不均匀流：贝叶斯最优-最劣方法与地理信息系统分析伊朗中型城市住房金融的空间障碍

《Land》：Uneven Flows: Bayesian Best–Worst Method and GIS Analysis of Spatial Barriers to Housing Finance in an Iranian Mid-Sized City

　　

住房金融化已将住宅物业从基本社会必需品转变为投机性资产，加剧了全球南方的社会空间不平等。在伊朗，以银行为主导的金融制度和高度的空间不平等严重限制了住房金融的获取，特别是对于低收入家庭和气候诱导移民在中型城市。虽然金融化的空间后果已在主要大都市得到广泛研究，但二级城市的邻里尺度排斥机制仍然显著未被充分研究。本研究通过采用混合方法学来解决这一差距，该方法将贝叶斯最优-最劣方法（Bayesian Best–Worst Method, BWM）与地理信息系统（Geographic Information Systems, GISs）和模糊叠加（Fuzzy Overlay）分析相结合，以量化和空间可视化伊朗比尔詹德住房金融的障碍。通过概率性专家启发（n=10）使用马尔可夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）抽样对11个指标进行加权，通过Gelman-Rubin诊断（R-hat≈1.00）确认了优秀的收敛性。结果确定土地用途为主要障碍（后验均值（posterior mean）=0.256；95%置信区间（95% CrI）[0.244, 0.270]），其次是住房拥有率和教育水平（各约0.132）。空间建模揭示了明显的南北货币-空间鸿沟：南部地区集中了金融服务和正式产权，而主要由低收入和气候移民人口居住的北部边缘地区构成了金融沙漠。这些发现表明，住房金融的空间障碍在结构上嵌入于土地用途分类和基于资产的把关。本研究提供了一个可复制的概率-空间框架，用于诊断全球南方中型城市的金融排斥，并为符合可持续发展目标（SDGs）1、10和11的空间针对性政策干预提供了基于证据的指导。

住房金融化已使住宅物业从基本社会必需品转变为投机性资产，加剧了全球南方（Global South）的社会空间不平等（socio-spatial inequalities）。在伊朗，以银行为主导的金融制度和高度的空间不平等严重限制了住房金融的获取，特别是对于低收入家庭和气候诱导移民在中型城市。虽然金融化的空间后果在主要大都市中已被广泛研究，但二级城市中邻里尺度排斥机制仍显著未被充分研究。本研究针对比尔詹德（Birjand）——一个正经历气候诱导移民和不平衡城市增长的伊朗中型城市，采用混合方法学填补这一空白。研究人员将贝叶斯最优-最劣方法（Bayesian Best–Worst Method, BWM）与地理信息系统（Geographic Information System, GIS）和模糊叠加（Fuzzy Overlay）分析相结合，以量化和空间可视化住房金融的障碍。通过概率性专家启发（n=10，来自比尔詹德相关领域，至少8年经验的专家）使用马尔可夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）抽样对11个指标进行加权，收敛性由Gelman-Rubin诊断（R-hat≈1.00）确认。数据来源包括比尔詹德市政府（地籍数据）、伊朗统计中心（Statistical Center of Iran, SCI）（2021年人口住房普查数据）和Bank Maskan省级办公室（2022-2023年贷款记录）。11个指标包括土地用途（land use）、住房拥有率（homeownership rate）、教育水平（education level）、收入（income）、距离银行（distance to banks）、人口密度（population density）、地理区位（geographic location）、交通可达性（access to transportation）、住房项目（housing projects）、金融障碍（financial barriers）和住房贷款数量（number of housing loans）。通过模糊标准化将各指标转换为0-1隶属值，而后采用后验均值（posterior mean）权重进行加权线性模糊组合，生成金融排斥指数（Financial Exclusion Index, FEI）。研究结果按以下小标题呈现：
**4.1 贝叶斯加权结果与稳定性分析（Bayesian Weighting Results and Stability Analysis）**：通过贝叶斯BWM和MCMC抽样，土地用途获得最高后验均值（0.2564；95%置信区间[0.2437, 0.2696]），其次为住房拥有率（≈0.132）和教育水平（≈0.132），金融障碍和距离银行权重最低。确定性加权与贝叶斯估计最大差异仅0.0018，表明权重结构稳定。
**4.2 专家共识与权重分布可视化（Visualization of Expert Consensus and Weight Distribution）**：三维图显示所有专家均赋予土地用途最高权重（约0.25-0.27），住房拥有率和教育水平为第二层次，金融障碍和距离银行最低。专家间权重变异小，表明高度共识，贝叶斯方法有效聚合了不确定性。
**4.3 物理与基础设施可达性空间分析（Spatial Analysis of Physical and Infrastructural Accessibility）**：GIS空间分析揭示银行网点高度集中于南部和中央商业走廊，北部边缘地区平均距离超标约65%，形成“银行沙漠”（banking desert）。土地用途与弱产权共同构成抵押贷款制度性障碍。
**4.4 社会经济维度与基于资产的障碍（Socio-Economic Dimensions and Asset-Based Barriers）**：社会经济指标地图显示北部和东北部低收入社区形成“低资本陷阱”（low-capital trap），住房拥有率低，贷款几乎完全分配给高收入、高拥有率社区，符合资产经济（Asset Economy）框架。
**4.5 人口压力与城市规划约束（Demographic Pressure and Urban Planning Constraints）**：人口密度、教育水平、土地用途分类和国家住房项目分布图显示北部高密度、低教育、非正式或过渡性土地用途叠加，形成结构性脆弱性，规划干预与金融机制协调不足。
**5. 综合集成：住房金融排斥的最终模型（Integrated Synthesis: The Final Model of Housing Financial Exclusion）**：通过11个指标的模糊叠加生成最终FEI，北部和西北部为“高排斥区”（High Exclusion Areas）或“金融沙漠”（Financial Deserts），南部为“最优包容区”（Optimal Inclusion）。FEI作为复合诊断工具，未经外部验证，但内部一致性显示与贷款发放率地理显著相关。
讨论部分总结：土地用途权重最高（0.2564）归因于伊朗抵押贷款法规要求正式产权证，使土地用途成为金融准入的关键把关。南北分异支持货币-空间体制（monetary–spatial regime）框架，但需注意FEI仅为指标共现而非因果路径。与国际研究比较，伊朗的产权要求导致更尖锐的排斥梯度，与欧洲巴黎和北美数字银行扩张情况不同。理论贡献：首次在伊斯兰金融（Islamic finance）体制下量化土地用途把关的重要性大于物理距离。方法贡献：贝叶斯BWM提供后验不确定性度量（如后验标准差和95%置信区间），优于确定性方法。局限性包括缺乏外部验证、空间多重共线性（空间多重共线性，spatial multicollinearity）、专家样本有限（n=10，仅来自比尔詹德）、横截面设计。政策含义：优先土地产权正规化、分散金融基础设施、采用替代信用评分和空间针对性干预。
研究结论翻译：最终，住房不可负担的空间集中不仅仅是经济问题，而是影响更广泛生活质量和空间福祉的结构性决定因素。本研究确定了比尔詹德限制住房融资获取的地理边界，并说明了资产经济如何在一个经历气候移民的伊朗中等城市改变城市不平等形式。研究人员将贝叶斯最优-最劣方法（BWM）与基于GIS的模糊叠加技术相结合，计算/可视化了11个变量对信贷获取的加权影响。BWM结果基于10位主题专家的输入，MCMC收敛良好，表明土地用途是最大障碍（后验均值=0.2564；95%置信区间[0.2437, 0.2696]），其次是住房拥有率和教育水平（各约0.132）。空间模型清晰展示了南北金融-空间-货币鸿沟：南部和中央区拥有所有金融服务和正式产权，而北部地区主要由低收入和气候移民人口居住，缺乏正式融资和产权。这些结果说明，比尔詹德住房融资的结构性障碍通过土地用途分类和基于资产的把关存在，而不仅仅是收入差距或距离。本文通过展示在依赖抵押品的系统（如伊朗的伊斯兰融资系统）中，机构如何将土地用途监管转化为金融包容的主要把关，对批判金融地理学（Critical Financial Geography）做出了贡献。此外，通过展示在数据匮乏环境中处理专家变异性和不确定性时使用贝叶斯概率加权价值，做出了方法论贡献。总体而言，本研究支持没有有目的的空间正义（spatial justice），住房金融化只会强化而非减少贫困和不平等。住房应被视为每个人的基本权利，而不是少数人的投机商品。