تحلیل ساختاری بی‌خانمانی در آمریکا با استفاده از میدان‌های تصادفی مارکوف: چه عواملی پیش‌بینی‌کننده‌اند و کدام روابط ممکن است علت‌مند باشند؟

عنوان

تحلیل ساختاری بی‌خانمانی در آمریکا (۲۰۰۷–۲۰۲۴): نقش اجاره، درآمد و دسترسی به واحدهای تک‌خوابه از منظر میدان‌های تصادفی مارکوف

خلاصه سریع برای خواننده

• دوره و روش: مطالعه‌ای روی داده‌های ایالتی آمریکا بین سال‌های ۲۰۰۷ تا ۲۰۲۴ با استفاده از میدان‌های تصادفی مارکوف (MRF) برای شناسایی الگوهای هم‌بستگی شرطی میان شاخص‌های ساختاری و نرخ بی‌خانمانی.
• پیش‌بینی‌کننده‌های اصلی: اجاره (rent)، میانگین درآمد (median income) و دسترسی به واحدهای تک‌خوابه بیشترین وابستگی شرطی با نرخ بی‌خانمانی را نشان دادند.
• سیاست و زمینه سیاسی: الگوهای وابستگی شرطی بین ایالات تحت مدیریت حزب دموکرات و جمهوری‌خواه متفاوت بود؛ این تفاوت‌ها نشان می‌دهد زمینه سیاسی می‌تواند اثربخشی مداخلات ساختاری را تغییر دهد.
• تفسیر علت‌مندی: تحلیل توصیفی و بر پایه وابستگی شرطی است؛ پژوهشگران به‌صراحت نوشتند که برای استنتاج علت‌مندی به فروض اضافی و روش‌های پیشرونده‌تر نیاز است.
• یافته‌های تکمیلی: شبکه زمانی اکتشافی lag-۱ پیشنهاد می‌کند چرخه بازخورد بین کمک‌های HUD و بی‌خانمانی در ایالات جمهوری‌خواه ممکن است وجود داشته باشد (p=۰.۱۲) — این نتیجه پیشنهادیه‌ای برای آزمون‌های آینده است.

مقدمه

بی‌خانمانی یک پدیده پیچیده و چندبعدی است که تحت تأثیر عوامل اقتصادی، ساختاری، سیاسی و محلی شکل می‌گیرد. در ادبیات پژوهشی، بسیاری از مطالعات بر گروه‌های قابل دسترسی از طریق خدمات اجتماعی تمرکز کرده‌اند و کمتر به نقش ساختارهای کلان و تغییرات سیاسی-اقتصادی در طول زمان توجه شده است. مطالعه‌ای که در مجله PLOS One (۲۰۲۶) منتشر شده از روش‌های شبکه‌ای پیشرفته—به‌ویژه میدان‌های تصادفی مارکوف (MRF)—برای بررسی ساختار شرطی متغیرهای ساختاری مؤثر بر نرخ بی‌خانمانی در سطح ایالت‌های آمریکا بین سال‌های ۲۰۰۷ تا ۲۰۲۴ استفاده کرده است. هدف مطالعه تعیین متغیرهای پیش‌بینی‌کننده اصلی و بررسی احتمال روابط علی-انتقالی میان آن‌ها بود، همراه با تحلیل تفاوت‌های مرتبط با زمینه سیاسی ایالات.

روش‌شناسی به‌طور خلاصه

این مطالعه از مجموعه‌ای از شاخص‌های ساختاری در سطح ایالت بهره برد که شامل: بازار کار، میانگین اجاره، نرخ تخلیه (eviction rates)، نرخ اشغال (occupancy rates)، میانگین درآمد (median income)، ساخت واحدهای جدید (new home construction)، هزینه واحد تک‌خوابه (one-bedroom cost)، تأمین مالی HUD و حزب حاکم (دموکرات یا جمهوری‌خواه) بود.

با استفاده از MRFها و تحلیل همبستگی‌های جزئی، پژوهشگران ارتباطات شرطی میان متغیرها را بررسی کردند؛ یعنی برای هر جفت متغیر دیدند که آیا ارتباطی پس از کنترل سایر متغیرها باقی می‌ماند یا خیر. برای حساسیت‌سنجی و بررسی پایداری نتایج، چهار مشخصه تکمیلی به کار رفت: bootstrap خوشه‌ای (cluster bootstrap)، حذف متغیرهای ایالت و سال با اثرات ثابت دوطرفه (two-way state-and-year fixed-effects residualisation)، تبدیل غیرپارانو-مال (nonparanormal transformation) برای کاهش اثر عدم نرمالیتی، و روش استنتاج علی سریع (Fast Causal Inference) برای بررسی الگوهای علّی فرضی. همچنین یک شبکه زمانی اکتشافی با lag-۱ برای بررسی جهت‌های زمانی بالقوه بین HUD و بی‌خانمانی ساخته شد.

یافته‌های اصلی

نکات برجسته نتایج عبارت بودند از:

• اجاره و هزینه واحدهای تک‌خوابه: این متغیرها بیشترین وابستگی شرطی با نرخ بی‌خانمانی را نشان دادند؛ به عبارت دیگر، حتی پس از کنترل سایر شاخص‌ها، تغییرات در اجاره و دسترسی به واحدهای تک‌خوابه با تغییرات نرخ بی‌خانمانی ارتباط داشت.
• میانگین درآمد: درآمد میانه نیز یک پیش‌بینی‌کننده مهم بود و نشان‌دهنده نقش توانایی اقتصادی خانوارها در پیشگیری از بی‌خانمانی است.
• ساخت واحدهای جدید: ساخت و عرضه مسکن جدید تأثیر کمتری در وابستگی شرطی نسبت به اجاره و درآمد نشان داد؛ پژوهشگران نوشتند که سیاست‌گذاری باید به سمت افزایش «قابلیت پرداخت» و دسترسی به واحدهای مناسب هدایت شود و نه صرفاً ساخت بیشتر به‌عنوان استراتژی کوتاه‌مدت.
• زمینه سیاسی: الگوهای وابستگی شرطی بین ایالاتی که تحت مدیریت دموکرات‌ها یا جمهوری‌خواهان قرار دارند متفاوت بود؛ این اختلاف‌ها نشان می‌دهد که بافت سیاسی می‌تواند روابط میان شاخص‌های ساختاری و نرخ بی‌خانمانی را تعدیل کند.
• شبکه زمانی اکتشافی: سیگنالی برای وجود یک چرخه بازخورد بین بودجه HUD و بی‌خانمانی در ایالات جمهوری‌خواه کشف شد؛ این نتیجه به‌عنوان پیشنهاد و نه شواهد قاطع گزارش شد (cluster-permutation p = ۰.۱۲).

تفسیر علمی: وابستگی شرطی و فرق آن با علیت

پژوهش با صراحت تأکید می‌کند که نتایج مبتنی بر وابستگی شرطی و همبستگی‌های جزئی است. این بدان معناست که آنچه به‌دست آمده، نشان‌دهنده این است که دو متغیر پس از کنترل مجموعه‌ای از متغیرهای دیگر همچنان به‌هم مرتبط‌اند؛ اما این همبستگی شرطی به‌تنهایی برای اثبات رابطه علت و معلولی کافی نیست.

برای خوانندگان غیرمتخصص مهم است که تفاوت‌های زیر را درنظر بگیرند:

• ارتباط (correlation): دو متغیر همزمان حرکت می‌کنند یا با هم مرتبط‌اند.
• وابستگی شرطی (conditional dependence): ارتباطی که پس از کنترل سایر متغیرها باقی می‌ماند.
• اثر/تأثیر (effect): تغییر در یک عامل که ناشی از مداخله یا تغییر علّی باشد.
• خطر نسبی یا احتمال: مقیاسی برای اندازه‌گیری تغییرات یا احتمال وقوع خروجی‌ها در حضور یک عامل.
• قطعیت درمانی یا درمان‌بخشی: ادعایی درباره اینکه مداخله‌ای مستقیماً باعث کاهش یا درمان یک وضعیت می‌شود—که در این مطالعه مطرح نشده است.

محدودیت‌ها و نکاتی که باید با احتیاط خواند

• نوع مطالعه: تحلیل بر پایه داده‌های مشاهده‌ای در سطح ایالت و روش‌های شبکه‌ای توصیفی است؛ بنابراین نتایج توصیفی‌اند، نه قطعی علت‌مند.
• محدودیت جمعیت و سطح تحلیل: داده‌ها در سطح ایالت خلاصه شده‌اند—این سطحِ تحلیل ممکن است الگوهای درون‌شهری یا سطح خانوار را مخفی کند (مسأله اکوک یا ecological fallacy).
• فرضیات لازم برای تفسیر علت‌مند: برای خوانش علیّی از ساختار شرطی، باید فروضی مانند فقدان متغیرهای مخفی یا سامانه‌های برگشتی پیچیده برقرار شوند؛ پژوهشگران چندین روش حساسیت‌سنجی به‌کار بردند، اما این فروض تأیید نشده‌اند.
• دقت داده‌ها و اندازه‌گیری: شاخص‌هایی مانند نرخ تخلیه، تأمین مالی HUD یا هزینه‌های مسکن ممکن است در منابع و ایالت‌ها به‌صورت ناهمسان اندازه‌گیری شده باشند؛ ناهماهنگی داده‌ها می‌تواند بر نتایج تأثیر بگذارد.
• تجربی بودن نتایج زمانی (lag-۱): شبکه زمانی اکتشافی که بازخورد HUD↔بی‌خانمانی را پیشنهاد می‌کند دارای قدرت آماری محدود و p-value=۰.۱۲ بود؛ این مقدار بالاتر از آستانه‌های معمول برای «معناداری» است و پژوهشگران آن را صرفاً پیشنهادی برای مطالعات آینده معرفی کردند.
• عمومیت‌پذیری به ایران یا دیگر کشورها: این مطالعه خاصِ ایالات متحده است؛ لذا تعمیم مستقیم نتایج به بافت‌های دیگر، از جمله ایران، مستلزم توجه به تفاوت‌های ساختاری، سیاستی و بازار مسکن است.

کاربرد بالینی و اجتماعی — این یافته برای بیمار چه معنایی دارد؟

اگرچه مطالعه یک تحقیق اقتصادی-سیاستی است و نه پژوهشی بالینی، یافته‌های آن پیامدهای مهمی برای ارائه‌دهندگان مراقبت‌های بهداشتی و فعالیت‌های بالینی دارد:

• بی‌خانمانی و سلامت ابزارهای همپوشانند: افزایش اجاره و کاهش درآمد می‌تواند افراد را در معرض خطر بی‌خانمانی قرار دهد؛ این وضعیت با بروز مشکلات روانی، عفونت‌های مزمن، سوءتغذیه و دسترسی محدود به مراقبت‌های بهداشتی همراه است. بنابراین شناسایی عوامل ساختاریِ افزایش‌دهنده بی‌خانمانی می‌تواند به پیشگیری از پیامدهای سلامتی کمک کند.
• نیاز به خدمات میان‌رشته‌ای: نتایج نشان می‌دهد که مسائل مسکن ریشه‌ای‌تر از صرفاً ارائه سرپناه‌اند؛ بنابراین خدمات سلامت باید با اقدامات اجتماعی و برنامه‌های حمایت از مسکن هماهنگ شوند.
• در مواجهه با بیماران در خطر بی‌خانمانی: پزشکان و تیم‌های مراقبتی باید آگاهی از شرایط اقتصادی بیمار (مانند مشکل در پرداخت اجاره یا فقدان واحدهای مناسب) را بخشی از ارزیابی سلامت بدانند و در صورت لزوم به خدمات اجتماعی یا گروه‌های حامی ارجاع دهند.
• پیشنهاد پژوهشی بالینی: برای اثبات تأثیر مداخلات سیاستی بر سلامت، به مطالعات پانلی طولی با طراحی‌های شبه‌تجربی یا کارآزمایی‌های تصادفی‌سازی‌شده (در سطوح سیاستی یا محلی که امکان‌پذیر است) نیاز است.

جزییات فنی و حساسیت‌سنجی

برای افزایش اطمینان از نتایج، مطالعه چهار مشخصه تکمیلی را اجرا کرد:

• Bootstrap خوشه‌ای: برای ارزیابی پایداری لبه‌های شبکه و برآورد عدم قطعیت بر حسب خوشه‌های ایالتی.
• حذف اثرات ثابت دوطرفه: برای کنترل اثرات ثابت ناشی از ویژگی‌های غیرقابل مشاهده قابل‌تغییر بین ایالت‌ها و تغییرات سراسری در سال‌ها.
• تبدیل Nonparanormal: جهت کاهش اثر عدم نرمالیتی در توزیع متغیرها که می‌تواند آرایش شبکه را تحت تأثیر قرار دهد.
• Fast Causal Inference (FCI): ابزاری برای کاوش در شبکه‌های علّی احتمالی که وجود متغیرهای پنهان و ساختارهای برگشتی را تا حدی مدنظر قرار می‌دهد؛ نتایج FCI باید با احتیاط تعبیر شوند زیرا نیازمند فروض پیچیده‌ای است.

یافته‌های مرتبط با سیاست‌گذاری

نکات سیاستی‌ای که از تحلیل می‌توان استخراج کرد عبارت‌اند از:

• تمرکز سیاستی بر افزایش قابلیت پرداخت مسکن (affordability) و دسترسی به واحدهای تک‌خوابه می‌تواند در کوتاه‌مدت اثربخش‌تر از تمرکز صرف بر افزایش عرضه مسکن (construction) باشد—به‌ویژه زمانی که عرضه جدید به بازارهایی وارد می‌شود که توانایی پرداخت ندارند.
• الگوهای متفاوت میان ایالت‌های دگرگون‌شونده نشان می‌دهد که زمینه سیاسی و نهادینه‌شده می‌تواند هنگام طراحی و اجرای برنامه‌های حمایتی تأثیرگذار باشد؛ این یعنی یک نسخه واحد برای همه ایالت‌ها ممکن است ناکافی باشد.
• بودجه‌های HUD و بازخوردهای احتمالی میان بودجه و نرخ بی‌خانمانی نیاز به بررسی‌های زمانی و علیتی قوی‌تری دارند؛ پیشنهاد مطالعه پنل‑VAR یا روش‌های شبه‌تجربی برای آزمون فرضیه‌های بازخوردی داده شده است.

نظر تحریریه پزشک سایت

پژوهش منتشرشده در PLOS One یک گام مهم در جهت استفاده از روش‌های شبکه‌ای برای شناسایی ساختارهای شرطی میان شاخص‌های اقتصاد مسکن و بی‌خانمانی است. نکته ارزشمندِ این مطالعه، ترکیب تحلیل‌های حساسیت و تأکید صریح بر تفاوت میان همبستگی شرطی و علیت است. برای سیاست‌گذاران و ارائه‌دهندگان خدمات سلامت، پیام اصلی این است که بهبود دسترسی و قابلیت پرداخت واحدهای مسکونی ارزان‌قیمت می‌تواند نقطه تمرکز مؤثری برای کاهش ریسک بی‌خانمانی باشد؛ اما هرگونه ادعای علت‌مندی نیازمند مطالعات تکمیلی با طراحی‌های علّی‌تر است. تحریریه پزشک سایت توصیه می‌کند تصمیمات بالینی و سیاستی بر ترکیبی از شواهد تجربی، شواهد محلی و ارزیابی‌های پیاده‌سازی مبتنی باشد.

چه زمانی باید با پزشک مشورت کرد؟

اگر شما یا یکی از اعضای خانواده‌تان وضعیت مسکن ناپایدار دارید یا در معرض بی‌خانمانی قرار گرفته‌اید، مشورت با پزشک یا مراکز خدمات اجتماعی می‌تواند مهم باشد، به‌ویژه در شرایط زیر:

• وجود علائم فشار روانی شدید، اضطراب یا افسردگی؛
• بروز یا تشدید بیماری‌های مزمن (مانند دیابت، بیماری قلبی) که به مراقبت منظم نیاز دارند و ممکن است در اثر بی‌خانمانی دچار وقفه شوند؛
• بارداری یا مراقبت از نوزاد یا کودک خردسال؛
• علائم عفونت فعال (مثلاً تب، سرفه مداوم، علائم تنفسی)؛
• شرایطی که فوریت پزشکی دارد (مثلاً درد سینه، تنگی نفس شدید، خونریزی غیرقابل کنترل).

پزشک می‌تواند علاوه بر مراقبت پزشکی، شما را به خدمات حمایتی اجتماعی یا سازمان‌های محلی مرتبط با مسکن ارجاع دهد.

پرسش‌های رایج

۱. آیا این مطالعه نشان می‌دهد اگر اجاره کاهش یابد بی‌خانمانی قطعاً کمتر می‌شود؟

خیر. مطالعه نشان‌دهنده وابستگی شرطی میان اجاره و بی‌خانمانی است اما برای اثبات رابطه علت و معلولی و میزان اثر کاهش اجاره بر نرخ بی‌خانمانی نیاز به مطالعات طراحی‌شده‌تر و شبه‌تجربی است.

۲. آیا ساخت واحدهای جدید راه‌حل مناسبی نیست؟

سازماندهی عرضه مسکن می‌تواند بخشی از راه‌حل باشد، اما این پژوهش نشان داد که قابلیت پرداخت و دسترسی به واحدهای مناسب تک‌خوابه نقش برجسته‌تری دارند. بنابراین ترکیب سیاست‌ها (افزایش عرضه همراه با تدابیر حمایتی مالی) احتمالاً مؤثرتر است.

۳. آیا نتایج برای کشورهایی غیر از آمریکا قابل تعمیم است؟

به‌طور مستقیم نمی‌توان تعمیم داد؛ تفاوت‌های ساختار بازار مسکن، سیاست اجتماعی و چارچوب‌های نهادی می‌تواند الگوها را تغییر دهد. مطالعات مشابه بومی‌شده برای هر کشور لازم است.

۴. معنی p=۰.۱۲ در تحلیل زمانی چیست؟

این مقدار نشان می‌دهد سیگنال بازخورد بین HUD و بی‌خانمانی در ایالات جمهوری‌خواه پیشنهادی و نه قطعی است؛ مقدار کمتر از ۰.۰۵ معمولاً برای «معناداری آماری» استفاده می‌شود. پژوهشگران این نتیجه را برای تولید فرضیه در مطالعات آینده گزارش کردند.

۵. چگونه پزشکی می‌تواند در کاهش بی‌خانمانی نقش داشته باشد؟

پزشکان می‌توانند با شناسایی بیماران در معرض ریسک بی‌خانمانی، ارجاع به خدمات اجتماعی، همکاری میان‌بخشی با سازمان‌های مسکن و شرکت در پژوهش‌های عملیاتی که اثر سیاست‌ها بر سلامت را می‌سنجند، نقش مؤثری ایفا کنند.

جمع‌بندی کاربردی

تحلیل MRF روی داده‌های ایالتی آمریکا (۲۰۰۷–۲۰۲۴) نشان می‌دهد که اجاره، میانگین درآمد و دسترسی به واحدهای تک‌خوابه از مهم‌ترین شاخص‌هایی هستند که به‌صورت شرطی با نرخ بی‌خانمانی ارتباط دارند. این نتایج نشان می‌دهد تمرکز سیاستی بر افزایش قابلیت پرداخت مسکن و فراهم کردن واحدهای مناسب می‌تواند راهبردی مؤثر باشد؛ اما برای اثبات روابط علت‌مند و تعیین اثر قطعی مداخلات، نیاز به مطالعات طولی با طراحی‌های شبه‌تجربی یا مدل‌های علّی قوی‌تر است. زمینه سیاسی نقش تعدیل‌کننده دارد و باید هنگام تدوین سیاست‌ها لحاظ شود. برای ارائه‌دهندگان مراقبت‌های بهداشتی، توجه به وضعیت مسکن بیماران و همکاری با سازوکارهای اجتماعی اهمیت دارد.

منبع

A structural analysis of U.S. homelessness through Markov random fields: Identifying predictors and potential causal links through permutation tests — PLOS One, 2026

تذکر نهایی: این مقاله تحلیلی بر اساس مطالعه منتشرشده است و محتوای آن تفسیر و شرحی است بر نتایج پژوهش. برای تصمیم‌گیری‌های درمانی یا سیاستی باید به متخصص مربوطه و شواهد مقطعی دیگر مراجعه شود. مطالب این متن جایگزین مشورت با پزشک یا نهادهای رسمی نیست.

مطالب این مقاله فقط برای افزایش آگاهی عمومی است و جایگزین تشخیص یا درمان پزشکی نیست. برای اطلاعات بیشتر، صفحه سیاست پزشکی و سلب مسئولیت پزشک سایت را بخوانید.