發(fā)布時間：2020-03-25 14:09

【摘要】：精準扶貧是我國全面建成小康社會的重要戰(zhàn)略舉措。隨著我國扶貧工作取得顯著成效的同時,不少貧困地區(qū)卻長期存在著“扶貧、脫貧、再返貧”的怪圈現(xiàn)象。本文積極響應國家精準扶貧戰(zhàn)略的號召,利用大數(shù)據(jù)分析技術,對我國脫貧戶的返貧現(xiàn)象進行研究。在國家首個精準扶貧管理平臺——甘肅省精準扶貧大數(shù)據(jù)管理平臺的數(shù)據(jù)分析模塊下,設計了基于Logistic回歸分析的返貧預測模型。首先,對甘肅省扶貧辦提供數(shù)據(jù)進行缺失值、異常值、數(shù)據(jù)變換等數(shù)據(jù)預處理工作,后續(xù)對返貧戶的各項特征進行獨立樣本T檢驗,對顯著性水平低于0.05的特征進行相關性檢驗,選取建模特征。其次,在Spark平臺下,利用Logistic回歸算法對現(xiàn)有返貧戶進行分析,在不同比例訓練數(shù)據(jù)下建立返貧預測模型,根據(jù)實驗結果,對模型進行評估,選取預測準確率為86.43%的最優(yōu)模型對2017年脫貧戶進行返貧預測。最后,利用K-means聚類算法對預測出的返貧人群進行聚類,選取最優(yōu)K值建立返貧人群聚類分析模型。通過聚類結果,觀察各類返貧人群在各項特征上的差異,分析各類返貧戶可能返貧的原因,對不同類別返貧人群成立相應的扶貧調(diào)查小組,制定有效、有針對性的幫扶措施,使脫貧戶徹底擺脫返貧的厄運。
【圖文】：

圖 1-1 我國歷年貧困人口狀況隨著我國扶貧工作取得顯著成績的同時，許多突出問題逐漸顯現(xiàn)出來，進而影響了精準扶貧的效果。其中包括以下幾點：改革開放以來，我國的扶貧工作一直是以粗放式的區(qū)域性扶貧措施，主要針對的是貧困地區(qū)，但往往忽略了主要貧困戶以及貧困人群，例如較為發(fā)達地區(qū)的低保貧困戶。在我國扶貧工作初期，我國大多數(shù)農(nóng)村地區(qū)處于較為貧困狀態(tài)，其中發(fā)展落后的地區(qū)貧困人口基數(shù)較大，因此采用區(qū)域性扶貧措施，特別瞄準的是較為貧困地區(qū)的縣、鎮(zhèn)、村而忽略了較為發(fā)達地區(qū)的貧困戶。其次，近幾年我國農(nóng)村返貧問題逐漸變得復雜起來，雖然我國降低貧困率的速度相對減緩，但是返貧的怪現(xiàn)象變得越來越為突出，在某些貧困地區(qū)利用傳統(tǒng)的扶貧措施無法從根本上解決貧困，從而產(chǎn)生了貧困人口接受政府扶貧后轉(zhuǎn)變?yōu)槊撠毴丝诤�，由于沒有從根本上解決致貧原因，再次步入貧困人群的怪現(xiàn)象，也就是我們俗稱的“扶貧，脫貧，再返貧”的怪圈現(xiàn)象。自 2000 年以來，我國多數(shù)年份脫貧人口穩(wěn)定在 200 萬到 300 萬之間，，但是

做了細致的分析，二者認為返貧是由于經(jīng)濟格局的變化、生態(tài)環(huán)境的改變、家庭相關因素的變化、自然土地災害、外部市場變化等一系列因素，使得原有脫離貧困或者處于貧困標準線之上的人口又重新陷入貧困或者跌到貧困線一下，再次成為貧困人口[6]。張莉莉的對“扶貧、脫貧、在返貧”怪圈現(xiàn)象的分析[7]中提出的加強基礎設施建設及人力資本投資的若干對策，指出我國部分貧困地區(qū)的“扶貧、脫貧、再返貧”形成的主要原因是貧困及低收入地區(qū)自然環(huán)境及社區(qū)環(huán)境較差，貧困及低收入家庭人口較多，勞動力負擔較重，貧困農(nóng)戶生產(chǎn)收入結構單一，受市場波動大，缺少穩(wěn)定性收入等相關原因，如圖 1-2 我國農(nóng)村地區(qū)農(nóng)民各項收入構成。浙江大學的董春宇和欒敬東[8]對返貧現(xiàn)象進行了分析，提出了返貧怪圈的對策：要改善貧困地區(qū)基礎設施建設，保護生態(tài)環(huán)境，引進人力資本投資，從而提高貧困地區(qū)的人均經(jīng)濟收入，通過對比農(nóng)村地區(qū)農(nóng)戶勞動力文化程度構成以及農(nóng)民純收入構成結構，發(fā)現(xiàn)農(nóng)村“扶貧、脫貧、再返貧”怪圈的形成原因，如圖1-3 我國農(nóng)村文化程度構成情況。
【學位授予單位】：西北師范大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F323.8;TP311.13

【參考文獻】

相關期刊論文 前10條

1 鄭瑞強;曹國慶;;基于大數(shù)據(jù)思維的精準扶貧機制研究[J];貴州社會科學;2015年08期

2 李昊源;崔琪琪;;農(nóng)村居民家庭貧困的特征與原因研究——基于對甘肅省調(diào)研數(shù)據(jù)的分析[J];上海經(jīng)濟研究;2015年04期

3 謝娟英;王艷娥;;最小方差優(yōu)化初始聚類中心的K-means算法[J];計算機工程;2014年08期

4 涂新莉;劉波;林偉偉;;大數(shù)據(jù)研究綜述[J];計算機應用研究;2014年06期

5 張引;陳敏;廖小飛;;大數(shù)據(jù)應用的現(xiàn)狀與展望[J];計算機研究與發(fā)展;2013年S2期

6 孔英會;景美麗;;基于混淆矩陣和集成學習的分類方法研究[J];計算機工程與科學;2012年06期

7 崔貫勛;李梁;王柯柯;茍光磊;鄒航;;關聯(lián)規(guī)則挖掘中Apriori算法的研究與改進[J];計算機應用;2010年11期

8 董春宇;欒敬東;謝彪;;對返貧現(xiàn)象的一個分析[J];經(jīng)濟問題探索;2008年03期

9 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學報;2008年01期

10 汪三貴;王Y

本文編號：2600005