Spread Dan Efek Kembali Untuk Komunitas Nonmetropolitan Di As2

25/11/2019 SPREAD DAN EFEK KEMBALI UNTUK KOMUNITAS NONMETROPOLITAN DI AS
Halaman 1
JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013, hlm. 1–17
EFEK SPREAD DAN CADANGAN UNTUK NONMETROPOLITAN

KOMUNITAS DI AS
Joanna P. Ganning
Perencanaan Kota dan Pengembangan Real Estat, Pusat Keberlanjutan, Universitas Saint Louis,
3964 West Pine Mall, 209E Des Peres Hall, St. Louis, MO 63108. E-mail: jganning@slu.edu
Kathy Baylis
Departemen Ekonomi Pertanian dan Konsumen, Universitas Illinois Urbana-Champaign,
1301 West Gregory Drive, 302B Mumford Hall, Urbana, IL 61801. E-mail: baylis@illinois.edu
Bumsoo Lee
Departemen Perencanaan Kota dan Wilayah, Universitas Illinois di Urbana-Champaign, 611 E.
Lorado Taft Drive, 111 Temple Buell Hall, Champaign, IL 61820. E-mail: bumsoo@illinois.edu
ABSTRAK. Beberapa penelitian secara empiris memperkirakan dampak pertumbuhan metropolitan pada non-metropolitan
masyarakat pada skala nasional. Makalah ini memperkirakan efek pertumbuhan 276 MSA pada populasi di
1.988 komunitas non-metropolitan di Amerika Serikat dari 2000 hingga 2007. Kami memperkirakan jaraknya
untuk limpahan pertumbuhan dari MSA ke komunitas non-metropolitan dan menguji asumsi bahwa satu
MSA memengaruhi pertumbuhan. Kami membandingkan tiga metode pengaruh kota pembobotan: hanya kota terdekat,
jarak terbalik, dan arus komuter relatif ke beberapa kota. Kami menemukan pendekatan jarak terbalik
memberikan hasil yang sedikit lebih dapat diandalkan dan secara teoritis didukung daripada kota tradisional terdekat
pendekatan.
1. PERKENALAN
Integrasi kota-kota dengan pinggirannya dapat dipandang negatif sebagai gepeng atau positip
secara efektif sebagai integrasi pedesaan. Bagi peneliti yang mempelajari pembangunan pedesaan, fakta sederhana
bahwa pertumbuhan tidak dapat dipahami sebagai terisolasi dari nasib perkotaan mengarah pada studi urban-
model hubungan pedesaan (Partridge et al., 2007). Bahwa pembangunan kota dapat memengaruhi penduduk desa
Ulasi melalui pertumbuhan atau penurunan ditangkap oleh istilah spread dan efek backwash.
Pertumbuhan literatur baru-baru ini di sekitar ekonomi aglomerasi dan fasilitas
menghambat pertumbuhan di kota-kota terhadap pertumbuhan di daerah-daerah terpencil. Studi-studi ini secara konsisten
menerangi variasi yang disebabkan oleh konteks lokal (Barkley, Henry, dan Bao, 1996; Zhang, 2001;
Partridge dan Rickman, 2003b). Namun, mereka cenderung tidak sengaja memaksakan asumsi.
di semua lokasi penelitian: bahwa daerah terpencil hanya menikmati manfaat pertumbuhan dari yang terdekat saja
kota.
Berbeda dengan asumsi ini, statistik deskriptif mengungkapkan akses multi kota
tersedia untuk penduduk pedesaan di Amerika Serikat. Rata-rata, sedangkan nonmetropolitan
tempat-tempat yang dipelajari dalam naskah ini berjarak 46 mil dari pusat kota terdekat, juga jatuh
dalam 100 mil dari empat kota pusat. Dalam tulisan ini, kami menguji apakah spread-backwash
efek di komunitas AS non-metropolitan dipengaruhi hanya oleh kota terdekat atau juga
oleh beberapa kota terdekat. Selain itu, kami menguji dan membandingkan dua metode pemilihan
kumpulan beberapa kota yang berpengaruh.
Pertama, kami menggunakan metode tradisional yang menghubungkan setiap tempat non-metropolitan hanya dengan miliknya
kota terdekat (Area Statistik Metropolitan / Kawasan Statistik Metropolitan Terkonsolidasi,
Diterima: September 2011; direvisi: Januari 2013; diterima: Januari 2013.
oC2013, Wiley Periodicals, Inc.

DOI: 10.1111 / jors.12026
https://translate.googleusercontent.com/translate_f 1/16
Halaman 2
2 JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013
MSA). Kedua, kami menggunakan metode jarak terbalik pengaruh kota pembobotan pada non-kota.
tempat metropolitan, dengan jarak ambang batas maksimum yang ditentukan. Metode kedua ini
mengasumsikan bahwa sementara kota terdekat memiliki pengaruh kuat pada nonmetropolitan
tempat, kota terdekat lainnya juga penerima barang yang diproduksi secara rasional dan penumpang.
Ketiga, kami mempertimbangkan pengaruh kota terhadap pertumbuhan tempat bukan metropolitan menurut the
arus komuter antara setiap tempat non-metropolitan dan setiap MSA. Pendekatan ini untuk
menuding peran mobilitas tenaga kerja dan lebih sedikit pada aliran barang dari nonmetropolitan ke
tempat metropolitan.
Kontribusi utama makalah ini adalah perbandingan tiga struktur alternatif
efek penyebaran-backwash untuk 276 MSA pada pertumbuhan populasi di 1.988 non-metropolitan
Sensus menempatkan seluruh AS dari 2000 hingga 2007 untuk memahami kontribusi potensial
dari beberapa kota ke efek penyebaran bukan metropolitan. Secara teoritis, jarak-terbalik
model beberapa kota menarik, karena model kota terdekat tidak fleksibel untuk dipasarkan
bergeser yang mengubah perilaku komuter dan model komuter-tertimbang berpotensi
melebih-lebihkan efek penyebaran yang diperoleh melalui perjalanan (versus arus barang atau proksi
imity to urban amenities). Selain itu, MSA didefinisikan sebagian oleh arus komuter, jadi
secara default tempat-tempat bukan metropolitan tidak mungkin mencerminkan efek sebaran atau pencucian balik yang sebenarnya.
Pendekatan komuter memang menangkap hubungan kerja eksplisit antara
larangan dan daerah pedesaan dan potensi pasar relatif dari masing-masing kota yang berpengaruh, dan
Oleh karena itu pendekatan yang menggoda.
Kedua, penelitian ini cocok untuk generalisasi lebih meyakinkan daripada banyak mantan
isting studi spread-backwash. Dalam menanggapi panggilan dari Partridge et al. (2007) untuk
studi termasuk lebih banyak variasi dalam karakteristik perkotaan dan pedesaan, sampel kami meliputi
tempat nonmetropolitan dan MSA di seluruh Amerika Serikat, tempat studi sebelumnya
umumnya terbatas pada daerah perkotaan di daerah kecil (misalnya, Henry, Schmitt, dan
Piguet, 2001; untuk pengecualian penting, lihat Partridge et al., 2007). Jarak terbalik
Model juga mengisi celah lain yang diidentifikasi oleh Partridge et al. (2007, hal. 129): pengukuran
dari "pengaruh jarak yang berkelanjutan pada limpahan pertumbuhan perkotaan."
2. LATAR BELAKANG PADA KONSEP SPREAD-BACKWASH

Konsep menyebar-backwash diperkenalkan pada 1950-an dengan hampir sama
neous publikasi Hirschman (1958) dan Myrdal (1957). Hirschman "menetes"
pengaruh perkotaan pada daerah-daerah terpencil secara konseptual analog dengan efek penyebaran Myrdal.
Menurut Hirschman (1958, p. 188), yang paling penting dari efek positif adalah
"pembelian dan investasi" wilayah yang lebih berkembang di wilayah yang kurang berkembang.
Sebaliknya, efek negatif Hirschman (backwash atau polarisasi) termasuk migrasi
dari daerah pedesaan ke daerah yang lebih maju, terutama yang lebih terampil dan
pekerja terlatih, dan lemahnya produksi di wilayah terpencil, disebabkan oleh perkotaan yang unggul
kompetisi.
Seperti yang dirangkum oleh Barkley, Henry, dan Bao (1996), aliran dana investasi,
pengeluaran untuk barang dan jasa, orang, perusahaan dan pekerjaan, pengetahuan dan teknologi,
dan pengeluaran pemerintah menghasilkan implikasi pertumbuhan positif dan negatif untuk pedesaan
area. Implikasi-implikasi ini berkisar dari pergerakan teori siklus hidup perusahaan ke pinggiran
(memberikan efek menyebar) untuk investasi dana pedesaan dalam memperluas pasar perkotaan
(efek backwash). Apakah aliran ini terjadi, atau sejauh mana mereka terjadi, bergantung pada a
berbagai faktor, termasuk metode produksi, jarak, dan konteks daerah terpencil
lokasi, seperti apakah lokasi menawarkan layanan publik berkualitas tinggi dan lebih rendah
biaya sektor publik (Henry, Barkley, dan Bao, 1997). Sedangkan sebagian besar riset, termasuk itu
disajikan di sini, lebih menyukai dominasi efek sebaran, kisaran aliran, dan
oC 2013, Wiley Periodicals, Inc.
Halaman 3
GANNING, BAYLIS, DAN LEE: EFEK SPREAD DAN CADANGAN 3
prasyarat yang memandu besarnya arus menghadirkan kemungkinan terjadinya backwash

efek bisa mendominasi (misalnya, Barkley, Henry, dan Bao, 1994).
Paling sederhana, penyebaran dan backwash dapat diukur dengan perubahan populasi
atau perubahan pendapatan sebagai fungsi jarak ke dan pertumbuhan di kota terdekat (Berry,
1970; Gaile, 1980). Terlepas dari struktur ekonomi atau fasilitas kota (meskipun ini
fitur tentu saja penting, seperti yang dibahas di bawah ini; lihat juga Blank, 2005), dimungkinkan untuk
komunitas untuk tumbuh jika kelebihan tenaga kerjanya dapat mengakses kota, atau jika komunitas dapat mengakses
sektor layanan kota dan rekreasi. Sebagai Partridge et al. (2007) menjelaskan, konsep
efek pertumbuhan populasi yang semata-mata disebabkan oleh jarak ke pusat kota
disebut diskon jarak perkotaan (UDD). Selain UDD, beberapa faktor mungkin
pengaruh penyebaran dan efek backwash, terutama, pendapatan dan pertumbuhan populasi
tingkat kota terdekat atau seperangkat kota, dan karakteristik non metropolitan
masyarakat, seperti usia dan struktur ekonomi.
Transisi dari teori ke empiris dimulai dengan sungguh-sungguh pada akhir 1980-an ketika Car-
lino and Mills (1987) mengeksplorasi faktor-faktor penentu eksogen pertumbuhan tingkat kabupaten oleh simul-
mengestimasi lapangan kerja dan pertumbuhan populasi. Pada 1994, Hughes dan Holland
menyediakan upaya pertama untuk secara sistematis mengevaluasi efek penyebaran dan backwash di Internet
Amerika Serikat, menggunakan model input-output (I – O) untuk memeriksa hubungan core-periphery
untuk Negara Bagian Washington. Pendekatan yang lebih sederhana untuk membandingkan kepadatan populasi dari waktu ke waktu
digunakan oleh Henry, Barkley, dan Bao (1997) untuk delapan Area Ekonomi Fungsional di
Pertumbuhan Intra-metropolitan AS Tenggara diambil oleh ekonometrik Boarnet (1994)
model efek menyebar-backwash memperkenalkan jeda spasial populasi dan lapangan kerja
perubahan. Model sejak itu telah diperluas ke berbagai arah. Namun arus utama
pertanyaan penelitian tetap fokus pada bagaimana kedekatan dan besarnya urban
aktivitas ekonomi secara kolektif berdampak pada pertumbuhan non-metropolitan (Henry, Barkley, dan Bao,
1997; Henry et al., 1999; McMillen, 2004; Partridge et al., 2008; Wu dan Gopinath, 2008;
Portnov dan Schwartz, 2009; Saito dan Gopinath, 2011; untuk diskusi yang lebih luas tentang ini
subtopik, lihat Partridge dan Rickman, 2007, 2008; Ali, Olfert, dan Partridge, 2011). Ini
tubuh literatur cenderung menemukan bahwa kedekatan dengan kota-kota pusat dan dengan lingkungan
pusat-pusat ekonomi di luar pusat kota secara positif memengaruhi pertumbuhan di luar kota metropolitan.
Para ahli telah meneliti berbagai pertanyaan terkait yang kurang relevan tetapi masih relevan
untuk topik menyebar-backwash. Area fokus populer termasuk peran aglom-
ekonomi, fasilitas, dan tenaga kerja pedesaan. Beberapa surat kabar hanya berurusan dengan
peran ekonomi aglomerasi dalam memberikan efek spread-backwash. Satu pengecualian adalah
Partridge dan Rickman (2008), yang menemukan bahwa manfaat aglomerasi perkotaan
minish dengan jarak (lihat juga van Soest, Gerking, dan van Oort, 2006), menghasilkan
tanggapan tenaga kerja pedesaan yang tidak memadai terhadap permintaan tenaga kerja. Singkatnya, mereka menemukan itu sebagai respons terhadap
satu peningkatan deviasi standar dalam tingkat pertumbuhan industri kota terdekat, kemiskinan
tingkat penurunan tiga kali lebih banyak di daerah pedesaan yang berdekatan dengan perkotaan (.30,3 persen) daripada di
kabupaten berjarak 90 km (-1,1 persen). Studi aglomerasi cenderung berfokus pada
penyebab aglomerasi, seperti pengelompokan produksi (Puga, 2010) dan metropolitan
tingkat keterampilan (yaitu, Glaeser dan Resseger, 2010). Pertanyaan aglomerasi sebagai pendorong
pertumbuhan ekonomi diambil terutama dalam literatur New Economic Geography (NEG)
masa depan (misalnya, Krugman, 1991; Overman, Rice, and Venables, 2010) dan ekonometrik spasial
(misalnya, Storper, 2010), yang berteori dan model kebangkitan pusat-pusat industri. Krugman
formulasi asli untuk NEG menggabungkan kekuatan aglomerasi dari kompetensi monopolistik
model perusahaan dan kekuatan dispersi dari biaya transportasi ke pedesaan yang tidak bergerak
populasi untuk memecahkan untuk ukuran optimal pusat kota. Dengan kata lain, perkotaan dan pedesaan
tempat dihubungkan oleh kedekatan dan pasokan dan permintaan barang dan tenaga kerja.
Pekerjaan yang lebih baru mengeksplorasi efek fasilitas terhadap aglomerasi
pertumbuhan (misalnya, Park dan von Rabenau, 2011). Hasilnya mengungkapkan aspek signifikan dari
C 2013, Wiley Periodicals, Inc.
Halaman 4
pengembangan jalur-tergantung (Portnov dan Schwartz, 2008). Literatur ini menemukan itu
di AS dan Kanada, fasilitas daripada aglomerasi mendorong pertumbuhan perkotaan,
sedangkan yang sebaliknya berlaku untuk daerah non-metropolitan (Adamson, Clark, dan Partridge,
2004; Ferguson et al., 2007). Meski begitu, fasilitas tampaknya mendorong migrasi lebih dalam
AS daripada di Kanada, di mana pusat populasi sejajar dengan perbatasan selatan negara itu
(Partridge, Olfert, dan Alasia, 2007) —pola sejarah yang terus memengaruhi
pola pengembangan.
Sejumlah besar pekerjaan berfokus pada peran pengembangan berbasis sumber daya alam
fasilitas dan layanan publik di New West (misalnya, Carruthers dan Vias, 2005) dan
di tempat lain (Deller et al., 2001; Kim, Marcouiller, dan Deller, 2005; Deller dan Lledo, 2007;
Deller, Lledo, dan Marcouiller, 2008; Chi dan Marcouiller, 2011). Namun, pekerjaan ini berhasil
tidak fokus pada ikatan antara daerah perkotaan dan pedesaan. Makalah seperti Nzaku dan Bukenya
(2005) terlihat lebih holistik pada fasilitas berbasis tempat, tetapi fokus utamanya pada alam
sumber daya dan fasilitas berbasis iklim. Deller et al. (2001) memajukan pekerjaan ini, berkembang
model Carlino and Mills (1987) untuk menilai peran fasilitas dalam pertumbuhan ekonomi. Mereka
model termasuk ukuran populasi sebelumnya dan ukuran ukuran pasar dan pasokan tenaga kerja,
tetapi berfokus pada aglomerasi atau hubungan perkotaan-pedesaan. Henry, Barkley, dan Bao
(1997) mempertimbangkan fasilitas berbasis tempat dengan mempertimbangkan lokasi bisnis dan rumah tangga
keputusan, seperti kualitas sekolah, kualitas tenaga kerja, usia perumahan, dll. McGranahan dan
Wojan (2007) menghubungkan fasilitas dengan kelas kreatif untuk memodelkan pertumbuhan ekonomi untuk perkotaan
dan kabupaten pedesaan.
Komuter adalah mekanisme pengiriman utama efek menyebar. Meskipun mereka tidak membingkai
pekerjaan mereka sebagai studi penyebaran-backwash, Moss, Jack, dan Wallace (2004) mempelajari ekonomi
efek nomis dari kedekatan perkotaan melalui penggunaan komuter desa-ke-kota sebagai sarana
mempertahankan komunitas pedesaan. Partridge, Ali, dan Olfert (2010) dan Renkow (2003)
mengeksplorasi masalah perjalanan di pedesaan, menemukan bahwa sementara pertumbuhan pekerjaan di daerah berkurang
di luar komuter, pertumbuhan lapangan kerja di kota-kota terdekat tetap menjadi penyumbang terbesar
pertumbuhan non-metropolitan. Namun bahkan dengan meningkatnya aksesibilitas pekerjaan, migrasi keluar selektif
tetap menjadi kekuatan demografis penting untuk tempat-tempat non-metropolitan yang mengalami penyebaran
efek (Corcoran, Faggian, dan McCann, 2010).
Studi yang secara eksplisit berfokus pada efek-efek backwash lebih terbatas. Sebagian besar fokus
pada pertumbuhan dalam satu wilayah (misalnya, Henry, Schmitt, dan Piguet, 2001) untuk memperluas wilayah kami
kerangka kerja empiris. Partridge dkk. (2007) secara eksplisit mempertimbangkan efek spread-backwash
dalam sampel multi-wilayah selama periode waktu yang berkelanjutan. Seperti yang mereka nyatakan, mereka adalah
pertama yang menggunakan skala nasional dan pengaturan Kanada. Pengembangan kebijakan pedesaan dengan
pekerjaan data yang serupa juga muncul dalam Partridge, Olfert, dan Ali (2009) dan Partridge dan
Rickman (2003b). Mengingat besarnya efek backwash penyebaran untuk ekonomi pedesaan
pertumbuhan, kami percaya memiliki pengukuran efek ini di seluruh Amerika Serikat
dapat membantu menginformasikan kebijakan pembangunan pedesaan.
3. KONTEKS DAN SAMPEL AS

Diberikan statistik deskriptif tentang tempat-tempat non-metropolitan AS,
nampaknya akan bolak-balik ke pasar tenaga kerja perkotaan dan sering memiliki akses ke banyak kota.
Sebagian besar tempat non-metropolitan relatif dekat dengan MSA. Dari 1.988
komunitas nonmetro dipelajari, 59 persen berada dalam lima puluh mil dari pusat primer
kota MSA, dan 13 persen berada dalam jarak 25 mil (Gambar 1). Rata-rata, setiap tempat
berjarak 100 mil dari empat kota pusat. Meskipun dekat, tempat-tempat ini tidak
kabupaten metropolitan, artinya tidak ada ikatan komuter yang kuat dengan MSA
county tengah.
Halaman 5
GAMBAR 1: Distribusi Jarak (mil) antara Komunitas dan MSA Terdekat.
Sampel kami meliputi 276 MSA dan 1.988 komunitas non-metropolitan (termasuk
memberi peringkat Sensus tempat 1 ) di seluruh AS (Gambar 2). Komunitas non-metropolitan termasuk
tempat-tempat di luar kota metropolitan pusat atau terpencil menggunakan 1999 Kantor Manajemen
Definisi ment dan Anggaran (OMB) untuk MSA (Kantor Manajemen dan Anggaran, 2009).
Sampel dibatasi untuk Tempat yang Ditunjuk Sensus yang tergabung atau kecil
divisi sipil di negara bagian yang dipilih. Banyak MSA mengubah batas antara 2000 dan 2007.
Tempat-tempat yang bukan metropolitan pada tahun 2000 dan metropolitan pada tahun 2007 tidak dikecualikan
dari sampel. Tidak termasuk tempat-tempat ini akan mencegah pengamatan tempat-tempat yang ada
mendapatkan efek penyebaran dramatis melalui perjalanan. Tabel A1 memberikan daftar lengkap
variabel dengan sumber data.
4. SPESIFIKASI DAN DATA EMPIRIS

Bentuk struktural model mengikuti literatur (Greene, 1997; Partridge dan
Rickman, 2003a; Rappaport, 2004a, 2004b; Partridge et al., 2007). Makalah ini berkembang
dan membangun model penyesuaian parsial menggunakan perubahan populasi sebagai variabel dependen
sanggup. Kepadatan populasi pada tahun t diasumsikan sebagai rata-rata tertimbang dari aktual
populasi pada tahun 0 dan kepadatan populasi ekuilibrium yang diminta oleh perwakilan
rumah tangga tradisional. Sebagaimana dicatat oleh Partridge et al. (2007), kepadatan kesetimbangan diasumsikan
menjadi fungsi dari fasilitas spesifik lokasi dan karakteristik ekonomi daerah
1 Sekitar 400 Tempat yang Ditunjuk Sensus harus dihapus dari sampel karena perkiraan populasi
pasangan untuk tahun 2007 tidak tersedia. Biro Sensus memberikan perkiraan populasi untuk semua yang dimasukkan
tempat dan divisi sipil kecil di negara bagian yang dipilih; tidak semua Tempat yang Ditunjuk Sensus dimasukkan.
Halaman 6
GAMBAR 2: MSA dan Tempat Nonmetropolitan yang Digunakan dalam Studi.
( X ). Parameter mencerminkan kecepatan penyesuaian.
(1) PD itu - PD I0 = BES I0 - PD I0 , (0 ≤ ≤ 1) .
Sisi kiri dapat diwakili oleh persentase perubahan populasi, karena

area tanah, yang akan membuat sisi kiri perhitungan kepadatan, berbeda
jauh. Untuk diskusi yang lebih lengkap tentang kesesuaian menggunakan model penyesuaian parsial,
lihat Partridge et al. (2007). Kami mengukur efek spread dan backwash dengan memodelkan
perubahan populasi masyarakat antara tahun 2000 dan 2007. Periode waktu ini dipilih untuk
mengurangi perubahan batas MSA dan definisi komunitas yang dapat terjadi
dalam pertumbuhan populasi dengan aneksasi. Variabel independen adalah ukuran ekonomi
dan karakteristik spesifik lokasi lainnya dari tahun awal (2000), dan diasumsikan
untuk mencerminkan utilitas rumah tangga dan produktivitas perusahaan dari waktu ke waktu. Tujuan kami adalah untuk memperkirakan
efek dari kota terdekat atau beberapa kota pada pertumbuhan populasi.
Spesifikasi model lengkap mengikuti dari penyesuaian parsial bentuk tereduksi
model yang diberikan dalam Persamaan (1) dan tiga pendekatan untuk pengukuran konseptual: menggunakan
hanya kota terdekat, pembobotan kota dengan jarak terbalik, dan pembobotan kota dengan
mematikan aliran dari tempat non-metropolitan ke MSA. Spesifikasi lengkap untuk setiap konsep
pengukuran meliputi tiga kelompok variabel, spasial , kontrol , dan negara .
The spasial variabel meliputi variabel spread-backwash kunci. Spread-backwash
Teori berputar terutama di sekitar manfaat pertumbuhan kedekatan perkotaan, pendapatan perkotaan
pertumbuhan, dan pertumbuhan populasi kota. Oleh karena itu, variabel spasial termasuk jarak
(tidak terbalik) dengan pertumbuhan dan populasi MSA terdekat, pendapatan (upah tahunan rata-rata)
pertumbuhan MSA terdekat. Populasi tahun awal dan nilai pendapatan dimasukkan ke dalam
Halaman 7
TABEL 1: Statistik Ringkasan untuk Variabel Kunci Spread-Backwash

kota terdekat Jarak balik Komuter tertimbang
Berarti SD Berarti SD Berarti SD
Populasi tingkat tempat, 2000 8,410 7,662 8,410 7,662 8,410 7,662
% Perubahan tingkat tempat di populasi * 1,42% 10,68% 1,42% 10,68% 1,42% 10,68%
Jarak ke pusat kota terdekat (mil) 45.97 19.47 61.38 14.96 124.63 152.66
Jarak ke MSA tingkat menengah terdekat 32.80 9.37 35,74 32.11 18.55 105,35
Jarak ke MSA tingkat besar terdekat 25.87 20.77 23.7 31.2 47.73 156.89
NearestMSApopulation, 2000 461.351 841.286 579.057 564.790 1.632.672 2.152.533
% Populasi MSA terdekat berubah * 6,47% 6,75% 6,81% 5,28% 8,07% 5,89%
Penghasilan MSA terdekat, 2000 $ 25.989 $ 3.651 $ 26.270 $ 2.649 $ 28.591 $ 3,610
Perubahan penghasilan MSA terdekat * 29,63% 8,27% 29,62% 6,59% 29,16% 7,00%
Komponen campuran industri MSA terdekat 0,098 0,017 0,098 0,01 0,1 0,01
* Berubah antara 2000 dan 2007.
menjelaskan efek hirarki perkotaan; kota-kota besar kemungkinan memiliki efek penyebaran
tances daripada kota kecil (Ali, Olfert, and Partridge, 2011). Jarak kuadrat ke terdekat
MSA disertakan
menunjukkan untukperkotaan
tingkat mendeteksi nonlinier.
tingkat Akhirnya,
kota terdekat set spasial
(populasi termasuk
< 100.000, variabel dummy
100.000–500.000,
dan > 500.000) dan interaksinya dengan jaraknya ke pusat non-metropolitan. Urban
Informasi tingkat dimasukkan sebagai ukuran potensi pasar, sebagaimana dibahas lebih lanjut
di bawah, dan sebagai sarana untuk menggabungkan interaksi jarak dan ukuran kota ke dalam
model, mengikuti Partridge et al. (2010). 2 Informasi tingkat kota juga menyediakan tes
Central Place Theory (Christaller, 1966), yang menyatakan bahwa urutan tertinggi menempatkan
vide pasar dan barang-barang yang tidak dapat disediakan oleh tempat pesanan lebih rendah. Dengan demikian, pasar semakin kuat
tempat-tempat tingkat tinggi harus memiliki efek penyebaran yang lebih kuat pada tempat-tempat bukan metropolitan.
Semua ukuran jarak dibangun menggunakan data titik sensus untuk tempat, pro-
vided melalui ESRI, untuk menentukan koordinat dari setiap komunitas dan pusat kota
setiap MSA. Untuk MSA dengan dua kota pusat, koordinat x dan y dari kota utama
telah dipakai. Jarak tersebut kemudian diambil dengan menggunakan jarak lingkaran besar antara titik-titik.
Tabel 1 memberikan ringkasan statistik untuk variabel spasial kunci . Sebagai ringkasan
statistik populasi MSA terdekat dan pertumbuhannya menunjukkan (baris 6 dan 7, Tabel 1), yang
model komuter-tertimbang mencerminkan akses komuter non-metropolitan ke jauh lebih besar
dan kota yang tumbuh lebih cepat daripada dua model lainnya. Perbedaan ukuran populasi
adalah hasil dari beberapa MSA besar yang sangat berbobot dalam model komuter.
Kami berhipotesis bahwa tanda-tanda koefisien akan konsisten di seluruh model. Inverse-
model jarak menggunakan jarak terbalik hanya untuk menimbang sampel yang berpengaruh
kota. Jarak dan istilah kuadrat dalam model, untuk kedua jarak ke
kota terdekat dan kota tingkat perkotaan tidak berbanding terbalik, untuk memudahkan interpretasi.
The kontrol rekening variabel untuk industri efek campuran, ekonomi dan demografi
karakteristik, dan fasilitas rekreasi dari MSA, serta demografis dan ekonomi
kondisi di komunitas nonmetropolitan yang diamati. Capfek efek bauran industri
perubahan dalam permintaan pekerjaan selama periode dalam MSA, karena tenaga kerja
mand merupakan pusat keputusan untuk bepergian daripada bermigrasi dari non-metropolitan
2 Untuk memperjelas, Partridge et al. (2010) menggunakan ukuran tambahan jarak ke media terdekat dan
kota besar, artinya mereka mengurangi jarak ke kota terdekat dari jarak ke medium atau
kota besar. Di sini kami menggunakan terus menerus, jarak total di semua aplikasi. Dalam aplikasi kami, ini dilakukan untuk
memungkinkan perhitungan UDD untuk setiap tingkat kota.
Halaman 8
masyarakat. Untuk mengurangi multikolinieritas, untuk masing-masing model variabel kontrol adalah
tertimbang menggunakan skema pembobotan masing-masing kemudian dimasukkan ke dalam komponen utama
analisis. Skor faktor untuk komponen dengan nilai eigen setidaknya 1,00 digunakan.
Akhirnya, efek tetap tingkat negara dimasukkan menggunakan Missouri sebagai referensi
negara. Ini negara efek tetap mengontrol pola migrasi skala besar, sehingga con-
mencari iklim yang tidak khas, fasilitas berbasis gaya hidup, dan regional
kondisi ekonomi dan pasar perumahan (seperti dampak peraturan penggunaan lahan terhadap
perumahan, yaitu, Glaeser, Gyourko dan Saks, 2005). Efek-efek tetap ini juga membantu mengendalikan
untuk variasi ukuran county di AS; kabupaten di Amerika Barat jauh lebih besar
daripada yang di sebelah timur Sungai Mississippi. Akibatnya, tempat-tempat nonmetropolitan Barat
kemungkinan lebih jauh dari kota-kota pusat daripada tempat-tempat nonmetropolitan timur, karena
county adalah blok bangunan dari definisi MSA.
Secara umum, model ditentukan seperti yang diberikan di bawah ini (2).
G i (t-0) = + POPDEN I0 + TATA RUANG I0 + ß 1 X 1 + ß 2 X 2 + ß 3 X 3

(2)
+ ß 4 X 4 + STATE i0 + ε i (t − 0) ,
di mana G i = persen perubahan populasi dalam komunitas i ; X 1 ... 4 istilah mewakili

ponents (dibangun dari variabel kontrol ), didefinisikan dalam komponen utama
analisis. Spesifikasi dalam Persamaan (2) menggambarkan bentuk fungsional secara umum.
Untuk model MSA terdekat, spesifikasi dalam Persamaan (2) sangat mudah. Itu
model kedua dan ketiga mengasumsikan bahwa tempat-tempat non-metropolitan menyadari penyebaran dan reaksi balik
efek dari beberapa MSA. Akibatnya, variabel spasial dan kontrol harus
dibangun dari berbagai MSA yang dianggap mempengaruhi masing-masing non-metropolitan
tempat. Model invers-distance menggunakan matriks bobot baris-standar yang terdiri
jarak terbalik antara setiap tempat non-metropolitan dan MSA di dalam
pita jarak yang dipilih (101 mil) dari setiap tempat untuk membangun satu kota komposit dengan
suatu populasi, jarak dari setiap tempat non-metropolitan, dan karakteristik lainnya. Itu
Ambang 101 mil mewakili jarak komunitas non-metropolitan dari
MSA terdekat pada satu standar deviasi lebih besar dari jarak rata-rata ke MSA.
Model komuter menggunakan matriks bobot baris-standar dari aliran komuter dari
setiap tempat non-metropolitan ke setiap MSA dalam batas spasial yang sama untuk membangunnya
kota komposit.
Istilah jarak dan kuadratnya dihitung dengan mengalikan bobot masing-masing
matriks dengan jarak lingkaran besar antara setiap tempat MSA dan nonmetropolitan
untuk menghitung satu jarak komposit. Pendekatan ini memiliki manfaat menangkap pengaruh
dari beberapa MSA, di mana model tradisional (dan batasan Central Place The-
ory) akan mengabaikan kota satu mil lebih jauh dari kota terdekat, berapapun ukurannya.
Namun kerugiannya adalah jika dua kota, satu kecil dan satu sangat besar, adalah 20 dan 22
mil, masing-masing, dari tempat non-metropolitan, model invers-distance akan disukai
MSA yang lebih kecil, yang kemungkinan tidak sesuai. Model komuter-tertimbang dirancang
untuk mengatasi masalah ini, dengan menimbang kota sesuai dengan potensi pasar relatif
untuk setiap tempat non-metropolitan, dengan tidak adanya data I-O non-metropolitan yang lengkap. Tak pernah-
Namun, kedua pendekatan pembobotan mengaburkan sejauh mana potensi ekonomi meningkat
memiliki beberapa kota terdekat. Dimasukkannya jarak tingkat perkotaan memungkinkan lebih besar
kota yang memiliki efek berbeda pada pertumbuhan dibandingkan pusat yang lebih kecil. Di kedua invers-distance
dan model komuter-tertimbang, interaksi dummy tier perkotaan dengan
Istilah ini dibangun secara paralel dengan model Kota Terdekat, menggantikan
Kota "nyata" terdekat dengan kota gabungan yang terbuat dari bobot beberapa kota yang berpengaruh.
Sembilan model disajikan. Untuk setiap pendekatan (kota terdekat, jarak terbalik, dan
komuter-tertimbang), model lengkap tiba di dalam tiga tahap, termasuk yang pertama
Halaman 9
TABEL 2: Model Kota Terdekat

Model kunci Model kunci
variabel dengan variabel dengan jarak
interaksi jarak jauh istilah interaksi plus

ketentuan variabel kontrol Model lengkap
Mencegat 13,34 ** 28,79 *** 33.22 ***

(5.531) (6.198) (6.815)
Log kepadatan penduduk pada tahun 2000 −1.986 *** −3.814 *** −2.516 ***
(0,615) (0,734) (0.656)
Jarak ke pusat MSA terdekat −0.132 * −0.0247 −0.0748
pusat kota (0,0773) (0,0716) (0,0630)
Jarak kuadrat ke pusat terdekat 0,00159 *** 0,000504 0,000623
pusat kota (0,000557) (0,000522) (0,000502)
Variabel dummy untuk perkotaan menengah 3.524 4.405 ** 4.606 ***
tingkat MSA (2,508) (2.169) (1.429)
Variabel dummy untuk perkotaan besar 3.946 5.702 * 8.053 ***
tingkat MSA (3,511) (2.930) (2.636)
Jarak ke MSA tingkat perkotaan menengah −0.0859 * −0.0924 * −0.0625 **
(0,0470) (0,0478) (0,0296)
Jarak ke MSA tingkat kota besar −0.0754 −0.104 * −0.104 *
(0,0670) (0,0600) (0,0529)
% perubahan populasi di MSA terdekat 0.407 *** 0.252 *** 0.114 *
(0,0425) (0,0578) (0,0648)
% perubahan pembayaran tahunan rata-rata 0,0480 0,0194 0.109 ***
di MSA terdekat (0,0424) (0,0356) (0,0406)
Populasi dalam MSA terdekat, 2000 0,00137 *** 0,000760 0,00122 **
(0,000515) (0,000567) (0,000539)
Rata-rata pembayaran tahunan dalam MSA terdekat −0.0130 −0.131 −0.169 *
(0.134) (0.138) (0,0953)
Disesuaikan R 2 0,108 0,197 0,295
Catatan : Simbol signifikansi adalah: * P < 0,10; ** P < 0,05; *** P < 0,01.
hanya variabel spasial , yang kedua menambahkan variabel kontrol , dan yang ketiga menambahkan
nyatakan efek tetap. Model lain dijalankan sebagai pemeriksaan ketahanan, seperti yang dibahas dalam hasil.
5. HASIL DAN PEMBAHASAN

Tabel 2–4 menunjukkan hasil untuk periode 2000–2007. Hasil ini sangat kuat
mirip dengan yang dari tahun 2000–2006, yang dimasukkan sebagai uji ketahanan. The state
variabel dihilangkan karena kendala ruang. Efek tetap tersebut umumnya mencerminkan
Penurunan populasi Midwest dan pertumbuhan populasi di sepanjang pantai. Tingkat tempat dan
Kontrol tingkat MSA, yang secara statistik signifikan dan sesuai dengan yang diharapkan
tanda, diberikan pada Tabel A2. Untuk ketiga pendekatan pembobotan, model lengkapnya adalah
dilaporkan dengan kesalahan standar yang dikelompokkan berdasarkan wilayah ekonomi BEA. 3
Tidak ada model yang dapat ditolak berdasarkan kekuatan model; ketiganya menunjukkan akal
dan tingkat kecocokan serupa. Karena itu, kami menggunakan tes validitas eksternal untuk membedakan
interpretasi model.
3 Wilayah ekonomi BEA adalah kumpulan negara-negara yang merupakan pasar regional suatu MSA.
Asumsi kami adalah bahwa area nonmetro di kawasan ini mungkin menghadapi guncangan umum, yang menyebabkan kesalahan
istilah yang akan dikorelasikan. Untuk detail tentang area ini, lihat www.bea.gov/regional/docs./econlist.cfm
Halaman 10
TABEL 3: Model Tertimbang Jarak Terbalik

variabel dengan variabel dengan
interaksi jarak jauh interaksi jarak jauh

ketentuan istilah plus variabel Model lengkap
Mencegat 29,88 *** 40.16 *** 41.63 ***

(8.316) (8.341) (7.666)
(0,566) (0,703) (0,645)
Jarak ke pusat MSA terdekat −0.461 *** −0.248 * −0.238
pusat kota (0.164) (0,147) (0.149)
Jarak kuadrat ke pusat terdekat 0,00344 *** 0,00175 0,00177 *
pusat kota (0,00125) (0,00114) (0,00102)
Variabel dummy untuk perkotaan menengah −2.892 −0.258 3.341
tingkat MSA (6.176) (5.556) (4.235)
Variabel dummy untuk perkotaan besar 1.292 4.282 7.713 *
tingkat MSA (6.317) (5.645) (4.024)
Jarak ke MSA tingkat perkotaan menengah .020.0232 −0.0330 −0.0401
(0,0690) (0,0653) (0,0537)
Jarak ke MSA tingkat kota besar −0.0447 −0.0631 −0.0771
(0,0715) (0,0651) (0,0529)
% perubahan populasi di 0,518 *** 0.347 *** 0,240 **
MSA terdekat (0,0625) (0,0978) (0.115)
% perubahan pembayaran tahunan rata-rata 0,0252 0,0355 0,250 ***
di MSA terdekat (0,0548) (0,0568) (0,0823)
Populasi dalam MSA terdekat, 2000 0,00192 *** 0,00156 * 0,00369 ***
(0,000671) (0,000874) (0,000970)
Rata-rata pembayaran tahunan dalam MSA terdekat −0.0987 −0.339 −0.722 ***
(0,195) (0,233) (0,190)
Disesuaikan R 2 0,148 0,22 0,305
Tanda negatif pada istilah jarak menyediakan tes pertama validitas eksternal. Kita
berharap pertumbuhan non-metropolitan menjadi lebih lambat dengan meningkatnya jarak dari MSA. Semua
tiga set model lulus tes ini. Selanjutnya, mengenai variabel baseline (tahun 2000),
kami mengantisipasi bahwa populasi metropolitan yang lebih besar (kemacetan) mendorong bukan metropolitan
pertumbuhan. bahwa
menunjukkan Teori tidak jelas pada
pendapatan tanda-tanda
metropolitan hipotesis
lebih tinggiuntuk pendapatan
dan dengan dan pertumbuhan
demikian pendapatan.
potensi pasar yang NEGmenarik masyarakat
lebih besar
ple ke kota. Bukti empiris berpendapat bahwa dorongan pendapatan perkotaan yang lebih tinggi meningkat
pariwisata non-metropolitan dan pembelian barang-barang pedesaan, berpotensi menghasilkan pedesaan
pertumbuhan (Partridge, Olfert dan Alasia, 2007). Glaeser, Gyourko, dan Saks (2005) menawarkan a
Argumen ketiga, bahwa peraturan dan kepadatan penggunaan lahan, alih-alih pendapatan, mendorong perkotaan
pertumbuhan populasi. Akhirnya, beberapa penelitian menunjukkan bahwa migrasi lebih didorong oleh
ferences dalam indeks harga dibandingkan dengan perbedaan pendapatan antara tempat (Lange dan Quaas,
2010). Dengan kata lain, kami menghipotesiskan tanda positif pada populasi tetapi tidak memiliki populasi yang jelas.
pothesis untuk efek pendapatan. Penghasilan dan perubahan pendapatan dimasukkan untuk membangun berdasarkan preseden
dan sebagai ujian teori NEG.
Kesembilan model menemukan bahwa populasi dan populasi berubah di terdekat atau tertimbang
MSA berhubungan positif dengan pertumbuhan populasi non-metropolitan, seperti yang diantisipasi. Di
secara umum, model menunjukkan bahwa perubahan pendapatan berhubungan positif dengan nonmetropolitan
pertumbuhan sementara pendapatan tahun awal berhubungan negatif dengan pertumbuhan. Ini menunjukkan bahwa orang
Halaman 11
TABEL 4: Model Komuter Tertimbang

variabel dengan variabel dengan jarak
interaksi jarak jauh istilah interaksi plus

ketentuan variabel kontrol Model lengkap
Mencegat 2.204 22,98 *** 10.49

(5.616) (6.142) (6.583)
(0,524) (0,644) (0.659)
Jarak ke pusat MSA terdekat −0.0162 *** −0.0209 *** −0.0129 ***
pusat kota (0,00313) (0,00319) (0,00397)
Jarak kuadrat ke pusat terdekat 5.69e − 06 ** 7.28e − 06 *** 7.96e − 06 ***
pusat kota (2.83e − 06) (2.59e − 06) (2.62e − 06)
Variabel dummy untuk perkotaan menengah 1.550 4.226 *** 7.606 ***
tingkat MSA (1.238) (1,523) (2.634)
Variabel dummy untuk perkotaan besar 2.712 ** 5.177 *** 9.091 ***
tingkat MSA (1.282) (1,553) (2,505)
Jarak ke MSA tingkat perkotaan menengah 0,00493 0,00413 −0.00296
(0,00520) (0,00515) (0,00592)
Jarak ke MSA tingkat kota besar 0,00638 ** 0,00517 ** −0.00354
(0,00266) (0,00235) (0,00319)
% perubahan populasi di MSA terdekat 0,461 *** 0,353 *** 0,230 ***
(0,0552) (0,0738) (0,0784)
% perubahan pembayaran tahunan rata-rata 0,0717 0,0471 0,174 ***
di MSA terdekat (0,0535) (0,0476) (0,0645)
Populasi dalam MSA terdekat, 2000 0,000407 * −0,000116 0,000379
(0,000212) (0,000251) (0,000266)
Rata-rata pembayaran tahunan dalam MSA terdekat 0,146 −0.150 −0.179
(0,140) (0.143) (0.134)
Disesuaikan R 2 0,1 0,207 0,289
TABEL 5: Titik Tipping Di Mana Efek Sebarkan Diminish ke Nol, Efek Backwash
Mendominasi
Kota terdekat Jarak Terbalik Komuter
Titik kritis untuk kota kecil 60.04 67.12 811.34

Titik kritis untuk kota sedang 110.22 78.42 997.56
Titik kritis untuk kota besar 143.32 88.86 1033.51
memilih untuk bermigrasi ke kota berdasarkan upah relatif, tetapi pertumbuhan pendapatan perkotaan
menghasilkan efek penyebaran.
diskonIstilah
tance jarak
(efek dan
jarakjarak kuadrat
murni), atauterutama berfungsi
UDD. Jelas, untukkota
kedekatan menghitung
menghasilkan penyebaran
efek untuk tempat bukan metropolitan. Menggunakan model Full, titik kritis dihitung
Terlambat ketika efek spread kewalahan oleh efek backwash (Tabel 5). Tip ini
titik dihitung untuk setiap kelas kota tingkat kota, kecil ( < 100.000 orang), sedang
(100.000–500.000) dan besar ( > 500.000). Ketiga skema pembobotan menunjukkan bahwa lebih besar
efek penyebaran kota memiliki jangkauan spasial yang lebih luas. Tabel 5 menunjukkan rentang yang masuk akal
untuk kota terdekat dan model jarak-terbalik, tetapi menunjukkan bahwa model komuter
memperkirakan terlalu jauh jarak efek sebaran.
Halaman 12
Secara kolektif, hasil ini menguraikan aspek positif dan negatif dari masing-masing konsepsi.
pengukuran efek backwash menyebar dan ketiga model secara wajar
kuat. Tradisi berdiri di belakang model kota terdekat. Meski begitu, jaraknya kuadrat
istilah tidak signifikan secara statistik di luar model dasar, di mana kami mengamati sebuah lencana
efek jarak linear icant. Masalah multikolinieritas jinak 4 dapat dilarang
penolakan hipotesis nol tentang variabel pendapatan tahun dasar, yaitu
juga bermasalah. Akhirnya, perhitungan UDD berkisar dari 60 mil untuk pusat-pusat kecil hingga
143 mil untuk pusat-pusat besar kemungkinan masuk akal (Tabel 5).
Sebaliknya, model berbobot jarak-terbalik tidak berbagi masalah ini. Kedua
jarak dan istilah kuadrat signifikan di seluruh model, perkotaan
tingkat dan variabel populasi menunjukkan signifikansi statistik dan tanda-tanda yang diantisipasi, dan
model menunjukkan kekuatan yang sedikit lebih besar daripada model kota terdekat. Semakin kecil
Kisaran UDD (67 mil untuk kota kecil, 89 mil untuk kota besar) tampaknya masuk akal dan
meninggalkan kemungkinan bahwa sejumlah tempat nontrivial berada di luar jangkauan penyebaran
efek. Model jarak terbalik meliputi kota-kota terdekat tempat para pekerja tidak diragukan lagi
bepergian, serta kota-kota yang lebih jauh (dalam hal ini hingga 101 mil jauhnya) yang mungkin
menerima lebih banyak barang non-metropolitan daripada pekerja. Akibatnya, pendekatan I-O mungkin
sesuai dalam pemilihan pita jarak atau pemilihan sampel MSA yang diasumsikan
mempengaruhi pertumbuhan untuk setiap tempat non-metropolitan. Pekerjaan sebelumnya dalam menggunakan I – O untuk memperkirakan
hubungan pertumbuhan metropolitan (yaitu, Hughes, 2009) menunjukkan bahwa hubungan industri dan
kekuatan ikatan bervariasi menurut ukuran wilayah perkotaan; nuansa karya ini harus digunakan untuk mengkalibrasi
pendekatan I – O untuk memilih pita jarak.
Model komuter-tertimbang menunjukkan kekuatan model yang wajar dan
tanda pated untuk jarak dan jarak kuadrat. Yang menjadi perhatian di sini, perhitungan UDD
berkisar dari 811 mil hingga 1.033 mil. Berspekulasi bahwa bandwidth yang digunakan (101 miles)
tersirat gudang tenaga kerja yang tidak praktis besar, model komuter-tertimbang diuji
menggunakan bandwidth 50 mil dan 75 mil. Model-model ini menghasilkan hasil yang sama tidak realistisnya.
kation dari UDD. Definisi MSA sebagian harus disalahkan, karena arus komuter yang ketat
sebagian besar mendefinisikan wilayah metropolitan untuk OMB. Oleh karena itu, tempat bukan metropolitan adalah
menurut definisi lemah terkait dengan MSA melalui perjalanan. Kedua, model-model ini mungkin menderita
dari memiliki kedua penentu utama perjalanan termasuk (populasi, jarak,
dll.) kemudian membobot kota dengan mengubah arus, menciptakan efek eksponensial. Ketiga, oleh
berfokus pada aliran ekonomi positif yang terkait dengan perjalanan pulang-pergi, berlawanan dengan migrasi
tion, model ini dapat menutupi efek backwash. Kami mengajukan argumen yang didasarkan pada model
pada berat komuter mungkin bermanfaat, tetapi hanya bila diimplementasikan menggunakan teori
Kerangka kerja difokuskan pada efek spread yang dihasilkan melalui perjalanan. Model-model ini
harus fokus pada penyediaan layanan kota, biaya transportasi, dan berbasis tempat lainnya
faktor-faktor yang mempengaruhi keputusan lokasi rumah tangga.
6. KESIMPULAN
Makalah ini berusaha untuk mengukur efek penyebaran dan backwash dari MSA pada populasi
pertumbuhan di komunitas non-metropolitan di AS dan membandingkan hasil
melalui tiga pendekatan. Kami menemukan bahwa sementara ketiga model berkinerja baik, namun
model inverse-distance memberikan hasil yang paling andal dan kuat. Temuan ini menunjukkan
4 Multicollinearity di sini menyajikan nonissue, karena kehadirannya hanya meningkatkan kesalahan standar, yang
meningkatkan kemungkinan menerima hipotesis Null bahwa variabel yang diberikan tidak signifikan secara statistik.
Karena variabel dalam model ini menunjukkan signifikansi statistik bahkan dengan multikolinieritas, kita dapat yakin
bahwa bias apa pun memperkuat, bukan menguras argumen kami.
Halaman 13
bahwa tempat-tempat non-metropolitan dapat mengembangkan ekonomi lokal mereka di berbagai kota
daripada hanya kota terdekat, yang menyarankan pendekatan kolaboratif untuk regional dan
pengembangan non-metropolitan. Konsisten dengan teori, hasilnya menunjukkan bahwa
tempat-tempat metropolitan mungkin mendapat manfaat dari kemacetan kota, yang mendorong penduduk untuk mencari
ruang di tempat-tempat non-metropolitan, dan pertumbuhan pendapatan kota menyebabkan non-metropolitan
efek penyebaran. Penambahan efek tetap tingkat negara memperkuat model dan pertunjukan
pola geografis umum yang diantisipasi pertumbuhan dan penurunan populasi AS.
Dari perspektif kebijakan, hasil ini menyiratkan bahwa tempat-tempat non-metropolitan seharusnya
memiliki fleksibilitas dalam upaya perencanaan mereka, memungkinkan mereka untuk mengejar tujuan secara strategis
kota yang berbeda sesuai dengan pasar, karakteristik, tujuan, dan kekuatan masing-masing
kota. Karya ini memperkuat literatur yang menunjukkan bahwa bukan metropolitan
tempat harus memahami jangkauan geografis hubungan ekonomi mereka agar efektif
kebijakan pertumbuhan (Ganning dan McCall, 2012; Partridge, Olfert, dan Ali, 2009; Pezzini,
2001). Yang penting, pekerjaan masih harus dilakukan untuk memahami pengaruh relatif dari
kota terdekat versus kota terdekat lainnya. Sampai penelitian masa depan menjawab pertanyaan itu,
upaya perencanaan non-metropolitan harus dilakukan dengan hati-hati. Untuk diskusi tentang kebijakan
implikasi untuk tempat-tempat non-metropolitan dengan keterkaitan dengan pusat-pusat kota, lihat Ganning dan
McCall (2012, p. 329).
Selain itu, tempat bukan metropolitan harus menjadi pusat upaya perencanaan mereka,
daripada ada sebagai peserta dalam rencana satu kota. Misalnya, Minneapolis '
Dewan Metropolitan menetapkan kerangka kebijakan untuk wilayah tersebut, termasuk nonmetropolitan
tempat-tempat yang mungkin tidak selalu setuju dengan kerangka kerja. Temuan itu bukan metropolitan
tempat-tempat dipengaruhi oleh banyak kota menyiratkan bahwa perencanaan untuk tempat-tempat non-metropolitan
harus dipusatkan di masing-masing tempat, alih-alih dikendalikan hanya oleh salah satu pengaruhnya
kota. Implikasi kebijakan ini berlaku tidak hanya untuk mengelola pertumbuhan, tetapi juga untuk mengelola
efek backwash masing-masing kota di tempat-tempat non-metropolitan, terutama dalam kasus di mana
efek-efek backwash tersebut membanjiri efek-efek sebaran, yang mungkin merupakan fungsi jarak atau
karakteristik tempat bukan metropolitan.
Akhirnya, karya ini menyiratkan bahwa penawaran kompetitif untuk industri dapat menghasilkan tanpa jaring
keuntungan untuk tempat bukan metropolitan yang terletak di antara kota-kota yang bersaing. Misalnya,
Meskipun lebih dekat ke satu MSA, area nonmetro dapat mengarahkan komuter ketika suatu industri
bergerak dari MSA terdekat ke MSA regional. Bahwa makalah ini menggunakan sampel nasional
membantu untuk menetapkan estimasi titik kritis yang dapat digeneralisasikan yang mungkin berguna dalam penentuan
ing keuntungan bersih terkait dengan penawaran industri antar kota untuk nonmetropolitan
area.
Pekerjaan di masa depan dapat diperpanjang sepanjang tiga baris. Pertama, sementara perjalanan-
model tertimbang tidak menghasilkan hasil yang dapat diandalkan secara eksternal, itu tetap merupakan langkah penting
menuju pembobotan beberapa kota dengan cara yang menangkap potensi pasar. Kedua,
memahami efek pendapatan perkotaan dan pertumbuhan pendapatan terhadap pertumbuhan non-metropolitan
harus diperiksa lebih mendalam. Hasil kami menunjukkan bahwa pendapatan relatif mendorong migrasi
keputusan, sementara perubahan pendapatan kota menghasilkan efek penyebaran, tetapi mekanisme ini
layak mendapat perhatian lebih. Ketiga, sebagaimana disebutkan, pekerjaan harus dilakukan untuk lebih memahami
pengaruh relatif dari masing-masing kota berpengaruh tempat nonmetropolitan.
Singkatnya, makalah ini membandingkan hasil model spread-backwash menggunakan tiga aplikasi
mendekati pengukuran konseptual. Penelitian ini telah berkembang kuat, dapat digeneralisasikan
hasil berdasarkan sampel nasional yang luas dan menghasilkan estimasi realistis dari
di mana efek backwash membanjiri efek spread. Berdasarkan temuan empiris,
model invers-distance tampaknya menjadi pilihan terbaik, meskipun ada potensi kemajuan
tetap. Salah satu potensi kemajuan adalah model yang bisa membedakan antara spread
dan efek backwash yang bertindak melalui komuter dan yang diizinkan oleh aliran
Halaman 14
barang. Perkiraan tingkat infrastruktur yang lebih baik yang memungkinkan komuter dan
arus barang juga akan meningkatkan penelitian di masa depan di bidang ini.
LAMPIRAN
TABEL A1: Variabel dalam Analisis
Nama variabel Sumber data Deskripsi
Variabel kunci
Log kepadatan populasi Sensus 2000 Hanya menggunakan luas lahan, populasi per
mil kuadrat
Jarak ke pusat terdekat Sensus 2000 TIGER / Baris Digunakan koordinat x , y untuk menghitung
kota shapefile, ArcMap 9.3 jarak lingkaran yang hebat antara masing-masing
tempat bukan metropolitan dan yang pertama
kota pusat untuk setiap MSA
Populasi tingkat MSA dan Sensus 2000 dan Sensus Variabel level dibagi dengan 1000
perubahan populasi Populasi Biro
Estimasi, 2007
Penghasilan tingkat MSA dan Biro Ekonomi Penghasilan pribadi per kapita, 2000 dan
perubahan pendapatan Analisis, Tabel REIS 2007. Variabel level dibagi dengan
1000
Kontrol tingkat tempat

Bukan putih Sensus 2000 Persen dari populasi yang melaporkan
beberapa ras atau ras non-kulit putih
Tua Sensus 2000 Persen dari populasi yaitu usia 65 tahun
atau lebih tua
Tingkat pendidikan Sensus 2000 Persen dari populasi berusia 25+ itu
setidaknya memiliki gelar sarjana
Partisipasi angkatan kerja Sensus 2000 Persen dari populasi berusia 16+ itu
menilai ada di angkatan kerja
Pengangguran Sensus 2000 Persen dari populasi yang ada di
tenaga kerja dan pengangguran
Urban Sensus 2000 Persen dari populasi itu
diklasifikasikan sebagai perkotaan
Kontrol level MSA

Tua Sensus 2000 Persen dari populasi yaitu usia
65+
Partisipasi angkatan kerja Sensus 2000 Persen dari populasi berusia 16+ itu
menilai ada di angkatan kerja
Mampu Sensus 2000 Persentase rumah tangga yang membayar kurang dari
35% dari pendapatan bulanan pada yang dipilih
biaya perumahan
Bukan putih Sensus 2000 Persen dari populasi yang melaporkan
beberapa ras atau ras non-kulit putih
Asing Sensus 2000 Persen dari populasi itu adalah orang asing
terlahir
Tingkat pendidikan Sensus 2000 Persen dari populasi berusia 25+ itu
setidaknya memiliki gelar sarjana
Bauran Industri Sensus 2000, Amerika Jumlah saham pekerjaan di masing-masing
Survei Komunitas industri dikalikan dengan nasionalnya
2007 tingkat pertumbuhan dari 2000 hingga 2007.
Tiga belas industri digunakan.
Halaman 15
TABEL A2: Kontrol Hasil Variabel
Model variabel kunci

dengan interaksi jarak
istilah plus variabel kontrol Model lengkap
Model Kota Terdekat

Kontrol MSA, umum: keterjangkauan perumahan, non-putih −0.0618 1.441 ***
bagian populasi (0,234) (0,325)
Kontrol MSA untuk angkatan kerja: partisipasi angkatan kerja −1.367 *** −1.309 ***
tingkat, bagian populasi yang berusia lanjut, dan pendidikan (0,295) (0,275)
pencapaian (gelar empat tahun atau lebih tinggi)
Kontrol tempat: bagian populasi lansia, berpendidikan 2.175 *** 1.852 ***
(gelar empat tahun atau lebih tinggi), dan tenaga kerja (0,303) (0,327)
tingkat partisipasi
Kontrol MSA: bauran industri dan pangsa 1.174 *** 0,537 *
populasi yang lahir di luar negeri (0,290) (0,317)
Model Jarak Terbalik

Kontrol MSA, umum: keterjangkauan perumahan, non-putih 0,346 2.135 ***
bagian populasi, partisipasi angkatan kerja (0,303) (0.406)
Kontrol MSA: bagian populasi yang berusia lanjut, dan −1.383 *** −1.215 ***
pencapaian pendidikan (gelar empat tahun atau lebih tinggi) (0,293) (0,331)
(Gelar empat tahun atau lebih tinggi), partisipasi angkatan kerja (0,288) (0,296)
tingkat, dan populasi perkotaan
Kontrol MSA: bauran industri dan pangsa −0.476 −0.0487
Model Komuter
Kontrol MSA, umum: keterjangkauan perumahan, non-putih −0.323 0.855 **
bagian populasi, partisipasi angkatan kerja (0,273) (0,371)
Kontrol MSA: bagian populasi yang berusia lanjut, dan −1.790 *** −1.584 ***
pencapaian pendidikan (gelar empat tahun atau lebih tinggi) (0,305) (0.342)
(Gelar empat tahun atau lebih tinggi), partisipasi angkatan kerja (0,306) (0,319)
tingkat, dan populasi perkotaan
Kontrol MSA: bauran industri dan pangsa −1.466 *** −1.218 ***
REFERENSI
Adamson, Dwight W., David E. Clark, dan Mark D. Partridge. 2004. “Melakukan Efek Aglomerasi Perkotaan dan
Fasilitas Rumah Tangga Punya Bias Keterampilan? ” Jurnal Ilmu Regional , 44 (2), 201–223.
Ali Kamar, M. Rose Olfert, dan Mark D. Partridge. 2011. "Jejak Kaki Urban di Pedesaan Kanada: Pekerjaan
Limpahan Berdasarkan Ukuran Kota, ” Studi Regional , 45 (2), 239–260.
Barkley, David L., Mark S. Henry, dan Shuming Bao. 1996. "Mengidentifikasi Efek 'Spread' vs. 'Backwash' di
Area Ekonomi Regional: Pendekatan Fungsi Kepadatan, ” Land Economics , 72 (3), 336–357.
Berry, Brian JL 1970. "Partisipasi Pasar Tenaga Kerja dan Potensi Regional," Pertumbuhan & Perubahan , 1 (4), 3-10.
Blank, Rebecca M. 2005. “Kemiskinan, Kebijakan, dan Tempat: Bagaimana Kemiskinan dan Kebijakan untuk Mengurangi Kemiskinan Dibentuk
oleh Karakteristik Lokal, ” Kajian Sains Regional Internasional , 28 (4), 441–464.
Boarnet, Marlon G. 1994. "Model Empiris Populasi Intra-Metropolitan dan Pertumbuhan Lapangan Kerja,"
Makalah dalam Ilmu Regional , 73 (2), 135-152.
Biro Analisis Ekonomi. 2000, 2007. REIS Tabel CA1–3, Data Regional: GDP & Penghasilan Pribadi . Pencucian-
ton, DC
Carlino, Gerald A., dan Edwin S. Mills. 1987. "Penentu Pertumbuhan Kabupaten," Jurnal Ilmu Regional ,
27 (1), 39–54.
Halaman 16
Carruthers, John, dan Alexander Vias. 2005. “Urban, Suburban, dan Exurban Sprawl di Pegunungan Rocky
Barat: Bukti dari Model Penyesuaian Regional, ” Journal of Regional Science , 45 (1), 21–48.
Chi, Guangqing, dan David W. Marcouiller. 2011. “Mengisolasi Efek Fasilitas Alam terhadap Perubahan Populasi
di Tingkat Lokal, ” Studi Regional , 45 (4), 491-505.
Christaller, Walter. 1966. Tempat Tengah di Jerman Selatan , Carlisle W. Baskin (trans.) Englewood Cliffs, NJ:
Prentice-Hall.
Corcoran, Jonathan, Alessandra Faggian, dan Philip McCann. 2010. “Sumber Daya Manusia di Australia Terpencil: The
Peran Migrasi Lulusan, ” Pertumbuhan & Perubahan , 41 (2), 192–220.
Deller, Steven C., Victor Lledo, dan David W. Marcouiller. 2008. “Memodelkan Pertumbuhan Ekonomi Daerah dengan a
Fokus pada Fasilitas, ” Tinjauan Studi Pembangunan Urban & Regional , 20 (1), 1–21.
Deller, Steven, dan Victor Lledo. 2007. "Fasilitas dan Pertumbuhan Ekonomi Appalachia Pedesaan," Pertanian dan
Ekonomi Sumber Daya Revie w, 36 (1), 107–132.
Deller, Steven C., Tsung-Hsiu Tsai, David W. Marcouiller, dan Donald BK English. 2001. “Peran Fasilitas
dan Kualitas Hidup dalam Pertumbuhan Ekonomi Pedesaan, ” American Journal of Economic Agriculture , 83 (2), 352–365.
Ferguson, Mark, Kamar Ali, M. Rose Olfert, dan Mark Partridge. 2007. “Memilih dengan Kaki mereka: Pekerjaan Versus
Fasilitas, ” Growth & Change , 38 (1), 77–110.
Gaile, GL 1980. "Konsep penyebaran-backwash," Studi Regional , 14 (1), 15-25.
Ganning, Joanna P. dan Benjamin D. McCall. 2012. “Heterogenitas Spasial dan Luas Geografis Populasi
Dekonsentrasi: Pengukuran dan Implikasi Kebijakan, ”dalam L. Kulcsar dan K. Curtis (eds.), Internasional
Buku Pegangan Demografi Pedesaan . Springer, 319–332.
Glaeser, Edward L., Joseph Gyourko, dan Raven Saks. 2005. “Mengapa Manhattan begitu mahal? Peraturan dan
Kenaikan Harga Perumahan, ” Jurnal Hukum dan Ekonomi , 48 (2), 331–369.
Glaeser, Edward L. dan Matthew G. Resseger. 2010. "Komplementaritas antara Kota dan Keterampilan," Jurnal
Ilmu Regional , 50 (1), 221–244.
Greene, William H. 1997. Analisis Ekonometrik (edisi ke-3). Upper Saddle River, NJ: Prentice Hall.
Henry, Mark S., David L. Barkley, dan Shuming Bao. 1997. “Pasak Pedalaman di Pertumbuhan Metropolitan:
Bukti dari Daerah Selatan Terpilih, ” Journal of Regional Science , 37 (3), 479-501.
Henry, Mark, Bertrand Schmitt, Knud Kristensen, David Barkley, dan Shuming Bao. 1999. “Memperluas Carlino-
Model Mills untuk Memeriksa Ukuran Perkotaan dan Dampak Pertumbuhan pada Daerah Pedesaan terdekat, " Growth & Change , 30,
526–548.
Henry, Mark, Bertrand Schmitt, dan Virginie Piguet. 2001. “Model Ekonometrik Spasial untuk Sistem Simultan
tems: Aplikasi untuk Pertumbuhan Masyarakat Pedesaan Di Perancis, ” International Regional Science Review , 24 (2),
171–193.
Hirschman, Albert O. 1958. "Transmisi Pertumbuhan Ekonomi Antar dan Internasional," dalam A.
Hirschman, Strategi Pembangunan Ekonomi . New Haven: Yale University Press, 183–201.
Hughes, David W. 2009. "Hubungan Ekonomi Pedesaan-Perkotaan: Implikasi untuk Rekomendasi Penargetan Industri
tions, ”dalam S. Goetz, S. Deller, dan T. Harris (eds.), Menargetkan Pembangunan Ekonomi Regional . Taylor & Francis,
198–212.
Hughes, David W. dan David W. Holland. 1994. "Hubungan Ekonomi Inti-Pinggiran: Ukuran Penyebaran dan
Kemungkinan Efek Pembalikan untuk Ekonomi Washington, ” Land Economics , 70 (3), 364–377.
Kim, Kwang-Koo, David W. Marcouiller, dan Steven C. Deller. 2005. “Fasilitas Alam dan Pembangunan Pedesaan:
Memahami Atribut Spasial dan Distribusi, ” Growth & Change , 36 (2), 273–297.
Krugman, Paul. 1991. "Meningkatkan Pengembalian dan Geografi Ekonomi," Jurnal Ekonomi Politik , 99 (3), 483–
499.
Lange, Andreas dan Martin F. Quaas. 2010. "Karakteristik Analitik Model Core-Periphery," Internasional
Ulasan Sains Regional , 33 (4), 437–455.
McGranahan, David dan Timothy Wojan. 2007. “Merombak Kelas Kreatif untuk Memeriksa Proses Pertumbuhan di Indonesia
Kabupaten Pedesaan dan Perkotaan, ” Studi Regional , 41 (2), 197–216.
McMillen, Daniel P. 2004. “Kepadatan Ketenagakerjaan, Autokorelasi Spasial, dan Pelanggan di Metropolitan Besar
Area, ” Jurnal Ilmu Regional , 44 (2), 225–244.
Moss, Joan, Claire Jack, dan Michael Wallace. 2004. “Lokasi Pekerjaan dan Pola Komuter Terkait
untuk Individu di Daerah Pedesaan Tertinggal di Irlandia Utara, ” Studi Regional , 38 (2), 121–136.
Myrdal, Gunnar. 1957. “Arus menuju Kesenjangan Ekonomi Regional di suatu Negara,” dalam G. Myrdal, Ekonomi
teori dan daerah yang kurang berkembang . London: Gerald Duckworth, 23–38.
Nzaku, Kilungu, dan James O. Bukenya. 2005. “Meneliti Hubungan Antara Kualitas Fasilitas Kehidupan
dan Pembangunan Ekonomi di AS Tenggara, ” Ulasan Studi Pembangunan Urban & Regional , 17 (2),
89-103.
Kantor Manajemen dan Anggaran. Buletin OMB No. 10–02. Pembaruan Definisi dan Bimbingan Area Statistik
tentang Penggunaannya . (1 Desember 2009).
Overman, Henry G., Patricia Rice, dan Anthony J. Venables. 2010. "Hubungan Ekonomi Lintas Ruang," Regional
Studi , 44 (1), 17–33.
Halaman 17
Park, In Kwon, dan Burkhard von Rabenau. 2011. "Mengurai Ekonomi Aglomerasi: Agen, Sumber,
and Spatial Dependence, ” Jurnal Ilmu Regional , 51 (5), 897–930.
Partridge, Mark, Ray D. Bollman, M. Rose Olfert, dan Alessandro Alasia. 2007. “Mengendarai Gelombang Pertumbuhan Urban
di Pedesaan: Penyebaran, Backwash, Atau Stagnasi? ” Land Economics , 83 (2), 128–152.
Partridge, Mark D., Kamar Ali, dan M. Rose Olfert. 2010. “Komuter Pedesaan ke Perkotaan: Tiga Derajat Inte
gration, ” Growth & Change , 41 (2), 303–335.
Partridge, Mark, M. Rose. Olfert, dan Alessandro Alasia. 2007. "Kota Kanada sebagai Mesin Pertumbuhan Daerah,"
Jurnal Ekonomi Kanada , 40 (1), 39-68.
Partridge, Mark D., M. Rose Olfert, dan Kamar Ali. 2009. “Menuju Kebijakan Pembangunan Pedesaan: Pelajaran dari
Amerika Serikat dan Kanada, ” Jurnal Analisis & Kebijakan Regional , 39 (2), 109–125.
Partridge, Mark D. dan Dan S. Rickman. 2003a. “Apakah Kita Tahu Pembangunan Ekonomi Ketika Kami Lihat Ini?” Ulasan
Studi Regional , 33 (1), 17–39.
———. 2003b. “Lilin dan Pertumbuhan Ekonomi Regional: Pertanyaan Ayam-Telur tentang Pekerjaan Versus
People, ” Jurnal Ekonomi Perkotaan , 53 (1), 76–97.
———. 2007. “Kemiskinan Pedesaan yang Persisten: Apakah Hanya Keterpencilan dan Skala?” Diterapkan Perspektif Ekonomi dan
Kebijakan , 29 (3), 430–436.
———. 2008. "Jarak dari Ekonomi Aglomerasi Perkotaan dan Kemiskinan Pedesaan," Jurnal Ilmu Regional ,
48 (2), 285-310.
Partridge, Mark D., Dan S. Rickman, Kamar Ali, dan M. Rose Olfert. 2008. “Lost In Space: Pertumbuhan Populasi Di
the American Hinterlands and Small Cities, ” Jurnal Geografi Ekonomi , 8 (6), 727–757.
Pezzini, Mario. 2001. "Pelajaran Kebijakan Pedesaan dari Negara-negara OECD," International Regional Science Review , 24,
134–145.
Portnov, Boris A., dan Moshe Schwartz. 2008. "Tentang Relativitas Lokasi Perkotaan," Studi Regional , 42 (4),
605–615.
———. 2009. "Urban Clusters as Foci Growth," Jurnal Ilmu Regional , 49 (2), 287-310.
Puga, Diego. 2010. "Besarnya dan Penyebab Ekonomi Aglomerasi," Jurnal Ilmu Regional , 50 (1),
203–219.
Rappaport, Jordan. 2004a. “Pindah ke Cuaca Bagus,” Kertas Kerja Penelitian RWP 03-07. Divisi Penelitian,
Bank Riset Federal Kota Kansas, Kota Kansas.
———. 2004b. "Mengapa Arus Penduduk Begitu Persisten?" Journal of Urban Economics , 56 (3), 554–580.
Renkow, Mitch. 2003. "Pertumbuhan Lapangan Kerja, Mobilitas Pekerja, dan Pembangunan Ekonomi Pedesaan," Amerika
Jurnal Ekonomi Pertanian , 85 (2), 503–513.
Saito, Hisamitsu dan Munisamy Gopinath. 2011. “Limpahan Pengetahuan, Kapasitas Serap, dan Intensitas Keterampilan
Tanaman Pabrikan Chili, ” Jurnal Ilmu Regional , 51 (1), 83-101.
Storper, Michael. 2010. "Aglomerasi, Perdagangan, dan Pengembangan Tata Ruang: Membawa Kembali Dinamika," Jurnal
Ilmu Regional , 50 (1), 313-342.
Biro Sensus AS. 2000. Sensus 2000 . Washington DC
Biro Sensus AS. 2007. Survei Komunitas Amerika . Washington DC
Departemen Transportasi AS, Biro Statistik Transportasi. 2000. Perencanaan Transportasi Sensus
Paket 2000 . Washington DC.
Van Soest, Daan P., Shelby Gerking, dan Frank G. von Oort. 2006. “Dampak Spasial dari Aglomerasi Eksternal-
ikatan, ” Jurnal Ilmu Regional , 46 (5), 881–899.
Wu, JunJie dan Munisamy Gopinath. 2008. “Apa Penyebab Variasi Spasial dalam Pembangunan Ekonomi di Indonesia?
Amerika Serikat? ” Jurnal Ekonomi Pertanian Amerika , 90 (2), 392-408.
Zhang, Tingwei. 2001. "Fitur Komunitas dan Urban Sprawl: Kasus Wilayah Metropolitan Chicago,"
Kebijakan Penggunaan Tanah , 18 (3), 221–232.

Spread Dan Efek Kembali Untuk Komunitas Nonmetropolitan Di As2

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Spread Dan Efek Kembali Untuk Komunitas Nonmetropolitan Di As2

Diunggah oleh

Hak Cipta:

Format Tersedia

25/11/2019 SPREAD DAN EFEK KEMBALI UNTUK KOMUNITAS NONMETROPOLITAN DI AS

JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013, hlm. 1–17

EFEK SPREAD DAN CADANGAN UNTUK NONMETROPOLITAN

Diterima: September 2011; direvisi: Januari 2013; diterima: Januari 2013.

oC2013, Wiley Periodicals, Inc.

2 JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013

2. LATAR BELAKANG PADA KONSEP SPREAD-BACKWASH

oC 2013, Wiley Periodicals, Inc.

prasyarat yang memandu besarnya arus menghadirkan kemungkinan terjadinya backwash

C 2013, Wiley Periodicals, Inc.

4 JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013

3. KONTEKS DAN SAMPEL AS

oC 2013, Wiley Periodicals, Inc.

GANNING, BAYLIS, DAN LEE: EFEK SPREAD DAN CADANGAN 5

GAMBAR 1: Distribusi Jarak (mil) antara Komunitas dan MSA Terdekat.

4. SPESIFIKASI DAN DATA EMPIRIS

oC2013, Wiley Periodicals, Inc.

6 JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013

GAMBAR 2: MSA dan Tempat Nonmetropolitan yang Digunakan dalam Studi.

( X ). Parameter mencerminkan kecepatan penyesuaian.

(1) PD itu - PD I0 = BES I0 - PD I0 , (0 ≤ ≤ 1) .

Sisi kiri dapat diwakili oleh persentase perubahan populasi, karena

C 2013, Wiley Periodicals, Inc.

GANNING, BAYLIS, DAN LEE: EFEK SPREAD DAN CADANGAN 7

TABEL 1: Statistik Ringkasan untuk Variabel Kunci Spread-Backwash

Berarti SD Berarti SD Berarti SD

* Berubah antara 2000 dan 2007.

oC2013, Wiley Periodicals, Inc.

8 JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013

G i (t-0) = + POPDEN I0 + TATA RUANG I0 + ß 1 X 1 + ß 2 X 2 + ß 3 X 3

di mana G i = persen perubahan populasi dalam komunitas i ; X 1 ... 4 istilah mewakili

C 2013, Wiley Periodicals, Inc.

GANNING, BAYLIS, DAN LEE: EFEK SPREAD DAN CADANGAN 9

TABEL 2: Model Kota Terdekat

interaksi jarak jauh istilah interaksi plus

Mencegat 13,34 ** 28,79 *** 33.22 ***

5. HASIL DAN PEMBAHASAN

C 2013, Wiley Periodicals, Inc.

10 JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013

TABEL 3: Model Tertimbang Jarak Terbalik

variabel dengan variabel dengan

interaksi jarak jauh interaksi jarak jauh

Mencegat 29,88 *** 40.16 *** 41.63 ***

C 2013, Wiley Periodicals, Inc.

GANNING, BAYLIS, DAN LEE: EFEK SPREAD DAN CADANGAN 11

TABEL 4: Model Komuter Tertimbang

variabel dengan variabel dengan jarak

interaksi jarak jauh istilah interaksi plus

Mencegat 2.204 22,98 *** 10.49

Titik kritis untuk kota kecil 60.04 67.12 811.34

C 2013, Wiley Periodicals, Inc.

12 JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013

oC 2013, Wiley Periodicals, Inc.

GANNING, BAYLIS, DAN LEE: EFEK SPREAD DAN CADANGAN 13

oC2013, Wiley Periodicals, Inc.

14 JURNAL ILMU DAERAH, VOL. 00, TIDAK. 0, 2013

TABEL A1: Variabel dalam Analisis

Nama variabel Sumber data Deskripsi

Kontrol tingkat tempat

Kontrol level MSA

C 2013, Wiley Periodicals, Inc.

TABEL A2: Kontrol Hasil Variabel

Model variabel kunci

istilah plus variabel kontrol Model lengkap

Mencegat 13,34 28,79 * 33.22 ***

Mencegat 29,88 * 40.16 * 41.63 ***