Проблема усреднения эффекта соседства или NEAP углубляется в проблемы, связанные с пониманием влияния агрегации явлений на уровне соседства на отдельных лиц, когда на эти явления влияют воздействия, зависящие от мобильности. [1] [2] [3] Проблема запутывает эффект соседства , который предполагает, что соседство человека влияет на его индивидуальные характеристики, такие как здоровье. [4] [5] Она связана с проблемой границ , поскольку очерченные соседства, используемые для анализа, могут не полностью учитывать пространство активности отдельного лица, если границы проницаемы, а индивидуальная мобильность пересекает границы. Этот термин был впервые введен Мей-По Кваном в рецензируемом журнале «Международный журнал экологических исследований и общественного здравоохранения» в 2018 году. [1] [2]
Мэй-По Кван, известный ученый в области географии человека, подчеркнула важность учета пространственных процессов и взаимодействий внутри районов в статье 2018 года. [2] Она утверждала, что проблема усреднения эффекта района в анализе возникает из-за игнорирования пространственной зависимости и пространственной неоднородности , и ей приписывают открытие NEAP. [2] [6] При изучении географии человека решающее значение имеет понимание взаимосвязи между атрибутами на индивидуальном уровне и эффектами района, в котором проживают люди. [4] [5] Однако возникает значительная проблема из-за потенциального несоответствия между масштабом, в котором собираются данные (индивидуальный уровень), и масштабом, в котором проводится анализ (уровень района). [1] Данные на индивидуальном уровне часто предоставляют подробную информацию о людях, включая социально-экономический статус, уровень образования или состояние здоровья. С другой стороны, данные на уровне района предлагают более широкую перспективу по конкретным областям, охватывая такие факторы, как средний доход, уровень преступности или доступ к удобствам. [4]
Проблема усреднения эффекта соседства возникает, когда исследователи пытаются интегрировать разрозненные шкалы данных отдельных лиц и районов. [1] [2] Обычный подход включает агрегацию данных на уровне отдельных лиц до уровня района путем вычисления сводных статистик, таких как средние значения или пропорции для каждого района. Однако это упрощает анализ, предполагая, что все лица в районе имеют пространства активности и пространственно-временные пути в пределах границ района. Исследования, применяющие эффект соседства, не в состоянии охватить реальное соседство отдельного лица, не учитывая мобильность. [1] Мобильность человека может усиливать или ослаблять факторы окружающей среды в его районе. [2]
Для решения этой проблемы Кван предложил использовать пространственные статистические методы для рассмотрения контекстов соседства людей в разных временных масштабах на протяжении всей их жизни. [1] Внедряя эти методы, исследователи могут моделировать и анализировать пространственные отношения между людьми и их соседями. Могут быть рассмотрены такие факторы, как близость, пространственная автокорреляция и влияние соседних областей, что обеспечивает более точное понимание сложной динамики между людьми и их средой.
Признавая и решая проблему усреднения эффекта соседства, исследователи могут лучше понять, как индивидуальные характеристики взаимодействуют с контекстом соседства, формируя различные результаты, такие как результаты в области здравоохранения, уровень образования или социальное поведение. [1] Этот подход расширяет знания в области городских и региональных исследований, предоставляя понимание сложного взаимодействия между людьми и окружающей их средой. [1] Неспособность учесть NEAP может привести к ошибочным выводам. [2]
NEAP предполагает, что простое улучшение условий в районе не может улучшить индивидуальный опыт. Увеличивая транзит между районами и взаимодействие между неблагополучными и благополучными районами, можно улучшить индивидуальные результаты, такие как здоровье. [1] [3]