NBER：新冠病毒：在纽约市检测的不平等 | 唧唧堂论文解析
picture from Internet
专栏介绍
本文为唧唧堂《新冠病毒主题论文导读专栏》内一篇论文解析，读者可通过今日推送第三篇文章进入专栏。
唧唧堂将在本专栏收录发布所有新冠病毒主题的经济金融社会心理等社科类论文解析导读，同时也或将收录部分医学论文。
本专栏论文收录无截止时限，现已有30篇NBER工作论文解析中，未来唧唧堂将源源不断把发现的新冠病毒主题论文放入本专栏，期待各位研究人的关注与订阅。
唧唧堂现招募更多经济金融研究人加入写作小组，以更快完成本专栏内容的解析产出，解析作者在获得固定稿费同时，还将获得付费阅读收入的部分提成。点击加入写作小组！
本文是针对《新冠病毒：在纽约市检测的不平等（Covid-19:Testing Inequality in New York City）》的论文解析，文章为美国国家经济研究局（NBER）4月的工作论文。作者是三位来自哥伦比亚大学经济系的学者：Stephanie Schmitt-Grohé、Ken Teoh & Martín Uribe。
研究背景与问题
美国是2020新冠病毒爆发的重灾区。这场公共卫生危机同时也引发了一个重要的课题：它如何影响不同的收入群体。一个广受争论的议题为：居民的收入与居民获取医疗资源之间存在怎样的联系。多家媒体提出新冠病毒检测的分布继承了收入分布的不平等，纽约时报更发表了标题为“需要做新冠病毒检测？有钱有名会有所帮助”的文章。高收入群体是否拥有新冠病毒检测的优先权？作者将利用纽约市不同邮编地区的检测数量、检测结果以及人均收入来分析不同收入群体间新冠病毒检测的不平等问题。
为什么选择纽约市作为研究对象？主要有以下原因：（1）纽约是美国新冠病毒疫情最严重的城市；（2）纽约市所有邮编地区的居民都遵守相同的（地方、州或联邦）卫生政策和法规；（3）不同邮编地区的人均收入差异显著；（4）不同邮编地区的数据来自相同的统计机构，确保了截面数据的可比性。
作者首先分析了不同收入群体间检测量的分布。如果疾病在不同收入群体间均匀分布，那么均匀的检测分布可以代表居民可以平等地获得检测。然而，如果新型冠状病毒肺炎在低收入人群内更普遍，均匀的检测分布也表明存在不平等。因为在这种情况下，收入最低的群体应该在总检测量中占据更大的份额。因此，作者进一步分析了各收入群体中检测结果为阴性的分布（阴性的检测结果表明患者没有感染新型冠状病毒）。综合检测量和检测结果的分布，作者认为各收入群体检测数量的平等分布并不等同于各收入群体可以公平地接受检测。
数据
为了分析不同收入群体间新冠病毒检测的不平等问题，作者使用了截至2020年4月2日和截至4月13日的纽约市各个邮编地区新冠病毒检测量和检测结果的数据，具体数据包括纽约市177个邮编地区中曾接受过新冠病毒检测的（纽约市居民的）累计人数以及检测结果为阳性的居民人数，以上数据来源于纽约市健康和精神卫生局（DOHMH）新冠病毒应急指挥系统。此外，作者还结合了各个邮区的人均收入与人口数据，数据来源为2014-2018美国社区调查（ACS），具体包括过去12个月的区级人均收入（以2018年美元计）、人口及种族构成。
相关数据的汇总如表1所示。截至2020年4月2日，在纽约市177个邮编地区中，每个邮区平均每十万人中有908位居民接受过新冠病毒检测，平均有一半的检测结果为阴性。不同地区间差异显著，检测数量和检测结果的标准差分别为268和9%。邮区间的居民人均收入也存在显著差异：最贫穷的邮区居民人均收入为13394美元，最富裕的邮区居民人均收入为147547美元。
picture from Internet
实证分析
（一）新冠病毒检测分布
记录各收入群体间新冠病毒检测数量的分布是作者的主要任务之一。图1中横轴为按收入从低到高排列的累积人口份额，纵轴的实线表示新冠病毒检测量的累积份额、虚线表示收入的累积份额。蓝色曲线为截至2020年4月2日纽约市邮区间检测数量的洛仑兹曲线，红色虚线为人均收入分布的洛仑兹曲线，黑色虚线为45度线。
该图表明，新冠病毒检测数量在收入间均匀分布，在图形上表现为洛仑兹曲线几乎接近45度线。生活在最富裕地区的10%的城市人口获得了全市新冠病毒检测量中11%的检验量，尽管他们享有城市总收入的29%。来自最贫穷邮区的10%的人口获得了10%的检测，然而他们的收入只占全市总收入的4%。
一个使用更广泛的用来衡量不平等的指标是基尼系数。基尼系数在数值上等于45度线与洛仑兹曲线间面积与45度线以下的三角形面积的比率。收入间检测数量分布的基尼系数为0.02，几乎接近完美的平均分布（基尼系数为0）。而人均收入的基尼系数为0.32，是检测不平等基尼系数的16倍。
（二）检测结果不平等
不同邮区的新冠病毒检测结果存在差异吗？
作者发现检测结果为阴性的比例与人均收入之间存在明显的正相关，系数0.11在1%的置信区间内显著，最小二乘法（OLS）回归方程如下：
(1) i=1,2…,177,代表不同的邮编地区
(2) S_i^n表示邮区内阴性检测结果占总检测量的比例
(3) y_i^c 表示人均收入，做回归时作对数处理
分析表明在各收入群体间，阴性检测结果占检测量的比例存在显著差异：从最贫穷的邮区移动到最富裕的邮区，阴性测试结果的比例从38%上升到65%。这也意味着检测量的均匀分布不能反映居民接受检测的平等性。
作者在回归方程中继续添加黑人居民占全部人口的比例和其他种族（非黑人非白人）居民的占比两个变量，结果显示种族变量对检测结果为阴性的比例影响为负，但在数量上较小。控制收入变量，黑人居民占比上升一个标准差（25%），检测结果为阴性的比例将下降2%，这种联系在其他少数民族中表现得更弱。
图3直观地反映出不同收入群体间检测结果分布的不平等。蓝色曲线为检测量的洛仑兹曲线，红色虚线为阴性检测结果的洛仑兹曲线。红色虚线在蓝色曲线的下方，明显远离45度线，这表明检测结果在收入间分布比检测量的分布更加不平等。