Il s’agit du troisième article d’une série visant à expliquer l’écart d’intensité du COVID-19 par race et par revenu. Dans les deux premiers articles, nous avons cherché à savoir si les comorbidités, la non-assurance, les ressources hospitalières et la surpopulation des foyers et des transports en commun aident à expliquer les écarts de revenu et de minorité. Ici, nous poursuivons notre enquête en examinant trois canaux potentiels supplémentaires: la fraction des personnes âgées, la pollution et la distanciation sociale au début de la pandémie dans le comté. Nous visons à comprendre si ces trois facteurs affectent l’intensité globale du COVID-19, si les écarts de revenu et raciaux du COVID-19 peuvent être expliqués davantage lorsque nous aditionellement inclure ces facteurs, et si et dans quelle mesure ces facteurs indépendamment tenir compte des écarts de revenu et de race dans l’intensité du COVID-19 (sans tenir compte des facteurs considérés dans les autres articles de cette série).
Contexte
Il est intuitif que ces trois variables doivent être liées à l’intensité du COVID-19. Dans le cas du premier canal potentiel, on observe que les personnes âgées sont généralement plus sévèrement touchées par le COVID-19. Cependant, la fraction de personnes âgées peut s’avérer avoir une corrélation plus faible avec le COVID-19 car les personnes âgées et leurs familles peuvent prendre des précautions particulières pour éviter de contracter la maladie. La pollution de l’air, qui exacerbe les problèmes respiratoires, peut également aggraver l’évolution du COVID-19. Nous mesurons la pollution de l’air par la concentration de dioxyde d’azote.
En ce qui concerne la distanciation sociale, les interactions interpersonnelles sont le principal moyen de propagation du COVID-19, la durée et l’intensité des interactions avec les personnes infectées affectant la gravité de la maladie. La promotion de la distanciation sociale était le principal objectif des verrouillages mis en œuvre par la plupart des États en mars et avril au début de la première vague de la pandémie. Nous mesurons la distance sociale comme la fraction des téléphones portables qui restent complètement à la maison et ne bougent pas pendant la journée, en utilisant des données de mobilité de téléphone cellulaire agrégées et anonymisées fournies par SafeGraph. Cependant, la distance sociale et le cours de la pandémie ont une interaction complexe parce que les gens ont tendance à se distancier socialement d’eux-mêmes à mesure que la pandémie s’intensifie, ce qui conduit à une association positive plutôt que négative entre la distance sociale et l’intensité du COVID-19. Par conséquent, nous analysons la relation entre le nombre cumulatif de cas de COVID-19 et la distance sociale au moment où la pandémie a commencé dans un comté, en particulier, dans les trois semaines précédant le dixième cas de COVID-19 signalé. Alors que la distance sociale au début d’une épidémie de pandémie dans un comté affecte probablement de manière critique l’évolution ultérieure de l’infection dans ce comté, il est probable que si tôt au cours de l’épidémie, les individus ne prévoient pas encore l’ampleur de l’épidémie dans leur comté va être et ne prend pas de précautions en conséquence.
Âge, pollution, distanciation sociale et écarts entre les races et les revenus du COVID-19
Afin d’avoir un pouvoir explicatif pour les écarts de revenu et de minorité COVID-19, ces trois mesures doivent être disproportionnellement élevées ou faibles dans les comtés où les minorités sont majoritaires ou les comtés à faible revenu. Compte tenu des corrélations entre la composition par âge, la pollution et la distance sociale avec la minorité majoritaire (MM) et le statut de faible revenu dans les comtés américains, nous voyons que les comtés MM ont beaucoup inférieur fraction de la population qui a plus de 60 ans. En revanche, les comtés du MM sont beaucoup plus pollués que les autres comtés. Enfin, les comtés de MM avaient un peu moins de distanciation sociale au début de leurs épidémies de COVID-19 que les comtés majoritaires non minoritaires, ce qui est cohérent avec le fait que de nombreuses minorités occupent des professions de «travailleur essentiel» et doivent se rendre au travail même pendant les verrouillages. Fait intéressant, les corrélations entre les trois variables et le statut de faible revenu sont à l’opposé de leurs corrélations avec le statut de MM – les zones à faible revenu ont une fraction plus élevée de la population de plus de 60 ans, un niveau de pollution plus faible et un plus grand degré de distanciation sociale . Une intuition pour ce modèle est que de nombreuses zones à faible revenu pourraient être décrites comme étant majoritairement non minoritaires, comme des zones rurales avec peu de jeunes et comme ayant une faible pollution industrielle et une facilité de distanciation sociale.
Pour voir dans quelle mesure les trois facteurs dont nous discutons expliquent les écarts raciaux et de revenu dans l’intensité du COVID-19, nous effectuons des régressions multivariées similaires à celles des deux premiers articles de cette série. Dans le graphique ci-dessous, nous présentons les estimations résultant de la régression des cas pour mille sur les variables de base – densité de population, urbanicité et indicateurs de faible revenu et de comté MM (en bleu); les variables de base augmentées de toutes les variables que nous avons considérées jusqu’à présent dans la série (en or); toutes les variables considérées jusqu’à présent augmentées des trois variables médiatrices dont nous avons discuté dans cet article (en gris clair); et les variables de base et les variables médiatrices introduites dans cet article, mais pas les autres variables introduites dans les deux articles précédents (en gris foncé).
Comme nous l’avons vu dans les deux premiers articles de la série, les régressions de base montrent que les cas de COVID-19 pour mille étaient beaucoup plus élevés dans les comtés à faible revenu et MM, les différences étant statistiquement significatives. Ces différences étaient d’environ 4,2 cas supplémentaires pour mille dans les comtés à faible revenu et 14 cas supplémentaires dans les comtés MM, comme le montrent les barres bleues ci-dessus. Lorsque les contrôles des comorbidités, de la non-assurance, des ressources de soins intensifs, du transport en commun et de l’encombrement à domicile qui ont été abordés dans les premier et deuxième articles de la série sont ajoutés, ces écarts diminuent considérablement, bien que les deux restent significatifs, représentés dans les barres en or.
Les trois variables médiatrices que nous considérons dans cet article sont ajoutées dans les barres indiquées en gris clair. On voit que si les variables médiatrices, en particulier la distanciation sociale au début de l’épidémie locale, semblent avoir un pouvoir explicatif considérable pour les cas de COVID-19 (voir ci-dessous), elles ne fournissent pas beaucoup d’informations supplémentaires sur les sources du MM et de faibles -les écarts de revenus dans l’intensité de la pandémie après avoir inclus les variables considérées dans les articles précédents de cette série. Les coefficients de faible revenu et MM varient peu des barres d’or aux barres gris clair, car le différentiel MM pour les cas reste statistiquement significatif, représentant environ un tiers de l’estimation originale dans notre premier article. Dans les résultats non rapportés, nous voyons que l’ampleur et la signification des autres déterminants potentiels du COVID-19 sont très similaires dans notre analyse à ce qu’ils étaient dans les articles précédents.
Pour évaluer les contributions des variables médiatrices seules, les barres en gris foncé représentent des régressions dans lesquelles seules les variables de base et les variables médiatrices sont incluses. Nous voyons que l’écart des minorités est peu réduit (et l’écart de revenu est en fait augmenté) par rapport à leurs valeurs dans la régression de référence, et sont statistiquement significativement différents de zéro. Dans les résultats non rapportés ici, nous avons également exécuté des régressions dans lesquelles nous avons introduit chacune de ces trois variables séparément dans notre régression de base. Dans chaque cas, nous constatons que ces inclusions affectent à peine la signification économique et statistique de l’écart entre les races et les revenus.
En examinant les associations entre les variables médiatrices et les cas de COVID-19, nous constatons que la distanciation sociale au début de l’épidémie d’un comté est fortement et significativement associée à moins de cas pour mille. Plus précisément, une augmentation de 10 points de pourcentage de la proportion de téléphones portables restant complètement à la maison au début de l’épidémie est associée à 3,78 cas de moins pour mille dans le comté. L’association entre les cas déclarés pour mille et la fraction de plus de 60 ans est positive (c’est-à-dire qu’une plus grande proportion de personnes âgées est associée à plus de cas), tandis que la relation entre les cas déclarés et la pollution est négative, mais aucune de ces associations n’est statistiquement significative.
Conclusion
Nous concluons que la distance sociale a une forte association avec l’intensité du COVID-19, même conditionnelle à d’autres déterminants de la pandémie, tandis que la pollution et la composition par âge ne fournissent pas de pouvoir explicatif supplémentaire une fois que d’autres facteurs sont pris en compte. Aucune des variables médiatrices n’explique davantage les écarts de faible revenu et de MM dans les cas après que d’autres déterminants, tels que les comorbidités, les établissements de santé, le surpeuplement à domicile, les transports publics et la densité de population, aient été pris en compte. Notre analyse étant purement descriptive, nous ne pouvons pas exclure que nos mesures de l’éloignement social, de la pollution et de la proportion de personnes âgées représentent d’autres caractéristiques qui prévalent dans les zones à faible revenu et MM, et que celles-ci peuvent être les moteurs sous-jacents. du COVID-19 dans ces zones. Néanmoins, notre analyse montre comment certaines variables se prêtant à une intervention politique – comme la distance sociale – pourraient contribuer aux différences d’incidence du COVID-19. Dans le prochain article qui clôturera la série, nous tournons notre attention vers une dernière variable médiatrice d’intérêt – la proportion de travailleurs essentiels dans un comté, et voyons si cela aide à expliquer davantage l’écart COVID-19 observé.
Ruchi Avtar est analyste de recherche principal au sein du groupe de recherche et de statistique de la Federal Reserve Bank of New York.
Rajashri Chakrabarti est économiste principal au sein du groupe de recherche et de statistique de la Banque.
Lindsay Meyerson était étudiante en économie à l’Université de Columbia.
Maxim Pinkovskiy est économiste principal au sein du groupe de recherche et de statistique de la Banque.
Comment citer cet article:
Ruchi Avtar, Rajashri Chakrabarti, Lindsay Meyerson et Maxim Pinkovskiy, «Understanding the Racial and Income Gap in COVID-19: Social Distancing, Pollution, and Demographics», Federal Reserve Bank of New York Économie de Liberty Street, 12 janvier 2021, https://libertystreeteconomics.newyorkfed.org/2021/01/understanding-the-racial-and-income-gap-in-covid-19-social-distancing-pollution-and-demographics.html.
Postes d’hétérogénéité supplémentaires sur Économie de Liberty Street
Hétérogénéité: une série de recherche en plusieurs parties
Avertissement
Les opinions exprimées dans ce billet sont celles des auteurs et ne reflètent pas nécessairement la position de la Federal Reserve Bank of New York ou du Federal Reserve System. Toutes erreurs ou omissions sont à la charge des auteurs.
