In addition, we assessed other phys

In addition, we assessed other physical
features of the block groups: garbage accumulation,
graffiti, abandoned cars, billboards
and signs, and general upkeep of nonstructures
such as parks, playgrounds, vacant lots,
and institutional properties. To collect these
data, we walked the block group areas and
evaluated each block or street segment (e.g.,
the 1600 block of Canal St). For each street
segment, we looked for the presence of
garbage, graffiti, and abandoned vehicles. We
developed dichotomous variables to evaluate
these conditions (e.g., presence or absence of
accumulated garbage). The score for each
block group was an aggregate of the percentage
of street segments that had accumulated
garbage, graffiti, or abandoned (apparently
inoperable) cars.
Investigating the physical conditions
of neighborhood public high schools was
another aspect of our survey of neighborhood
conditions. We obtained physical plant
inspection reports of public schools conducted
by the Office of Sanitation Services in
New Orleans. These provided assessments of
the schools’ sites and play areas, buildings,
toilet facilities, handling of solid wastes, and
water supply from drinking fountains. To
code the reports, we totaled the number of
reported problems for each category. We gave
each individual problem of whatever type
highlighted on the report a score of 1, thus,
for example, giving equal weight to a broken
toilet and missing floor tiles. When the sanitation
inspector noted a problem or code violation
in specific rooms or locations in the
school, we gave a point to each room or area
listed on the report. When the report did not
give exact numbers for the observed problems
but cited problems in a “few,” “many,”
or “most” areas of the school or “throughout”
the school, we gave such descriptions the
following values: a few or some = 3 problems;
many or several = 5 problems; most or
throughout = 7 problems.
To link the schools to the block groups,
we obtained school “catchment area” maps
from the New Orleans School Board. Using
MapInfo and a block group boundary map,
we identified those schools whose catchment
areas encompassed our study block groups.
We then gave the schools’ scores (total number
of physical plant problems) to each block
group within each school catchment area.
We also calculated the density of retail
outlets that sold alcohol for consumption off
the premises (“off-sale”) by geocoding all
off-sale licenses obtained from the State
Alcohol Beverage Control Agency. Off-sale
alcohol outlet density has been shown to be
geographically related to gonorrhea rates.24
We created an index that reflects neighborhood
deterioration, the “broken windows”
index, which is the sum of the percentage of
homes with major structural damage, minor
structural damage, or cosmetic damage; the
percentage of streets with trash, abandoned
cars, or graffiti; and the number of physical
problems and building code violations in public
high schools, as documented by the Office
of Sanitation Services. Each of these variables
was normalized, with a mean of 0 and a standard
deviation of 1, so that each contributed
equally to the broken windows index. Using
1990 US Census data with 1995 updates, we
created an index of poverty for each block
group that consisted of the sum of the percentage
of households with incomes of less
than $15000, of individuals with less than a
high school education, and of persons older
than 18 years who were unemployed.
Bivariate relationships among several
variables were examined, including the sum
of rates of gonorrhea (1994–1996), the broken
windows index, the poverty index, and
the percentages of residents who were married,
Black, home owners, between the ages of
15 and 24 years, or female. Since many of the
independent factors measured similar variables
(e.g., broken windows and percentage of
home ownership are related to poverty), correlations
were performed to determine the
extent of possible confounding.
Backward elimination linear regression
was used to examine the relationship of broken
windows to gonorrhea and other correlated
variables. The following variables were
included: the percentage of the population
between the ages of 15 and 25 years, the poverty
index, marital status, home ownership,
broken windows index, off-sale alcohol outlet
density, and race. In addition, it was necessary
to determine whether gonorrhea rates
were related to poverty in different ways,
depending on the level of neighborhood deterioration.
To test this, an interaction term was
added to the regression model. Results
showed no significance, so the term was
omitted. Using ANOVA, we calculated the
difference in mean gonorrhea rates among
high- and low-poverty block groups and
block groups with high and low broken windows
indexes.

ผลลัพธ์ (ไทย) 1:

นอกจากนี้ เราประเมินทางกายภาพอื่น ๆคุณลักษณะของกลุ่มบล็อก: ขยะสะสมรอยขูดขีดเขียน ป้ายโฆษณา รถยนต์ละทิ้งและสัญญาณ และค่าบำรุงรักษาทั่วไปของ nonstructuresสวน playgrounds ว่าง มากและคุณสมบัติของสถาบัน เพื่อรวบรวมเหล่านี้ข้อมูล เราเดินบล็อกกลุ่มพื้นที่ และประเมินแต่ละบล็อกหรือถนนเมนต์ (เช่น1600 บล็อกของคลองเซนต์) สำหรับแต่ละถนนเซ็กเมนต์ เราดูของขยะ ต่าง และยานพาหนะละทิ้ง เราตัวแปร dichotomous พัฒนาประเมินเงื่อนไขเหล่านี้ (เช่นขยะ) คะแนนสำหรับแต่ละกลุ่มบล็อกถูกรวมเป็นเปอร์เซ็นต์ส่วนถนนที่มีสะสมของขยะ ต่าง หรือถูกทอดทิ้ง (เห็นได้ชัดรถใช้งานไม่)ตรวจสอบสภาพทางกายภาพย่านโรงเรียนสูงสาธารณะได้อีกด้านของการสำรวจพื้นที่ใกล้เคียงเงื่อนไขการ เราได้โรงงานที่มีอยู่จริงดำเนินการตรวจสอบรายงานของโรงเรียนโดยสำนักบริการสุขาภิบาลในนิวออร์ลีนส์ เหล่านี้ให้ประเมินเว็บไซต์ของโรงเรียนและเล่นพื้นที่ อาคารห้องน้ำ การจัดการของเสียของแข็ง และน้ำจากน้ำพุดื่ม ถึงรหัสรายงาน เรารวมจำนวนปัญหาที่รายงานของแต่ละประเภท เราให้แต่ละปัญหาแต่ละชนิดใดเน้นในรายงานคะแนน 1 ดังนั้นตัวอย่าง ให้น้ำหนักเท่ากับการเสียห้องน้ำและกระเบื้องชั้นหายไป เมื่อการสุขาภิบาลตรวจสอบการละเมิดปัญหาหรือรหัสที่ระบุไว้ในห้องเฉพาะหรือสถานที่ในการโรงเรียน เราให้จุดแต่ละห้องหรือพื้นที่แสดงบนรายงาน เมื่อรายงานไม่ให้ตัวเลขที่แน่นอนสำหรับปัญหาที่พบแต่ปัญหาในการ "ไม่ อ้าง"มากหรือพื้นที่ "ส่วนใหญ่" ของโรงเรียน หรือ "ตลอด"โรงเรียน เราให้คำอธิบายดังกล่าวนี้ค่าต่อไปนี้: กี่ หรือบางปัญหา 3 =มาก หรือหลาย = 5 ปัญหา มากที่สุด หรือตลอด =ปัญหา 7เชื่อมโยงโรงเรียนในกลุ่มบล็อกเรารับแผนที่โรงเรียน "พื้นที่เก็บกักน้ำ"จากคณะกรรมการโรงเรียนนิวออร์ลีนส์ โดยใช้MapInfo และแผนที่ขอบเขตกลุ่มบล็อกเราระบุโรงเรียนที่ลุ่มน้ำพื้นที่ผ่านเราศึกษาบล็อกกลุ่มเราให้คะแนนของโรงเรียน (รวมตัวเลขแล้วโรงงานจริงปัญหา) ให้แต่ละบล็อกกลุ่มภายในพื้นที่ลุ่มน้ำแต่ละโรงเรียนเรายังคำนวณความหนาแน่นของการขายปลีกร้านที่ขายเครื่องดื่มแอลกอฮอล์ในปริมาณออกสถานที่ ("ออกขาย") โดยรหัสทางภูมิศาสตร์ทั้งหมดปิดขายใบอนุญาตที่ได้รับจากรัฐหน่วยงานควบคุมเครื่องดื่มแอลกอฮอล์ ปิดขายได้รับการแสดงความหนาแน่นของร้านเหล้าให้กันทางภูมิศาสตร์ที่เกี่ยวข้องกับหนองใน rates.24เราสร้างดัชนีที่สะท้อนให้เห็นถึงพื้นที่ใกล้เคียงเสื่อมสภาพ "เสีย windows"ดัชนี ซึ่งเป็นผลรวมของเปอร์เซ็นต์ของจำนวนบ้านที่ มีความเสียหายโครงสร้างใหญ่โครงสร้างความเสียหาย หรือเครื่องสำอางเสีย ที่เปอร์เซ็นต์ของถนนที่มีขยะ ถูกทอดทิ้งรถยนต์ หรือกราฟฟิติ และจำนวนจริงปัญหาและการสร้างรหัสการละเมิดในที่สาธารณะโรงเรียนสูง ที่จัด โดยสำนักงานของบริการสุขาภิบาล แต่ละตัวแปรเหล่านี้ได้ตามปกติ มีค่าเฉลี่ย 0 และมาตรฐานความแตกต่างของ 1 หรอกดังนั้นแต่ละที่เท่า ๆ กันให้ดัชนี windows เสียหาย โดยใช้ปี 1990 ข้อมูลสำมะโนสหรัฐอเมริกาปรับปรุง 1995 เราสร้างดัชนีของความยากจนสำหรับแต่ละบล็อคกลุ่มที่ประกอบด้วยผลรวมของเปอร์เซ็นต์ของครัวเรือนที่มีรายได้น้อยกว่า 15000 ของบุคคลที่มีน้อยกว่ามัธยมศึกษา และผู้สูงอายุกว่า 18 ปีที่มีงานทำความสัมพันธ์ bivariate หลาย ๆตัวแปรได้ตรวจสอบการ การรวมผลรวมอัตราของหนองใน (1994-1996), การเสียดัชนี windows ดัชนีความยากจน และเปอร์เซ็นต์ของคนที่แต่งงานสีดำ บ้านเจ้าของ อายุระหว่าง15 และ 24 ปี หรือเพศหญิง เนื่องจากหลายปัจจัยอิสระวัดตัวแปรที่คล้ายคลึงกัน(เช่น windows เสียและเปอร์เซ็นต์ของเจ้าของบ้านมีความสัมพันธ์กับความยากจน), ความสัมพันธ์ดำเนินการตรวจสอบการขอบเขตของ confounding ได้ถดถอยเชิงเส้นตัดออกย้อนหลังใช้ในการตรวจสอบความสัมพันธ์ของเสียcorrelated windows หนองในและอื่น ๆตัวแปร ตัวแปรต่อไปนี้ได้รวม: เปอร์เซ็นต์ของประชากรระหว่างอายุ 15 25 ปี ความยากจนการดัชนี สถานภาพสมรส เจ้าบ้านดัชนี windows เสีย ร้านเหล้าปิดขายความหนาแน่น และการแข่งขัน นอกจากนี้ ก็จำเป็นการตรวจสอบว่าหนองในแท้ราคาพิเศษเกี่ยวข้องกับความยากจนในลักษณะต่าง ๆขึ้นอยู่กับระดับของการเสื่อมสภาพของพื้นที่ใกล้เคียงการทดสอบนี้ ระยะโต้ตอบได้เพิ่มแบบจำลองถดถอย ผลลัพธ์แสดงให้เห็นความสำคัญ ในระยะไกลข้ามไป เราใช้การวิเคราะห์ความแปรปรวน คำนวณการความแตกต่างในอัตราเฉลี่ยหนองในระหว่างกลุ่มบล็อกสูง - และต่ำความยากจน และกลุ่มบล็อกกับ windows เสียสูงและต่ำดัชนี

ผลลัพธ์ (ไทย) 2:

นอกจากนี้เราประเมินทางกายภาพอื่น ๆ
คุณสมบัติของกลุ่มบล็อก:
การสะสมขยะกราฟฟิตีรถยนต์ที่ถูกทิ้งร้างป้ายและสัญญาณและค่าบำรุงรักษาทั่วไปของ
nonstructures เช่นสวนสาธารณะสนามเด็กเล่นจำนวนมากที่ว่างและคุณสมบัติสถาบัน เหล่านี้ในการเก็บรวบรวมข้อมูลที่เราเดินในพื้นที่ที่กลุ่มบล็อกและการประเมินแต่ละส่วนบล็อกหรือถนน(เช่น1600 บล็อกคลองเซนต์) สำหรับแต่ละสถานที่ส่วนที่เรามองหาการปรากฏตัวของขยะ, Graffiti, และยานพาหนะที่ถูกทิ้งร้าง เราพัฒนา dichotomous ตัวแปรในการประเมินเงื่อนไขเหล่านี้(เช่นการแสดงตนหรือไม่มีขยะสะสม) คะแนนแต่ละกลุ่มบล็อกเป็นรวมของร้อยละของกลุ่มสถานที่ที่ได้สะสมขยะ, Graffiti, หรือยกเลิก (เห็นได้ชัดว่าปฏิบัติไม่ได้) รถยนต์. ตรวจสอบเงื่อนไขทางกายภาพของพื้นที่ใกล้เคียงโรงเรียนมัธยมสาธารณะทุกแง่มุมของการสำรวจของเราของพื้นที่ใกล้เคียงอีกเงื่อนไข เราได้รับพืชทางกายภาพรายงานการตรวจสอบของโรงเรียนของรัฐดำเนินการโดยสำนักงานบริการสุขาภิบาลในนิวออร์ เหล่านี้ให้การประเมินผลของเว็บไซต์ที่โรงเรียนและพื้นที่เล่น, อาคาร, ห้องสุขา, การจัดการของเสียที่เป็นของแข็งและน้ำประปาจากการดื่มน้ำพุ ต้องการรหัสรายงานที่เรามีจำนวนทั้งสิ้นจำนวนการรายงานปัญหาสำหรับแต่ละประเภท เราได้ให้แต่ละปัญหาแต่ละประเภทสิ่งที่เน้นในรายงานคะแนน1 จึงยกตัวอย่างเช่นให้น้ำหนักเท่ากับหักห้องน้ำและกระเบื้องปูพื้นหายไป เมื่อสุขาภิบาลสารวัตรตั้งข้อสังเกตปัญหาหรือการละเมิดรหัสในห้องพักที่เฉพาะเจาะจงหรือสถานที่ในโรงเรียนเราให้ชี้ไปที่แต่ละห้องหรือพื้นที่ที่ระบุไว้ในรายงาน เมื่อรายงานไม่ได้ให้ตัวเลขที่แน่นอนสำหรับปัญหาข้อสังเกตแต่อ้างปัญหาใน "กี่", "มาก" หรือ "มากที่สุด" พื้นที่ของโรงเรียนหรือ "ตลอด" โรงเรียนเราให้รายละเอียดดังกล่าวค่าต่อไปนี้: ไม่กี่ หรือบาง = 3 ปัญหามากหรือหลาย= 5 ปัญหา ส่วนใหญ่หรือตลอด = 7 ปัญหา. หากต้องการเชื่อมโยงโรงเรียนกลุ่มบล็อกเราได้รับโรงเรียน "พื้นที่" แผนที่จากนิวออร์คณะกรรมการโรงเรียน ใช้MapInfo และแผนที่เขตแดนกลุ่มบล็อกเราระบุโรงเรียนเหล่านั้นมีการเก็บกักน้ำในพื้นที่รวมกลุ่มบล็อกการศึกษาของเรา. จากนั้นเราจะให้คะแนนโรงเรียน (จำนวนรวมของปัญหาที่โรงงานทางกายภาพ) เพื่อป้องกันในแต่ละกลุ่มที่อยู่ในโรงเรียนพื้นที่แต่ละ. นอกจากนี้เรายังคำนวณ ความหนาแน่นของการค้าปลีกร้านค้าที่ขายเครื่องดื่มแอลกอฮอล์สำหรับการบริโภคนอกสถานที่("ปิดการขาย") โดย geocoding ทุกใบอนุญาตปิดการขายที่ได้รับจากรัฐเครื่องดื่มแอลกอฮอล์ของหน่วยงานควบคุม ปิดการขายเครื่องดื่มแอลกอฮอล์ร้านหนาแน่นได้รับการแสดงที่จะเป็นทางภูมิศาสตร์ที่เกี่ยวข้องกับโรคหนองในrates.24 เราได้สร้างดัชนีที่สะท้อนให้เห็นถึงพื้นที่ใกล้เคียงการเสื่อมสภาพที่ "หน้าต่างแตก" ดัชนีซึ่งเป็นผลรวมของร้อยละของบ้านที่มีความเสียหายของโครงสร้างที่สำคัญรองโครงสร้างความเสียหายหรือความเสียหายเครื่องสำอาง ร้อยละของถนนที่มีถังขยะที่ถูกทิ้งร้างรถยนต์หรือกราฟฟิตี; และจำนวนของทางกายภาพปัญหาและการละเมิดรหัสอาคารในที่สาธารณะโรงเรียนมัธยมเป็นเอกสารโดยสำนักงานบริการสุขาภิบาล แต่ละตัวแปรเหล่านี้ได้ปกติมีค่าเฉลี่ย 0 และมาตรฐานการเบี่ยงเบนจาก1, เพื่อให้แต่ละส่วนร่วมอย่างเท่าเทียมกันเพื่อดัชนีหน้าต่างแตก ใช้1990 ข้อมูลสำรวจสำมะโนประชากรของสหรัฐกับ 1995 การปรับปรุงเราสร้างดัชนีของความยากจนสำหรับแต่ละบล็อกกลุ่มที่ประกอบไปด้วยผลรวมของร้อยละของครัวเรือนที่มีรายได้น้อยกว่า15,000 $ ของบุคคลที่มีน้อยกว่าการศึกษาโรงเรียนมัธยมและผู้สูงอายุกว่า 18 ปีที่มีการว่างงาน. ความสัมพันธ์ทวิในหลายตัวแปรที่มีการตรวจสอบรวมถึงผลรวมของอัตราของโรคหนองใน(1994-1996) เสียดัชนีหน้าต่างดัชนีความยากจนและร้อยละของผู้อยู่อาศัยที่ได้รับการแต่งงาน, ดำ, เจ้าของบ้าน , อายุระหว่าง15 และ 24 ปีหรือหญิง เนื่องจากหลายปัจจัยที่เป็นอิสระวัดตัวแปรที่คล้ายกัน(เช่นหน้าต่างแตกและร้อยละของเจ้าของบ้านที่เกี่ยวข้องกับการแก้ไขปัญหาความยากจน) ความสัมพันธ์ได้ดำเนินการในการกำหนดขอบเขตของการรบกวนที่เป็นไปได้. ย้อนหลังกำจัดการถดถอยเชิงเส้นถูกใช้ในการศึกษาความสัมพันธ์ของการหักหน้าต่างโรคหนองในและอื่น ๆ ที่มีลักษณะร่วมตัวแปร ตัวแปรต่อไปนี้ถูกรวม: ร้อยละของประชากรที่มีอายุระหว่าง15 และ 25 ปีที่ผ่านมาจนดัชนีสถานภาพสมรสเป็นเจ้าของบ้าน, ดัชนีหน้าต่างแตกแอลกอฮอล์ออกจากร้านขายหนาแน่นและการแข่งขัน นอกจากนี้ยังเป็นสิ่งที่จำเป็นเพื่อตรวจสอบว่าอัตราโรคหนองในมีความสัมพันธ์กับความยากจนในรูปแบบที่แตกต่างกันขึ้นอยู่กับระดับของการเสื่อมสภาพพื้นที่ใกล้เคียง. การทดสอบนี้ระยะปฏิสัมพันธ์ที่ถูกเพิ่มเข้ามาในรูปแบบการถดถอย ผลแสดงให้เห็นความสำคัญไม่ดังนั้นระยะที่ถูกมองข้าม ใช้ ANOVA เราคำนวณแตกต่างในอัตราเฉลี่ยในหมู่หนองสูงและกลุ่มบล็อกต่ำยากจนและกลุ่มบล็อกที่มีหน้าต่างแตกสูงและต่ำดัชนี

ผลลัพธ์ (ไทย) 3:

นอกจากนี้ เราประเมินคุณสมบัติทางกายภาพอื่น ๆของบล็อกกลุ่ม

การทิ้งขยะสะสมรถยนต์ป้าย
และป้ายและการบำรุงรักษาทั่วไปของ nonstructures
เช่น สวนสาธารณะ สนามเด็กเล่น ว่างมากมาย
และทรัพย์สินของสถาบัน การรวบรวมข้อมูลเหล่านี้
เดินพื้นที่บล็อกกลุ่มและ
ประเมินแต่ละบล็อก หรือถนนส่วน ( เช่น
1600 บล็อกของคลองเซนต์ ) แต่ละถนน
ส่วน เรา ดู การปรากฏตัวของ
ขยะ กราฟฟิตี้ และทิ้งรถ เรา

พัฒนาไดโคโตมัสตัวแปรที่จะประเมินเงื่อนไขเหล่านี้ ( เช่นการแสดงตนหรือขาด
สะสมขยะ ) คะแนนสำหรับแต่ละ
บล็อกกลุ่มรวมค่า

ส่วนของถนนที่มีการสะสมขยะ กราฟฟิตี้ หรือทิ้ง ( ใช้อย่างเห็นได้ชัด

) รถยนต์ตรวจสอบสภาพทางกายภาพของชุมชนโรงเรียนมัธยมในที่สาธารณะ

เป็นอีกแง่มุมหนึ่งของการสำรวจของเราสภาพบ้าน

เราได้รับรายงานการตรวจสอบทางกายภาพของพืช

โรงเรียนดำเนินการโดยสำนักงานบริการสุขาภิบาลใน
นิวออร์ลีนส์ เหล่านี้ได้รับการประเมิน
เว็บไซต์ของโรงเรียนและเล่นพื้นที่อาคาร
เครื่องห้องน้ำ , การจัดการขยะและ
น้ำจากน้ำพุดื่ม

โค้ดรายงานเรารวมยอดจำนวน
รายงานปัญหาแต่ละประเภท เราให้แต่ละบุคคล ไม่ว่าประเภทของปัญหา

เน้นเกี่ยวกับรายงานคะแนน 1 , ดังนั้น ,
ตัวอย่างเช่น การให้น้ำหนักเท่ากับส้วมแตก
และขาดหายไป กระเบื้องปูพื้น เมื่อสารวัตรสุขาภิบาล
ระบุปัญหาหรือรหัสการละเมิด
ในเฉพาะห้องหรือสถานที่ใน
โรงเรียนเราให้จุดแต่ละห้องหรือบริเวณ
ที่ระบุในรายงาน เมื่อรายงานไม่ได้ให้ตัวเลขที่แน่นอน

แต่อ้างจากปัญหาปัญหาใน " บาง " หลาย "
" ที่สุด " พื้นที่ของโรงเรียนหรือ " ตลอด "
โรงเรียนเราให้เช่นคำอธิบาย
ต่อไปนี้ค่า : ไม่กี่หรือ = 3
มากหรือปัญหา หลาย = 5 ปัญหา ส่วนใหญ่หรือ
ตลอด =
7 ปัญหาลิงค์ไปที่โรงเรียนเพื่อป้องกันกลุ่ม
เราได้รับโรงเรียน " พื้นที่รับน้ำ " แผนที่
จากนิวออร์ลีนส์โรงเรียนคณะกรรมการ ใช้
mapinfo และบล็อกกลุ่มเขตแดนแผนที่
เราระบุผู้ที่มีพื้นที่ครอบคลุมถึงกลุ่มโรงเรียนลุ่มน้ำ

บล็อกการศึกษาของเรา เราก็ให้คะแนนของโรงเรียน (
จำนวนปัญหาพืชทางกายภาพ ) แต่ละกลุ่มภายในแต่ละบล็อก

โรงเรียนพื้นที่ .เราสามารถคำนวณความหนาแน่นของร้านค้าปลีกที่ขายเครื่องดื่มแอลกอฮอล์การบริโภคออก

สถานที่ ( " ปิดการขาย " ) โดยทั้งหมดได้ออกใบอนุญาตขายอุทัยธานี

จากรัฐควบคุมเครื่องดื่มแอลกอฮอล์หน่วยงาน ปิดการขาย
เหล้าร้านความหนาแน่นได้ถูกแสดงเป็น ทางภูมิศาสตร์ที่เกี่ยวข้องกับอัตรา

เราโรคหนองใน 24 สร้างดัชนีที่สะท้อนความเสื่อมแถวนี้

" เสีย Windows " ดัชนีซึ่งคือผลรวมของค่า
บ้านที่มีโครงสร้างหลักความเสียหายเล็กน้อย
โครงสร้างความเสียหายหรือความเสียหายเครื่องสำอาง ;
เปอร์เซ็นต์ของถนนกับขยะ ทิ้ง
รถยนต์ หรือข้อความ และตัวเลขของปัญหาทางกายภาพและการละเมิดรหัสอาคารในที่สาธารณะ

โรงเรียนที่จัดโดยสำนักงาน
ของบริการ สุขาภิบาล แต่ละตัวแปรเหล่านี้
คือมาตรฐานกับค่าเฉลี่ยของ 0 และส่วนเบี่ยงเบนมาตรฐาน
1 , เพื่อให้แต่ละส่วน
คือดัชนีหน้าต่างแตก โดยใช้ข้อมูลการสำรวจสำมะโนประชากรในปี 1990 เรา

มีการปรับปรุง , เราสร้างดัชนีความยากจนสำหรับแต่ละบล็อก
กลุ่มที่ประกอบด้วยผลรวมของค่าร้อยละของครัวเรือนที่มีรายได้น้อย

กว่า $ 15 , 000 , บุคคลน้อยกว่าการศึกษา
โรงเรียนมัธยม และผู้สูงอายุ
กว่า 18 ปี ที่กำลังว่างงาน โดยใช้ความสัมพันธ์ระหว่างตัวแปรหลาย ๆ

มีการรวมผลรวม
ของอัตราของโรคหนองใน ( 1994 - 1996 ) , ดัชนีหน้าต่างแตก

ดัชนีความยากจน และเปอร์เซ็นต์ของคนที่แต่งงานแล้ว
ดำ บ้านเจ้าของ ระหว่างวัยของ
15 และ 24 ปี หรือหญิง เนื่องจากหลายตัวแปรอิสระตัวแปรวัดเหมือนกัน

( เช่นหน้าต่างแตกและร้อยละ
ความเป็นเจ้าของบ้านเกี่ยวข้องกับความยากจน ) ความสัมพันธ์ยังได้

เท่าที่เป็นไปได้ confounding .

ใช้ขจัดย้อนกลับการถดถอยเชิงเส้นเพื่อศึกษาความสัมพันธ์ของหน้าต่างแตก
เพื่อโรคหนองในและอื่น ๆความสัมพันธ์
ตัวแปร ตัวแปรต่อไปนี้รวม :

ร้อยละของประชากรอายุระหว่าง 15 25 ปีความยากจน
ดัชนีสถานภาพความเป็นเจ้าของบ้าน
ดัชนี windows เสีย ปิดร้านขายเหล้า
ความหนาแน่น และการแข่งขัน นอกจากนี้มันเป็นสิ่งที่จำเป็นเพื่อตรวจสอบว่าอัตรา

โรคหนองในมีความสัมพันธ์กับความยากจนในรูปแบบที่แตกต่างกันขึ้นอยู่กับระดับของความเสื่อม

บ้าน การทดสอบนี้ ปฏิสัมพันธ์ระหว่างภาคเรียน
เพิ่มการถดถอยแบบ พบว่าผล

ดังนั้นระยะคือละเว้นได้ โดยใช้การวิเคราะห์ความแปรปรวน เราคำนวณความแตกต่างในอัตราระหว่างหมายความว่าหนองใน

สูงและกลุ่มต่ำ และป้องกันความยากจน
บล็อกกลุ่มสูงและดัชนี Windows
เสียต่ำ