發(fā)布時間：2020-08-04 08:30

【摘要】：貧困是一個十分復(fù)雜并且在長期內(nèi)受到廣泛關(guān)注的問題,截止到2017年中國依舊存在嚴(yán)重的貧困問題。十九大報告指出在民生領(lǐng)域還有不少短板,脫貧攻堅任務(wù)艱巨。目標(biāo)是從現(xiàn)在到2020年,全國在現(xiàn)行標(biāo)準(zhǔn)下農(nóng)村貧困人口全部脫貧,建立合理的識別貧困戶的模型體系是現(xiàn)階段研究的關(guān)鍵所在。本文是在多維貧困視角下,對中國農(nóng)村貧困家庭進行識別的研究,借鑒模糊數(shù)學(xué)中模糊集的概念,嘗試性的把“貧困”看成一個模糊的概念,采用模糊集方法中的完全模糊與相對方法(TFR)方法構(gòu)建多維貧困模糊指數(shù)對中國農(nóng)村家庭的多維貧困狀況進行測度并分類。然后,使用隨機森林對已有的貧困識別模型進行驗證并預(yù)測。最后對多維模糊-隨機森林模型的預(yù)測精度進行驗證,與其它模型進行比較。運用多維模糊-隨機森林組合模型來對貧困對象進行有效的識別,不僅可以精確地識別出農(nóng)村貧困家庭,而且可以分析中國農(nóng)村貧困家庭各維度的貧困發(fā)生率、致貧因素以及根據(jù)多個維度的判別準(zhǔn)則對貧困家庭進行有效識別,并提出相應(yīng)的精準(zhǔn)扶貧的政策建議。研究結(jié)果表明:單維度的貧困發(fā)生率(多維致貧因素)主要集中在生活負(fù)擔(dān)、居住環(huán)境、經(jīng)濟地位和人均年收入,多維模糊-隨機森林模型在識別貧困方面具有很高的精度,本文的研究結(jié)果對精準(zhǔn)扶貧有著重大意義,從理論上講,本文構(gòu)建了一套較為完善的農(nóng)村多維貧困識別體系,為識別貧困戶奠定了基礎(chǔ);從實踐上講,本文提出了一個能夠準(zhǔn)確識別貧困家庭的組合模型,可以為精準(zhǔn)扶貧工作提供重要參考。
【學(xué)位授予單位】：首都經(jīng)濟貿(mào)易大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F323.8
【圖文】：

圖 4.1 特征指標(biāo)的重要性（2）選取對模型有重要影響的指標(biāo)進行建模根據(jù)上述理由闡述并不是所有變量都會進入最終的隨機森林模型，篩選之后，進隨機森林模型的有人均年收入、醫(yī)療保險、居住環(huán)境、受教育程度、生活負(fù)擔(dān)、養(yǎng)老險、掌握技能和電器資產(chǎn)等 8 個變量。根據(jù)已有文獻(xiàn)劉波[23]（2017）主觀貧困并不等于客觀貧困，有些時候往往還有更豐富的內(nèi)涵，比客觀貧困更能夠代表貧困家庭的情所以選擇主客觀法相結(jié)合主要是因為，單獨的客觀貧困只能看到貧困家庭的物質(zhì)方面需求和匱乏，而精神方面的貧困缺失，會損失很多有用的信息，繼而不能過全面很好對貧困戶進行識別。所以對主觀指標(biāo)包括居住環(huán)境、生活負(fù)擔(dān)和掌握技能的入選，是方便了筆者在做實證分析的經(jīng)驗。4.3.2 農(nóng)村多維貧困的隨機森林識別模型本小節(jié)主要是對建立農(nóng)村多維貧困的隨機森林識別模型，之前收集到的數(shù)據(jù)集5563 條觀測，訓(xùn)練集為 4564 條，測試集為 999 條，預(yù)測集數(shù)據(jù)是在建立模型之前預(yù)

圖 4.2 Mtry=2 誤差圖由圖 4.2Mtry=2 時的誤差圖可知，當(dāng) ntree 的值大概大于 400 之后，模型誤差趨穩(wěn)定，沒有特別大的波動，基本穩(wěn)定在一個定值附近，所以我們可以將模型中的 n的值大致確定為 400 左右，最佳隨機森林模型就選擇當(dāng) Mtry=2。由圖 4.3 當(dāng) Mtry=2 時的誤差圖時可知，當(dāng) ntree 的值大概在大于 400 之后，模型差趨于穩(wěn)定，沒有特別大的波動，基本穩(wěn)定在一個定值附近，當(dāng) Mtry=3 時的誤差圖可知，當(dāng) ntree 的值大概在大于 400 之后，模型誤差趨于穩(wěn)定，沒有特別大的波動，本穩(wěn)定在一個定值附近，所以我們可以將模型中的 ntree 的值大致確定為 400 左右，此來達(dá)到最佳隨機森林模型。通過以上分析之后，加上之前所述使用全變量做隨機森林模型，通過上文可知，n的值為 400 的模型具有很好的穩(wěn)定性，但是決策數(shù)個數(shù)是多少，還沒有最終的確定以本文決定最優(yōu)模型為決策樹節(jié)點處變量個數(shù)為 2 和 3，模型中 ntree 的值為 400 的型，通過建立模型，然后再比較哪一個模型是比較好的。建立隨機森林模型過程及顯結(jié)果如表 4.4，部分重要變量建立隨機森林模型結(jié)果如表 4.4 和表 4.5。

圖 4.3 Mtry=3 誤差圖表 4.4 Mtry=2 全部變量的隨機森林模型的混淆矩陣混淆矩陣預(yù)測值系統(tǒng)誤差 模型內(nèi)誤差0 1真實值0 1660 328 0.165012.4%1 238 2338 0.0924表 4.5 Mtry=3 全部變量的隨機森林模型的混淆矩陣混淆矩陣預(yù)測值系統(tǒng)誤差 模型內(nèi)誤差0 1真實值0 1653 335 0.168512.62%1 241 2335 0.0936表 4.6 Mtry=2 重要變量的隨機森林模型的混淆矩陣

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高艷云;馬瑜;;多維框架下中國家庭貧困的動態(tài)識別[J];統(tǒng)計研究;2013年12期

2 王艷慧;錢樂毅;段福洲;;縣級多維貧困度量及其空間分布格局研究——以連片特困區(qū)扶貧重點縣為例[J];地理科學(xué);2013年12期

3 王素霞;王小林;;中國多維貧困測量[J];中國農(nóng)業(yè)大學(xué)學(xué)報(社會科學(xué)版);2013年02期

4 高艷云;;中國城鄉(xiāng)多維貧困的測度及比較[J];統(tǒng)計研究;2012年11期

5 陸康強;;要素均衡:人類發(fā)展指數(shù)的算法改進與實證研究[J];統(tǒng)計研究;2012年10期

6 王小林;;貧困標(biāo)準(zhǔn)及全球貧困狀況[J];經(jīng)濟研究參考;2012年55期

7 方迎風(fēng);;中國貧困的多維測度[J];當(dāng)代經(jīng)濟科學(xué);2012年04期

8 郭建宇;吳國寶;;基于不同指標(biāo)及權(quán)重選擇的多維貧困測量——以山西省貧困縣為例[J];中國農(nóng)村經(jīng)濟;2012年02期

9 鄒薇;方迎風(fēng);;關(guān)于中國貧困的動態(tài)多維度研究[J];中國人口科學(xué);2011年06期

10 郭勁光;;我國貧困人口的脆弱度與貧困動態(tài)[J];統(tǒng)計研究;2011年09期

本文編號：2780305