Sociala och ekonomiska faktorers roll på snabbmatsrestaurangskedjor – CESRAN International (2023)

Introduktion

Varje dag besöker 1 av 4 amerikaner en snabbmatsrestaurang. Mer än 50 000 000 människor i USA är beroende av snabbmat (www.ffood.net). Andelen kalorier som fåtts från snabbmatskonsumtion har ökat från 3 % till 12 % under de senaste 20 åren (Lin och Frazao, 1999). Därför är amerikaner nu de fetaste människorna på jorden och 6 av 10 av dem (en fjärdedel av deras barn) är nu överviktiga (Critser 2003). Under de senaste trettio åren har detaljhandeln med snabbmat i USA ökat kontinuerligt från 16,1 miljarder dollar 1975 till 169,8 miljarder dollar 2012 (Technomic 2004). Antalet snabbmatsrestauranger i landet nådde 263.944. Studier rapporterar att amerikaner spenderar mer på snabbmat än på nya bilar, datorer, datorprogram eller till och med högre utbildning (Schlosser 2002).

Denna studie syftar till att beskriva kopplingen mellan snabbmatsrestaurangernas täthet och ekonomiska och sociala egenskaper i de amerikanska storstadsområdena som kämpar med fetma på den mest disaggregerade nivån (dvs. folkräkningsnivån). I synnerhet studerar vi Montgomery, AL som är den mest feta staden i USA (Gallup and Healthway Survey, 2009). En central fråga som vi tar upp är om de demografiska och socioekonomiska egenskaperna hos en stad påverkar utbudet av snabbmatskedjor. Frågan utvidgas till att analysera effekterna av skolplatser på förekomst och täthet av snabbmatsrestauranger. Därför inkluderar vår forskning en geografisk analys för att kombinera demografiska, ekonomiska och geografiska data för varje folkräkningskanal i städerna. Dessutom tillåter denna analys oss att erhålla data för lokaliseringssamband mellan snabbmatsrestauranger och skolområden. Sedan använder vi en ekonometrisk uppskattning för att förklara effekterna av grannskapsegenskaper på snabbmatsförsörjningen.

De empiriska resultaten av denna studie tyder på att bland annat etnicitet och inkomstskillnader är de viktigaste faktorerna för förekomst och täthet av snabbmatsrestauranger. Resultaten visar att snabbmatsrestaurangernas täthet är högre i stadsdelar med övervägande svart befolkning och högre inkomstskillnad. Resultaten indikerar vidare att antalet snabbmatsrestauranger ökar runt de offentliga och privata skolorna i folkräkningstrakterna.

Uppsatsen fortsätter med en kort litteraturgenomgång om de ekonomiska och sociala effekterna av snabbmatsrestauranger. Följande avsnitt presenterar databeskrivningarna och datagenereringsprocessen. Därefter ger vi en geografisk analys av snabbmatsrestaurangernas täthet, etnicitet (svarta och vita stadsdelar) och förmögenhet (medianhushållsinkomst) på folkräkningsnivå. Avsnitt V diskuterar modellspecifikationerna för den ekonometriska analysen. Efter uppskattningen presenteras resultaten, uppsatsen avslutas med policyrekommendationer och en sammanfattning av viktiga resultat.

Litteraturrecension

Den befintliga litteraturen om snabbmatsrestaurangernas ekonomiska och sociala konsekvenser är indelad i tre huvudkategorier.

Den första gruppen fokuserar mer på sambandet mellan snabbmatsintag och hälsostatus, särskilt fetma och diabetes. Studier visade att det finns en hög korrelation mellan snabbmatsintag och hälsostatus. I synnerhet stimulerar intag av snabbmat högre kroppsmassaindex (BMI), viktökning och utveckling av insulinresistens, vilket är viktiga riskfaktorer för diabetes och fetma (French et al., 2000; Jeffrey och French, 1998; Edelstein et al. ., 1997). Dessa studier drog slutsatsen att högre förekomst av snabbmatsrestauranger har varit en av de främsta orsakerna till ökad ohälsosam matkonsumtion.

Den andra och tredje gruppen av litteraturen undersöker demografiska indikatorer som påverkar den geografiska fördelningen av snabbmatsrestauranger i en stad och hur de påverkar stadsdelens hälsotillstånd (Yen och Kaplan, 1999; Diez-Roux et al., 1997; Stokols, 1992). Distributionen av snabbmatsrestauranger inom en stad har en betydande inverkan på invånarnas hälsotillstånd eftersom vissa studier visade att individers hälsa och beteenden påverkas av deras sociala och fysiska omgivning. De rapporterade till exempel att rumslig närhet till en sjukvårdsinrättning är positivt relaterad till utnyttjandet av sjukvård. De rapporterade också att att bo nära de platser där alkohol säljs orsakar en ökad alkoholkonsumtion.

Forskare har funnit att distributionen av snabbmatsrestauranger i en stad är nära relaterad till en mängd olika demografier, såsom ras, etnicitet, inkomst och så vidare (Massachusetts Medical Society Committee on Nutrition, 1999; French et al., 2000; Jeffrey och French, 1998). Bland andra Reidpath et al. (2002), studera inkomsten och exponeringen för snabbmaten och föreslår att snabbmatsrestaurangers täthet och medianindividuell inkomst är negativt korrelerade (de mätte förmögenhet som median individuell veckoinkomst). I en mer omfattande studie har Jason et al. (2004) undersöker sambandet mellan den geografiska fördelningen av snabbmatsrestauranger, etnicitet och inkomst. De drog slutsatsen att snabbmatsrestaurangernas täthet är positivt korrelerad med icke-vit grannskap och negativt korrelerad med medianhushållsinkomsten. Dessutom Morlandet al(2002) testade sambandet mellan den rumsliga tätheten av snabbmatsrestauranger, rasfördelning och inkomstnivå. De hittade inget konsekvent samband mellan förmögenhet och placeringen av snabbmatsrestauranger (de mätte förmögenhet som medianhuspriser vid en folkräkning).

Grupperingen av snabbmatsrestauranger runt offentliga och privata skolor och deras inverkan på elevernas hälsotillstånd diskuteras också i litteraturen. Austin et al (2005) undersökte till exempel koncentrationen av snabbmatsrestauranger i områden nära skolorna för att karakterisera matmiljön i skolkvarteren. De rapporterade att snabbmatsrestauranger är koncentrerade inom ett kort gångavstånd från skolor och utsätter barn för ohälsosamma matmiljöer i sina skolkvarter i Chicago, IL. Simon et al. (2008) studerade snabbmatsrestaurangernas närhet till offentliga skolor och undersökte närheten efter grannskapsinkomst och skolnivå i Los Angeles County, CA. Deras resultat tyder på att snabbmatsrestauranger är belägna i närheten av många skolor, särskilt gymnasieskolor och skolor i låginkomstkvarter och mycket kommersiella grannskap. Davis och Carpenter (2009) analyserade också sambandet mellan snabbmatsrestauranger som ligger runt skolorna och fetma bland mellan- och gymnasieelever i Kalifornien. De drog slutsatsen att elever inom en skola som ligger runt en snabbmatsrestaurang konsumerar mer läsk och färre grönsaker och var mer benägna att vara överviktiga eller feta.

I den här forskningen syftar vi till att undersöka sambandet mellan snabbmatsrestaurangernas täthet och socioekonomiska egenskaper i de amerikanska storstadsområdena med höga andelar av fetma. I synnerhet studerar vi Montgomery, AL som är bland de mest feta städerna i USA (Gallup and Healthway Survey, 2009). Vi tar hänsyn till de demografiska och socioekonomiska egenskaperna hos dessa städer tillsammans med lokaliseringsfördelningen av snabbmatskedjor. Vårt mål är att avslöja om de demografiska och socioekonomiska egenskaperna hos en stad påverkar utbudet av snabbmatskedjor på den mest uppdelade nivån (dvs. folkräkningsnivån). Dessutom undersöker vi effekterna av skolplatser på förekomst och täthet av snabbmatsrestauranger. Vår forskning kombinerar två delar av relevant litteratur, nämligen geografisk och ekonometrisk analys. I den geografiska analysen kombinerar vi demografiska, ekonomiska och geografiska data för varje folkräkningskanal i städerna. Utöver detta tillåter geografisk analys oss att erhålla data för lokaliseringssamband mellan snabbmatsrestauranger och skolområden. Sedan uppskattar vi ekonometriska modeller för att förklara effekterna av grannskapsegenskaper på snabbmatsförsörjningen.

Data

Datagenereringsprocessen för den empiriska analysen består av två steg. För det första erhålls socioekonomiska data från amerikanska myndigheters databaser på folkräkningsnivå för 2010. Uppgifterna för medianinkomst och arbetslöshet kommer från det amerikanska arbetsdepartementet och data för utbildningsnivå och demografiska faktorer kommer från den amerikanska folkräkningsbyrån. Geographic Information System (GIS) programvara används för att härleda geografisk information som kombineras med socioekonomiska data för ytterligare ekonometrisk analys.

En omfattande lista över snabbmatsrestauranger för staden Montgomery erhålls från stadens GIS-avdelning i Montgomery tillsammans med deras gatuadress och identifieringskoder för folkräkningssystemet. Demografiska egenskaper såsom befolkning, ras och inkomst erhålls från U.S. Census Bureau (www.factfinder2.census.gov) på folkräkningskanalnivå för år 2010. Censustraktorkartor hämtas från 2010 Census TIGER/Line Shapefiles (http ://www.census.gov/geo/www/tiger/tgrshp2010/tgrshp2010.html).

Efter att ha samlat in nödvändiga data och GIS-lager, matchas all demografi och 340 snabbmatsrestauranger till 163 folkräkningsområden inom Montgomerys stadsgränser genom att använda GIS. För att hitta snabbmatsrestaurangernas täthet för var tusen invånare i varje folkräkning, divideras antalet snabbmatsrestauranger med den totala befolkningen i det folkräkningsområdet och multipliceras med 1000. Slutligen, snabbmatsrestaurangernas täthet, befolkning , ras och inkomstnivå för varje folkräkningstraktor kombineras för att analysera sambanden mellan snabbmatstäthet och demografisk och ekonomisk status (se karta 1, 2 och 3).

GIS-programvara låter oss analysera lokaliseringsmönstren för snabbmatsrestauranger och grannegenskaper (t.ex. skolor) inom Montgomerys stadsgränser. Den sammanställda listan över offentliga och privata skolor samlas in från stadens GIS-avdelningar tillsammans med deras gatuadresser och identifieringskoder för folkbokföringen. Efter att ha matchat alla snabbmatsrestauranger och skolor till varje folkräkningsområde i Montgomery-städerna, skapas buffertar med 400 m-radius och 800-m-radius runt 100 offentliga och privata skolor. Sedan beräknas antalet snabbmatsrestauranger som ligger inom buffertar av varje storlek. Buffertzonen på 400 m används i den aktuella studien eftersom en vuxen i genomsnitt kan gå 400 m på 5 minuter. 800 m-radiusbuffertar skapas för att karakterisera hur avståndet påverkar skolans matmiljö (se karta 4).

Geografisk analys

Folkräkningskartan över staden Montgomery på karta 1[1]visar både tätheten av snabbmatsrestauranger såväl som andelen svartvit befolkning. Den första siffran ovanför varje snabbmatsrestaurangssymbol anger antalet snabbmatsrestauranger, och den andra siffran på symbolerna visar snabbmatsrestaurangernas täthet i varje folkräkning. Staplarna står för procentandelen svarta och vita invånare i varje folkräkningskanal. 56 procent av befolkningen i Montgomery är svarta och 39 procent är vita. Andelen svart befolkning är högre än den vita befolkningen i 32 folkräkningsområden (kallade svarta folkräkningstraktioner i den aktuella studien) och vice versa för resten 27 folkräkningstraktioner (kallade vita folkräkningstraktioner i den aktuella studien) inom Montgomery stads gränser (se karta 2 för detaljerad information om svarta och vita folkräkningar). Det finns 170 snabbmatsrestauranger i de svarta folkräkningarna och den genomsnittliga tätheten av snabbmatsrestauranger i dessa trakter är 1,79. Det betyder att det finns ungefär två restauranger för varje tusen invånare i svarta folkräkningar. Fallet är betydligt annorlunda för vita folkräkningstrakter. Antalet snabbmatsrestauranger är 172 och tätheten är 1,42. Det finns mindre än en och en halv restauranger för varje tusen folk i vita folkräkningsområden. Detta fynd tyder på att snabbmatsrestauranger är tätt belägna i övervägande svarta befolkade områden i Montgomery, AL.

Folkräkningskartan över staden Montgomery på karta 3 visar både den genomsnittliga hushållsinkomstnivån i folkräkningstrakterna och tätheten av snabbmatsrestauranger. De första siffrorna på folkräkningslistorna indikerar antalet snabbmatsrestauranger och de andra siffrorna anger den genomsnittliga hushållsinkomstnivån i det folkräkningssystemet. Den genomsnittliga hushållsinkomsten är mindre än $34000 i 21 folkräkningstraktater. Det finns 96 snabbmatsrestauranger i dessa fattigaste folkräkningsområden och snabbmatsrestaurangernas täthet är 1,94. I tjugo folkräkningstraktater varierar den genomsnittliga hushållsinkomsten från cirka 34 000 USD till 60 000 USD. 136 snabbmatsrestauranger finns i dessa folkräkningsområden. Även om antalet snabbmatsrestauranger är högre i dessa trakter jämfört med folkräkningstrakterna med lägre inkomstnivå, är tätheten av snabbmatsrestauranger mindre, vilket är 1,56. 15 folkräkningar har en genomsnittlig hushållsinkomstnivå som varierar mellan $60 000 och över. De har 110 snabbmatsrestauranger och tätheten av dessa restauranger är 1,30 vilket är mindre än tidigare folkräkningsgrupper med lägre inkomstnivå. Dessa resultat tyder på att snabbmatsrestauranger är tätt belägna inom låginkomstkvarteren. Resultaten är i enlighet med den vanliga uppfattningen i litteraturen som hävdar att befolkningen med låginkomstnivå mer exponering för ohälsosam mat kommer från snabbmatsrestauranger.

Folkräkningskartan över staden Montgomery på karta 4 rapporterar både tätheten av snabbmatsrestauranger och den rumsliga fördelningen av skolorna som ingår i analyserna. Karta 4 visar också skolor som inte har någon snabbmatsrestaurang eller minst 1 snabbmatsrestaurang inom 400 eller 800 m. Hundra offentliga och privata skolor analyseras i den aktuella studien. Sjutton procent av de totala snabbmatsrestaurangerna (61 restauranger) ligger inom 400 m-radie runt skolor. Femtiosju procent av det totala antalet snabbmatsrestauranger i Montgomerys stadsgränser (193 restauranger) är placerade inom 800 m radie från skolor. 25 % procent av skolorna i staden Montgomery har minst 1 snabbmatsrestaurang inom 400 m, medan nästan 65 % av skolorna har minst 1 snabbmatsrestaurang inom 800 m, cirka 10 minuters promenad. Denna statistik visar att studenter i Montgomery lätt kan nå en snabbmatsrestaurang. Dessa resultat kan vara en av huvudindikatorerna på höga barndoms- och vuxenfetmafrekvenser i staden Montgomery. Enligt Gallup och Healthway Survey 2009 är Montgomery rankad som nummer 1 bland de mest feta 187 storstadsområdena i USA med fetmafrekvenser för vuxna på 34,6 %, vilket avsevärt överträffar den nationella genomsnittliga fetmafrekvensen på 26,5 % (www.gallup.com ). Dessutom rankade studier från Centers for Disease Control and Prevention Alabama nr 14 i landet för barnfetma 2010.

Ekonometrisk analys

Detta avsnitt utforskar bestämningsfaktorerna för snabbmatsrestaurangernas täthet genom en ekonometrisk analys. Ett antal modeller för univariat räkningsdata inklusive Poisson, Negativ binomial, Noll uppblåst Poisson och negativa binomialmodeller används i det empiriska arbetet. I alla modeller används antalet snabbmatsrestauranger (FF) som beroende variabel och tre typer av mått ingår i förklaringsvariablerna som är antal skolor, demografisk data (ras, kön) och socioekonomisk information (arbetslöshet, Gini-index, utbildningsnivå och medianhushållsinkomst). Tabell 1 presenterar den sammanfattande statistiken för uppgifterna.

En bra utgångspunkt för räkningsdatamodellering är att illustrera den empiriska fördelningen av observerade räkningar med hjälp av histogrammet. Figur 1 visar frekvenserna för antalet FF.

Figur 1.Fördelning av den beroende variabeln: Antal FF-restauranger

Ladda ner artikeln för att se figuren

Poisson-regression är den grundläggande modellen för räknedata och antar att varje observerad räkningY_ihämtas från en Poisson-fördelning med det betingade medelvärdetu_ipå en given vektorX_i för falli. Eftersom det har ett mycket starkt antagande är att den villkorliga variansen är lika med villkorligt medelvärde. Data som är lämpliga för Poisson-regression förekommer inte särskilt ofta. Trots det används Poisson-regression som utgångspunkt och baslinje för att modellera räknedata för snabbmatsrestauranger. På grund av den höga risken för överspridning och överskott av nollproblem kommer vi att överväga alternativa metoder som negativa binomial- och nolluppblåsta modeller.

Negativ binomial regression kan användas för överdispergerade räkningsdata; den har en liknande struktur med Poisson-regression och har en extra parameter (Alfa) för att modellera överspridningen. Nolluppblåsta regressionsmodeller försöker kontrollera för överskjutande nollproblem. Det finns två typer av nollor som antas finnas i data, "sanna och överskjutande nollor". Nolluppblåsta modeller uppskattar två ekvationer samtidigt, en för räknemodellen och en för de överskjutande nollorna. Som illustreras i tabell 1 är variansen av antalet FF ungefär tio gånger medelvärdet, vilket innebär möjligheten för överspridning, vilket innebär att förhållandet mellan den villkorliga variansen och det villkorade medelvärdet är större än ett. En ytterligare genomgång av uppgifterna visar också att mer än 25 % av folkräkningarna, 43 av 162, inte har några snabbmatsrestauranger, vilket indikerar överskjutande nollor.

Först används Poisson-regression på snabbmatsdata. Alla variabler utom antalet skolor är statistiskt signifikanta. Resultaten är dock partiska på grund av två huvudsymptom som upptäckts i föregående avsnitt. Enligt Poisson-modellen är den förväntade andelen noll snabbmatsrestauranger 0,023, vilket avsevärt underskattar den observerade andelen. Således minskade storleken på standardfel och t-statistiken blåses upp.

Obs! Siffror inom parentes är standardfelen för parameteruppskattningarna.

***,**,* Statistisk signifikans vid 1 %, 5 % respektive 10 % nivåer.

Negativ binomial regression adresserar frågan om överspridning genom att inkludera en spridningsparameter för att tillgodose den oobserverade heterogeniteten i snabbmatsdata. Den negativa binomialen uppskattar närmare andelen nollor (0,221). Testet av spridningsparametern, Alpha, i den negativa binomialmodellen indikerar också signifikant överspridning. Slutligen är AIC- och BSC-värdena avsevärt förbättrade i NB-modellen. Som ett resultat är den negativa binomialmodellen att föredra framför Poisson-modellen.

Ett annat sätt att redogöra för det stora antalet nollor i denna datamängd är att passa en nolluppblåst Poisson (ZIP) eller en nolluppblåst negativ binomial (ZINB) modell. Koefficientsignifikansen i Logit-komponenten tyder på att om en restaurang förekommer i folkräkningskanalen beror på förklarande variabler. Medan Poisson-komponenten indikerar att frekvenserna för snabbmatsrestauranger är relaterade till oberoende variabler. Den första uppsättningen parametrar ger uppskattningarna av i modellen för Poisson-processens medelvärde. Parametrar med prefixet "Inf" är uppskattningarna av Gamma i den logistiska modellen för .

Andelen nollor som förutsägs av ZIP-modellen är 0,256, vilket är mycket närmare den observerade andelen än Poisson-modellen. Figur 2 visar dock att det väsentligt avviker från de observerade proportionerna för värden större än en restaurang.

Uppskattade koefficienter för alla fyra modellerna tillsammans med relaterad statistik listas i tabell 2. Medan Poisson-regression ger en baslinjemodell för snabbmatsdata, föreslår de andra tre bättre passform än den grundläggande Poisson-modellen. Som framgår av figur 2, ZIP-modellen avsevärt spridd från de observerade sannolikheterna för antalet restauranger runt 1 och 9, litar vi på de uppskattade koefficienterna på ZINB och NB. Alla modeller passar dock på liknande sätt för antalet snabbmatsrestauranger större än 15.

Figur 2.Genomsnittlig förväntad räkningssannolikheter för modeller

Ladda ner artikeln för att se figuren

Dessutom avvisar Vuong-testresultaten för Poisson-modellen nollhypotesen att modellerna är lika nära den sanna modellen, så att Zero Inflated Model föredras framför Poisson. Det anges dock att ZINB föredrog framför den negativa binomialmodellen enligt Vuong test.

Resultat

Fyra räkningsdatamodeller testas för kompatibilitet. Även om modellen med noll uppblåst är den bästa prediktorn för överskjutande nollvärden, har den en partisk förutsägelse för utbudet av snabbmatsrestauranger mellan 1-10. Dessutom, eftersom de gynnsamma vuong-testresultaten och den signifikanta alfaparametern i den nolluppblåsta negativa binomialmodellen som indikerar överspridningen både orsakas av den oobserverade heterogeniteten och splittringsstrukturen, begränsar vi här diskussionen med resultaten av ZINB-regressionsmodellen , som inkluderar en logit- och en NB-regression.

Den grundläggande uppställningen av logit-modellen är att förutsäga sannolikheten för förekomst av snabbmatsrestauranger i folkräkningstrakterna. I logitmodellen är koefficienterna för Gini-index, procentandel av kandidatexamen eller mer, kvinnor och arbetslöshetsvariabler statistiskt signifikanta på 1 %, 5 %, 10 % respektive 10 % nivåer. Inkomstojämlikhet är positivt korrelerad med både sannolikheten och frekvensen av snabbmatsrestauranger. Medan andelen arbetslöshet, kvinnor och kandidatexamen eller mer minskar sannolikheten för att det inträffar med en faktor på 0,895 respektive 0,823. Fast food-frekvensen är dock liknande med andra utbildningsnivåer och anställda.

NB-regressionsdelen tyder också på att logg över hushållens medianinkomst minskar antalet snabbmatsrestauranger jämfört med antalet skolor ökar snabbmatstätheten i folkräkningarna. Procenten av den svarta befolkningen och inkomstojämlikheten är de mest statistiskt signifikanta faktorerna som utlöser frekvensen av snabbmatsrestaurangerna med 0,678 och 0,672 i den ordning de visas.

Slutsatser

Vi undersöker sambandet mellan förekomsten av snabbmatsrestauranger och ekonomiska och sociala egenskaper i de amerikanska storstadsområdena som kämpar med fetma. Vårt mål är att avslöja om de demografiska och socioekonomiska egenskaperna hos en stad påverkar utbudet av snabbmatskedjor. I detta avseende studerar vi Montgomery, AL som är bland de mest feta städerna i USA (Gallup and Healthway Survey, 2009). Vi överväger stadens demografiska och socioekonomiska egenskaper tillsammans med snabbmatskedjornas lokaliseringsfördelningar för att utforska hur utbudet av snabbmatsrestauranger är fördelat i storstadsområdena genom att använda geografiska informationssystem och räkna datamodeller på den mest disaggregerade nivån (dvs. , folkräkningsnivå). Studien utökas också för att analysera effekterna av skolplatser på förekomst och täthet av snabbmatsrestauranger. Således analyseras alla offentliga och privata skolor i stadsgränsen i Montgomery i den aktuella studien.

De empiriska resultaten av denna studie tyder på att grannskapsegenskaper, både demografiska och ekonomiska, har betydande inverkan på snabbmatsförsörjningen. Bland annat är etnicitet och inkomstskillnader de viktigaste faktorerna för förekomst och täthet av snabbmatsrestauranger. Modelluppskattningar visar att snabbmatsrestaurangernas täthet är högre i stadsdelar med övervägande svart befolkning och högre inkomstskillnad. Resultaten indikerar vidare att antalet snabbmatsrestauranger ökar runt de offentliga och privata skolorna i folkräkningstrakterna. Geografiska analysresultat indikerar att 25 procent av skolorna i staden Montgomery har minst 1 snabbmatsrestaurang inom 400 m, medan nästan 65 % av skolorna har minst 1 snabbmatsrestaurang inom 800 m, cirka 10 minuters promenad.

Dessa resultat kan vara möjliga indikatorer på höga barndoms- och vuxenfetmafrekvenser i staden Montgomery tillsammans med de viktigaste bestämningsfaktorerna för övervikt och fetmaprevalens för vuxna och barn som föreslås i litteraturen. Enligt Gallup och Healthway Survey 2009 är Montgomery rankad som nummer 1 bland de mest överviktiga 187 storstadsområdena i USA med fetmafrekvenser för vuxna på 34,6 %, vilket avsevärt överträffar den nationella genomsnittliga fetmafrekvensen på 26,5 %. 2010 CDC (Centers for Disease Control and Prevention) rapport rankad Alabama nr 14 i landet för barndomsfetma.

Bilaga

Figur 3:Snabbmatsrestaurang Density and Race i Montgomery, AL, 2010

Ladda ner artikeln för att se figuren

Figur 4:Black And White Neighborhoods och snabbmatsrestauranger i Montgomery, AL, 2010

Ladda ner artikeln för att se figuren

Figur 5:Medianinkomstnivå för hushåll och snabbmatsrestauranger i Montgomery, AL, 2010.

Ladda ner artikeln för att se figuren

Figur 6:Plats för skolor och snabbmatsrestauranger i Montgomery, AL, 2010

Ladda ner artikeln för att se figuren

Referenser

Austin, S. B., Melly, S. J., Sanchez, B. N., Patel, A., Buka, S., & Gortmaker, S. L. (2005). Klustring av snabbmatsrestauranger runt skolor: en ny tillämpning av rumslig statistik för att studera matmiljöer. American journal of public health, 95(9), 1575-1581.

Block, J.P., Scribner, R.A., & DeSalvo, K.B. (2004). Snabbmat, ras/etnicitet och inkomst: en geografisk analys. American journal of preventive medicine, 27(3), 211-217.

Centers for Disease Control and Prevention. Tillgänglig på :http://www.cdc.gov/obesity/ childhood/(Används 12 augusti 2017)

Critser, G. (2004). Fet land: Hur amerikaner blev de fetaste människorna i världen. Houghton Mifflin Harcourt.

Davis, B., & Carpenter, C. (2009). Närhet till snabbmatsrestauranger till skolor och övervikt hos ungdomar. American Journal of Public Health, 99(3), 505-510.

Diez-Roux, A. V., Nieto, F. J., Muntaner, C., Tyroler, H. A., Comstock, G. W., Shahar, E., … & Szklo, M. (1997). Grannskapsmiljöer och kranskärlssjukdom: en analys på flera nivåer. American journal of epidemiology, 146(1), 48-63.

Edelstein, S.L., Knowler, W.C., Bain, R.P., Andres, R., Barrett-Connor, E.L., Dowse, G.K., … & Collins, V.R. (1997). Prediktorer för progression från nedsatt glukostolerans till NIDDM: en analys av sex prospektiva studier. Diabetes, 46(4), 701-710.

French, S. A., Harnack, L., & Jeffery, R. W. (2000). Användning av snabbmatsrestauranger bland kvinnor i Pound of Prevention-studien: dietmässiga, beteendemässiga och demografiska korrelat. International Journal of Obesity, 24(10), 1353.

Jeffery, R.W., & French, S.A. (1998). Epidemisk fetma i USA: bidrar snabbmat och tv-tittande? American journal of public health, 88(2), 277-280.

Lin, D.B.B.H. (1999). Away-from-home livsmedel allt viktigare för kvaliteten på amerikansk. Jordbruksinformationsbulletin nr 749.

Massachusetts Medical Society Committee on Nutrition. (1989). Snabbmat. North England Journal of Medicine; 321:752–6.

Morland, K., Wing, S., Roux, A. D., & Poole, C. (2002). Grannskapsegenskaper förknippade med lokaliseringen av matbutiker och serveringsställen. American journal of preventive medicine, 22(1), 23-29.

Reidpath, D. D., Burns, C., Garrard, J., Mahoney, M., & Townsend, M. (2002). En ekologisk studie av sambandet mellan sociala och miljömässiga bestämningsfaktorer för fetma. Hälsa & plats, 8(2), 141-145.

Schlosser, E. (2002). Snabbmatsnation: Vad den helamerikanska måltiden gör med världen. Penguin Storbritannien.

Series, T. F. S. T. (2004). Restauranger med begränsad service (1975–2005). Chicago Ill Technomic Inc.

Simon, P. A., Kwan, D., Angelescu, A., Shih, M., & Fielding, J. E. (2008). Närhet till snabbmatsrestauranger till skolor: spelar grannskapets inkomst och typ av skola någon roll?. Preventive medicine, 47(3), 284-288.

Stokols, D. (1992). Etablera och upprätthålla hälsosamma miljöer: mot en social ekologi för hälsofrämjande. Amerikansk psykolog, 47(1), 6.

USA:s folkräkning – databas. Tillgänglig på:http://www.census.gov/geo/www/tiger/tgrshp2010 /tgrshp2010.html(Tillgänglig 12 maj 2017)

Yen, I.H., & Kaplan, G.A. (1999). Social miljö i grannskapet och risk för död: bevis på flera nivåer från Alameda County-studien. American Journal of Epidemiology, 149(10), 898-907.

[1]Alla kartor som genererats i denna studie presenteras i bilagan.