本文關(guān)鍵詞：貴州省精準扶貧中貧困戶的識別研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著當前中國整個宏觀經(jīng)濟環(huán)境的變化,尤其是國民收入分配不平等水平的擴大,以前粗放式的以區(qū)域開發(fā)為主要的扶貧模式已經(jīng)顯現(xiàn)出了偏離目標和幫扶效果降低等一系列問題。30多年經(jīng)濟的快速增長使得通過在平均程度上來衡量的人均收入高速增加的同時,也顯現(xiàn)出了異常嚴重的收入分配不平等等現(xiàn)象。全國Gini系數(shù)(不平等程度)從1981年的0.29提高到2012年的0.47,全國不平等水平增加了65%。農(nóng)村的Gini系數(shù)從1978年的0.21增加到2011年0.39,增加了83%。不平等水平擴大的同時也就意味著處于收入分配底端的貧困人口享受經(jīng)濟增長帶來的益出將變得更加的困難,也就是通過經(jīng)濟的增長帶來減貧效應(yīng)不斷的下降。由此可見中國未來扶貧模式通過經(jīng)濟增長來實行區(qū)域性的大規(guī)模脫貧模式基本上不具有可行性了。所以施行更加具有針對性的扶貧模式就變得更為重要,精準扶貧在這種環(huán)境下應(yīng)運而生。精準扶貧對能否全面實現(xiàn)小康社會意義重大,但它同時也是一項浩大的復(fù)雜性工程,要做好精準扶貧工作仍然有眾多難點急需克服。目前的精準扶貧工作的重點和難點主要集中在“精準識別”、“精準扶持”、和“精準考核”這幾個方面。精準識別作為精準扶貧的基礎(chǔ),能否精準有效的識別出貧困戶是精準幫扶、精準考核的首要前提,貧困戶一旦識別錯誤精準扶貧和脫貧從何談起。汪教授的《論中國精準扶貧》一文指出,他對烏蒙山區(qū)的貴州省、云南省、四川省農(nóng)戶中的1200戶抽樣調(diào)查結(jié)果顯示,2013年不在建檔立卡中的農(nóng)戶有58%的家庭人均收入低于國家規(guī)定的2300元貧困線,而建檔立卡中貧困戶顯示卻有40%的農(nóng)戶人均收入超過了2300元貧困線。在武陵山區(qū)的貴州省、重慶市、湖南省和湖北省1000個建檔立卡貧困戶的抽樣結(jié)果顯示,只有49%的農(nóng)戶收入高于2300元貧困線(1)。通過這些調(diào)查結(jié)果顯示在以收入為判斷標準下,民主評議這種方法導(dǎo)致的識別錯誤率達到50%左右。鑒于建檔立卡數(shù)據(jù)發(fā)現(xiàn)貴州省有90.76%的貧困戶集中在武陵山區(qū)、滇黔桂石漠化區(qū)、烏蒙山區(qū)這三個片區(qū)。如此高的識別貧困戶錯誤率對后續(xù)的做好精準幫扶和精準考核帶來了很大的挑戰(zhàn)。因此對貧困戶的精準識別,是一個亟待解決的問題。本文基于2014年貴州省精準扶貧建檔立卡貧困村抽樣數(shù)據(jù),做了如下幾點工作:第一:構(gòu)建logistic回歸模型。首先對貧困戶的主要特征做了詳細分析。其次對于logistic貧困戶識別模型在以0.5為切割點和最優(yōu)切割點做了識別能力上的對比,結(jié)果顯示最優(yōu)切割點的logistic模型識別能力要優(yōu)于0.5為切割點的logistic模型。第二:利用隨機森林方法構(gòu)建貧困戶識別模型。在樹數(shù)目的選取上使用了五折交叉驗證方法,并分別繪制出貧困戶和非貧困戶各自變量的重要性。第三:利用Ada Boost方法構(gòu)建貧困戶識別模型。第四:對這4個模型進行對比研究,結(jié)果顯示在貧困村貧困戶的識別能力和穩(wěn)定性上隨機森林方法構(gòu)建的模型要優(yōu)于其他四個模型,并在統(tǒng)計學(xué)意義上顯著,Ada Boost和logistic差別不大。
【關(guān)鍵詞】：精準扶貧 logistic 隨機森林 貧困戶識別 AdaBoost
【學(xué)位授予單位】：貴州財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F323.8
【目錄】：

• 中文摘要4-6
• Abstract6-10
• 1 前言10-20
• 1.1 研究背景目的和意義10-13
• 1.1.1 研究背景10-12
• 1.1.2 研究目的12
• 1.1.3 研究意義12-13
• 1.2 國內(nèi)外研究進展13-17
• 1.2.1 關(guān)于精準扶貧研究的進展13-16
• 1.2.2 隨機森林和AdaBoost的應(yīng)用研究現(xiàn)狀16-17
• 1.2.3 文獻綜述總結(jié)17
• 1.3 本文研究基本方法17-18
• 1.4 全文結(jié)構(gòu)框架18-19
• 1.5 文章的創(chuàng)新之處19-20
• 2 logistic貧困戶識別模型20-31
• 2.1 logistic回歸理論介紹20-22
• 2.1.1 二項logistic回歸模型20-21
• 2.1.2 模型參數(shù)估計21-22
• 2.2 變量的選取與說明22-24
• 2.3 貧困戶特征分析24-27
• 2.4 logistic貧困戶的識別27-31
• 3 隨機森林貧困戶識別模型31-42
• 3.1 隨機森林理論31-36
• 3.1.1 特征變量重要性評價34-35
• 3.1.2 隨機森林優(yōu)點35-36
• 3.2 模型構(gòu)建36-42
• 3.2.1 模型建立36
• 3.2.2 參數(shù)選取、模型評價與變量重要性36-42
• 4 AdaBoost方法貧困戶識別模型42-45
• 4.1 AdaBoost理論介紹42-43
• 4.2 模型建立43-45
• 5 四個貧困戶識別模型的評估45-49
• 5.1 10%樣本量作為檢驗集45-46
• 5.2 20%樣本量作為檢驗集46-47
• 5.3 30%樣本量作為檢驗集47-49
• 6 結(jié)論和展望49-51
• 6.1 主要工作總結(jié)及不足49
• 6.2 研究展望49-51
• 參考文獻51-53
• 附錄A53-63
• 致謝63-64
• 攻讀碩士學(xué)位期間的科研成果情況64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 孟杰;;隨機森林模型在財務(wù)失敗預(yù)警中的應(yīng)用[J];統(tǒng)計與決策;2014年04期

2 李升;宋舜宏;;網(wǎng)絡(luò)入侵檢測中屬性分組的隨機森林算法[J];計算機安全;2009年11期

3 劉微;羅林開;王華珍;;基于隨機森林的基金重倉股預(yù)測[J];福州大學(xué)學(xué)報(自然科學(xué)版);2008年S1期

4 錢爭鳴;李海波;于艷萍;;個人住房按揭貸款違約風險研究[J];經(jīng)濟研究;2010年S1期

5 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標檢測中的應(yīng)用[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學(xué)討論會論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類[A];中國化學(xué)會第29屆學(xué)術(shù)年會摘要集——第19分會：化學(xué)信息學(xué)與化學(xué)計量學(xué)[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉�(gòu)效關(guān)系研究[A];第十一屆全國計算（機）化學(xué)學(xué)術(shù)會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國衛(wèi)生統(tǒng)計學(xué)年會會議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應(yīng)用[A];第八屆全國轉(zhuǎn)子動力學(xué)學(xué)術(shù)討論會論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機)化學(xué)學(xué)術(shù)會議論文摘要集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿(mào)易大學(xué);2014年

2 雷震;隨機森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年

3 岳明;基于隨機森林和規(guī)則集成法的酒類市場預(yù)測與發(fā)展戰(zhàn)略[D];天津大學(xué);2008年

4 李書艷;單點氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測及其機制研究[D];蘭州大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 錢維;藥品不良反應(yīng)監(jiān)測中隨機森林方法的建立與實現(xiàn)[D];第二軍醫(yī)大學(xué);2012年

2 賀捷;隨機森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

3 張文婷;交通環(huán)境下基于改進霍夫森林的目標檢測與跟蹤[D];華南理工大學(xué);2015年

4 楊畢玉;核電站松動件檢測分析研究[D];浙江大學(xué);2016年

5 王宇恒;推薦系統(tǒng)中隨機森林算法的優(yōu)化與應(yīng)用[D];浙江大學(xué);2016年

6 張玉桃;旅客社會網(wǎng)絡(luò)中的家庭出行預(yù)測及其行為特征分析[D];北京交通大學(xué);2016年

7 張興;基于Spark大數(shù)據(jù)平臺的火電廠節(jié)能分析[D];太原理工大學(xué);2016年

8 蔡曉路;基于隨機森林的類風濕關(guān)節(jié)炎證型判別模型研究[D];北京中醫(yī)藥大學(xué);2016年

9 楊麗;音頻場景分析與識別方法研究[D];南京大學(xué);2013年

10 朱琪;基于最大平衡度與最大共識的改進隨機森林算法研究[D];吉林大學(xué);2016年

  本文關(guān)鍵詞：貴州省精準扶貧中貧困戶的識別研究，由筆耕文化傳播整理發(fā)布。

本文編號：334909