Socio‐economic distance and spatial patterns in unemployment
社会经济距离与失业的空间分布模式AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确用反映社会网络结构的距离指标研究失业相关性及本地信息交流机制。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
社会经济距离与失业的空间分布模式
- 研究问题
- 芝加哥失业率的空间聚集是否随地理、通勤、族群及职业距离变化，这些相关模式是否符合社会网络中的本地信息交流解释？
- 方法与思路
- 作者研究 1980—1990 年芝加哥人口普查区，以单一及成对距离指标非参数估计失业相关性，并比较控制地区特征前后的结果。
- 材料陈述的贡献
- 摘要称原始失业率在各距离指标下均呈显著正相关；控制特征后多数相关消失，地理和职业距离仍有例外，族群构成尤为关键。
- 阅读关注点
- 应核对距离指标如何代表社会网络、条件相关的估计方式，以及地区构成和网络信息机制能否从现有数据中区分。
- 阅读边界
- 仅据所给 Crossref 摘要，空间相关及其控制后变化不能直接识别网络信息交流的因果效应；具体效应大小和识别设计未说明。
原文摘要
Abstract This paper examines the spatial patterns of unemployment in Chicago between 1980 and 1990. We study unemployment clustering with respect to different social and economic distance metrics that reflect the structure of agents' social networks. Specifically, we use physical distance, travel time, and differences in ethnic and occupational distribution between locations. Our goal is to determine whether our estimates of spatial dependence are consistent with models in which agents' employment status is affected by information exchanged locally within their social networks. We present non‐parametric estimates of correlation across Census tracts as a function of each distance metric as well as pairs of metrics, both for unemployment rate itself and after conditioning on a set of tract characteristics. Our results indicate that there is a strong positive and statistically significant degree of spatial dependence in the distribution of raw unemployment rates, for all our metrics. However, once we condition on a set of covariates, most of the spatial autocorrelation is eliminated, with the exception of physical and occupational distance. Racial and ethnic composition variables are the single most important factor in explaining the observed correlation patterns. Copyright © 2002 John Wiley & Sons, Ltd.