脫貧幫扶各指標(biāo)評價預(yù)測及建議

張向遠 蘇盈文 鄭狄威 王智樂 王吉源

摘 要：消除貧困、改善民生、實現(xiàn)共同富裕，是我們黨的重要使命。黨的十八大以來，國家把扶貧開發(fā)工作納入“四個全面”戰(zhàn)略布局，擺在更加突出的位置。為了更好的激勵各幫扶單位提高扶貧效率，國家啟動了脫貧幫扶績效評價機制。本文根據(jù)2015年及2020年被幫扶的這些村莊居民收入、產(chǎn)業(yè)發(fā)展、居住環(huán)境、文化教育、基礎(chǔ)設(shè)施等五個方面的評分?jǐn)?shù)據(jù)以及總分?jǐn)?shù)據(jù)對幫扶績效進行了評價。確定2015年和2020年的各指標(biāo)之間的聯(lián)系，利用SPSS軟件對2015年的居民收入、產(chǎn)業(yè)發(fā)展、居住環(huán)境、文化教育、基礎(chǔ)設(shè)施和2020年的居民收入、產(chǎn)業(yè)發(fā)展、居住環(huán)境、文化教育、基礎(chǔ)設(shè)施兩兩進行相關(guān)性分析，通過判斷皮爾遜指數(shù)確定各指標(biāo)之間的相關(guān)性，并且對相關(guān)系數(shù)進行模擬檢驗，通過正態(tài)分布發(fā)現(xiàn)，發(fā)現(xiàn)所求的各相關(guān)系數(shù)基本穩(wěn)定且準(zhǔn)確，驗證了模型的可靠性。對不同類型的幫扶單位績效排序，并給出脫貧幫扶績效前十名的幫扶單位編號，對評價最好的幫扶單位及幫扶單位類型進行定性定量的分析。

關(guān)鍵詞：扶貧績效評價; 相關(guān)性分析; 層次分析;TOPSIS

一、引言

消除貧困、改善民生、逐步實現(xiàn)共同富裕，是社會主義的本質(zhì)要求，是我們黨的重要使命。黨的十九大報告指出，要確保到2020年我國現(xiàn)行標(biāo)準(zhǔn)下農(nóng)村貧困人口實現(xiàn)脫貧，解決區(qū)域性貧困。所以扶貧開發(fā)工作擺在更加突出的位置。

為了更好的激勵各幫扶單位提高扶貧效率，扶真貧，真扶貧。五年前，國家啟動了脫貧幫扶績效評價機制。某科研團隊接受任務(wù)后，對全國 32165 個需要幫扶的貧困村進行了初步的貧困調(diào)查。從居民收入、產(chǎn)業(yè)發(fā)展、居住環(huán)境、文化教育、基礎(chǔ)設(shè)施等五個評價指標(biāo)給出了評分。

二、合適評價指標(biāo)的選取

相關(guān)分析就是對總體中確實具有聯(lián)系的標(biāo)志進行分析，其主體是對總體中具有因果關(guān)系標(biāo)志的分析。若隨著年份增加各個評價指標(biāo)也隨之增加，這說明兩指標(biāo)間是正相關(guān)關(guān)系;反之，則為負相關(guān)系數(shù)。而如果對于所有的自變量取值的概率分布都相同，則說明因變量和自變量是沒有相關(guān)關(guān)系的。反之，如果，自變量的取值不同，因變量的分布也不同，則說明兩者是存在相關(guān)關(guān)系的。

兩個變量之間的相關(guān)程度通過相關(guān)系數(shù)r來表示。相關(guān)系數(shù)r的值在-1和1之間，但可以是此范圍內(nèi)的任何值。正相關(guān)時，r值在0和1之間，散點圖是斜向上的，這時一個變量增加，另一個變量也增加;負相關(guān)時，r值在-1和0之間，散點圖是斜向下的，此時一個變量增加，另一個變量將減少。r的絕對值越接近1，兩變量的關(guān)聯(lián)程度越強;r的絕對值越接近于0，兩變量的關(guān)聯(lián)程度越弱。

三、皮爾遜相關(guān)系數(shù)選取及分析

通過統(tǒng)計和分析我們發(fā)現(xiàn)給出的數(shù)據(jù)符合正態(tài)分布，所以選取皮爾遜相關(guān)系數(shù)進行分析，借助SPSS對2015年和2020年的各項指標(biāo)兩兩進行數(shù)據(jù)分析。

通過對數(shù)據(jù)的分析可以看出來2015年和2020年各項評價指標(biāo)之間的相關(guān)性關(guān)系如表1所示：

總體看來2015年的各項指標(biāo)和2020年的各項指標(biāo)具有相關(guān)性。為準(zhǔn)確了解什么類型的幫扶單位，哪些幫扶單位在脫貧幫扶上面有較高的績效，本文從居民收入、產(chǎn)業(yè)發(fā)展、 居住環(huán)境、文化教育、基礎(chǔ)設(shè)施等五個方面進行評價。選用層次分析法對以上五個評價指標(biāo)進行權(quán)重計算，并且對6個幫扶單位類型，160個幫扶單位的數(shù)據(jù)進行處理，計算其2020年與2015年各項評價指標(biāo)差值的平均值并提取整合，用差值代表績效的好壞，差值越高就代表著村莊提高越多，越久表示績效越好。其次對處理后的數(shù)據(jù)進行歸一化處理，選用Topsis法（優(yōu)劣解距離法）對歸一化處理后的數(shù)據(jù)按照績效進行排序，得到6個幫扶單位類型的排序順序以及幫扶單位中前十名的單位編號。

四、Topsis法（優(yōu)劣解距離法）計算排序

1. 計算6個幫扶單位類型

建立的評價指標(biāo)體系，建立歸一化矩陣，將數(shù)據(jù)進行標(biāo)準(zhǔn)化，即：

其中i表示幫扶單位的類型，j表示不同指標(biāo)的差，且m=5，n=6 。

表示第 i 個幫扶單位類型第 j 個評價指標(biāo)體系的得分情況。通過計算2020年與2015年各項評價指標(biāo)差值的平均值并提取整合。

可以得到與最優(yōu)值的相對接近程度

對與最優(yōu)值的相對接近程度Wi 進行歸一化處理，并對歸一化的數(shù)據(jù)進行排序即可獲得最優(yōu)的排列順序，如表2所示。對數(shù)據(jù)進行合理同趨化后，可以發(fā)現(xiàn)與最優(yōu)值的相對接近程度Wi 表示小區(qū)開放對周邊道路通行的影響，而且當(dāng)? 的得分指標(biāo)越大，表示小區(qū)開放對周邊道路通行影響越大，即周邊道路通行越流暢。

五、結(jié)論

對于每個問題的求解，我們都進行了多次模擬，選擇了最優(yōu)的模型，雖然有些方面會有些誤差，但是通過查閱相關(guān)的文獻確定了總體的方向的預(yù)測數(shù)值都在可以接受的誤差內(nèi)，對各村莊進行科學(xué)的評價，有效的利用各個指標(biāo)和相關(guān)數(shù)據(jù)。層次分析法具有系統(tǒng)性、簡潔實用、所需定量數(shù)據(jù)信息較少，這種方法尤其可用于對無結(jié)構(gòu)特性的系統(tǒng)評價以及多目標(biāo)、多準(zhǔn)則、多時期等的系統(tǒng)評價，而且結(jié)果簡單明確、可信度較高。Topsis模型避免了數(shù)據(jù)的主觀性，不需要目標(biāo)函數(shù)，不用通過檢驗， 而且能夠很好的刻畫多個影響指標(biāo)的綜合影響力度。聚類算法簡單、快速。對處理大數(shù)據(jù)集，該算法是相對高效率的。

參考文獻：

[1]劉利.新形勢下民族地區(qū)精準(zhǔn)脫貧機制的思考[J].臨沂大學(xué)學(xué)報，2019，41（04）：128-137.

[2]江西省農(nóng)村貧困問題研究課題組.農(nóng)村區(qū)域性貧困標(biāo)準(zhǔn)及脫貧進程指標(biāo)體系研究[J].調(diào)研世界，1999（12）：3-5.

[3]顧小涵. 基于TOPSIS對精準(zhǔn)扶貧實施績效評價研究[D].江西財經(jīng)大學(xué)，2019.

（蘭州理工大學(xué) 甘肅 蘭州? 730050）