Thay đổi đô thị bao gồm sự chuyển đổi về diện mạo vật lý và cấu trúc xã hội của các khu vực dân cư. Thế nhưng, mối quan hệ giữa các thành phần vật lý và xã hội trong thay đổi đô thị chưa được hiểu một cách kỹ lưỡng do sự thiếu thốn các thước đo đầy đủ về diện mạo khu dân cư. Ở bài nghiên cứu này, chúng tôi giới thiệu một phương pháp thị giác máy tính để định lượng thay đổi về diện mạo của khu phố và tạo ra một tệp dữ liệu về thay đổi về mặt vật lý tại năm đô thị lớn của Hoa Kỳ. Chúng tôi tổng hợp tệp dữ liệu này với các chỉ số xã hội kinh tế nhằm khám phá liệu thay đổi cư dân và kinh tế có đến trước, hay theo sau hay đồng thời với thay đổi về mặt diện mạo vật lý của đô thị. Chúng tôi nhận ra chỉ số cải thiện mạnh nhất của thay đổi vật lý là mật độ dân số và tỷ lệ người lớn có bằng đại học. Các đặc tính kinh tế xã hội khác như thu nhập trung bình, tỷ lệ nhà ở trống, tiền thuê nhà, không dự đoán được sự cải thiện trong diện mạo vật lý. Chúng tôi cũng nhận thấy rằng diện mạo đô thị hội tụ tại những đường biên của đô thị, củng cố lý thuyết “xâm lấn” của Burgess. Thêm nữa, diện mạo vật lý có xu hướng cải thiện tại khu dân cư gần với trung tâm kinh doanh. Cuối cùng, chúng tôi nhận thấy những củng cố khiêm tôn cho lý thuyết “chuyển hóa – tipping” và “thanh lọc- filtering” của thay đổi đô thị.
Các tác giả:
Nikhil Naik
Scott Duke Kominers
Ramesh Raskar
Edward L. Glaeser
César A. Hidalgo
Lời Giới Thiệu
Diện mạo của một thành phố ảnh hưởng như nào đến các thành tựu về xã hội và kinh tế của thành phố đó? Cơ cấu kinh tế và xã hội của một thành phố có khả năng định hình diện mạo của thành phố đó ra sao? Sự tiến triển đồng thời giữa diện mạo của một thành phố với các thành phần xã hội của nó đã thu hút sự quan tâm của giới học giả trong nhiều thế kỷ qua. Trên thực tế, hầu hết các phong trào kiến trúc và quy hoạch đô thị chí ít đều ngầm chấp nhận giả thuyết rằng luôn tồn tại một sự tiến triển đồng thời giữa diện mạo của thành phố với các thành phần xã hội của nó. Một thế kỷ sau ngày nở rộ của phong trào Thành phố Đẹp (City Beautiful), (tác giả – ND) William Wilson đã đưa ra lời nhận xét vào năm 1994 rằng các học giả đã “vô cùng phấn khích với việc đô thị có một diện mạo đẹp đẽ, […] tin tưởng rằng sự chuyển biến này có khả năng định hình suy nghĩ và hành vi của người dân”. Dù vậy, mối quan hệ giữa các thành phần vật chất và kinh tế xã hội của những sự thay đổi trong đô thị chưa được hiểu rõ do thiếu đi sự đánh giá toàn diện đến diện mạo đô thị.
Chúng tôi khắc phục những trở ngại trên bằng cách sử dụng công nghệ thị giác máy tính (computer vision) nhằm định lượng diện mạo thực tế của cảnh quan đường phố thông qua hình ảnh. Cụ thể hơn, chúng tôi sử dụng “Streetscore”, một thước đo đánh giá mức độ nhận thức về an toàn của từng địa điểm nhất định thu được từ phương pháp thị giác máy tính (Naik và cộng sự, 2014) dựa trên sự xếp hạng của hàng trăm nghìn hình ảnh lấy từ Chế độ xem phố của Google (Google Street View) (Salesses và cộng sự, 2013). Streetscore mang đến một lợi thế vượt trội so với các tập dữ liệu được thiết kế thủ công hoặc được tổng hợp từ cộng đồng. Thuật toán máy tính này sở hữu một khả năng ưu việt, chưa từng có tiền lệ khi có thể phân tích ở quy mô hàng triệu dãy phố nhằm xác định những thay đổi vật chất xảy ra trong môi trường đô thị.
Trong bài nghiên cứu này, chúng tôi kết hợp Streetscore với các dữ liệu về kinh tế và nhân khẩu học được trích phần lớn từ Kết quả Điều tra Dân số và Khảo sát Cộng đồng Mỹ. Do những sự thay đổi trong các khu dân cư lân cận có thể ít nhiều phản ánh một làn sóng di cư đang diễn ra, vì vậy chúng tôi không thể trực tiếp kiểm thử các nhận định về mặt kiến trúc học khi cho rằng diện mạo của một khu dân cư lân cận có ảnh hưởng đến cuộc sống của các cư dân sống tại đó. Thay vào đó chúng tôi xem xét diện mạo của khu dân cư có liên hệ ra sao đến các tác động xã hội ở cấp độ khu vực. Chúng tôi muốn tìm hiểu liệu các chuyển biến về xã hội và kinh tế xảy ra trước, sau hay đồng thời với các chuyển biến về diện mạo của các khu dân cư lân cận. Ngoài ra, chúng tôi cũng đã tiến hành kiểm thử ba giả thuyết đã được kiểm chứng về sự thay đổi trong đô thị: thuyết “xâm lấn” (invasion), thuyết “chuyển hóa” (tipping) và thuyết “thanh lọc” (filtering).
Đầu tiên, chúng tôi kiểm tra xem những dự báo trước đây về đặc điểm xã hội được đưa ra trong Kết quả Điều tra Dân số năm 2000 có dự đoán đúng những thay đổi về diện mạo của các khu dân cư lân cận, như được thể hiện qua các thay đổi trong chỉ số Streetscore không. Chúng tôi phát hiện rằng hai yếu tố xã hội là mật độ dân số và trình độ học vấn, vốn từng là hai chỉ số thể hiện chính xác nhất mức độ nhận thức về an toàn vào năm 2007, cũng chính là các chỉ số tốt nhất thể hiện sự gia tăng mức độ nhận thức về an toàn trong giai đoạn từ 2007 đến 2014. Điều này vẫn đúng kể cả khi chúng tôi đối chứng đến chỉ số Streetscore năm 2007 hay các biến số khác. Giá nhà và tiền thuê nhà cao đồng nghĩa với việc được nâng chỉ số trên Streetscore, vậy nên có lẽ cũng hợp lý khi đầu tư vào thị trường nhà đất, khi đất đai về bản chất là thứ luôn có giá trị. Bất ngờ thay, chúng tôi cũng phát hiện ra rằng các yếu tố như thu nhập, chủng tộc hay tỷ lệ đói nghèo không có hoặc có rất ít khả năng mang tới dự đoán chính xác.
Thứ hai, sau khi chúng tôi thực hiện kiểm tra xem các đặc điểm vật chất của khu dân cư lân cận có dự đoán chính xác những thay đổi về đặc điểm xã hội trong khu dân cư đó không, chúng tôi tìm thấy ít bằng chứng chứng minh cho giả thuyết này. Không may rằng các nghiên cứu của chúng tôi về sự thay đổi trong xã hội chỉ giới hạn trong các mẫu nhỏ và chồng chéo lấy từ cuộc Khảo sát Cộng đồng Mỹ thay vì từ Kết quả Điều tra Dân số Mỹ. Chỉ số Streetscore năm 2007 dự đoán sự gia tăng về mật độ dân số, thu nhập và giá nhà ở, cùng với đó là sự sụt giảm về tỷ lệ đói nghèo và tỷ lệ dân số người Mỹ gốc Phi và gốc Tây Ban Nha. Một điều kỳ lạ là chỉ số Streetscore cao lại tỷ lệ nghịch với trình độ học vấn, có lẽ vì những sinh viên đã tốt nghiệp đại học nhưng không có điều kiện kinh tế thường lui về ổn định cuộc sống tại những khu dân cư xập xệ hơn.
Thứ ba, chúng tôi tìm hiểu về mối tương quan giữa những thay đổi của chỉ số Streetscore với những thay đổi về đặc điểm xã hội. Chúng tôi nhận thấy rằng mối liên hệ này tuy có ý nghĩa về mặt thống kê nhưng không tạo ra nhiều tác động lớn.
Sau cùng, chúng tôi tiến hành kiểm thử các thuyết về sự thay đổi trong đô thị: thuyết xâm lấn, thuyết chuyển hóa và thuyết thanh lọc. Thuyết xâm lấn (Burgess, 1925) cho rằng những sự cải thiện xảy ra tại một khu dân cư sẽ dần lan rộng ra các khu vực lân cận. Đồng quan điểm với Kolko (2010), chúng tôi nhận thấy rằng những sự cải thiện xảy ra đặc biệt nhiều tại những khu vực ở gần các khu dân cư được đánh giá ban đầu là an toàn hơn với nhóm cư dân sống tại đó có trình độ học vấn cao hơn. Tuy nhiên, chúng tôi cũng xác nhận về sự tồn tại của xu hướng mở rộng tràn lan về mặt không gian khi nhận thấy các thay đổi thực tế trong môi trường đô thị có xu hướng quy tụ lại với nhau, điều này càng củng cố cho quan điểm về thuyết xâm lấn.
Thuyết chuyển hóa, được phát triển bởi Schelling (1969) và Grodzins (1967), cho rằng một khi các khu dân cư lân cận bắt đầu xập xệ thì sẽ càng trở nên xập xệ theo thời gian, còn khi diện mạo khu dân cư được cải thiện thì khu vực đó sẽ càng đẹp hơn. Kết quả của chúng tôi cho thấy có ít bằng chứng củng cố cho thuyết này, và chúng tôi nhận diện được một mối liên kết thuận giữa chỉ số Streetscore ban đầu của một khu dân cư với sự tăng trưởng về chỉ số này trong các giai đoạn sau đó. Tuy nhiên, chúng tôi không cho rằng các khu dân cư có diện mạo xập xệ ban đầu sẽ càng tệ đi – chỉ là chúng ít được cải thiện về mặt thẩm mỹ hơn thôi.
Mặt khác, thuyết thanh lọc (Margolis, 1982) đề xuất rằng luôn tồn tại các chuỗi chu kỳ trong đó các khu dân cư lân cận phân rã dần cho đến khi chúng được cải thiện. Chúng tôi cũng cho rằng thuyết này là thiếu thuyết phục sau khi nhận thấy khu dân cư nào có quỹ đất mới thì chỉ số Streetscore cao hơn so với các khu dân cư được xây dựng từ những năm 1950. Dẫu vậy, chúng tôi không thể loại trừ khả năng rằng kết quả này phản ánh sự khác biệt trong cách nhận thức về nhiều phong cách kiến trúc khác nhau, bởi lẽ các khu dân cư được xây dựng trước năm 1939 (trước khi trường phái Kiến trúc Hiện đại được phổ biến rộng rãi tại Mỹ) cũng đạt chỉ số cao.
Chúng tôi rút ra kết luận rằng mật độ dân số cùng tỷ lệ người trưởng thành có trình độ đại học là những yếu tố dự báo xác đáng nhất thể hiện xu hướng cải thiện về diện mạo khu dân cư theo thời gian. Đồng thời chúng tôi cũng tìm ra bằng chứng mạnh mẽ ủng hộ thuyết xâm lấn, nhưng lại thiếu bằng chứng để củng cố hai thuyết chuyển hóa và thuyết thanh lọc.
>> Một trong số các tác giả quan trọng của bài luận này là Edward Glaeser, Giáo sư Đại học Harvard, chuyên gia hàng đầu về lĩnh vực chính sách phát triển đô thị, tác giả của của hai cuốn sách quan trọng về Đô thị: Chiến thắng của Đô thị (Xuất bản tại Việt Nam vào 2018 và Tái bản 2022) và Sinh tồn của Đô thị (Xuất bản ở Việt Nam 2022).
Đô Thị Vật Lý Và Đô Thị Xã Hội
Mối quan hệ giữa môi trường vật chất và hành vi xã hội đã được mang ra phân tích nhiều. Câu nói nổi tiếng của Winston Churchill, “Chúng ta định hình những tòa nhà, sau đó chúng định hình chúng ta”, là một tuyên bố vô cùng sâu sắc khi cho rằng cuộc sống con người bị ảnh hưởng bởi môi trường sống, xét về khía cạnh kiến trúc học. Vào thời kỳ Phục hưng, (kiến trúc sư – ND) Alberti từng bình luận rằng “cái đẹp đặc biệt ở chỗ nó có khả năng làm nguội đi mọi cơn thịnh nộ kể cả là của kẻ thù cuồng dại nhất” (Lefaivre và Tzonis, 2004), hàm ý rằng cái xấu cái ác sẽ ít xuất hiện ở những khu vực đẹp hơn về mặt thẩm mỹ. Thuyết “thẩm mỹ tất định” của Alberti đã dự đoán trước về phong trào Thành phố Đẹp, và Charles Mulford Robinson vào năm 1899 đã cho rằng các thành phố đẹp tạo ra “những công dân gương mẫu hơn vì họ được giáo dục tốt hơn, có thẩm mỹ nghệ thuật hơn và có lòng tự tôn công dân cao hơn”.
Tuy rằng các nhà lý thuyết học kiến trúc luôn ngợi ca về ích lợi của việc có được một không gian đẹp, họ cũng thường bất đồng gay gắt rằng điều gì mới khiến một không gian được coi là đẹp. (Nhà quy hoạch đô thị – ND) Ebenezer Howard vào năm 1902 ủng hộ sự hợp nhất giữa thành thị và nông thôn tại các cộng đồng dân cư có mật độ thấp, trong khi phong trào Thành phố Tươi sáng (Radiant City) của (kiến trúc sư – ND) Charles Jeanneret (còn được biết đến với cái tên Le Corbusier) lại gọi các đô thị là “những cỗ máy sống”. Ông đã nỗ lực thúc đẩy ý tưởng về những không gian sống hiện đại nhưng đơn dụng và giá rẻ, là thứ sẽ tối ưu hóa hiệu quả về kinh tế và xã hội. (Nhà kiến trúc sư/thiết kế – ND) Frank Lloyd Wright đã hưởng ứng với Le Corbusier khi đưa ra đề xuất vào năm 1932 về một khu vực bán ngoại ô lấy tên Thành phố Broadacre, là nơi mang lại “không gian bừng sáng hơn, được tự do đi lại hơn, và là nơi thuận lợi để khởi tạo thứ mà chúng ta gọi là nền văn minh”.
Chúng tôi cũng đã tra cứu tài liệu từ các nguồn khác nhau về sự thay đổi trong đô thị. Đã có rất nhiều phân tích về các đặc điểm mang tính thống kê liên quan đến những thay đổi xã hội ở đô thị, được thực hiện bởi Weber (1899), Du Bois (1899), cũng như Drake và Cayton (1970). Ngoài ra cũng có những nghiên cứu mới đây, nhưng với số lượng ít hơn, về các đặc điểm thống kê về diện mạo của khu dân cư. Các học giả về quy hoạch đô thị, như Amos Rapoport (1969) và Kevin Lynch (1960), là những người tiên phong thực hiện những nghiên cứu mang tính định lượng về diện mạo của khu dân cư, và sau này chúng ta đã chứng kiến thêm nhiều nghiên cứu từ các nhà khoa học xã hội khác, như Sampson và cộng sự (1997), hay Hwang và Sampson (2014).
Những nghiên cứu trước đây nhằm định lượng diện mạo khu dân cư đã lấy dữ liệu từ các cuộc khảo sát, trong đó người được khảo sát được yêu cầu xếp hạng và so sánh các hình ảnh. Phương pháp này đã giúp tạo ra những tấm bản đồ thành phố đầu tiên dù chúng có độ phân giải tương đối thấp (Lynch, 1960; Milgram, 1976; Nasar, 1998). Tuy nhiên, việc thực hiện thủ công quá trình thu thập dữ liệu như trước đây đồng nghĩa rằng phương pháp này không thể được triển khai trên diện rộng hay trong các khoảng thời gian khác nhau.
Trong những năm gần đây, các tiến bộ về công nghệ thị giác máy tính và lĩnh vực máy học (machine learning), cùng với một thực tế rằng mọi hình ảnh luôn sẵn có trên mạng, đã giúp hiện thực hóa quá trình định lượng hình ảnh của cảnh quan đường phố ở một quy mô lớn chưa từng có. Nguồn lực từ cộng đồng cũng giúp làm tăng khả năng xử lý và phân tích hình ảnh lên gấp hàng chục lần (Salesses và cộng sự, 2013). Đổi lại, các thông tin có được dựa trên nguồn lực cộng đồng cung cấp dữ liệu cho các thuật toán thị giác máy tính nhằm mô phỏng khả năng nhận định của con người, cũng như đánh giá và cho điểm hàng triệu bức ảnh (Naik và cộng sự, 2014). Các dữ liệu có được từ công nghệ thị giác máy tính giúp xác định xem thiết kế nào là phù hợp hơn với sự phát triển của từng môi trường đô thị (Harvey và cộng sự, 2015), đồng thời nhận diện các đặc điểm nào của cảnh quan đường phố giúp tăng cường mức độ nhận thức về an toàn (Porzi và cộng sự, 2015).
Các tài liệu kinh tế học và xã hội học về sự thay đổi của đô thị thường phản ánh các sự kiện đương thời tại đô thị. Chẳng hạn, các bài phân tích của Weber (1899) và Burgess (1925), với nội dung tập trung chủ yếu vào quá trình mở rộng đô thị, được viết trong thời kỳ đô thị phát triển không ngừng. Sau Thế chiến 2, sự thay đổi về yếu tố chủng tộc trong các khu dân cư tại Mỹ dường như trở thành chủ đề trọng tâm của đời sống đô thị, từ đó đã có nhiều phân tích về sự thay đổi về yếu tố chủng tộc hay các “điểm giới hạn” (tipping points) được thực hiện bởi Grodzins (1957), Taeuber và Taeuber (1969), và Schelling (1969). Khi đô thị bắt đầu phân rã, Hoover và Vernon (1959) cùng Muth (1969) đã thảo luận về thuyết thanh lọc xảy ra tại khu dân cư, trong khi Wilson (1978) mô tả về cuộc di cư sau này khỏi các khu nhà xập xệ tại thành thị của những người Mỹ gốc Phi giàu có.
Tương tự như khi giới kiến trúc sư cho rằng diện mạo đô thị định hình bản chất xã hội, nhiều nhà khoa học xã hội cho rằng bản chất xã hội của một đô thị sẽ định hình những thay đổi về vật chất trong đô thị đó. Chẳng hạn, Burgess (1925) đã trình bày về thuyết vòng đồng tâm (concentric-ring theory) của các đô thị, một biến thể của thế kỷ 20 so với phiên bản của von Thunen và Hall năm 1966. Thuyết này mô tả về một đô thị trong đó khu thương mại trung tâm (CBD) được bao quanh trước tiên bởi khu “chuyển tiếp” (bao gồm các khu công nghiệp và khu nhà cho người nghèo), tiếp đó là khu nhà ở cho người lao động cổ cồn xanh, tiếp nữa là khu nhà ở cho người giàu có, rồi cuối cùng là khu nhà ở nằm ở vùng ngoại ô của người đi làm (cổ cồn xanh và cổ cồn trắng) làm việc trong thành phố. Ý tưởng của Burgess về sự thay đổi trong khu dân cư là một minh họa về thuyết xâm lấn, trong đó các khu vực bên trong mở rộng ra phía ngoài xảy ra đồng thời với sự phát triển chung của toàn đô thị. Động lực phát triển ở đây tuy là sự mở rộng của toàn đô thị, nhưng các tác động thì lại có tính cục bộ đến từng khu dân cư lân cận trong đô thị đó. Lấy ví dụ, các khu dân cư từng có diện mạo đẹp thì giờ bị lấn chiếm bởi các khu công nghiệp cùng các khu nhà ở dành cho người có nhu nhập thấp.
Thuyết xâm lấn của Burgess (1925) đã dự đoán rằng, khi khu “chuyển tiếp” càng mở rộng tới các khu dân cư, thì những khu vực nào ở càng gần khu thương mại trung tâm (CBD) sẽ càng có mức độ nhận thức về an toàn cao. Một biến thể của thuyết này, được phát triển sau những năm 2000 và đặc biệt đúng với các thành phố New York và Boston, nhận thấy một sự bùng nổ của các khu dân cư cho người giàu có ngay sát khu trung tâm của thành phố (Glaeser và cộng sự, 2008). Dự báo rằng khu vực gần trung tâm thành phố trong các đô thị phát triển mạnh sẽ dần phát triển và mở rộng tràn lan sang các khu dân cư lân cận. Dù như nào chúng ta cũng có thể tiến hành kiểm thử thuyết xâm lấn bằng cách tìm ra những điểm cải thiện tại khu dân cư mà, hoặc là ở gần khu thương mại trung tâm (CBD), hoặc là nằm ở những khu vực kém hấp dẫn hơn nhưng lại gần hơn (về mặt địa lý) với các khu vực hấp dẫn.
Một thuyết khác bàn về cuộc cách mạng hóa môi trường vật chất trong đô thị, đó là thuyết chuyển hóa được nhiều người biết đến của Grodzins (1957) và Schelling (1969). Đề cập đến diện mạo của một đô thị, họ cho rằng các khu vực hấp dẫn sẽ tiếp tục trở nên hấp dẫn theo thời gian, còn các khu vực tồi tàn thường sẽ chỉ tồi tệ hơn mà thôi. Còn đối với thuyết thanh lọc (Muth, 1969; Bond và Coulson, 1989), chất lượng của nhà ở phân rã dần theo thời gian, hay chính xác hơn thì các khu nhà ở ban đầu được xây dựng cho người giàu có nhưng khi chúng phân rã, người nghèo sẽ mua hoặc thuê lại chúng. Hay như gần đây, Ressenger (2013) đã chỉ ra rằng không gian vật chất có đủ khả năng định hình các đặc tính xã hội, thông qua các con số thống kê thể hiện rằng một khi chính quyền quy định cấm xây dựng các khu nhà ở chung cho các hộ gia đình, thì các khu vực lân cận quanh đó sẽ thấy ít bóng dáng hơn của những nhóm người thiểu số trong xã hội.
Cuối cùng nhưng không kém phần quan trọng, thuyết có lẽ là nổi tiếng nhất nói về mối liên kết giữa nhận thức đô thị và hành vi con người là thuyết Cửa sổ vỡ (Broken Window Theory – BWT) của Wilson và Kelling (1982). Thuyết BWT hiện được vận dụng để giải thích cho hai điều: (i) tình trạng mất trật tự đô thị có thể gây ra chuỗi hành vi mất trật tự, và (ii) kiểm soát tốt các hành vi vi phạm không nghiêm trọng là một công cụ hữu hiệu để ngăn chặn các hành vi vi phạm nghiêm trọng. Dù BWT là một chủ đề nhận được sự quan tâm sâu rộng và đã được phân tích bằng các phương pháp thực nghiệm (Keizer và cộng sự, 2008) và quan sát (Salesses và cộng sự, 2013), nhưng chúng tôi không sử dụng thuyết này trong bài nghiên cứu này.
Nghiên cứu của chúng tôi tập trung vào việc tìm hiểu sự tương quan giữa những thay đổi về diện mạo của khu dân cư (được trích xuất từ hệ thống Streetscore) với các dữ liệu về kinh tế và nhân khẩu học của khu dân cư. Chúng tôi tiến hành kiểm thử một vài giả thuyết để tìm hiểu xem các đặc tính xã hội của một khu dân cư lân cận có dự đoán được những thay đổi về diện mạo và về xã hội của khu dân cư đó không, đồng thời xem xét xem diện mạo và xã hội của một khu dân cư có cùng thay đổi với nhau không. Ngoài ra chúng tôi cũng tiến hành kiểm thử các thuyết xâm lấn, thuyết chuyển hóa và thuyết thanh lọc. Do đó, nghiên cứu này được xây dựng dựa trên tập dữ liệu về cả diện mạo đô thị lẫn sự thay đổi trong đô thị.
Tiếp sau đây, chúng tôi sẽ mô tả các nguồn dữ liệu và các phương pháp xử lý dữ liệu nhằm mục đích định lượng diện mạo thực tế của một khu dân cư lân cận.
>> Đọc thêm: Sách đô thị nền tảng: Từ quy hoạch đến quản trị và thực địa – Book Hunter Lyceum
Dữ Liệu Và Phương Pháp Xử Lý Dữ Liệu
Trong phần này chúng tôi mô tả các phương pháp đã áp dụng để đo lường những thay đổi về diện mạo của khu dân cư lân cận. Chúng tôi sử dụng công nghệ thị giác máy tính để xử lý tập dữ liệu hình ảnh theo các mốc thời gian được lấy từ Chế độ xem phố của Google (Google Street View).
Chúng tôi truy vấn thông số API hình ảnh Chế độ xem phố của Google để có được hình ảnh toàn cảnh (360 độ) được chụp bởi đội xe của Google. Mỗi bức ảnh toàn cảnh này được gắn với một thông số nhận dạng duy nhất (“panoid”), vĩ độ, kinh độ và mốc thời gian chụp. Chúng tôi nhận diện một phần của bức ảnh bằng cách ghi nhận hướng quay của ống kính máy ảnh rồi tham chiếu với từng chiếc xe của Google. Chúng tôi thu được tổng cộng 1.645.760 “panoid” cho các dãy phố ở Baltimore, Boston, Detroit, New York và thủ đô Washington trong hai năm 2007 và 2014. Chúng tôi gọi mốc năm 2007 là “mốc trước” và mốc năm 2014 là “mốc sau”. Nếu thiếu hình ảnh của dãy phố nào vào năm 2007 hoặc 2014, chúng tôi điền “mốc trước” và “mốc sau” bằng cách sử dụng hình ảnh của những năm gần nhất đã có sẵn dữ liệu; do đó mà 5% lượng hình ảnh của “mốc trước” là từ năm 2008 hoặc 2009, và 12% lượng hình ảnh của “mốc sau” là từ năm 2013. Cuối cùng, chúng tôi tiến hành so sánh hình ảnh ở “mốc trước” và “mốc sau” bằng cách tham khảo các thông số về vị trí địa lý (vĩ độ và kinh độ), và bằng cách lấy góc quay tương tự. Quy trình thực hiện này giúp mang tới những hình ảnh hiển thị cùng một địa điểm được chụp từ cùng một góc lấy máy ở các thời điểm khác nhau (xem Hình 1-(b-d)).
Chúng tôi xử lý trước dữ liệu hình ảnh để xác định xem một hoặc cả hai hình ảnh ở “mốc trước” và “mốc sau” có bị phơi sáng quá mức không, có bị mờ hoặc bị che khuất không, rồi loại đi các cặp hình ảnh đó. Việc này giúp chúng tôi giảm lượng dữ liệu xuống để chỉ phải xử lý các cặp hình ảnh “trước” và “sau” đủ tiêu chuẩn (tham khảo Tài liệu bổ sung để biết thêm chi tiết).
Tiếp đó, chúng tôi đo lường mức độ nhận thức về an toàn của mỗi hình ảnh bằng cách sử dụng một biến thể của thuật toán Streetscore (Naik và cộng sự, 2014) dựa trên một nghiên cứu được tổng hợp từ cộng đồng, trong đó đo lường mức độ nhận thức về an toàn của những người tham gia dựa trên 4.109 hình ảnh và 208.738 lượt xếp hạng (Salesses và cộng sự, 2013). Theo Salesses và cộng sự (2013), mức độ nhận thức về an toàn có mối tương quan cao với mức độ nhận thức về sự giàu có. Chúng tôi quyết định sử dụng chỉ số an toàn bởi lẽ các tập dữ liệu của chúng tôi về mức độ nhận thức về an toàn có nhiều lượt xếp hạng từ người dùng hơn so tập dữ liệu về mức độ nhận thức về sự giàu có. Do vậy, tập dữ liệu về mức độ nhận thức về an toàn là phù hợp hơn để vận dụng vào thuật toán của lĩnh vực máy học. Biến thể Streetscore của chúng tôi đánh giá cảnh quan đường phố trước tiên bằng cách phân tách các hình ảnh (Hoiem và cộng sự, 2008) thành bốn nhóm hình học – mặt đất (bao gồm đường phố và vỉa hè), tòa nhà, cây cối và bầu trời (Hình 1). Sau đó Streetscore đặc trưng hóa mỗi nhóm bằng cách sử dụng hai tính năng phổ biến của công nghệ thị giác máy tính là GIST (Oliva và Torralba, 2001) và Textons (Malik và cộng sự, 2001). Tiếp theo, Streetscore dự đoán về chỉ số xếp hạng từ cộng đồng cho hình ảnh bằng cách sử dụng máy vectơ hỗ trợ. Để tránh bị ảnh hưởng bởi các tác động mùa vụ, Streetscore chỉ tiến hành định lượng các thay đổi về cơ sở hạ tầng, tức là các thay đổi trong nhóm mặt đất và tòa nhà. Cuối cùng, chúng tôi tính toán những thay đổi trên Streetscore giữa các hình ảnh ở “mốc trước” và “mốc sau” được chụp từ cùng một vị trí, để có được Hệ số thay đổi trong đô thị (UCC) (tham khảo Tài liệu bổ sung để biết thêm chi tiết). Chúng tôi tổng hợp chỉ số Streetscore từ năm 2007 và từ năm 2014, cũng như hệ số UCC giữa các thời kỳ này ở cấp độ điều tra dân số cho tổng cộng năm thành phố chúng tôi đã nghiên cứu.
Để liên hệ các chỉ số Streetscore về diện mạo khu dân cư lân cận với dữ liệu kinh tế xã hội ở cấp độ điều tra dân số, chúng tôi thu thập dữ liệu đặc trưng từ Kết quả Điều tra Dân số Mỹ của cả năm 2000 và năm 2010, đã điều chỉnh theo ranh giới của Kết quả Điều tra Dân số năm 2010. Ngoài ra, chúng tôi cũng sử dụng dữ liệu được tổng hợp trong năm năm từ cuộc Khảo sát Cộng đồng Mỹ trong khoảng thời gian từ 2006 đến 2010 và từ 2009 đến 2013. Để tính toán tỷ lệ các căn nhà bị bỏ không (không có người cư trú – ND) khi thực hiện điều tra dân số, chúng tôi sử dụng tập dữ liệu HUD USPS (Bộ Nhà ở và Phát triển Đô thị Mỹ, 2015).
Trong phần tiếp theo chúng tôi mô tả những kết quả của mình về mối liên hệ giữa diện mạo khu dân cư lân cận với các đặc điểm kinh tế xã hội.
>> Tìm hiểu Bài giảng ngắn về Kinh tế học đô thị của Edward Glaeser: bài giảng Kinh tế học đô thị Archives – Book Hunter
Kết Quả
Các Đặc Điểm Cơ Bản Về Sự Thay Đổi Vật Lý Của Đô Thị
Ở đây chúng tôi trình bày các thống kê mô tả về chỉ số Streetscore từ năm thành phố được phân tích trong nghiên cứu của chúng tôi, cùng với bản đồ phân bố không gian của các thay đổi trong đô thị.
Bảng 1 cung cấp các giá trị trung bình và độ lệch chuẩn cho dữ liệu Streetscore của năm 2007 và năm 2014, cùng các thống kê khái quát khác. Dữ liệu thể hiện sự tăng trưởng đáng kể về chỉ số Streetscore ở năm thành phố mẫu từ năm 2007 đến năm 2014, với giá trị trung bình là 7.75 trong năm 2007 và 9.14 trong năm 2014. Sự chênh lệch 1.3 này gần như chính xác bằng một nửa độ lệch chuẩn cắt ngang vào năm 2007. Độ lệch chuẩn cũng tăng 0.78 giữa hai giai đoạn, đồng nghĩa rằng cả giá trị trung bình lẫn phương sai của chỉ số về diện mạo đường phố đều tăng.
Tiếp đó chúng tôi đưa ra các bản đồ minh họa cho các ví dụ thể hiện sự thay đổi đáng kể trong đô thị tại các thành phố Baltimore, Boston, New York và thủ đô Washington (Hình 2). Chúng tôi đo lường sự thay đổi trong đô thị bằng cách xác định UCC là sự chênh lệch giữa chỉ số Streetscore của “mốc trước” với “mốc sau” của mỗi cặp. Hệ số UCC dương thể hiện sự thay đổi trong đô thị khi hình ảnh của “mốc sau” (2014) được cho là an toàn hơn hình ảnh của “mốc trước” (2007). Các bản đồ trong Hình 2 đưa ra những ví dụ về sự thay đổi đáng kể trong đô thị, khi mà các hệ số UCC thể hiện sự thay đổi của ít nhất bốn độ lệch chuẩn. Các bản đồ UCC cho thấy rằng sự thay đổi trong đô thị có xu hướng phân cụm, có nghĩa là những nơi đang trải qua sự thay đổi đô thị có xu hướng quy tụ lại với nhau để trở nên gần hơn về mặt địa lý.
Tiếp theo, chúng tôi ngừng thống kê mô tả để tiến hành xem xét về sự tiến triển đồng thời của diện mạo khu dân cư lân cận và các thành phần xã hội trong khu dân cư đó.
Đô Thị Vật Lý Và Đô Thị Xã Hội
Trước tiên chúng tôi phân tích và tìm hiểu mối liên hệ cắt ngang giữa diện mạo thực tế của đô thị với các thành phần xã hội của nó. Sau đó chúng tôi xem xét xem diện mạo đô thị thay đổi trước, sau hay diễn ra đồng thời với sự thay đổi trong xã hội.
Đơn vị quan sát của chúng tôi là dữ liệu về điều tra dân số. Chúng tôi sử dụng dữ liệu đặc trưng từ Kết quả Điều tra Dân số Mỹ năm 2000 và năm 2010, cũng như dữ liệu được tổng hợp trong năm năm từ cuộc Khảo sát Cộng đồng Mỹ giữa các năm 2006-2010 và 2009-2013. Bên cạnh đó, chúng tôi cũng sử dụng dữ liệu về tỷ lệ các căn nhà bỏ trống được tổng hợp trong tập dữ liệu HUD USPS (Bộ Nhà ở và Phát triển Đô thị Mỹ, 2015), lấy trung bình dữ liệu từ tất cả các quý của năm 2007 và năm 2014.
Trong tất cả các hồi quy, chúng tôi đã thực hiện điều chỉnh mối tương quan không gian trong các sai số chuẩn theo Conley (2008), và sử dụng các quy trình STATA do Hsiang phát triển (2010). Những điều chỉnh này nhằm gộp lại không chỉ sự hấp dẫn của khu dân cư mà còn cả các đặc điểm xã hội như được nêu ở trên.
Mối Liên Hệ Cắt Ngang Giữa Diện Mạo Đô Thị Và Các Thành Phần Xã Hội
Bảng 2 cho thấy mối tương quan giữa chỉ số Streetscore và các đặc điểm xã hội của khu dân cư lân cận trong năm 2007. Mỗi mục nhập minh họa cho một hệ số từ một hồi quy độc lập. Cột đầu tiên hiển thị các hệ số và các sai số chuẩn từ một hồi quy đơn biến. Cột thứ hai hiển thị các hệ số và các sai số chuẩn từ một hồi quy chứa các biến số chỉ thị cho các thành phố khác nhau. Chúng tôi cũng đã chạy các hồi quy đa biến, nhưng bỏ qua những kết quả này để tiết kiệm không gian.
Hai hàng đầu tiên của Bảng 2 thể hiện các mối liên hệ cắt ngang chặt chẽ nhất: mật độ dân số và trình độ học vấn. Cột đầu tiên cho thấy rằng nếu thiếu đi các đối chứng đô thị, khi mật độ dân số tăng lên thì chỉ số Streetscore cũng tăng 1.23 đơn vị, đại diện cho khoảng một nửa độ lệch chuẩn của Streetscore (2.6). Khi chúng tôi đối chứng các biến số chỉ thị cấp đối chứng đô thị, hệ số này giảm xuống còn 0.72 nhưng vẫn vô cùng có giá trị về mặt thống kê. Kết quả này là chặt chẽ để bao gồm tất cả các đối chứng khác trong bảng.
Vì chỉ số Streetscore có mật độ gần như tuyến tính nên về tổng thể đây là mối quan hệ lõm. Mức độ nhận thức về an toàn tăng lên theo mật độ nhưng tác động lại giảm dần. Hiện tượng phi tuyến tính này hợp lý hóa kết quả tìm được. Một không gian đô thị được đánh giá là an toàn khi có cư dân sống tại đó, trong khi khu vực buôn bán hoặc những nơi bị bỏ không được coi là nguy hiểm. Ý kiến này củng cố cho nhận định được nhiều người biết đến của Jacobs (1961) rằng sự an toàn có thể được cải thiện nhờ “những cặp mắt trên đường phố”. Vì vậy, chúng tôi không thể khẳng định rằng không gian đô thị dày đặc được coi là an toàn hơn các vùng ngoại ô hoặc không gian nông thôn có mật độ dân số thấp, vì chúng tôi không phân tích về những không gian với mật độ thấp như vậy trong quá trình nghiên cứu. Những hồi quy này chỉ ngụ ý rằng các không gian đô thị với mật độ dân số cao được coi là an toàn hơn các không gian đô thị với mật độ dân số thấp ở năm thành phố vốn đông đúc hơn nằm về phía đông nước Mỹ.
Yếu tố tương liên chặt chẽ thứ hai của mức độ nhận thức về an toàn là trình độ học vấn. Khi tỷ lệ dân số có bằng đại học tăng 20% (một độ lệch chuẩn), mức độ nhận thức về an toàn sẽ tăng thêm 0.64 khi thiếu đi đối chứng đô thị và 0.52 khi có đối chứng đô thị. Một lần nữa, kết quả cho ra là tương đối thuyết phục. Trong trường hợp này, chúng tôi suy đoán mối tương quan này phản ánh xu hướng những người có học vấn sẵn sàng bỏ tiền ra để sống tại những khu dân cư an toàn, hơn là khả năng của họ trong việc chủ động tạo sự an toàn cho chính khu dân cư.
Mối liên hệ giữa thu nhập trung bình và mức độ nhận thức về an toàn là không chặt chẽ. Hệ số trong cột đầu tiên (1.3) là có ý nghĩa về mặt thống kê khi chạy hồi quy bằng cách sử dụng bình phương tối thiểu. Tuy nhiên, việc hiệu chỉnh mối tương quan không gian của các sai số khiến cho sai số tiêu chuẩn ước tính tăng lên đáng kể và dẫn đến hệ số trở nên không có ý nghĩa thống kê (mặc dù vẫn còn tương đối lớn). Với việc bổ sung các biến số chỉ thị cấp độ đô thị, độ lớn trở nên nhỏ hơn nhiều. Cũng như trong nhiều lĩnh vực khác (tham khảo Glaeser và Saiz (2004)), trình độ học vấn chứ không phải thu nhập là yếu tố tương liên quan trọng hơn khi sinh sống tại đô thị.
Hàng thứ tư và thứ năm hiển thị mối liên hệ giữa chỉ số Streetscore và chi phí nhà ở; hàng thứ tư cho thấy mối liên hệ với tiền thuê hàng tháng. Khi giá thuê tăng một độ lệch chuẩn (245), chỉ số Streetscore tăng 1 khi thiếu đi đối chứng đô thị và 0.5 khi có đối chứng đô thị. Nếu thiếu đi đối chứng đô thị, giá nhà ở tăng một độ lệch chuẩn (1.5) và làm tăng chỉ số Streetscore thêm gần 5 đơn vị. Hệ số này giảm đáng kể khi chúng tôi thực hiện đối chứng đô thị bởi lẽ có khoảng cách rất lớn về giá cả giữa New York và Detroit hay Baltimore. Đối với các thành phố, việc tăng một độ lệch chuẩn về giá cả có liên hệ đến sự tăng trưởng nhiều hơn 2 đơn vị một chút trong chỉ số Streetscore.
Mặc dù các hồi quy giá cả chạy qua hệ thống Streetscore là biến phụ thuộc để nhất quán với các phân tích khác trong Bảng 2, nên lý giải những kết quả này là sự phản ánh về khả năng sẵn sàng bỏ tiền ra để sinh sống tại một môi trường an toàn hơn hoặc đẹp hơn về mặt thẩm mỹ. Nếu các phép hồi quy được chạy lại kèm theo các đối chứng đô thị và chi phí nhà ở là biến phụ thuộc, chúng tôi nhận thấy rằng sự gia tăng một độ lệch chuẩn trong chỉ số Streetscore có tương quan với việc tăng 0.4 điểm giá nhà ở và tăng tiền thuê nhà hàng tháng thêm $66. Những sự gia tăng này là đáng kể và đề cập đến hồi quy hưởng thụ bằng cách sử dụng chỉ số Streetscore, nhưng không dễ để giải thích các kết quả ở đây của chúng tôi, một phần vì dữ liệu về tiền thuê có trước tập dữ liệu trên hệ thống Streetscore tận bảy năm. (Các lý do khác cần cân nhắc bao gồm việc thiếu đi các đối chứng nhà ở hoặc khu dân cư lân cận, bản chất tự động định giá của giá nhà ở, cùng các vấn đề liên quan đến việc kiểm soát tiền thuê nhà ở New York.)
Những hàng tiếp theo hiển thị thông tin về các yếu tố chủng tộc và tỷ lệ đói nghèo. Hàng thứ sáu của Bảng 2 cho thấy không có mối liên hệ đáng kể nào giữa tỷ lệ đói nghèo và chỉ số Streetscore, có lẽ cũng dễ hiểu vì không có mối tương quan giữa thu nhập và chỉ số Streetscore. Có một mối liên hệ nghịch mang tính tương đối giữa chỉ số Streetscore và tỷ lệ phần trăm người Mỹ gốc Phi. Mối liên hệ giữa chỉ số Streetscore và tỷ lệ phần trăm người Mỹ gốc Tây Ban Nha là thuận khi thiếu đi đối chứng đô thị, và về cơ bản bằng không khi có các đối chứng này.
Hàng cuối cùng hiển thị mối liên hệ giữa tỷ lệ nhà ở bị bỏ không và chỉ số Streetscore. Sẽ có một mối liên hệ nghịch giữa tỷ lệ nhà ở bị bỏ không và chỉ số Streetscore nếu thiếu đi các tác động nhất định ở cấp độ đô thị. Tác động này thay đổi mạnh mẽ ở cột thứ hai, điều này có thể phản ánh thực tế rằng tỷ lệ nhà ở bị bỏ không cao hơn nhiều ở các bất động sản cho thuê có mật độ cao so với các căn nhà biệt lập dành cho một hộ gia đình có mật độ thấp hơn.
Sự Thay Đổi Trong Các Thành Phần Vật Chất Và Xã Hội Của Đô Thị
Giờ chúng ta chuyển sang mối liên hệ giữa những thay đổi về diện mạo đô thị với các thành phần xã hội của nó. Không may là chúng tôi không có các biến ngoại sinh để cho phép phân tách các chuỗi nhân quả. Tuy nhiên chúng ta có thể kiểm tra xem các yếu tố xã hội có dự đoán được sự thay đổi vật chất không, hay liệu các yếu tố vật chất có dự đoán được sự thay đổi xã hội không. Chúng ta cũng sẽ xem xét mối tương quan giữa hai loại thay đổi này.
Các yếu tố xã hội có dự đoán được về sự thay đổi vật chất không? Bảng 3 xem xét mối tương quan giữa các đặc điểm xã hội ban đầu, được đo bằng Kết quả Điều tra Dân số Mỹ năm 2000, và các thay đổi trong chỉ số Streetscore trong khoảng giữa năm 2007 và 2014. Tương tự như Bảng 2, mỗi mục nhập trong Bảng 3 là một hệ số độc lập từ một hồi quy riêng biệt. Cột đầu tiên hiển thị kết quả cho mật độ, và hệ số đầu tiên có nghĩa rằng khi mật độ tăng 1 đơn vị thì chỉ số Streetscore tăng 0.2 điểm, bằng khoảng 1/4 độ lệch chuẩn của hệ số UCC (0.77). Tuy hệ số mật độ lớn nhưng chủ yếu phản ánh sự khác biệt giữa các thành phố như được thể hiện trong cột thứ hai. Khi chúng tôi đối chứng các tác động nhất định ở cấp độ đô thị, hệ số giảm xuống còn 0.08 và vẫn là một chỉ số tương đối hợp lý và có ý nghĩa thống kê. Tác động dự kiến của mật độ đối với sự thay đổi về chỉ số Streetscore trong khoảng thời gian bảy năm bằng khoảng 1/10 tác động của mật độ đối với chỉ số Streetscore trong năm 2007.
Hệ số mật độ giảm nhẹ khi chúng tôi đối chứng mức chỉ số Streetscore ban đầu ở cột thứ ba. Trong cột thứ tư, chúng tôi loại bỏ thành phố New York khỏi mẫu và hệ số vẫn gần giữ nguyên giá trị nhưng mất đi ý nghĩa thống kê. Mật độ dân số dường như dự đoán được sự tăng trưởng của chỉ số Streetscore trong khoảng thời gian lấy mẫu, nhưng mối liên hệ này yếu hơn nhiều so với mối liên hệ giữa mật độ và chỉ số Streetscore trong năm 2007.
Hàng tiếp theo của Bảng 3 xem xét dữ liệu về trình độ học vấn. Lượng dữ liệu này tạo ra ít các tác động nhất định ở cấp độ đô thị hơn. Hệ số là 0.008 khi thiếu đi các tác động nhất định cấp độ đô thị và 0.007 khi không thiếu. Tất cả các kết quả trong hàng này đều tương đối có ý nghĩa về mặt thống kê. Hệ số chỉ giảm nhẹ khi chúng tôi thực hiện đối chứng chỉ số Streetscore ban đầu. Khi chúng tôi loại bỏ New York trong cột thứ tư, hệ số giảm xuống còn 0.0046 nhưng vẫn có sự chặt chẽ về mặt thống kê. Mối tương quan giữa trình độ học vấn và sự tăng trưởng trong chỉ số Streetscore là chặt chẽ khi bao gồm bất kỳ biến nào khác mà chúng tôi có trong tập dữ liệu.
Hơn nữa, tác động của việc có trình độ học vấn là tương đối đáng kể. Các hệ số về sự thay đổi trong bảy năm bằng khoảng 1/4 hệ số được so sánh với chỉ số Streetscore trong năm 2007. Sự gia tăng một độ lệch chuẩn đối với tỷ lệ người có bằng đại học vào năm 2000 (20%) có liên quan đến sự gia tăng 0.13 điểm của hệ số UCC, hay bằng khoảng 1/6 độ lệch chuẩn. Như các thành phố nổi bật đã phát triển thăng hoa trong 50 năm qua (Glaeser và cộng sự, 1995), các khu dân cư nổi bật dường như lại chứng kiến những cải thiện thực tế một cách không tương xứng.
Ngược lại, mối liên hệ giữa hệ số UCC và thu nhập trung bình là không chặt chẽ bằng. Mối liên hệ này có ý nghĩa về mặt thống kê nhưng sẽ không còn nữa nếu chúng tôi thực hiện đối chứng các tác động nhất định cấp độ đô thị. Sự thay đổi này phản ánh thực tế rằng sự tăng trưởng chỉ số Streetscore của thành phố New York là rõ rệt nhất, và đó cũng là thành phố giàu có nhất. Yếu tố thu nhập là không đáng kể trong tất cả các thông số khi chúng tôi thực hiện đối chứng các tác động nhất định cấp độ đô thị.
Hàng thứ tư và thứ năm của Bảng 3 xem xét đến chi phí nhà ở. Cả giá thuê hàng tháng và giá nhà ở trung bình đều có mối tương quan đáng kể với những thay đổi về chỉ số Streetscore ở ba trong bốn thông số. Cả hai biến này đều mất đi ý nghĩa thống kê khi chúng tôi loại bỏ New York, điều này có lẽ cũng dễ hiểu khi thành phố này chiếm hơn một nửa số mẫu của chúng tôi.
Hệ số trên giá thuê bằng khoảng 1/7 hệ số được so sánh từ các hồi quy trong Bảng 2. Hệ số trên giá nhà ở bằng khoảng 1/4 hệ số trên Giá nhà ở trong Bảng 2. Tăng một điểm giá nhà ở có liên quan đến sự gia tăng 0.35 điểm trong chỉ số Streetscore, và là một mức tăng khá lớn. Một lý giải hợp lý cho mối liên hệ bền chặt này là Giá nhà ở luôn thể hiện các kỳ vọng trong tương lai, khi những người mua nhà vào năm 2000 dự đoán khu dân cư lân cận nào sẽ được cải thiện. Tuy nhiên, mối tương quan với giá thuê – vốn là yếu tố không nên dùng để dự đoán chất lượng khu dân cư trong tương lai – cho thấy rằng các kỳ vọng về tương lai không lý giải hết được hiện tượng này.
Ba hồi quy tiếp theo xem xét tỷ lệ đói nghèo và yếu tố chủng tộc. Tỷ lệ đói nghèo không tương quan với hệ số UCC. Chỉ số Streetscore tăng ít hơn ở những khu vực có nhiều người Mỹ gốc Phi, nhưng tác động là không đáng kể. Tỷ lệ của một khu vực có nhiều người Mỹ gốc Phi tăng 20% có liên hệ với một mức giảm điểm Streetscore là 0.04. Hệ số thu hẹp dần và trở nên không có ý nghĩa thống kê khi chúng tôi loại bỏ New York. Tỷ lệ dân số là người Mỹ gốc Tây Ban Nha không tương quan với những thay đổi về chỉ số Streetscore trên toàn bộ mẫu. Sự tương quan là dương bên ngoài thành phố New York.
Hàng cuối cùng xem xét mối liên hệ giữa tỷ lệ nhà ở bị bỏ không trong năm 2007 và sự thay đổi trong chỉ số Streetscore. Trong cột đầu tiên, chúng tôi thấy rằng tỷ lệ nhà ở bị bỏ không thấp có thể dự báo được sự gia tăng chỉ số Streetscore. Tuy nhiên, mối liên hệ này sẽ không còn khi chúng tôi thực hiện đối chứng các tác động nhất định ở mức độ đô thị. Kết quả trong cột đầu tiên dường như được thúc đẩy chủ yếu bởi một thực tế rằng New York có tỷ lệ nhà ở bị bỏ không thấp hơn, và đồng thời New York có mức tăng lớn nhất về chỉ số Streetscore.
Để tổng kết, kết quả của chúng tôi về việc liệu các đặc điểm xã hội có dự đoán được sự thay đổi vật chất không là hỗn tạp. Trình độ học vấn chắc chắn là một yếu tố dự báo mạnh mẽ. Chi phí nhà ở và mật độ dân số cũng dự đoán được những thay đổi trong chỉ số Streetscore, ít nhất là khi bao gồm thành phố New York. Tuy nhiên, các biến nhân khẩu học khác nhìn chung không có tương quan đáng kể với những sự thay đổi ở khu dân cư lân cận.
Các yếu tố vật chất có dự đoán được sự thay đổi trong xã hội không? Giờ chúng ta sẽ xem liệu các yếu tố vật chất có thể dự đoán được sự thay đổi trong xã hội. Trong Bảng 4, chúng ta phân tích mối liên hệ giữa chỉ số Streetscore trong năm 2007 và những thay đổi trong các biến xã hội. Khó khăn lớn nhất mà chúng tôi gặp phải ở đây là đo lường sự thay đổi của các biến xã hội trong khoảng thời gian lấy mẫu. Tuy Kết quả Điều tra Dân số năm 2000 có mức độ bao quát khá tốt về các biến liên quan, nếu muốn đo lường những thay đổi từ năm 2007 đến năm 2014 thì chúng tôi phải dựa vào cuộc Khảo sát Cộng đồng Mỹ (ACS), vốn đại diện cho một mẫu nhỏ hơn nhiều so với dữ liệu từ Kết quả Điều tra Dân số.
Chúng tôi buộc phải sử dụng mức trung bình của năm năm trong các giai đoạn 2006-2010 và 2009-2013. (Giai đoạn sau là giai đoạn cuối cùng mà dữ liệu ACS có sẵn). Có một vài yếu tố không thuận lợi khi phụ thuộc vào ACS. Khoảng giữa ở giai đoạn thứ hai là năm 2011, tức là chỉ ba năm sau khoảng giữa của giai đoạn trước đấy. Có một số trùng lặp trong cả hai giai đoạn, nhưng chúng tôi sẽ mất khoảng 1/4 số mẫu nếu chúng tôi sử dụng mức trung bình của năm năm trong giai đoạn 2005-2009 làm giai đoạn đầu tiên, bởi những thay đổi về ranh giới của cuộc điều tra dân số. Mặc dù chúng tôi không thỏa mãn với những điều kiện này nhưng chúng tôi không còn cách nào khác để thu thập những thay đổi về các biến xã hội trong dữ liệu Streetscore mà chúng tôi có.
Chúng tôi thực hiện hồi quy các thay đổi của biến xã hội trên giá trị năm 2007 của chỉ số Streetscore. Như trong Bảng 2, mỗi mục nhập đại diện cho một hệ số từ một hồi quy độc lập. Mục nhập trên cùng bên trái cho thấy rằng sự gia tăng một độ lệch chuẩn trong chỉ số Streetscore ban đầu (2.6) có liên hệ đến mật độ dân số tăng 0.02 điểm trong cùng thời gian. Trong cột thứ hai, chúng tôi thấy rằng hệ số này giảm một nửa khi chúng tôi gộp vào các tác động nhất định ở mức độ đô thị. Hệ số tăng trở lại khi chúng tôi thực hiện đối chứng mật độ dân số năm 2000 của biến số trong cột thứ ba, và cả khi chúng tôi loại bỏ dữ liệu của New York trong cột 4.
Chúng tôi nhận thấy tác động có được là vô cùng lớn. Lấy cột thứ ba làm thông số ưu tiên, có một sự gia tăng một độ lệch chuẩn trong chỉ số Streetscore liên quan đến mật độ tăng hơn 3% trong khoảng thời gian ngắn này. Có vẻ như mọi người đang chuyển đến sinh sống ở các khu vực được coi là an toàn hơn. Các kết quả cũng tương đối chặt chẽ về mặt thống kê. Hàng tiếp theo cho thấy rằng các chỉ số Streetscore cao hơn có liên hệ đến tỷ lệ tăng trưởng ít hơn ở những người có trình độ đại học. Trong hai cột đầu tiên, hệ số ước tính là -1, có nghĩa rằng sự gia tăng hai điểm của chỉ số Streetscore có liên quan đến sự giảm 2% trong mức tăng trưởng của tỷ lệ những người có trình độ đại học. Trong hai cột cuối cùng, hệ số giảm xuống -0.6 khi chúng tôi thực hiện đối chứng tỷ lệ dân số có trình độ đại học vào năm 2000. Tuy nhiên, ngay cả hệ số cuối cùng này cũng lớn đáng kể trong một khoảng thời gian ngắn như vậy.
Có thể lý giải cho mối liên hệ này rằng quá trình chỉnh trang đô thị đang diễn ra: những người có trình độ học vấn cao hơn chuyển đến sinh sống tại những khu vực ban đầu kém hấp dẫn hơn để tạo ra những bước nhảy vọt về trình độ học vấn tại khu vực đó. Giả thuyết này dường như thể hiện rằng sẽ có một mối liên hệ thuận đáng kể giữa những thay đổi trong chỉ số Streetscore với những thay đổi trong lĩnh vực giáo dục; chúng tôi sẽ xem xét điều này sau. Tuy nhiên, cũng có thể những người trẻ đang chuyển đến sinh sống tại những khu vực có chất lượng cuộc sống thấp hơn là những cư dân tạm thời; họ có thể là những sinh viên mới tốt nghiệp hoặc học sinh trung học. Nếu là học sinh, chúng tôi không mong đợi sẽ thấy nhiều sự nâng cấp về cảnh quan đường phố.
Hàng thứ ba hiển thị mối liên hệ giữa chỉ số Streetscore ban đầu và mức tăng trưởng thu nhập. Trong tất cả bốn thông số, chỉ số Streetscore tăng 2 điểm có liên quan đến mức thu nhập tăng 0.01 điểm. Một lần nữa, tác động này là khá đáng kể vì khoảng thời gian lấy mẫu là quá ngắn. Có vẻ như thu nhập đang tăng nhanh hơn ở những khu vực ban đầu hấp dẫn hơn.
Có một chút bất thường khi thấy các xu hướng khác nhau như vậy về thu nhập và trình độ học vấn, vốn thường đi đôi với nhau. Một lý giải là trong khi những thay đổi trong giáo dục nhiều khả năng được giải thích bằng quá trình di cư, những thay đổi về thu nhập dường như phụ thuộc vào vận may làm giàu của những cư dân cư trú lâu hơn. Theo quan điểm này, các chỉ số Streetscore ban đầu thấp có liên quan đến một lượng lớn những cư dân có trình độ học vấn tốt hơn, trong khi các chỉ số Streetscore ban đầu cao gắn với các hộ gia đình có điều kiện kinh tế ổn định hơn trong thời kỳ Đại suy thoái.
Hàng thứ tư và thứ năm của Bảng 4 thể hiện mối liên hệ giữa chỉ số Streetscore với những thay đổi của giá nhà ở. Mối tương quan với giá thuê là nhỏ và về tổng thể không có ý nghĩa thống kê, mặc dù khi chúng tôi loại bỏ New York thì con số này tăng lên và mang nhiều ý nghĩa hơn. Mối tương quan với sự thay đổi của giá nhà ở là chặt chẽ hơn. Chỉ số Streetscore tăng một độ lệch chuẩn trong năm 2007 có liên quan đến mức tăng giá nhà ở 0.006 điểm trong thông số chúng tôi ưu tiên (cột thứ ba). Sự thay đổi này có vẻ tương đối khiêm tốn nếu so với biến động lớn của giá nhà ở trong khoảng thời gian này.
Ba hàng tiếp theo của Bảng 4 cho thấy mối liên hệ giữa những thay đổi trong chỉ số Streetscore với những thay đổi về tỷ lệ đói nghèo và yếu tố chủng tộc. Trong cả ba thông số có tác động nhất định của cấp độ đô thị, chỉ số Streetscore tăng một độ lệch chuẩn trong năm 2007 có liên quan đến tỷ lệ đói nghèo giảm -0.4%. Thật khó để phân biệt liệu điều này thể hiện xu hướng di chuyển của những người giàu có hơn đến những khu vực đẹp hơn, hay liệu nó phản ánh rằng những người ở các khu vực đẹp hơn đang gặp ít khó khăn hơn về kinh tế trong giai đoạn này.
Đương nhiên là các kết quả về yếu tố chủng tộc chỉ có thể phản ánh về làn sóng di cư. Trong thông số ưu tiên của chúng tôi, sự gia tăng một độ lệch chuẩn trong chỉ số Streetscore có liên quan đến việc giảm tỷ lệ người Mỹ gốc Phi là 0.18%. Các hồi quy được so sánh trong hàng cuối cùng cho thấy rằng sự gia tăng một độ lệch chuẩn trong chỉ số Streetscore có liên quan đến việc giảm 0.26%trong tỷ lệ người Mỹ gốc Tây Ban Nha. Các tác động không lớn, nhưng dường như cho thấy rằng làn sóng di cư của người da trắng đến các khu vực có vẻ an toàn hơn là một sự di cư được phân bố không đều.
Hàng cuối cùng hiển thị mối liên hệ giữa những thay đổi trong tỷ lệ nhà ở bị bỏ không và giá trị ban đầu của chỉ số Streetscore. Cột đầu tiên cho thấy rằng sự gia tăng một độ lệch chuẩn trong chỉ số Streetscore ban đầu có liên quan đến việc giảm một lượng khá đang kể là 1% tỷ lệ nhà ở bị bỏ không. Hệ số này tuy mất 3/4 độ lớn khi chúng tôi thực hiện đối chứng các tác động nhất định ở cấp độ đô thị, nhưng vẫn có ý nghĩa về mặt thống kê. Hệ số trở nên không đáng kể trong cột thứ ba, nhưng sau đó tăng trở lại và lại có ý nghĩa thống kê khi chúng tôi loại bỏ thành phố New York. Có vẻ như hệ thống Streetscore là một công cụ dự đoán chất lượng về những thay đổi trong tỷ lệ nhà ở bị bỏ không bên ngoài New York, nhưng không đưa ra dự đoán chắc chắn bên trong nội thành New York, vốn là nơi tỷ lệ nhà ở bị bỏ không có xu hướng cực kỳ thấp.
Mặc dù chúng tôi đã nhận ra những hạn chế của mẫu ACS, tuy nhiên kết quả của chúng tôi dường như cho thấy rằng Streetscore dự đoán được những thay đổi trong môi trường xã hội. Kết quả này tương đối chặt chẽ với các nhóm đối chứng khác, vì vậy chúng chí ít gợi ý rằng các đặc điểm xã hội của một khu dân cư lân cận có liên quan mật thiết đến tình trạng thực tế của khu dân cư đó.
Mối tương quan giữa thay đổi vật chất và thay đổi xã hội là gì? Bảng 5 chuyển sang mối tương quan trong các xu hướng vật chất và xã hội. Ba cột trên cùng hiển thị mối liên hệ giữa những thay đổi về chỉ số Streetscore trong khoảng thời gian 2007-2014 và những thay đổi về điều tra dân số trong khoảng 2000-2010. Phần còn lại thể hiện những thay đổi của Streetscore tương tự với những thay đổi trong các biến ACS được sử dụng trong Bảng 4. Ưu điểm của các biến điều tra dân số là chúng được đo lường chính xác hơn, còn điểm bất lợi là khoảng thời gian thực hiện đo lường ít phù hợp hơn với sự thay đổi trong chỉ số Streetscore (chúng tôi cũng chỉ có ba biến có thể sử dụng). Mỗi mục nhập một lần nữa hiển thị kết quả của một hồi quy độc lập. Chúng tôi đã chạy hồi quy những thay đổi của chỉ số Streetscore so với những thay đổi trong các biến xã hội, nhưng không có chuỗi nhân quả nào xảy ra theo cách này. Những hồi quy này chỉ đơn thuần kiểm thử xem có xu hướng giống nhau nào trong hai biến không.
Hàng trên cùng hiển thị mối tương quan giữa những thay đổi trong chỉ số Streetscore với những thay đổi về mật độ dân số từ năm 2000 đến năm 2010. Các hệ số nằm trong khoảng từ 0.03 đến 0.07. Về các thông số ưu tiên, sự gia tăng 0.2 điểm về mật độ dân số có liên quan đến sự gia tăng 0.008 điểm trong chỉ số Streetscore. Tác động này là khiêm tốn nhưng có ý nghĩa về mặt thống kê. Hàng thứ tư mô phỏng lại mối liên hệ này bằng cách sử dụng ACS và thấy rằng các hệ số giảm 2/3 nhưng vẫn có ý nghĩa quan trọng trong thông số ưu tiên (cột thứ ba).
Hai hàng tiếp theo hiển thị các kết quả về những thay đổi trong tỷ lệ dân số là người Mỹ gốc Phi và người gốc Tây Ban Nha. Các kết quả một lần nữa nhìn chung là có ý nghĩa, với sự gia tăng nhiều hơn ở một trong hai nhóm thiểu số và đi kèm với sự gia tăng ít hơn ở mức độ nhận thức về an toàn. Chúng tôi thấy những tác động này có vẻ không nhiều: tỷ lệ dân số là người Mỹ gốc Phi tăng 10% cùng với sự giảm 0.07 điểm trong chỉ số Streetscore, tức là chưa bằng 1/10 độ lệch chuẩn. Hệ số về sự thay đổi trong tỷ lệ người Mỹ gốc Tây Ban Nha có phần mạnh hơn. Tỷ lệ người Mỹ gốc Tây Ban Nha tăng 10% có liên quan đến giá trị giảm 0.13 của chỉ số Streetscore.
Các hàng còn lại đều sử dụng dữ liệu từ ACS. Sự thay đổi về tỷ lệ người có bằng đại học có liên hệ nghịch với những thay đổi trong chỉ số Streetscore. Điều này cũng gây ngạc nhiên và được lý giải có lẽ bởi những nhóm dân số trẻ với xu hướng thích đi đây đi đó chuyển tới sinh sống tại các khu vực có chỉ số Streetscore ban đầu thấp hơn.
Những thay đổi về thu nhập có liên hệ thuận với những thay đổi trong chỉ số Streetscore, trong khi những thay đổi về tỷ lệ đói nghèo có liên hệ nghịch với những thay đổi trong chỉ số Streetscore. Không có mối tương quan nào đối với những thay đổi về giá hoặc tiền thuê nhà ở. Thật khó để biết liệu những kết quả yếu kém này phản ánh một sự thiếu tương quan thực sự hay liệu điều này phản ánh những điểm yếu trong mẫu khảo sát chồng chéo về cộng đồng người Mỹ của chúng tôi. Những thay đổi về tỷ lệ nhà ở bị bỏ không (thu thập từ tập dữ liệu HUD USPS) có liên quan chặt chẽ với những thay đổi về chỉ số Streetscore trên toàn bộ mẫu trong điều kiện nếu chúng tôi không thực hiện đối chứng các tác động nhất định cấp độ đô thị, nhưng khi chúng tôi thực hiện đối chứng thì dữ liệu lại trở nên không quá ý nghĩa về mặt thống kê.
Mặc dù vậy, về tổng thể chúng tôi nhận thấy các xu hướng thay đổi có đi đôi với nhau, đặc biệt khi chúng tôi sử dụng chính xác hơn đáng kể dữ liệu điều tra dân số. Những kết quả này củng cố cho quan điểm rằng có những tương tác giữa đô thị vật lý và đô thị xã hội.
(còn nữa)
Người dịch: Thảo Minh
