第二章 20世纪80年代美国社区发展概况

本章旨在对20世纪80年代美国大都市区及其社区的发展概况进行事实性描述，重点是直接查看社区相关统计数据，从而帮助读者全面了解美国人口普查提供的小区域信息以及社区内的特征信息种类。

首先，我们将比较社区内的特征分布情况以及全国的人口分布特征，从而了解全国居民及家庭在社区内的聚集情况。其次，我们将了解部分特征在各大都市区内的分布情况，从而从两个层面回顾第一章提及的一般分类进程：①从全国到大都市区；②从大都市区到社区。

本章所做工作为后续章节的分析做了铺垫。本书后续章节的大部分工作都将社区作为统计研究的分析单位。本章将揭示上述方法背后隐含的信息。

城市社会学和生态学为我们提供了需要寻找哪些信息的建议。标准大都市统计区（SMSA）（下文中简写为“统计区”）内的特征分布是第一大关注点。某一特征在城市内的平均集中度及其范围或广度是怎样的？城市相关统计数据与全国数据对比结果如何？这些问题与政策以及决策所需信息相关。以下示例将帮助我们理解。

新的美国移民潮在城市格局中应该有所体现，对此我们可以提出一个问题：城市社区内，某一特定种族群体或世系群体的平均集中度如何？或者，我们也可以关注地区贫困率以及收入高于或低于某个阈值（fraction）的城市社区的比例，以及这些数据与其他城市的数据相比结果如何。

一种生态学推理思路认为：随着城市（统计区）规模不断扩大，社会分异程度也在逐渐加深，因此规模更大的统计区内的社区应该被进一步细化。换句话说，在小城市中，我们预计每个普查街区的分布情况应该与整个城市的分布情况相似；但是在大城市中，我们预计社区内会存在更高的同质性，起码规模相同的地块（parcels）是这样，例如人口总数为4000人的普查街区（tracts）。我们可以在描述性统计中检验这一预设是否正确。如果确实如此，我们就可推断：普查街区的分布离差（dispersion）数值将随着城市规模的扩大而增大。注1

注1 统计论证更为复杂。假设两个城市的同一种特征的分布水平相同，使A城市比B城市更大，但是保证两个城市内的普查街区规模相同。同时，假设两个城市内的普查街区彼此分异（例如：每个普查街区仅是整体的一个部分，且该部分与其他普查街区之间不存在任何重叠，即完全被隔离。

两个城市都具有内部同质性。根据方差分析的基本分解，我们可以得到以下公式：

其中，i指的是普查街区，j指的是所有普查街区内的人口数量，J指的是各个普查街区内的人口数量。因为我们已经设定了界限，因此SSWI已经最小化了；此外，由于大城市内的普查街区更可能存在同质性，故而其SSBT更大。当然，还可能有其他可能性，从而导致结果不同。两个城市内的普查街区可能不存在分异或者分异程度相对较低，或者这两个城市的初始分布情况完全不同。

另一种推理思路的观点则恰好相反：推断大城市内的社区在社会和物理特征方面具有更大的异质性。

我们使用的方法很简单，即对所选变量进行单变量分布研究，普查街区就是观察的基本单位（例如，在分析社区的教育情况时，教育变量的值就是该社区内成年人群的平均受教育程度）。对于部分特征，我们将把21个统计区内所有普查街区的特征分布情况绘制成柱状图；如有可能，将把所有数据进行叠加，绘制成美国总体人口的特征分布柱状图。对于大都市区内的特征分布情况，我们将用表格展示第25百分位、第50百分位和第75百分位的数值及其平均值和标准差。中值意味着该城市有一半的普查街区位于该数值之上、一半位于其下；在集中趋势的度量中，中值可以等同为平均值。四分位区间（Interquartile Range）（IQR，第75百分位数和第25百分位数的差值）被用来测量广度或离差；根据定义，即该城市内有1/2的普查街区位于该范围内，而在正态分布曲线下，2/3的观察对象位于平均值的一个标准差范围内。将这些统计数据进行汇总，我们可以观察特征分布的形状。在使用这些统计数据时，有一个值得关注的巧合之处：普查街区的数值等于中等水平的平均值。