Abstract

Research indicates that the relationship between socioeconomic status (SES) and health outcomes are robust, though no ‘gold standard’ as to what best captures SES exists. Many studies use individual proxies to control for SES, but there are a number of limitations to doing so. Additionally, little research has been conducted as to how to develop a US-based composite SES index that can be utilized across various datasets. The aim of the study is to generate a weighted SES index, following the National Assessment of Educational Progress (NAEP)’s call for an understanding of SES groupings and the guidance of the Bureau of Justice’s SES index. After generating a composite SES index, we evaluate whether or not each unique index delivers a similar classification of SES across four national datasets and empirically compare the resulting grouping across datasets utilizing multiple regression analyses. Using weighted descriptive statistics and weighted logistic regression analyses, we reveal the key variations in the distribution of determinants of the socioeconomic index. While previous studies conflated race and ethnicity with SES to resulting health indicators, this study captures both, highlighting the importance of each covariate and a composite index. Our findings suggest similar outcomes with regards to the assigned SES classifications (i.e. low, middle, and high SES) across the four national datasets.

摘要

研究表明，社会经济地位 (SES) 与健康结果之间存在密切关系，但目前尚不存在最能体现 SES 的“黄金标准”。许多研究使用个体代理来控制 SES，但这样做有许多限制。此外，关于如何开发可在各种数据集上使用的美国综合 SES 指数的研究很少。该研究的目的是根据国家教育进步评估 (NAEP) 要求了解 SES 分组的要求以及司法局 SES 指数的指导，生成加权 SES 指数。生成复合SES指数后，我们评估每个唯一索引是否在四个国家数据集中提供类似的 SES 分类，并利用多元回归分析对数据集的结果分组进行实证比较。使用加权描述性统计和加权逻辑回归分析，我们揭示了社会经济指数决定因素分布的关键变化。虽然之前的研究将种族和族裔与社会经济地位混为一谈，以得出健康指标，但本研究涵盖了两者，强调了每个协变量和综合指数的重要性。我们的研究结果表明，四个国家数据集中指定的 SES 分类（即低、中和高 SES）具有相似的结果。使用加权描述性统计和加权逻辑回归分析，我们揭示了社会经济指数决定因素分布的关键变化。虽然之前的研究将种族和族裔与社会经济地位混为一谈，以得出健康指标，但本研究涵盖了两者，强调了每个协变量和综合指数的重要性。我们的研究结果表明，四个国家数据集中指定的 SES 分类（即低、中和高 SES）具有相似的结果。使用加权描述性统计和加权逻辑回归分析，我们揭示了社会经济指数决定因素分布的关键变化。虽然之前的研究将种族和族裔与社会经济地位混为一谈，以得出健康指标，但本研究涵盖了两者，强调了每个协变量和综合指数的重要性。我们的研究结果表明，四个国家数据集中指定的 SES 分类（即低、中和高 SES）具有相似的结果。