脱贫帮扶各指标评价预测及建议

张向远 苏盈文 郑狄威 王智乐 王吉源

摘 要：消除贫困、改善民生、实现共同富裕，是我们党的重要使命。党的十八大以来，国家把扶贫开发工作纳入“四个全面”战略布局，摆在更加突出的位置。为了更好的激励各帮扶单位提高扶贫效率，国家启动了脱贫帮扶绩效评价机制。本文根据2015年及2020年被帮扶的这些村庄居民收入、产业发展、居住环境、文化教育、基础设施等五个方面的评分数据以及总分数据对帮扶绩效进行了评价。确定2015年和2020年的各指标之间的联系，利用SPSS软件对2015年的居民收入、产业发展、居住环境、文化教育、基础设施和2020年的居民收入、产业发展、居住环境、文化教育、基础设施两两进行相关性分析，通过判断皮尔逊指数确定各指标之间的相关性，并且对相关系数进行模拟检验，通过正态分布发现，发现所求的各相关系数基本稳定且准确，验证了模型的可靠性。对不同类型的帮扶单位绩效排序，并给出脱贫帮扶绩效前十名的帮扶单位编号，对评价最好的帮扶单位及帮扶单位类型进行定性定量的分析。

关键词：扶贫绩效评价; 相关性分析; 层次分析;TOPSIS

一、引言

消除贫困、改善民生、逐步实现共同富裕，是社会主义的本质要求，是我们党的重要使命。党的十九大报告指出，要确保到2020年我国现行标准下农村贫困人口实现脱贫，解决区域性贫困。所以扶贫开发工作摆在更加突出的位置。

为了更好的激励各帮扶单位提高扶贫效率，扶真贫，真扶贫。五年前，国家启动了脱贫帮扶绩效评价机制。某科研团队接受任务后，对全国 32165 个需要帮扶的贫困村进行了初步的贫困调查。从居民收入、产业发展、居住环境、文化教育、基础设施等五个评价指标给出了评分。

二、合适评价指标的选取

相关分析就是对总体中确实具有联系的标志进行分析，其主体是对总体中具有因果关系标志的分析。若随着年份增加各个评价指标也随之增加，这说明两指标间是正相关关系;反之，则为负相关系数。而如果对于所有的自变量取值的概率分布都相同，则说明因变量和自变量是没有相关关系的。反之，如果，自变量的取值不同，因变量的分布也不同，则说明两者是存在相关关系的。

两个变量之间的相关程度通过相关系数r来表示。相关系数r的值在-1和1之间，但可以是此范围内的任何值。正相关时，r值在0和1之间，散点图是斜向上的，这时一个变量增加，另一个变量也增加;负相关时，r值在-1和0之间，散点图是斜向下的，此时一个变量增加，另一个变量将减少。r的绝对值越接近1，两变量的关联程度越强;r的绝对值越接近于0，两变量的关联程度越弱。

三、皮尔逊相关系数选取及分析

通过统计和分析我们发现给出的数据符合正态分布，所以选取皮尔逊相关系数进行分析，借助SPSS对2015年和2020年的各项指标两两进行数据分析。

通过对数据的分析可以看出来2015年和2020年各项评价指标之间的相关性关系如表1所示：

总体看来2015年的各项指标和2020年的各项指标具有相关性。为准确了解什么类型的帮扶单位，哪些帮扶单位在脱贫帮扶上面有较高的绩效，本文从居民收入、产业发展、 居住环境、文化教育、基础设施等五个方面进行评价。选用层次分析法对以上五个评价指标进行权重计算，并且对6个帮扶单位类型，160个帮扶单位的数据进行处理，计算其2020年与2015年各项评价指标差值的平均值并提取整合，用差值代表绩效的好坏，差值越高就代表着村庄提高越多，越久表示绩效越好。其次对处理后的数据进行归一化处理，选用Topsis法（优劣解距离法）对归一化处理后的数据按照绩效进行排序，得到6个帮扶单位类型的排序顺序以及帮扶单位中前十名的单位编号。

四、Topsis法（优劣解距离法）计算排序

1. 计算6个帮扶单位类型

建立的评价指标体系，建立归一化矩阵，将数据进行标准化，即：

其中i表示帮扶单位的类型，j表示不同指标的差，且m=5，n=6 。

表示第 i 个帮扶单位类型第 j 个评价指标体系的得分情况。通过计算2020年与2015年各項评价指标差值的平均值并提取整合。

可以得到与最优值的相对接近程度

对与最优值的相对接近程度Wi 进行归一化处理，并对归一化的数据进行排序即可获得最优的排列顺序，如表2所示。对数据进行合理同趋化后，可以发现与最优值的相对接近程度Wi 表示小区开放对周边道路通行的影响，而且当  的得分指标越大，表示小区开放对周边道路通行影响越大，即周边道路通行越流畅。

五、结论

对于每个问题的求解，我们都进行了多次模拟，选择了最优的模型，虽然有些方面会有些误差，但是通过查阅相关的文献确定了总体的方向的预测数值都在可以接受的误差内，对各村庄进行科学的评价，有效的利用各个指标和相关数据。层次分析法具有系统性、简洁实用、所需定量数据信息较少，这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价，而且结果简单明确、可信度较高。Topsis模型避免了数据的主观性，不需要目标函数，不用通过检验， 而且能够很好的刻画多个影响指标的综合影响力度。聚类算法简单、快速。对处理大数据集，该算法是相对高效率的。

参考文献：

[1]刘利.新形势下民族地区精准脱贫机制的思考[J].临沂大学学报，2019，41（04）：128-137.

[2]江西省农村贫困问题研究课题组.农村区域性贫困标准及脱贫进程指标体系研究[J].调研世界，1999（12）：3-5.

[3]顾小涵. 基于TOPSIS对精准扶贫实施绩效评价研究[D].江西财经大学，2019.

（兰州理工大学 甘肃 兰州  730050）