基于概率软逻辑推理模型的高校贫困生识别

贫困大学生作为一个特殊群体在高校大学生中占有较高比例,国家对于高校资助工作的开展一直高度重视。如何精准识别大学生的贫困程度并为其提供资助是众多高校一直着力解决的长期性问题。该研究提出了一种基于概率软逻辑推理模型来预测大学生贫困等级的方法,该方法通过软约束构建规则和逻辑谓词方式将人为可理解的贫困生判别标准和常识引入概率软逻辑推理模型进行推理预测。在高校学生真实数据上的大量实验表明,该方法的识别正确率可达到90%以上。此外,与支持向量机、逻辑回归、决策树等机器学习算法相比,该方法具有更高的推理识别精度,因此,对于大学生的贫困程度识别该方法具有巨大的潜力。

基于手机信令数据的城市相对贫困空间识别研究——以广州市为例

手机信令数据记录了城市个体的社会经济属性信息,在城市贫困空间识别中可以更精准地定位相对贫困群体。以广州市为例,尝试结合手机信令数据与问卷调查数据,构建了个体手机使用指标与经济水平间的多元线性回归模型,再利用手机信令数据识别城市内部相对贫困空间。研究发现,个体层面上“手机通讯费用”“APP使用偏好”与其经济水平具有关联性;空间层面上呈“中心高、四周低”的空间分布规律,中心城区内相对贫困空间集中于老城区、城中村和旧工业区。对比传统人口普查数据识别结果,发现基于手机信令数据的相对贫困识别具有较高的可行性。研究丰富了城市相对贫困空间识别的方法体系,对有针对性推进贫困治理工作具有实践意义。

“收入导向型”多维贫困的识别与流动性研究——基于CFPS调查数据农村子样本的考察

本文结合收入及健康、教育、生活状况、卫生状况和食物支出五个非收入指标,构建了"收入导向型"多维贫困指数,采用中国家庭追踪调查(CFPS)数据的农村子样本,考察多维贫困的识别、追踪和流动性问题。在比较了6维贫困指标和多维贫困指标对贫困识别的效果后研究发现,仅依据收入、教育和生活状况三个维度即可有效识别和追踪贫困家庭,并且在这三个维度下均处于贫困状态的农村家庭跳出贫困陷阱的概率显著低于一般收入贫困家庭。研究表明,扶贫政策应当在减少收入贫困基础上更多关注多重剥夺对贫困家庭整体福利的影响,并致力于提高贫困家庭的持续脱贫能力以增强其跳出贫困陷阱的可能性。

中国农村贫困家庭的识别

本文利用国家统计局农村贫困监测数据和计量经济模型(OLS和Logistic模型)来识别与农户贫困和家庭福利状况高度相关的预测指标。我们发现,无论是OLS模型还是Logistic模型,都可以准确预测50%以上的贫困家庭。Logistic模型在准确预测贫困家庭方面有更好的表现,在选择合适的概率切割点后,预测的准确率可以达到70%以上。我们还发现,要准确预测极端贫困人口是十分困难的。在实践中,较高的贫困线有利于提高预测和瞄准的准确性。

精准扶贫背景下贫困农户识别对耕地利用效率的影响——以重庆市石柱土家族自治县为例

以重庆市石柱土家族自治县(以下简称"石柱县")1 027户农户调研数据为依据,运用DEA模型测度了精准扶贫视角下不同属性农户类别的耕地利用效率,并以Tobit模型回归分析研究了扶贫视角下影响农户耕地利用效率的关键因素.结果表明:高强度的瞄准性政策帮扶对耕地利用效率影响并不高,且存在一般农户、贫困户、脱贫户的耕地利用效率依次降低和贫困村、非贫困村的耕地利用效率依次降低的两种趋势;从贫困视角的农户识别看,贫困户对耕地利用效率影响的正相关有统计学意义;土地收入占家庭总收入的比例、农业补贴、发展特色种植业和较强的村域经济发展速度对耕地利用效率的正相关有统计学意义,而耕地规模对耕地利用效率呈负向影响,劳动力技能培训和农户仅接受了义务教育阶段教育水平这一因素对扶贫视角下耕地利用效率影响无统计学意义.

贫困的识别、加总与分解

本文在国内外现有研究基础上,进一步发展和完善贫困规模的测度体系以及反贫困效果的评价体系。该体系主要包括贫困识别、贫困加总、贫困分解三个模块。得到的主要结论是政府扶贫政策达到的目标的不同决定了其扶贫的手段的不同,要从根本上改善我国城市贫困问题,政府必须制定出亲贫困增长战略。

贫困识别评估指标优化及实证

精准扶贫政策取得了巨大的减贫成效,也积累了良好的扶贫经验,在我国扶贫工作重心发生变化的背景下,文章基于已有贫困识别体系,优化构建出适用于相对贫困识别的指标体系,并使用鄂西贫困县农户调查数据进行实证检验。结果表明:以"收入-财产"为标准的贫困识别指标体系可以有效甄别贫困人口,杜绝贫困人口中的"错进"以及非贫困人口中的"漏评"问题。在相对贫困治理阶段开展相对贫困人口识别工作,应避免仅靠收入识别贫困。

动态管理:贫困转型和贫困识别的现实反思与展望

精准扶贫是有别于中国传统扶贫策略的新创举。从精准扶贫到精准脱贫,得益于制度安排释放出的发展动力。通过耙梳贫困转型及贫困标准的理论演进,剖析诱致农村收入型贫困转向支出型贫困的根柢机理。贫困转型背景下检视贫困识别的现实困境,倡导定制适切性更高的贫困标准、差别化运作地方贫困标准、科学化核算农民收入、动态化识别贫困人口,构建动态管理机制,屏蔽贫困人口漏出、进退识别偏差、扶贫资源浪费、脱贫成效波动等乱象。

相对贫困视域下“双一流”建设高校贫困生识别策略研究

一流拔尖创新人才培养需要高校提供支持性的制度环境,学生资助体系是其中关键一环。在"后扶贫时代","双一流"建设高校学生资助工作的高质量发展依托于对学生贫困状态的准确判断,但是学界缺乏对相对贫困学生群体的科学识别。基于相对贫困理论与可负担性原则,对研究型大学贫困生常用认定方法进行梳理总结,并采用"全国高校学生教育支出调查"数据比较上述识别方法的效果。研究发现收入法、支出法、收入-支出双指标差值法和比值法在高校贫困生认定方面都存在一定局限。模拟分析表明,通过调整相对贫困线标准,有望提升双指标比值法的识别精度,从而更为科学地认定"双一流"建设高校中的相对贫困学生群体。

贫困村识别的基层实践逻辑解构——以湖北J县为例

以湖北J县的贫困村识别为例,解构了基层政府在贫困村识别中的实践逻辑并阐释其成因。在贫困村识别过程中,受政绩观驱动,基层政府遵循"效率优先"的逻辑,最终导致扶贫资源对接精英化;因国家授权不足,基层政府遵循"选择性平衡"的逻辑,最终导致扶贫资源异化为行政激励;为追求溢出效益,基层政府遵循"遵从指示"的逻辑,最终导致扶贫资源突变为交易资本。

大数据时代精准识别高校贫困生研究

近年来,高校贫困生资助成为社会关注的焦点。利用现代信息技术实现高校贫困生识别管理的规范化、信息化和高效化是必要的,也是可行的。统计分析学生以往日常消费数据获得学生在校消费习惯与规律,在统计分析的基础上制定贫困学生的标准,采用支持向量机(SVM)的理论建立数学模型,对当前学生的消费数据分析、分类,鉴别潜在的可能的贫困学生,使高校贫困生资助工作公平、公正、有效。

收入识别与长期多维贫困:基于中国家庭追踪调查数据的实证分析

通过利用多层Logit模型来考察以家庭平均收入作为唯一识别标准的贫困瞄准精确度,同时利用多项Logit模型比较低保户、误保户及漏保户这三类家庭的特征,用以分析瞄准偏差的影响因素。研究发现,单维识别的精确度较低,且误保户与低保户在受教育程度、工作情况方面的差异较小,以此证明低保户的实际确定过程中会依据如家庭成员的受教育程度、患病、住房情况等其他因素,从侧面验证了扶贫工作中'两不愁三保障'原则的正确性,即在义务教育、基本医疗、住房安全等方面同样需要统筹兼顾。另外,结合A-F法和跨期持续时间分析法,构建长期多维贫困指数,得到各指标对多维贫困的贡献率,将多维贫困的研究拓展到跨期的动态领域,对贫困识别路径进行更深入的探讨。

贫困村识别的基层政府治理理性解构——以中原M县为例

精准脱贫是全面建成小康社会的重要抓手,精准识别是精准脱贫的基础,贫困村识别是精准识别的重要内容。以科层理性和关系理性为分析工具,解构中原M县贫困村识别的基层政府治理理性。科层理性从识别条件、指标规模和申报程序三个方面规制基层政府(县级政府和乡镇政府)的关系理性。关系理性对科层理性的消解,造成基层政府贫困村识别偏差:县扶贫办将指标向"特色工程"倾斜,于乡镇间"选择性平衡",优先配置于基础好的乡镇,形成指标分解的初步偏差;乡镇将有高层政治资源关联的、认同乡镇权威的、有利于组织平衡的、忠诚度高的、可规避风险的、可凸显政绩的村庄纳入贫困村,最终造成55%的偏差率。综上,基层政府治理理性的逻辑序列为:科层理性优先于关系理性;在价值型关系理性中,面向上的价值型关系理性优先于面向下的价值型关系理性;在工具型关系理性中,"规避风险"优先于"政绩";价值型关系理性优先于工具型关系理性之"政绩"维度;同一治理主体在不同政策阶段遵循不同的治理理性。

从绝对贫困到相对贫困:土地要素对贫困影响分异识别研究

研究目的:精准识别绝对贫困和相对贫困不同时期土地要素对贫困的可能影响,评估土地要素对绝对贫困的帮扶效果,为推进土地要素更为精准地实现相对贫困治理提供参考。研究方法:多层线性模型。研究结果:(1)土地要素对于绝对贫困和相对贫困均具有较为突出的影响;(2)土地要素扶贫政策全面展开后,土地要素的资源和资本禀赋得到了有效改善,土地资本禀赋具有更为突出的未来改善潜力;(3)土地要素的资源和资本禀赋在各个时期都体现出了对贫困的异质性影响,资本禀赋相较于资源禀赋对于贫困均具有更强影响。研究结论:无论是在绝对贫困还是相对贫困治理中,均需高度重视土地要素的突出作用;在过去的扶贫攻坚战役中,一系列土地要素扶贫政策已然发挥了重要作用,而未来的相对贫困治理中亟待进一步促进土地要素禀赋改善,特别要着力重点提升土地要素资本化水平,从而有的放矢地推进更为精准的相对贫困治理。

信息不对称:农村贫困识别面临的困境

瞄准贫困是精准扶贫的关键,准确的贫困识别建立在对信息充分把握的基础之上。在农村贫困识别过程中,乡镇政府与村干部、村干部与村民以及"信息优势"与"信息弱势"村民之间存在严重的信息不对称的问题,导致贫困识别扭曲。为了打破贫困识别困境,须降低农村贫困识别过程中的信息不对称,可从规范政策执行主体的行为、加强政策宣传与执行监督、完善行政理念与政策标准这三个方面着力。

中国农村低保户贫困程度瞄准与识别分析——基于H区域居民实际生活指标研究

由于农村低保对象救助层次很不明显,没有针对低保家庭的不同贫困程度进行等级划分,导致政府很难把有限农村低保资源进行合理的分配。笔者利用层次分析加权法(AHP法),将政府对农村低保群体贫困程度的经验判断给予量化,在目标因素结构复杂且缺乏必要数据的情况下,使用其解决农村低保对象的贫困程度更为方便,从而更好地实施农村低保及配套项目。

精准扶贫背景下的贫困人口识别:理论、实践与政策

科学的贫困人口识别是精准扶贫的前提。贫困人口之所以难以被精准识别,根本原因在于农户和官员之间以及官员和政府之间严重的信息不对称。这两种类型的信息不对称,意味着贫困人口识别过程存在着双层的"委托—代理"关系。通过构建一个由农户、官员以及政府等三方参与的博弈模型,分析"被脱贫"和"假贫困"现象的微观原因,可探悉贫困人口识别精准率的影响因素,并围绕违规类型认定和处罚标准设定以加强政府监管。

家庭等价规模与收入贫困的精准识别

借鉴家庭等价规模(Equivalent Scale)国际前沿测度方法,基于CFPS微观调查数据,结合中国“全面二孩”政策和人口老龄化国情,充分考虑不同家庭成员的消费异质性和家庭整体消费的规模经济性,对中国居民家庭等价规模进行了测度,并基于该测度结果研究了等价规模对收入贫困精准识别的影响。研究结果表明:衡量贫困时忽略等价规模,会造成对贫困测度指标的高估,从而导致对弱势群体分析结果的实质性偏差,对相应的社会保障及其它公共福利政策造成误导。

困境与出路:非贫困村的贫困户精准识别——基于江西G村考察

贫困户精准识别是精准扶贫的第一仗,也是精准扶贫工作成败的关键。当前,国家更多地关注易于识别的连片区域的脱贫,忽视了兜底的扶贫要求。从精准扶贫理念与实现全面小康社会目标来看,精准扶贫是兜底的扶贫。非贫困村的脱贫问题也不容忽视,而且扶贫工作更加复杂多样。文章通过考察江西G村的贫困户识别工作,可以达到解剖麻雀的效果。按照一般的规定和经验,G村力图通过个人申请、"三查、三评、三公示"等程序,将扶贫精准到村到户,对贫困人口实施具有针对性、定点性的精确帮扶。如此可以摆脱在实践中所遇到的国家贫困状况评价体系不精准、农村群众参与不足和村庄精英捕获等困境,建立贫困户识别工作的制度机制,做到"扶真贫"和"真扶贫"。

环京津地区县级尺度相对贫困识别与治理策略研究

相对贫困识别是新时期相对贫困治理的基础。按照“两不愁,三保障”的目标要求,基于多维贫困指数MPI的计算框架,从“经济发展、生活质量、义务教育、基本医疗、社会保障”五个维度遴选指标,采用主客观相结合的赋权方法构建多维相对贫困指数计算模型,并对环京津地区河北省所属的71个县域2012—2021年的多维相对贫困指数进行了计算,并以各维度中位数的60%作为相对贫困的判别标准,对环京津地区县级尺度的相对贫困进行了识别;采用指标贡献度方法对2012—2021年环京津地区县级尺度相对贫困的致贫因素进行了分析,并依此给出了环京津地区县级尺度相对贫困的治理策略。