无法根据解释变量的变化调整到其长期均衡。

公式4的参数可以通过估计公式1中的AR（4）过程来计算。类似地，住房数量的部分调整过程可以通过以下方式估计：

\[\begin{aligned} q_t &= \gamma （ \gamma_0 + \gamma_1 y_t + \gamma_2 c_t + \gamma_3 r_t ） + （1-\gamma）q_{t-1} \end{aligned}\]

\[(5)\]

需求和供应方程 1 和 1 在第二阶段分别估计其部分调整过程如下：

\[\begin{aligned} q_t &= \alpha （ \alpha_0 + \alpha_1 y_t + \alpha_2 p^*_t + \alpha_3 r_t ） + （1-\alpha）q_{t-1} \\ q_t &= \beta （ \beta_0 + \beta_1 c_t + \beta_2 p^*_t + \beta_3 r_t ） + （1-\beta）q_{t-1} \end{aligned}\]

\[(6)\]