黑人居民的状况 ： 地点与种族平等和结果的相关性

技术附录 黑人居民的状况：地点与种族平等和结果的相关性 2024年2月 本附录提供有关本报告中使用的社区概况、数据源和方法的详细信息。它包含以下部分： 1.美国县的细分2.指标和数据源3.按社区概况列出每个指标的黑色结果和黑白比率的详细信息4.计算布莱克结果分数和平价分数的方法5.按社区概况列出的所有美国县 1.美国县的细分 该报告采用了2019年麦肯锡全球研究所报告《美国工作的未来：今天和明天的人与地方》创建的美国社区的地理细分。1 MGI的2019年研究分析了与发展相关的40多个变量的城市和县级数据(例如。Procedre、人口增长、城乡分类)、经济健康(如Procedre，国内生产总值），劳动力市场（例如。Procedre、劳动力参与)、行业组合和商业活力(例如Procedre，高增长行业与低增长行业在国内生产总值中所占的份额)，创新(例如。Procedre、大学、专利)和社会经济因素(例如Procedre，家庭收入中位数)。 2019年的分析使用数学聚类过程，根据这些变量的相似模式对美国所有县进行分类。这种被称为分层聚类分析的统计技术迭代地细化聚类以最小化聚类内方差。然后，经济发展专家对集群进行了审查，最终对美国的13个社区原型进行了分类（图表A1）。 有关此方法的更多详细信息以及用作输入的变量的完整列表，请参见第2节“县和城市分割”中讨论的《美国工作的未来》的技术附录。 每个区段内的所有美国县的列表显示在第5节中。 分割的好处和局限性 MGI对美国县的全面分类为我们对黑人居民结果和公平性的研究提供了几个好处。首先，县单位允许我们的分析涵盖整个国家，从城市核心到大多数农村地区（与专注于例如，大都市统计区域）。县的数据可用性也往往高于较小的单位，例如人口普查区域。此外，由于黑人和白人居民很可能在给定的县内被划分为不同的社区，区域一级的措施可能无法完全揭示更大区域的不平等。 As discussed in chapter 1 of this report, we also recognize the limitations of this segmentation. Our analysis doesnot capture the variation that exists within each community profile, nor it does reflect the richness of residentials(which a tract - level analysis could support). However, we hope this research can comprove other analyses by offering broadinsight into the knities of communities that are home to better or worse results and higher or lower parity for Blackresidents. ExhibitA1 社区概况具有不同的人口和经济特征。 麦肯锡公司 2.指标和数据源 为了评估不同县的黑白结果在多大程度上符合我们为所有居民表达的愿望，我们建立了一个数据集，其中包含了25个指标的县级数据（图表A2）。正如第一章所讨论的，我们包括了两到四个指标(e。Procedre，基本生活水平，金融稳定)每个理想类别。这些指标是根据外部研究，经济发展专家的投入以及美国各县的数据可用性进行优先排序的。 数据来源和年份 我们分析的大多数指标来自美国人口普查局的美国社区调查五年估计。一个指标，即收入与生活成本的比率，是通过将每个县的家庭收入中位数除以县级对两个- 附件A2 麦肯锡公司 父母，两个孩子的家庭，来自经济政策研究所。无论种族如何，给定县的所有居民的生活成本估算都是相同的。 四个指标来自其他来源：预期寿命，自我报告的心理健康和自我报告的身体健康来自疾病控制中心，监狱监禁率来自维拉研究所（基于其对美国司法统计局数据的分析）。 在大多数情况下，我们的当前状态分析使用2021年数据，而我们的历史分析使用2012年数据与2021年进行比较，由于数据可用性，以下是例外情况： —对于没有宽带的份额，历史年度数据来自2017年美国社区调查（这意味着我们比较了2017年到2021年的变化）。—对于监禁率，维拉研究所提供的最新数据是2018年（这意味着我们比较了2012年至2018年的变化）。—对于CDC的身心健康指标，我们使用2018年的历史年度和2020年的最近一年的数据。 -对于儿童贫困，预期寿命以及收入与生活成本之比，无法在所需的粒度水平上获得历史数据。我们在历史年度和最近一年的分析中都包括了最新数据，这意味着我们不会衡量这些结果随时间的变化。 按种族分列的县价值归集 Our analysis requires measuring outcomes for both Black and White residents on each metrics, for each US county.For some metrics, however, country - level data disaggregated by race was not public available. 由于大多数指标在没有种族细分的情况下都有可用的数据，因此我们能够在需要的地方使用区域级别的数据来估算县级的估计值。2This imputation process entailed using tract - level metrics and the total population ofeach demographic per tract to calculate weighted average for each race at the country level. For example: 我们的分析依赖于简化的假设，即每个地区的居民无论种族如何都具有相同的结果（例如Procedre，同一地区的黑人和白人居民的预期寿命是相同的，或者在给定的人口普查地区中黑人和白人居民的相同百分比是租金负担的)。我们通过采取县的随机样本，手动计算相关指标，并将其与每个种族群体的整体县级措施和/或国家措施进行比较来测试估计的稳健性（例如Procedre，将给定县的估算的黑人预期寿命与该县的整体预期寿命（不分种族）以及全国黑人预期寿命进行比较）。 排除和限制 如第1章所述，我们研究的重点和结构使我们排除了一些主题，这些主题包括仅针对黑人居民的问题（例如反黑人 歧视），在城市和农村地区之间进行比较不合逻辑的主题（例如公园的可用性），以及主要受美国黑人和白人居民分布影响的主题（例如气候风险和暴露于环境危害）。 此外，我们无法评估可能在范围内的几个主题，但这些主题要么没有数据，要么我们无法在时间尺度上或在所需的粒度级别上估算估计值。其中包括经济流动性，公民参与，公共安全，政府客户体验以及其他连通性指标（例如城市社区概况中的公共交通）。 我们没有分析的另一个值得注意的交叉主题是性别。按种族和性别分列的地方一级数据的缺乏限制了我们分析不同性别黑人居民与白人居民相比经历的能力。未来的研究有足够的空间来扩展或深化我们关于性别如何塑造不同类型社区黑人居民经历的发现。 3.按社区概况列出每个指标的黑色结果和黑白比率的详细信息 在本节中，我们报告了在我们的25个焦点指标中对黑人居民结果和种族均等水平的社区概况进行评分的基础数据。图表A3显示了每个社区概况中黑人居民的每个指标的平均值，按县黑人人口加权。 麦肯锡公司 附件A3 (续) 跨社区概况的绝对黑人结果（2 / 2） 黑人居民的结果，最近一年1 麦肯锡公司 图表A4报告了每个指标的平均黑色结果与平均白色结果的比率。在那些数值较高表示负面结果较多的情况下(例如Procedre，贫困)，更大的黑白比率表明更大的差距。关于更高的值表示更积极的结果的度量(例如Procedre，收入)，较小的黑白比率表示更大的差距。展品A4的颜色编码反映了这种方向性。 附件A4 跨社区概况的均等结果(1/2) 黑人居民与白人居民的结果比率，最近一年1 附件A4 (续) 跨社区概况的均等结果(2 / 2) 黑人居民与白人居民的结果比率，最近一年1 麦肯锡公司 4.计算布莱克结果分数和平价分数的方法 标准化措施允许我们比较黑人结果，以及黑人和白人居民的结果差距，跨多个指标和所有社区概况。对于每个美国县，我们计算黑人结果分数和平价分数。然后，我们将县级结果汇总到社区概况水平。 计算黑色结果分数 我们的黑人结果分数表明给定位置在1到100的范围内，其中1代表全美最消极的黑人结果，100代表最积极的结果。通过使用这样的量表，我们的分数反映了给定位置相对于整个国家在整体黑人繁荣方面的排名。 为了得出县级黑人结果分数，我们首先计算每个指标的县z分数，根据需要调整方向性（即，对于较高的值表示较多的负面结果的指标），然后在1到100之间进行归一化。此步骤为美国所有县的25个变量中的每个变量生成了归一化z分数。例如，我们发现了 纽约州布朗克斯县黑人预期寿命的归一化z分数，反映了布朗克斯黑人居民的寿命与美国所有其他县黑人居民的寿命的关系。 然后，我们在每个居民愿望类别中的所有指标中获取每个县得分的几何平均值，假设每个指标的权重相等（例如，根据布朗克斯县在所有健康相关指标上的表现，为布朗克斯县产生“长寿和健康生活”得分）。3我们还为每个县分配了一个总体得分，反映了所有类别得分的几何平均值，再次假设每个期望的权重相等（例如，为布朗克斯县生成总体布莱克结果得分，反映了其在“长寿和健康生活”，“金融稳定”和其他六个类别中得分的几何平均值）。 为了得出社区概况级别的黑人结果分数，我们遵循了类似的过程。我们首先对给定社区概况中所有县的每个指标的z分数进行加权平均，并按县黑人人口加权（例如Procedre，为特大城市的黑人预期寿命提供平均z分数)。然后，我们使用几何平均值通过抽吸来汇总这些分数(例如Procedre，成为特大城市的“长寿健康生活”评分)。最后，我们根据每个社区概况的总体Blac结果得分，基于其跨期望类别得分的几何平均值（例如Procedre，为特大城市提供总体黑色结果评分)。 计算平价分数 在所有分析的指标中，平价分数表示给定位置的黑人居民与白人居民的完全平价有多远。量表的范围从0到1，1表示黑人和白人居民的平等结果。 与黑人结果得分（仅反映黑人居民的汇总数据）相反，构建黑白平价得分需要一种方法来汇总多个指标中黑白居民结果之间的距离。为了计算这些分数，我们采用了类似于MGI 2015年报告《平等的力量：促进妇女平等如何为全球增长增加12万亿美元》中的方法。该报告的技术附录提供了一个简单的例子来解释我们在这里改编的方法。考虑一个简单的世界，只有三个县- A，B和C -只有两个感兴趣的指标，即预期寿命和健康保险覆盖率（图表A5）。 根据同等的预期寿命和保险覆盖率，A县的黑人居民与白人居民完全均等（1.00）。B县和C县与均等者的距离相同（0.40），但原因不同。相对于白人居民，B县的黑人居民预期寿命较短，但黑人居民的保险覆盖率较高。 尽管预期寿命的差距较小，但C县的均等分数较低，因为保险范围内的种族差异更大。尽管我们的均等分数包含25个指标而不是两个指标，并且是针对所有美国县计算的，但同样的原则适用。 为了计算县级均等分数，我们首先计算每个指标上所有县的黑色结果与白色结果的比率。我们通过取反比来确保平均值是方向正确的，其中较高的值表示较差的结果，并且我们将所有指标的最大值限制为1。例如，这产生了布朗克斯县的预期寿命的黑白比。 展品A5 平价分数的说明 比较两种健康相关指标的黑白结果的简化示例 麦肯锡公司 We