贫困的新趋势：消费性贫困——以鄂东打工村庄的消费竞争状况为例

精准扶贫的前提是明确农民贫困的真实原因。过度的仪式性消费支出成为影响农民家庭贫困的新因素,体现在生存消费的品牌化、婚丧仪式浪费的刚性化、炫耀性消费的竞争化。不理性的消费竞争扭曲了家庭的消费结构,导致家庭积累不足、代际支持缺乏,造成家庭再生产的低度循环和内在冲突,发展潜力有限,“消费性贫困”生成。消费性贫困是消费行为的城乡联动机制和村庄经济文化状况叠加作用的产物。城镇消费行为对农村的示范效应,改变了农民的审美趣味,抬高了农户生活标准的绝对成本,村庄内部的支出竞争无序化提高了农户生活标准的相对成本。因此,扶贫不仅要在增收上做文章,还要在减支上花工夫。改变扶贫思路,倡导文化扶贫,促进消费脱贫,实现扶贫的精准性。     

"新型消费"背景下消费扶贫政策的多源流分析:实践逻辑及推进路径

消费扶贫为我国扶贫体系引入市场化机制和社会力量,是长效解决相对贫困过程中丰富公众消费选择、增加相对贫困地区收入的重要路径,培育"新型消费"背景下实现消费扶贫政策的可持续发展是全面推进乡村振兴、破解相对贫困问题的必然要求.基于多源流理论和相关政策实施特点构建消费扶贫政策分析框架,探讨我国消费扶贫政策的实施过程、内在逻辑与发展趋势,得出当前我国消费扶贫在帮扶主旨、帮扶形式和帮扶政策方面呈现供给与需求的精准对接、消费者与贫困户的全社会动员、提升相对贫困地区综合化效益三大发展趋势,进而提出应通过"供给端+需求端"多方位保证产销对接、"政府+社会"多主体扩大参与范围、"外促+内生"多角度提升政策效益的推进路径,促进我国消费扶贫的可持续发展.     

代际支持、干群互动与精准扶贫政策的满意度

运用2016年陕西省农村贫困居民的调查数据,通过最优尺度回归模型分析了农村贫困居民对精准扶贫政策的满意度及其影响因素。结果表明：农村贫困居民对精准扶贫政策的满意度水平较低;代际支持、干群互动、对精准扶贫政策的了解以及精准扶贫项目参与都显著地提升了精准扶贫政策的满意度,并且这些因素对精准扶贫政策满意度有着很高的预测效果;此外社会人口特征变量和家庭特征变量所能解释的满意度的方差比例极小。针对这些发现,提出了加强与贫困农民互动、促进贫困家庭的和谐和交流、加大对精准扶贫政策的宣传和解读以及进一步加强精准扶贫项目的落实等对策建议。     

基于双重扰动与核ELM融合的大学生贫困认定模型研究

精准实现大学生贫困认定是实现高校精准扶贫的重要前提,但是因为贫困认定需要提交的材料涉及隐私和数据非客观性原因,当前贫困认定存在部分学生做假和自卑学生不敢申请的不公平现象。针对该问题,以学生一卡通消费数据和个人基本信息等客观数据为基础,构建贫困特征分箱和特征交叉算法,形成一套大学生贫困认定特征参数。随后,为处理贫困认定数据集不平衡性,提出了数据样本和输入属性双重扰动方法,并与核ELM算法融合,构建了大学生贫困认定DP_KELM算法。实验结果表明:构建的特征在随机森林和KELM算法的准确率方面都超过0.82,而双重扰动模式对提高算法的G-mean值有较好作用,DP_KELM算法在Gmean和AUC上均优于对比的9种算法。DP_KELM算法能够有效识别贫困大学生,为实现校园精准扶贫提供辅助决策工具。     

基于随机森林算法的贫困精准识别模型研究

扶贫对象的精准识别是实现精准扶贫的重要条件。实现贫困数据的精准分类与识别以及贫困识别由定性到定量、由单维瞄准向多维瞄准的转变是精准扶贫的重要基础。精准识别可以采用大数据分析中的分类算法实现。本文基于可持续生计分析框架,从人力资本、社会资本、自然资本、物质资本、金融资本和生计环境六个方面建立了多维贫困指标体系,运用随机森林算法构建了精准识别模型,并采用中国家庭追踪调查数据（CFPS）,对扶贫对象精准识别模型的分类及识别效果进行了评价,结果表明模型效果良好。     

内陆开放新高地政策促进精准扶贫的效应分析——基于安徽16个地级市的面板数据

针对安徽省16个地级市的数据,通过多维度贫困测度法,利用主成分分析法确定各个指标的权重,建立多维贫困衡量指标,分析安徽省的贫困现状.选取安徽省16个地级市2001—2014年的面板数据,进口总额、出口总额和实际利用外资总额三个关键自变量和其他控制变量,将多维贫困指数作为被解释变量,构建计量模型,证实了对外开放能够有效促进安徽省精准扶贫.但是对外开放的不同方式以及程度,对扶贫力度的影响是不同的.根据实证分析结果并结合安徽省现实情况,给出相应扶贫建议.     

农民对精准扶贫政策的满意度及影响因素分析

基于精准扶贫入户调查第一手数据,从农户所处地区、个体特征、家庭收入特征、贫困状况及其与扶贫政策的相关度5个维度,借助描述统计和相关分析,考察农民对精准扶贫政策的满意度及其影响因素。研究发现：农民对精准扶贫政策“基本满意”,对当地扶贫政策落实满意度较高,但也对政策完善心存期待;陕南地区的贫困农民对扶贫政策的满意度较高;农民对减贫政策的知晓度、参与度及受益度与其对扶贫政策的满意度呈正相关关系。国家实施精准扶贫政策不仅是“利民”之举,也是“利国”之举,能极大增强贫困农户对国家政权合法性和地方政府公信力的认同。在制定和实施精准扶贫、精准脱贫政策时,要从农民尤其是贫困农民与政策的相关性着手,以“农民知不知道、需不需要、参不参加、满不满意”为扶贫开发的出发点和工作成效的依据,保障农民的知情权、参与权、受益权和评价权,以持续提升脱贫攻坚成效。     

经济新常态背景下精准扶贫对策研究

我国的贫困治理政策正在发生深刻转变,落实精准扶贫将助力全面建成小康社会。要实现精准识别、满足多元需求、发展内生动力的扶贫任务十分艰巨。基于对精准扶贫实践中所面临的困境进行分析,提出了经济新常态下精准扶贫的对策:借助公益组织精准识别扶贫对象,构建扶贫对象动态管理机制,创新扶贫治理机制,实现多元化贫困治理,依托互联网大数据创新精准扶贫管理模式等。     

新时代大数据思维推进精准扶贫的 理论、实践探索与路径优化——基于对甘肃和贵州的调查思考

精准扶贫政策的实施是我国扶贫战略的重大转型。但扶贫工作中存在着扶贫对象不精准、帮扶措施缺乏针对性、扶贫效果无法跟踪等问题。新时代大数据思维为精准扶贫提供了新的理念和技术支持。基于对甘肃和贵州的调查,两省率先在全国建立起大数据管理平台,发挥了大数据在精准扶贫中的分析、监控、预警和展示能力。为进一步推动大数据在未来精准扶贫、精准脱贫中的有效运用,还需要充分认识大数据的重要性,注重数据安全,并加大数据人才培养力度。     

重点国有林区职工家庭贫困类型及影响因素研究

精准扶贫的前提是精准识贫。基于2015年重点国有林区718户职工家庭的实地调查数据,运用多分类Logistic回归模型分析重点国有林区职工家庭贫困类型的影响因素。通过综合收入和消费标准,可以将重点国有林区职工家庭分为选择性贫困、暂时性贫困和持久性贫困3种类型。结果表明:家庭规模、劳动力平均年龄、劳动力平均受教育年限、劳动力健康状况、家庭负担系数、是否管理人员家庭、家庭职业分化类型、家庭社会关系、农林业生产性固定资产和家庭所在林区对重点国有林区职工家庭贫困类型有显著影响。研究结论为更好地开展精准扶贫和脱贫工作带来启示。