李玥霖 雷 穎 史瑋東

（重慶郵電大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，重慶 400065）

一、相關(guān)研究述評(píng)

提高幫扶成效，可使群眾生活切實(shí)得到改善，其中對(duì)扶貧效果的評(píng)價(jià)較為關(guān)鍵。目前較為流行的評(píng)價(jià)角度有對(duì)扶貧績(jī)效進(jìn)行量化和對(duì)被幫扶群眾滿意度進(jìn)行量化兩種方式。

對(duì)扶貧績(jī)效進(jìn)行量化，即對(duì)被評(píng)價(jià)單位的經(jīng)濟(jì)、文化、教育、環(huán)境等各個(gè)方面的各項(xiàng)具體指標(biāo)進(jìn)行收集處理，再根據(jù)建立的某個(gè)評(píng)價(jià)體系進(jìn)行評(píng)價(jià)，這個(gè)評(píng)價(jià)體系往往是使用主成分分析法或?qū)哟畏治龇ㄋ⒌?。如使用層次分析法?duì)以金融機(jī)構(gòu)主導(dǎo)的金融扶貧模式進(jìn)行評(píng)價(jià)［1］，這種評(píng)價(jià)區(qū)分度較高，模型容易理解，但是所用模型主觀性較強(qiáng)，不具有普適性；或使用時(shí)序主成分分析法對(duì)云南省扶貧績(jī)效進(jìn)行評(píng)價(jià)［2］，這種評(píng)價(jià)較為充分地利用了已知數(shù)據(jù)，所得結(jié)果較為準(zhǔn)確，但是其使用的模型基于數(shù)據(jù)特征進(jìn)行評(píng)價(jià)，無(wú)法給出具體意義。對(duì)扶貧績(jī)效進(jìn)行量化的主要步驟是搜集并分析數(shù)據(jù)、構(gòu)建評(píng)價(jià)指標(biāo)體系、利用評(píng)價(jià)指標(biāo)體系進(jìn)行評(píng)價(jià)，其中，評(píng)價(jià)指標(biāo)體系的構(gòu)建較為關(guān)鍵，不同的構(gòu)建方法會(huì)對(duì)評(píng)價(jià)效果產(chǎn)生較大影響。

對(duì)幫扶群眾滿意度進(jìn)行量化，一般是通過(guò)發(fā)放調(diào)查問(wèn)卷的方式對(duì)群眾意見(jiàn)進(jìn)行收集，再對(duì)收集而來(lái)的意見(jiàn)進(jìn)行分析評(píng)價(jià)。如對(duì)湖北省神農(nóng)架區(qū)域內(nèi)貧困人口滿意度進(jìn)行調(diào)查，進(jìn)而分析當(dāng)?shù)刎毨丝诘氖找娓兄M意度與參與意愿［3］。這些結(jié)論對(duì)扶貧決策具有重要意義。與僅對(duì)扶貧績(jī)效進(jìn)行量化評(píng)價(jià)相比，量化評(píng)價(jià)幫扶群眾滿意度獲得的信息含義更為豐富、更能代表群眾的切實(shí)需求；但其主觀性較強(qiáng)，調(diào)查難度較大、成本較高。

上述研究從兩個(gè)評(píng)價(jià)角度對(duì)扶貧工作進(jìn)行量化，只能簡(jiǎn)單對(duì)扶貧單位進(jìn)行排序，對(duì)政策方向提供的幫助較少。本文借助機(jī)器學(xué)習(xí)方法對(duì)西南某地區(qū)群眾滿意度與扶貧績(jī)效各維度數(shù)據(jù)進(jìn)行建模，進(jìn)而對(duì)所得模型進(jìn)行處理和分析。旨在對(duì)扶貧績(jī)效與幫扶群眾滿意度的關(guān)系進(jìn)行探究，從而得出群眾感知明顯的幫扶方向，為政策制定提供依據(jù)。本文還對(duì)扶貧單位按照扶貧類型進(jìn)行分類，使用雷達(dá)圖較為直觀地橫向比較不同類型扶貧單位的滿意度構(gòu)成差異，從而為根據(jù)幫扶類型精準(zhǔn)決策提供政策依據(jù)。

二、數(shù)據(jù)獲取與處理

（一）幫扶群眾滿意度數(shù)據(jù)的獲取

為了獲取被幫扶群眾滿意度情況，了解貧困村村民對(duì)扶貧政策的評(píng)價(jià)程度，調(diào)查小組列出了7個(gè)不同的指標(biāo)，根據(jù)隨機(jī)分發(fā)的調(diào)查問(wèn)卷得到村民對(duì)各個(gè)指標(biāo)的滿意程度(見(jiàn)表1)，對(duì)其結(jié)果按百分制進(jìn)行評(píng)價(jià)，最終評(píng)分以各指標(biāo)權(quán)重加權(quán)平均計(jì)算，再對(duì)最終評(píng)分進(jìn)行歸一化處理。

表1 群眾滿意度調(diào)查問(wèn)卷得分情況

對(duì)滿意度調(diào)查獲取的有效記錄中，總體滿意度的數(shù)據(jù)峰度與偏度絕對(duì)值接近0，標(biāo)準(zhǔn)差為4.81，數(shù)據(jù)較為集中，眾數(shù)與中位數(shù)相等，近似呈現(xiàn)略扁平的正態(tài)分布形態(tài)，因此，有95%的把握保證調(diào)查得到的數(shù)據(jù)真實(shí)可靠。

（二）扶貧單位各項(xiàng)指標(biāo)的收集

本小組在兩個(gè)時(shí)間點(diǎn)對(duì)西南某地區(qū)貧困村進(jìn)行調(diào)研，把幫扶單位分為5個(gè)類型，從村民經(jīng)濟(jì)收入、產(chǎn)業(yè)發(fā)展情況、住房環(huán)境、教育及文化、基礎(chǔ)設(shè)施5個(gè)維度對(duì)被幫扶對(duì)象進(jìn)行單獨(dú)評(píng)分。

（三）數(shù)據(jù)處理

觀察所得初始數(shù)據(jù)，發(fā)現(xiàn)有部分記錄存在數(shù)據(jù)部分缺失、取值錯(cuò)誤等問(wèn)題，將這些記錄舍去。

（四）數(shù)據(jù)歸一化

由于不同的評(píng)價(jià)指標(biāo)具有不同的量綱和量綱單位，這種情況有較大可能對(duì)數(shù)據(jù)分析的結(jié)果產(chǎn)生不必要的影響。為了消除這種影響，考慮對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理：

進(jìn)行min-max標(biāo)準(zhǔn)化，將結(jié)果值映射到（0,1），轉(zhuǎn)換函數(shù)如下：

式（1）中max是樣本數(shù)據(jù)的最大值，min是樣本數(shù)據(jù)的最小值。

三、相關(guān)評(píng)價(jià)模型的建立與求解

（一）本文所用模型

假設(shè)群眾滿意度數(shù)據(jù)與扶貧單位各項(xiàng)指標(biāo)存在線性關(guān)系，即

式（2）中，y是上文得到的群眾滿意度，x1,x2,x3,x4,x5是上文得到的5個(gè)維度的扶貧單位指標(biāo)，分別對(duì)應(yīng)各村莊的村民經(jīng)濟(jì)收入、產(chǎn)業(yè)發(fā)展情況、住房環(huán)境、教育及文化、基礎(chǔ)設(shè)施5個(gè)維度評(píng)分。ω1,ω2,ω3,ω4,ω5為擬合出的相關(guān)系數(shù)，實(shí)際意義為各扶貧單位的具體指標(biāo)對(duì)群眾滿意度的貢獻(xiàn)情況。ω0在本模型中無(wú)實(shí)際意義。

本文采用sklearn中的線性回歸方法，對(duì)上述模型進(jìn)行擬合，從而得到不同幫扶單位在5個(gè)評(píng)價(jià)維度上的貢獻(xiàn)程度，并借助雷達(dá)圖來(lái)反映5種不同類型的幫扶單位在各維度貢獻(xiàn)情況的異同。

（二）線性回歸方法簡(jiǎn)介

sklearn，全稱是Scikit-learn，是機(jī)器學(xué)習(xí)領(lǐng)域中最著名的python模塊之一［4］，它對(duì)常見(jiàn)的機(jī)器學(xué)習(xí)方法進(jìn)行了封裝，具有簡(jiǎn)單高效、適用于多種復(fù)雜環(huán)境的特點(diǎn)。

sklearn中的線性回歸被定義為擬合函數(shù)是：

擬合系數(shù)為：

的線性模型，擬合的線性模型為：

目的在于最小化樣本集中觀測(cè)點(diǎn)和線性近似的預(yù)測(cè)點(diǎn)之間的殘差平方和，可以利用平方和最小來(lái)控制其損失。

因此，只需解決下面的問(wèn)題：

式（6）中ω是線性模型的截距。

（三）所得結(jié)果

第1類幫扶單位類型：

(ω0,ω1,ω2,ω3,ω4,ω5)= ［-0.188 4,-0.0649825,0.1182644, 1.4743704, -0.01950562, 0.1603619］

第2類幫扶單位類型：

(ω0,ω1,ω2,ω3,ω4,ω5) = ［0.1439,-0.049974,-0.5081879, 0.7499256,0.175443, 0.3503649］

第3類幫扶單位類型：

(ω0,ω1,ω2,ω3,ω4,ω5)=［1.0836, 0.5333999,0.2556599, -0.0395506, 0.1092588, 0.059687］

第4類幫扶單位類型：

(ω0,ω1,ω2,ω3,ω4,ω5) =［0.6151, -0.7978457,-0.2297925, 0.5616852,-0.0791224, -0.0999094］

第5類幫扶單位類型：

(ω0,ω1,ω2,ω3,ω4,ω5)= ［0.2150, -0.2275529,0.0320203, -0.15191834,-0.02787831, -0.03356937］

上述5組數(shù)據(jù)的雷達(dá)圖如圖1所示：

圖1 各幫扶單位具體得分雷達(dá)圖

四、結(jié)果分析

觀察各幫扶單位得分，發(fā)現(xiàn)各個(gè)系數(shù)大小分布較均勻，說(shuō)明模型假設(shè)的線性關(guān)系符合數(shù)據(jù)實(shí)際情況，模型擬合較好。

分析上述所得結(jié)果，結(jié)合圖1，不難發(fā)現(xiàn)雷達(dá)圖中各幫扶單位整體來(lái)說(shuō)在住房環(huán)境、教育及文化兩個(gè)維度的表現(xiàn)較突出，即大部分扶貧單位在住房環(huán)境、教育及文化這兩項(xiàng)上的得分較高，說(shuō)明在住房環(huán)境、教育及文化上的改善群眾較為滿意；而在產(chǎn)業(yè)發(fā)展情況、基礎(chǔ)設(shè)施這兩項(xiàng)上的得分則普遍較低，說(shuō)明扶貧單位在提高產(chǎn)業(yè)發(fā)展水平、改善基礎(chǔ)設(shè)施這幾個(gè)具體類別上仍然有較大的提升空間。

不僅如此，不同扶貧單位的扶貧特點(diǎn)也存在較大差異，這一點(diǎn)可以從不同類型的雷達(dá)圖形狀得知。如類型1、2、4扶貧單位所對(duì)應(yīng)的雷達(dá)圖形狀在住房環(huán)境維度較為突出，這一方面說(shuō)明該類扶貧單位在產(chǎn)業(yè)發(fā)展、住房環(huán)境方面的幫扶切實(shí)有效、成果突出，群眾較為滿意；另一方面也表現(xiàn)出其在其他方面的幫扶成果不顯著，甚至低于平均水平。類型3的扶貧單位所對(duì)應(yīng)的雷達(dá)圖形狀在教育及文化維度較為突出，說(shuō)明該類扶貧單位教育及文化方面幫扶成果村民較為滿意。而類型5的扶貧單位雷達(dá)圖形狀較均勻，說(shuō)明村民在5個(gè)方面都較為滿意。

由上述結(jié)果分析得知，貧困群眾對(duì)住房環(huán)境、教育及文化、村民經(jīng)濟(jì)收入的提升較為滿意，而產(chǎn)業(yè)發(fā)展、基礎(chǔ)設(shè)施的提升不能有效提高群眾的滿意度。貧困群眾長(zhǎng)期處于生活艱難的狀況，渴望與自身生活息息相關(guān)的方面發(fā)生改變，希望得到實(shí)際能感受到的好處，這也就是住房環(huán)境、教育及文化、經(jīng)濟(jì)收入這些實(shí)實(shí)在在的方面能夠有效提升群眾滿意度的原因之一。但是，要想真正實(shí)現(xiàn)長(zhǎng)期脫貧不返貧，產(chǎn)業(yè)發(fā)展與基礎(chǔ)設(shè)施的提升也是必不可少的。因此，在脫貧攻堅(jiān)工作中，扶貧單位不僅要在住房環(huán)境、教育及文化、村民經(jīng)濟(jì)收入等群眾喜聞樂(lè)見(jiàn)、看得到的方面下苦功，提升群眾獲得感［5］，而且要在產(chǎn)業(yè)發(fā)展、基礎(chǔ)設(shè)施建設(shè)上發(fā)力改善，為脫貧人口長(zhǎng)遠(yuǎn)發(fā)展打下堅(jiān)實(shí)基礎(chǔ)。

結(jié)語(yǔ)

本文對(duì)扶貧績(jī)效與受幫扶群眾滿意度關(guān)系分別進(jìn)行量化分析，并使用機(jī)器學(xué)習(xí)方法對(duì)扶貧績(jī)效與受幫扶群眾滿意度的關(guān)系進(jìn)行了探究，定量分析了與受幫扶群眾滿意度聯(lián)系最為緊密的扶貧工作維度，能夠?yàn)樘嵘щy群眾獲得感和打贏脫貧攻堅(jiān)戰(zhàn)提供參考。