Notice bibliographique
Résumé
In cities throughout the United States, blacks tend to live in significantly poorer and lower-amenity neighborhoods than whites. An obvious first-order explanation for this is that an individual''s race is strongly correlated with socioeconomic status (SES), and poorer households can only afford lower quality neighborhoods. This paper conjectures that another explanation may be as important. The limited supply of high-SES black neighborhoods in most U.S. metropolitan areas means that neighborhood race and neighborhood quality are explicitly bundled together. In the presence of any form of segregating preferences, this bundling raises the implicit price of neighborhood amenities for blacks relative to whites, prompting our conjecture that racial differences in the consumption of neighborhood amenities are significantly exacerbated by sorting on the basis of race, given the small numbers of blacks and especially high-SES blacks in many cities. To provide evidence on this conjecture, we estimate an equilibrium sorting model with detailed restricted Census microdata and use it to carry out informative counterfactual simulations. Results from these indicate that racial sorting explains a substantial portion of the gap between whites and blacks in the consumption of a wide range of neighborhood amenities in fact, as much as underlying socioeconomic differences across race. We also show that the adverse effects of racial sorting for blacks are fundamentally related to the small proportion of blacks in the U.S. metropolitan population. These results emphasize the significant role of racial sorting in the inter-generational persistence of racial differences in education, income, and wealth.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».