基于Logistic回归分析的返贫预测模型研究

发布时间：2020-03-25 14:09

【摘要】：精准扶贫是我国全面建成小康社会的重要战略举措。随着我国扶贫工作取得显著成效的同时,不少贫困地区却长期存在着“扶贫、脱贫、再返贫”的怪圈现象。本文积极响应国家精准扶贫战略的号召,利用大数据分析技术,对我国脱贫户的返贫现象进行研究。在国家首个精准扶贫管理平台——甘肃省精准扶贫大数据管理平台的数据分析模块下,设计了基于Logistic回归分析的返贫预测模型。首先,对甘肃省扶贫办提供数据进行缺失值、异常值、数据变换等数据预处理工作,后续对返贫户的各项特征进行独立样本T检验,对显著性水平低于0.05的特征进行相关性检验,选取建模特征。其次,在Spark平台下,利用Logistic回归算法对现有返贫户进行分析,在不同比例训练数据下建立返贫预测模型,根据实验结果,对模型进行评估,选取预测准确率为86.43%的最优模型对2017年脱贫户进行返贫预测。最后,利用K-means聚类算法对预测出的返贫人群进行聚类,选取最优K值建立返贫人群聚类分析模型。通过聚类结果,观察各类返贫人群在各项特征上的差异,分析各类返贫户可能返贫的原因,对不同类别返贫人群成立相应的扶贫调查小组,制定有效、有针对性的帮扶措施,使脱贫户彻底摆脱返贫的厄运。
【图文】：

贫困人口,历年,状况,扶贫工作

图 1-1 我国历年贫困人口状况随着我国扶贫工作取得显著成绩的同时，许多突出问题逐渐显现出来，进而影响了精准扶贫的效果。其中包括以下几点：改革开放以来，我国的扶贫工作一直是以粗放式的区域性扶贫措施，主要针对的是贫困地区，但往往忽略了主要贫困户以及贫困人群，例如较为发达地区的低保贫困户。在我国扶贫工作初期，我国大多数农村地区处于较为贫困状态，其中发展落后的地区贫困人口基数较大，因此采用区域性扶贫措施，特别瞄准的是较为贫困地区的县、镇、村而忽略了较为发达地区的贫困户。其次，近几年我国农村返贫问题逐渐变得复杂起来，虽然我国降低贫困率的速度相对减缓，但是返贫的怪现象变得越来越为突出，在某些贫困地区利用传统的扶贫措施无法从根本上解决贫困，从而产生了贫困人口接受政府扶贫后转变为脱贫人口后，由于没有从根本上解决致贫原因，再次步入贫困人群的怪现象，也就是我们俗称的“扶贫，脱贫，再返贫”的怪圈现象。自 2000 年以来，我国多数年份脱贫人口稳定在 200 万到 300 万之间，，但是

农民纯收入

做了细致的分析，二者认为返贫是由于经济格局的变化、生态环境的改变、家庭相关因素的变化、自然土地灾害、外部市场变化等一系列因素，使得原有脱离贫困或者处于贫困标准线之上的人口又重新陷入贫困或者跌到贫困线一下，再次成为贫困人口[6]。张莉莉的对“扶贫、脱贫、在返贫”怪圈现象的分析[7]中提出的加强基础设施建设及人力资本投资的若干对策，指出我国部分贫困地区的“扶贫、脱贫、再返贫”形成的主要原因是贫困及低收入地区自然环境及社区环境较差，贫困及低收入家庭人口较多，劳动力负担较重，贫困农户生产收入结构单一，受市场波动大，缺少稳定性收入等相关原因，如图 1-2 我国农村地区农民各项收入构成。浙江大学的董春宇和栾敬东[8]对返贫现象进行了分析，提出了返贫怪圈的对策：要改善贫困地区基础设施建设，保护生态环境，引进人力资本投资，从而提高贫困地区的人均经济收入，通过对比农村地区农户劳动力文化程度构成以及农民纯收入构成结构，发现农村“扶贫、脱贫、再返贫”怪圈的形成原因，如图1-3 我国农村文化程度构成情况。
【学位授予单位】：西北师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F323.8;TP311.13

【参考文献】