推文人 | 华岳 

原文信息：Edward L. Glaeser, Hyunjin Kim, Micheal Luca. 2018. “Measuring Gentrification: Using Yelp Data to Quantify Neighborhood Change” NBER Working Paper 24952.

 

引言和背景

 

Gentrification一词一般指旧城区的改造或翻新，以及经济发展从低端向高端，从单一向多元的转变，目前这一词汇中尚无统一的中文翻译。在美国的许多大城市，Gentrification是个很重要的问题，对于提高企业利润、刺激商业活力，增加居民收入和优化城市整体发展来说，都具有重要意义。而同时，Gentrification也可能导致低收入者被高房价逐出，或历史文化遗迹遭破坏等问题。本文作者设计了房价、高学历者比例、年轻人比例、白人比例、以及社区“物理质量”五个反映Gentrification的指标，并利用Yelp（美国版大众点评）数据考察了星巴克等一些商业的建立如何影响这些Gentrification指标。

 

数据和研究设计

 

本文的房价数据为ZIP-code level data from the Federal Housing Finance Agency (2012-2016). 人口方面的数据则来自与相对比较粗糙的American Community Survey，包括受过大学教育的人口比例（作者认为这一指标是衡量Gentrification的最优指标，因为与收入和房价稳健相关），25-34岁人口比例（Gentrification过程中往往出现年轻人替代老年人的情况），以及白人人口比例（Gentrification过程中往往出现比较富裕的白人替代比较贫穷的黑人的情况）。作者指出，这三个人口指标之间也存在较强的相关性。最后一个衡量Gentrification的指标是借用自Naik et al. (2015) and Naik et al. (2017) 的Streetscore分数，这一分数由人们通过对Google Streetview提供的街区照片进行安全性打分得来，能够综合反映某区域人类活动的安全性与质量。所有的企业数据来自于Yelp。

 

主要结果

 

房价方面，作者首先发现在一个Zipcode的范围内，一家星巴克的开业与房价上涨0.5%相关，加入ZIP-code level fixed effects 后，这一系数降至0.17%。但作者特别强调这一发现并非因果关系，主要由于星巴克选址本身存在selection的问题。最重要地，当加入一个“星巴克门店评论数量”的变量后，星巴克的开业与增长数量等变量均变为不显著，作者由此强调并不是星巴克本身导致房价上涨，而是有星巴克开业的地方正是那些人口增长较快，对高端咖啡需求较大的地点，这等同与验证了前述selection问题的存在。作者进一步将范围扩大到所有咖啡店，发现了基本相似的结果，“评论数量”这一变量的系数比使用星巴克样本时的系数略小，可能由于星巴克相对来说是高端咖啡，更加能够反映Gentrification。作者再次将考察范围扩大到Yelp上的所有餐馆，发现基本所有餐馆的建立都与房价存在正相关关系。

 

人口指标方面，作者首先考察了位于纽约的杂货店、咖啡店、酒吧、自助洗衣店、餐馆、理发店等十几种商店的数量变化与受过大学教育的人口比例、25-34岁人口比例以及白人人口比例的即期相关性。发现这些商业的数量变化与受过大学教育的人口比例相关性最强，与年轻人口比例的相关性次之，与白人人口比例的相关性最弱。将关键自变量更换为“评论数量”后，总体相关性降低了许多。作者将样本扩大到波士顿、芝加哥、洛杉矶和旧金山四个大城市，发现结果基本相同，但使用“评论数量”作为自变量时，与人口指标的相关性要显著强于仅使用纽约样本时的情况，作者简单解释为可能纽约的Yelp点评者大部分为外地人，所以其点评数量不能很好反映本地的人口与经济状况，此外其他城市的Yelp点评者比纽约的点评者更加年轻也是可能原因。最后，在社区质量及安全性方面，作者发现素食餐馆，星巴克和酒吧的建立与社区质量有着较强的相关性。

 

在考察完了即期相关性之后（nowcasting），作者进一步分析了Yelp商店开业与点评对于未来Gentrification指标的预测能力，或称格兰杰因果关系（forecasting or Granger causality）。以星巴克样本为例，作者发现星巴克数量预测未来房价的能力要显著强于反向情况，即房价预测星巴克数量的能力，说明星巴克在选址时可能已经充分考虑的未来本区房价将上涨这一情况。人口指标方面，同样发现Yelp商店开业能够很好预测受过大学教育的人口比例，反之，教育情况不能良好预测Yelp商店的设立。最后作者依然强调本文的重点并非进行因果分析，Yelp商业指标与Gentrification指标之间很可能只存在相关性，即同时对其他外生变量的变化做出反应。所以本文的意义在于使用Yelp这一实时更新的数据，在衡量与预测Gentrification方面进行了初步而有益的尝试。

 

Abstract

 

We demonstrate that data from digital platforms such as Yelp have the potential to improve our understanding of gentrification, both by providing data in close to real time (i.e. nowcasting and forecasting) and by providing additional context about how the local economy is changing. Combining Yelp and Census data, we find that gentrification, as measured by changes in the educational, age, and racial composition within a ZIP code, is strongly associated with increases in the numbers of grocery stores, cafes, restaurants, and bars, with little evidence of crowd-out of other categories of businesses. We also find that changes in the local business landscape is a leading indicator of housing price changes, and that the entry of Starbucks (and coffee shops more generally) into a neighborhood predicts gentrification. Each additional Starbucks that enters a zip code is associated with a 0.5% increase in housing prices.