基于信息论的网络方法用于社会经济相关性分析
物理与社会
2020-11-18 v2 社会与信息网络
摘要
从识别收入不平等热点到政治选区重划，量化社会经济数据中的空间模式在科学界有着丰富文献且影响深远。尤其值得关注的是，局部人群间与社会经济福祉相关的指标变异性，因其涉及不平等与隔离的空间表征。然而，人口密度异质性、统计分析对空间聚合的敏感性，以及既有政策干预所依赖的预设政治边界，可能降低现有方法分析空间社会经济数据的效能与相关性。此外，这些度量通常缺乏在同一尺度上比较定性与定量数据结果的框架，或缺乏推广至多区域相关性的机制。为缓解传统空间度量的这些问题，本文从拓扑而非空间视角审视社会经济变量的局部偏差，并采用一种基于广义 Jensen Shannon 散度（Generalized Jensen Shannon Divergence）的新型信息论网络方法，以区分相邻区域间的分布量。我们在系列实验中将该方法论应用于研究美国本土相邻人口普查 tract 的网络，量化了网络中两点分布相关性的衰减，考察了由 tract 聚合引发的县级社会经济差异，并构建了将城市划分为同质簇的算法。这些结果为分析区域人群属性变异提供了新框架，并揭示了社会经济属性中新的普适模式。
引用
@article{arxiv.2009.13825,
title = {Information theoretic network approach to socioeconomic correlations},
author = {Alec Kirkley},
journal= {arXiv preprint arXiv:2009.13825},
year = {2020}
}