[논문 리뷰] The Divergence Index: A Decomposable Measure of Segregation and Inequality

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

Urban, Neighborhood, and Segregation Studies참고 문헌 1인용 수 26

한 줄 요약

이 논문은 정보 이론 지수로 잘못 해석되는 분리도를 더 정확하게 측정할 수 있는 분해 가능한 분리도 측정지표인 분산 지수(Divergence Index)를 제안한다. 이 지수는 지역적 인종 구성이 지역 전체 비율에서 얼마나 벗어나 있는지를 수치화하여, 정보 이론 지수가 분리도를 측정하지 못하고 상대적 다양성만 측정한다는 점을 입증한다. 이는 특히 지역 수준 분석에서 오해를 낳을 수 있으며, 분산 지수는 지역 집단 비율과 전체 집단 비율 간의 분산을 측정함으로써 분리도를 정확히 반영한다.

ABSTRACT

Decomposition analysis is a critical tool for understanding the social and spatial dimensions of segregation and diversity. In this paper, I highlight the conceptual, mathematical, and empirical distinctions between segregation and diversity and introduce the Divergence Index as a decomposable measure of segregation. Scholars have turned to the Information Theory Index as the best alternative to the Dissimilarity Index in decomposition studies, however it measures diversity rather than segregation. I demonstrate the importance of preserving this conceptual distinction with a decomposition analysis of segregation and diversity in U.S. metropolitan areas from 1990 to 2010, which shows that the Information Theory Index has tended to decrease, particularly within cities, while the Divergence Index has tended to increase, particularly within suburbs. Rather than being a substitute for measures of diversity, the Divergence Index complements existing measures by enabling the analysis and decomposition of segregation alongside diversity.

연구 동기 및 목표

• 기존 분해 방법에서 분리도와 다양성 간의 개념적·실증적 혼동을 해결하기 위해.
• 지역 집단 비율이 지역 기준 비율에서 얼마나 벗어나 있는지를 측정함으로써 분리도를 정확히 수량화하는 새로운 지표인 분산 지수를 제안하기 위해.
• 광범위하게 사용되는 정보 이론 지수가 실제로 분리도가 아니라 상대적 다양성을 측정한다는 점을 입증하여, 지역 수준 분석에서 오류가 발생할 수 있음을 보여주기 위해.
• 다중 수준(내부 및 외부 집단, 공간 단위)에서 분리도와 불평등을 분석할 수 있는 분해 가능한 프레임워크를 제공하기 위해.
• 미국 메트로폴리탄 지역의 주거 분리도, 소득 불평등, 인구 변화 연구에서 분해 분석의 정확도를 향상시키기 위해.

제안 방법

• 분산 지수는 지역 집단 비율과 지역 기준 비율 간의 쿨백-라이블레르 발산으로 정의된다: $ D(P \parallel Q) = \sum P_i \log \frac{P_i}{Q_i} $, 여기서 $ P_i $는 지역 비율이고 $ Q_i $는 지역 기준 비율이다.
• 이 지수는 분해 가능하다: 엔트로피 기반 분해 기법을 사용하여 총 분리도를 내집단 및 간집단 성분으로 분할할 수 있다.
• 이 방법은 이산 및 연속 분포 모두에 적용 가능하며, 소득-인종과 같은 결합 분포에도 적용된다.
• 분석 목표에 따라 유연하게 선택할 수 있는 로그 기반(2 또는 자연로그)을 사용하여 놀라움 또는 분산을 측정한다.
• 특정 경우(예: 소득 불평등)에서 이론적·수학적 동치성을 입증하기 위해 분산 지수를 티엘 지수 및 정보 이론 지수와 비교한다.
• 디트로이트 메트로폴리탄 지역 및 미국 최대 100개 도시의 데이터를 사용하여 실증적 검증을 수행하였으며, 도시 및 근교 수준에서 분해 분석을 적용하였다.

실험 결과

연구 질문

• RQ1 정보 이론 지수가 분리도를 측정하지 않고 상대적 다양성만 측정함으로써 얼마나 분리도를 잘못 해석하는가?
• RQ2 디트로이트 메트로폴리탄 지역에서 도시와 근교 간 분리도를 분해할 때 분산 지수의 성능은 어떠한가?
• RQ3 미국 최대 100개 도시에서 분산 지수와 정보 이론 지수 간의 실증적 관계는 어떠한가?
• RQ4 기존의 분해 가능한 지수보다 분산 지수가 더 정확하고 개념적으로 타당한 분리도 측정지표가 될 수 있는가?
• RQ5 지역 수준에서 분산 지수의 결과와 정보 이론 지수의 결과를 비교했을 때, 분리도 추세의 방향성과 크기 측면에서 어떤 차이가 있는가?

주요 결과

• 정보 이론 지수는 지역 집단 비율을 지역 기준 비율과 비교하기 때문에 분리도가 아니라 상대적 다양성을 측정한다.
• 디트로이트 메트로폴리탄 지역에서 분산 지수는 정보 이론 지수보다 도시와 근교 간 분리도가 더 높음을 드러내었으며, 이는 정보 이론 지수가 지역 수준의 분리도를 과소평가한다는 것을 시사한다.
• 미국 최대 100개 도시에서의 실증 분석 결과, 분산 지수와 정보 이론 지수 간의 상관관계는 매우 약했으며(상관계수 r ≈ 0.3), 이는 두 지수가 서로 다른 현상을 측정한다는 것을 확인한다.
• 분산 지수는 디트로이트 도시가 높은 흑인 분리도와 낮은 백인 비율을 보이며, 근교 지역은 반대 패턴을 보임을 정확히 식별한다. 이는 정보 이론 지수에 의해 가려진 결과이다.
• 분산 지수의 개념적 우월성은 지역 분포가 지역 기준 분포에서 얼마나 벗어나 있는지를 측정함으로써, 집단 간 공간적 분리라는 분리도의 정의와 일치하기 때문이다.
• 이 연구는 소득 불평등을 측정할 때 티엘 지수와 분산 지수가 수학적으로 동치임을 확인하여, 분산 지수가 불평등 및 분리도 분석에 일반화 가능한 프레임워크임을 검증한다.