Recipes for neighborhood development: A machine learning approach toward understanding the impact of mixing in neighborhoods

محققان شهرنشینی جدید پیشنهاد کرده اند که مخلوط کردن ابعاد مختلف در محله های محله (مثلا درآمد، نژاد / قومیت، استفاده از زمین) ممکن است پیامدهای مثبتی برای محله ها، به ویژه برای پویایی اقتصادی داشته باشد. یک چالش برای ارزیابی تجربی از این فرضیه این است که تأثیر مخلوط کردن ممکن است به ویژگی های مختلف اجتماعی و دموگرافیک محله بستگی داشته باشد و در قالب پیچیده ای قرار گیرد که با رویکردهای تحلیلی آماری سنتی مناسب نمی شود. ما با استفاده از تکنیک تخمینی ارزیابی نوآورانه و ناکارآمد، محدوده هایی که به طور غیرمعمول از هسته استفاده می شود، اجازه می دهد تا برآورد غیر پارامتری رابطه بین ویژگی های مختلف محله در سال 2000 و تغییر درآمد متوسط ​​خانوار در محله از سال 2000 تا سال 2010 داشته باشیم. نتایج نشان می دهد که روابط بین رشد متوسط ​​درآمد و هم مخلوط درآمد و هم مخلوط نژاد / قومی بر چندین محله اجتماعی و جمعیتی متشکل از مواد تشکیل دهنده وجود دارد. به عنوان مثال، مخلوط نژادی به طور مثبت با میانگین درآمد در طول زمانی که در محله های با درصد بالا از لاتین یا مهاجرین، تراکم جمعیت بالا و یا مخلوط شدن سن مسکن بالا اتفاق می افتد، مرتبط است. مخلوط درآمد با افزایش متوسط ​​درآمد خانوار در محله هایی با فقر، بیکاری، مهاجرین و یا تراکم جمعیت همراه است. به نظر می رسد با توجه به ویژگی های گسترده تر محله، برای درک پویایی اقتصادی مهم است.