[논문 리뷰] Measuring Inequality and Segregation.

Elizabeth Roberto|arXiv (Cornell University)|2015. 08. 05.

Urban, Neighborhood, and Segregation Studies참고 문헌 3인용 수 9

한 줄 요약

이 논문은 불평등과 분리의 유연하고 개념적으로 직관적인 측도인 Divergence Index를 소개한다. 이 측도는 실제 분포와 평등을 나타내는 기준 분포 간의 차이를 수량화한다. 수학적으로 Theil의 지수와 정보 이론 지수와 동일하지만, 중첩된 지리적 수준 간의 분해 성질이 뛰어나, 데트로이트, 미시간 주에서의 인종 주거 분리 현상에 대한 연구를 통해 분리 동적 분석의 더 정확하고 해석 가능한 방법을 제공한다.

ABSTRACT

In this paper, I introduce the Divergence Index, a conceptually intuitive and methodologically rigorous measure of inequality and segregation. The index measures the difference between a distribution of interest and another empirical, theoretical, or normative distribution. The Divergence Index provides flexibility in specifying a theoretically meaningful basis for evaluating inequality. It evaluates how surprising an empirical distribution is given a theoretical distribution that represents equality. I demonstrate the unique features of the new measure, as well as deriving its mathematical equivalence with Theil's Inequality Index and the Information Theory Index. I compare the dynamics of the measures using simulated data, and an empirical analysis of racial residential segregation in the Detroit, MI, metro area. The Information Theory Index has become the gold standard for decomposition analyses of segregation. I show that although the Information Theory Index can be decomposed for subareas, it is misleading to interpret the results as segregation. The Divergence Index addresses the limitations of existing measures and accurately decomposes segregation across contexts and nested levels of geography. By creating an alternative measure, I provide a distinct lens, which enables richer, deeper, more accurate understandings of inequality and segregation.

연구 동기 및 목표

• 기존의 불평등 및 분리 측도의 한계, 특히 중첩된 지리적 수준에서의 분해 성질에 대한 문제를 해결하기 위해.
• 실제 분포가 평준화 또는 이론적 평등 분포에서 얼마나 떨어져 있는지 평가하는 방법론적으로 엄밀하고 개념적으로 직관적인 지수를 개발하기 위해.
• 정보 이론 지수가 널리 사용되지만, 특히 다단계 맥락에서 해석할 경우 분리를 잘못 해석할 수 있음을 입증하기 위해.
• 다양한 사회적 및 공간적 맥락에서 분리와 불평등의 더 풍부하고 정확한 이해를 가능하게 하는 이론적으로 탄탄한 대안을 제공하기 위해.
• 데트로이트 메트로폴리탄 지역의 인종 주거 분리에 대한 시뮬레이션과 실증 분 析를 통해 Divergence Index를 검증하기 위해.

제안 방법

• Divergence Index는 실제 분포와 평등을 나타내는 기준 분포 간의 Kullback-Leibler 발산으로 정의되며, 관측된 분포가 얼마나 '기대치를 초월하는지' 또는 얼마나 불균형한지를 수량화할 수 있도록 한다.
• 이 방법은 기준 분포를 연구 맥락에 따라 실제 자료, 이론적 자료 또는 규범적 자료로도 자유롭게 설정할 수 있다.
• 이 지수는 수학적으로 Theil의 불평등 지수와 정보 이론 지수와 동일하므로, 기존 기준과의 일관성을 유지하면서도 해석 가능성을 향상시킨다.
• 논문은 다양한 조건에서 Divergence Index와 정보 이론 지수의 동적 행동을 비교하기 위해 시뮬레이션 자료를 사용한다.
• 실증 응용은 인구 조사 자료를 활용해 데트로이트, 미시간 주 메트로폴리탄 지역의 인종 주거 분리를 분석하며, 다양한 지리적 수준에서 분해를 수행한다.
• Divergence Index는 하위 지역과 계층적 수준에서의 분리 기여도를 정확하게 분해할 수 있으며, 정보 이론 지수의 오해를 유발하는 해석적 함정을 피할 수 있다.

실험 결과

연구 질문

• RQ1 불평등과 분리를 측정하는 방법은 어떻게 설계되어야 하며, 개념적으로 직관적이면서도 수학적으로 엄밀해야 하는가?
• RQ2 정보 이론 지수가 중첩된 지리적 수준에서 분해될 때 얼마나 잘못된 해석을 유도하는가?
• RQ3 Theil의 지수와 동등성을 유지하면서도 분해 정확성과 해석 가능성에서 뛰어난 새로운 지수를 개발할 수 있는가?
• RQ4 Divergence Index는 데트로이트 메트로폴리탄 지역의 다양한 공간 척도에서 인종 주거 분리의 역동성을 얼마나 잘 포착하는가?
• RQ5 기존 측도와 비교해 Divergence Index는 불평등과 분리에 대한 이해를 어떻게 향상시키는가?

주요 결과

• Divergence Index는 수학적으로 Theil의 불평등 지수와 정보 이론 지수와 동일하여, 기존 기준과의 호환성을 보장한다.
• 이러한 동등성에도 불구하고, Divergence Index는 중첩된 지리적 수준에서 분리의 더 정확하고 해석 가능한 분해를 제공하며, 정보 이론 지수와 연관된 오해를 피한다.
• Divergence Index는 규범적 평등 분포에 비해 실제 분포가 얼마나 놀랍거나 떨어져 있는지를 효과적으로 측정하여 명확한 개념적 기반을 제공한다.
• 데트로이트의 실증 분석에서 Divergence Index는 하위 지역과 계층적 수준에서의 기여도로 분리를 정확하게 분해하여 세밀한 공간적 패턴을 드러냈다.
• 특히 다단계 지리적 구조를 분석할 경우, Divergence Index는 정보 이론 지수보다 더 뛰어난 분해 성능을 보였다.
• 이 새로운 지수는 다양한 사회적 및 공간적 맥락에서 불평등과 분리의 구조와 역동성을 더 풍부하고 깊이 있고 정확하게 이해하는 데 기여한다.