有监督机器学习在甘肃省农村贫困户识别中的应用

发布时间：2021-01-09 05:51

　　随着我国宏观经济环境的变化,尤其是国民收入分配不平等的水平扩大,以前的粗放式的以区域开发为主的扶贫模式已经不能满足当前的形势。同时,随着扶贫开发工作的不断推进和扶贫力度的不断加大,农村容易脱贫的地区和人口基本已经脱离贫困,剩余贫困地区和贫困人口在致贫原因和贫困性质方面表现出了明显的复杂性。基于农村目前的贫困现状,党的十八大第五次全体会议通过的《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》提出,到2020年实现“我国现行标准下农村贫困人口实现脱贫,贫困县全部摘帽,解决区域性整体贫困”的扶贫开发目标,针对此目标和过去的粗放式扶贫,提出了一系列的精准扶贫政策,旨在能够对贫困人口的致贫原因进行精准的识别,以做出对贫困人口的精准帮扶。甘肃省是一个传统的农业大省,也是我国西部的一个欠发达的省份,在全国贫困发生率较高。在精准扶贫的目标下,甘肃省的扶贫任务异常艰巨。为实现这一目标,首先要对贫困户精准识别。本次研究是基于甘肃省86个县（区）的入户调查数据,采用四种机器学习方法,即决策树分类模型、随机森林模型、逻辑回归分类和神经网络模型,分别对其进行贫困户分类的实证研究。实证过程做了如下主要... 

【文章来源】：兰州财经大学甘肃省

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

调查户从业类型

兰州财经大学硕士学位论文 有监督机器学习在甘肃省农村贫困当地农村居民最低生活保障标准的农村常住居民家庭实行的基本生所以领取低保的农业户通常是经济基础较差，生活有困难的住户。农业户是否领取低保的情况描述，以及领取低保的农业户占总的农情况，都可以为后续研究中数据集划分的提供重要的分析依据。如图其中领取低保的农业户有 722 户，占所有调查的农业户的 28%。

图 3.3 生产性固定资产拥有情况由图 3.3 统计的被调查户拥有的生产性固定资产情况，可以看出：a.无论是领取低保还是未领取低保的住户对小型和手扶拖拉机拥有量都多，领取低保的住户共有 260 个，大约占总领取低保户数的 36%，未领取低保住户共有 1075 个，大约占总的未领取低保户数的 42%。这说明：1.在经济条允许的情况下，农业户首先会选择购买小型和手扶拖拉机；2.未领取低保的住仍然比领取低保的住户有更好的经济条件购买小型和手扶拖拉机。b.领取低保和未领取低保的住户对收割机和农用动力机械的拥有总量都少，虽然领取低保的住户对收割机的有用量要多于未领取低保的住户，出现了常情况，但是由于总的数量太少，说明农业户对收割机和农用动力机械的需求大，在经济条件没有充分好的情况下可以不购买，对农业户中贫困户识别的分的影响不大。

【参考文献】：
期刊论文
[1]农村现期贫困原因与反贫困对策研究——基于甘肃14个贫困村的调查数据[J]. 王博.  财经理论研究. 2017(05)
[2]一种基于机器学习识别贫困人口的数据分析方法研究[J]. 梁骁,张明,覃琳.  企业科技与发展. 2017(05)
[3]甘肃精准扶贫政策的落地研究[J]. 王彦平,苏晓玲,刘彦龙.  生产力研究. 2017(02)
[4]甘肃省农村贫困问题探究及应对策略[J]. 尹丽娟.  甘肃农业. 2017(02)
[5]甘肃省农村最低生活保障标准测算与分析——基于扩展线性支出模型[J]. 韩旭峰,豆红玉.  西北人口. 2017(01)
[6]精准扶贫视域下我国农村地区贫困人口识别机制研究[J]. 汪磊,伍国勇.  农村经济. 2016(07)
[7]主成分分析法在农村贫困研究中的应用——以宁夏海原县17个乡镇为例[J]. 苏晓芳,刘小鹏,陈姝睿.  宁夏工程技术. 2015(03)
[8]基于大数据思维的精准扶贫机制研究[J]. 郑瑞强,曹国庆.  贵州社会科学. 2015(08)
[9]关于精准扶贫的研究综述[J]. 公衍勇.  山东农业工程学院学报. 2015(03)
[10]论中国的精准扶贫[J]. 汪三贵,郭子豪.  贵州社会科学. 2015(05)

硕士论文
[1]贵州省精准扶贫中贫困户的识别研究[D]. 汪克高.贵州财经大学 2016
[2]我国精准扶贫的实践困境及对策研究[D]. 黎沙.南京大学 2016
[3]贵州省贫困发生率面板数据统计分析[D]. 陈凤.贵州财经大学 2014
[4]随机森林在电信行业客户流失预测中的应用[D]. 邱一卉.厦门大学 2008
[5]广西贫困村分类的神经网络方法与应用研究[D]. 林斌.广西大学 2005



本文编号：2966091