交叉性协同效应：通过信息分解解开交叉身份不可约效应

交叉性的理念已成为学术社会学以及黑人的命也是命、交叉女性主义和 LGBT 权利等社会正义大众运动中的常见讨论话题。交叉性提出，个体对社会体验的某些方面不可约简为各自身份单独考虑之和，而是“大于部分之和”。本工作中，我们表明交叉身份的影响可利用信息论在经验数据中统计观测到。我们表明，当考虑种族、性别和收入（作为阶级的代理）等各种身份类别对健康和福祉等结果的预测关系时，会出现稳健的统计协同效应。这些协同效应表明，身份对结果存在不可约简为任何单独身份、仅在特定类别共同考虑时才出现的联合效应（例如，种族与性别共同对收入存在不可约简于任一者的大协同效应）。我们随后利用合成数据表明，当前评估数据中交叉性的黄金标准方法（带乘性交互系数的线性回归）无法区分真正协同的“大于部分之和”交互与冗余交互。我们探讨了这两类不同交互在推断数据中交叉关系时的意义，以及可靠区分二者的重要性。最后，我们得出结论：信息论作为一种对数据中非线性和协同效应敏感的无模型框架，是探索高阶社会动力学空间的自然方法。