關于扶貧攻堅收尾戰創新路徑的研究與思考

張孝峰 李鑫 周成毅

[摘 要]到2019年，中國貧困人口已實現85%成功脫貧，扶貧工作成效顯著。但在過去六年，出現了大量的貧困人口脫貧后返貧的現象，這些返貧及“難幫扶”人群積累下來，成為最后一批貧困戶中的“釘子戶”。當前是我國建設全面小康的最后一戰，這一戰至關重要，任務艱巨、責任重大，非常時期更應當大刀闊斧，學會變革，信息化產業技術的飛速發展，給扶貧模式創新提供了新路徑與新思考。

[關鍵詞]精準扶貧;返貧;機器學習;XGBoost模型;小康社會

[中圖分類號]F426.61? ?[文獻標識碼]A

十八大以來，黨中央高度重視扶貧工作，力爭在2020年實現全面建成小康社會。這是一個艱苦且充滿挑戰的過程，但扶貧開發意義重大刻不容緩，必須堅定不移地貫徹實施。堅持“精準扶貧”，從字面上理解，即是把扶貧工作細致化、精準化，提高扶貧精準度，提高貧困人口識別率，減少漏評、誤評率。近年來，從黨中央到各省、市及地方政府陸續成立扶貧工作小組，專門開展扶貧工作戰略研究與扶貧工作實施，一系列利國利民的政策出臺，巨額的專項資金與大量的人力投入，扶貧工作成效顯著。但距離全面建成小康社會還有一段路要走，可時間已經不多。在這最后的關頭，絕不能松懈，更要擼起袖子加油干，加快扶貧模式創新研究與實施，提高扶貧效率，減少返貧率，打好扶貧攻堅收尾戰。

1 精準扶貧助力建設全面小康

貧困縣全部摘帽，解決區域性整體貧困是我國“十三五”時期必須完成的歷史任務和現實難題。習近平總書記在2013年11月于湘西考察時提出了精準扶貧的扶貧理念，精準化成為當下扶貧工作的核心內容。到2019年，這六年來，扶貧工作取得了卓越的成效。農村貧困人口大幅度減少，人民生活水平顯著提高。2018年10月17日是第5個國家扶貧日，聯合國開發計劃署前署長海倫·克拉克曾贊賞說：“中國最貧困人口的脫貧規模舉世矚目，速度之快絕無僅有。”

改革開放40年來，中國的扶貧工作績效在全世界屬于前列，具有示范性和代表性。這40年來，全世界眾多國家都在開展扶貧工作，致力于減少貧困人口，中國無疑是最突出的一個國家。在對全球減貧貢獻率的統計中，中國一枝獨秀，達到了70%，這是一個相當令人震驚的數據，顯示出中國扶貧工作方向對、方案優、方針準，這是對中國扶貧工作的總結與高度認可。

一直到2018年，中國貧困人口從2012年的9899萬人減少到1660萬人，6年時間減少了8000多萬人，平均每年減貧1300多萬人。目前可以說，在黨中央的正確領導和各級政府以及全體人民的共同努力下，中國貧困人口已經實現了85%左右脫貧成功。這說明中國在過去的六年扶貧工作成效卓越，在奔向實現全面小康的路上，已經接近終點，勝利的曙光就在眼前。但越是接近終點的路，越是坎坷不平，越是困難重重，此時，對扶貧工作的要求更高，任務更加艱巨。

2 返貧現象頻發問題急需解決

2.1 返貧現象頻發

鑒于前面六年的平均脫貧水平，似乎只要保持當下的工作狀況與扶貧機制，2020年實現建成全面小康社會并不困難。其實并非如此，到2019年，脫貧效率很有可能會開始降低。在過去六年，出現了大量的貧困人口脫貧后返貧的現象，這些返貧及“難幫扶”人群積累下來，成為最后一批貧困戶中的“釘子戶”。

從一組數據來看，2014年，中國脫貧人口1232萬，2015年1442萬，呈上升趨勢，在2016年，脫貧人口為1240萬，脫貧速率減慢。 2015年8月至2016年6月，建檔立卡“回頭看”，共補錄貧困人口807萬，剔除識別不準人口929萬，識別不準人口占有相當大的比例。而在2017年，各地對2016年脫貧真實性展開自查自糾，245萬標注脫貧人口重新回退為貧困人口，返貧率近20%。這是導致中國農民實際脫貧率不能穩步上升的重要原因。

2.2 返貧致因多元化

返貧現象致因多元化，多方面的原因導致返貧現象頻發。無情的“人情”，各種紅白事禮金，人情往來，對于剛剛脫貧的群眾來說往往難以承擔，但在大多數農村地區，保留著較為完整的獨特的民風民俗，而且抬頭不見低頭見，使得這筆花銷無法避免。疾病也是導致返貧問題的罪魁禍首之一，目前農村的醫療保障制度正在逐漸完善，報銷比例，醫療待遇也在逐漸提高，但是很多大病、重病暫未納入醫保體系，部分疾病即使納入醫保體系，剩余的醫療費、營養費、護理費等也讓眾多貧困人民有苦難言。此外，在許多貧困家庭中，勞動力并不多，一旦有人患病，往往會牽制住家中的“頂梁柱”導致收入來源缺失，形成惡性循環。同時，一些天災人禍也是導致返貧的原因，這些都屬于不可控因素，一旦發生人們往往毫無抵抗力，只能選擇承受。一些農村地區少生優育的觀念不強，導致家中未成年人較多，家庭中勞動力占比低，必需花銷高，使得家庭脫貧困難重重。

2.3 降低返貧率刻不容緩

當前是我國建成全面小康社會的最后一戰，這一戰至關重要。六年來黨中央高度重視，全國人民團結協作，無數人奮斗在扶貧一線，成效顯著。隨著脫貧攻堅工作的深入推進，前面脫貧的都是難度較小的，剩余的未脫貧的農戶致貧原因更復雜、脫貧成本更高、難度更大，返貧形勢將愈加嚴峻。目前大致已經完成了80%以上的任務，剩下的20%，是一塊難啃的硬骨頭，要想“啃得動”，就得有一副“鐵齒銅牙”。尋找扶貧模式新路徑，減少返貧群眾，重點幫扶“脫貧釘子戶”，持續降低貧困率，才能打好建成全面小康的收尾戰。

3 機器學習提供扶貧攻堅新路徑

3.1 研究現狀

除了在戰略上、政策上創新助力扶貧工作，利用好現代信息化技術，同樣可以為扶貧之路帶來便捷。目前已經有了許多關于利用大數據開創精準扶貧模式新路徑的研究，并且取得了一定成效。如陸桂明的基于機器學習實現貧困生的分類預測研究，其統計了某高校2016級-2017級學生的150萬組一卡通消費記錄，包括學生的基本信息、消費額度、消費地點、消費時間等。對數據進行預處理后，利用XGBoost模型建模，實現分類研究預測，預測識別貧困學生，查準率達到53.68%，查全率達到92.15%，效果相當好。除了XGBoost模型，SVM模型同樣可應用于此，但在陸桂明的貧困生預測實驗中效果差于XGBoost。梁驍【4】同樣利用XGBoost模型進行過識別貧困人口的數據分析方法研究，其方法和思想類似于陸桂明的貧困生分類預測研究。

3.2 研究方法與評價

不論是XGBoost還是SVM，抑或是其他類似的分類或回歸模型都是基于機器學習，其思想殊途同歸。在此處，主要針對XGBoost和SVM但不僅限于兩者進行分析。類似的模型有很多，XGBoost和SVM只是其中具有代表性的一部分。除了預測識別貧困人口之外，同樣可以利用其識別易返貧人群。返貧人群往往具有一些潛在的相似性，其家庭客觀狀況大都存在著“返貧隱患”。利用機器學習，可以找出這些潛在的相似性特征，實現預測分類易返貧人群。

建立貧困戶標準化信息庫，預測分類貧困群體，有助于提高扶貧精準度，使貧困戶判別更加客觀全面。而預測易返貧人群同樣意義重大，尤其是在建設全面小康收尾戰的當口，其作用更是顯著。預測易返貧人群，可以對其進行重點跟蹤，給予必要的政策與物質支持，防止其返貧，從而避免扶貧“反復性”。以此降低人力與財力成本，同時節省當下寶貴的扶貧時間。

利用機器學習或其他信息化處理技術，都離不開標準化貧困戶信息庫。政府建立的貧困戶信息統計網絡平臺就起到了收集整理標準化信息的作用，這是利用信息化處理相關問題的基礎。其大致步驟大多相同，首先都需要建立判別標準，例如，是否購買有商品房，是否有多處房產，是否有轎車，是否有高檔電器，用水用電是否便捷，交通是否便捷，家中病患者數量，病患程度，受教育學生數，文化水平，是否有養老保險，是否有醫療保險，等等。這些都可以作為特征，然后經過數據采集，即通過貧困戶網絡平臺盡可能地收集貧困人口數據，數據量越大，設計的細節越細效果越好。接著進行數據預處理，構建特征庫，特征篩選排序，生成模型，訓練模型，最終將訓練好的模型進行應用與分析。此時，即可進行貧困戶或易返貧人群預測分類。當然，在實際實踐過程中，還會存在著許多問題，模型不一定適合，準確度可能不夠，這些都需要進行深入分析并進行優化。最終建立一個準確率較高的易返貧人群預測分類模型。

方法多種多樣，模型也多種多樣，但思想大同小異。具體問題具體分析，結合機器學習領域相關知識，為減少返貧人口、扶貧“釘子戶”的政策制定與方案實施做出有益參考。

4 結語

2019年是不平凡的一年，是建設全面小康社會的最后一年，這一年任務艱巨，責任重大。之前的幾年扶貧成效顯著，但如果沉浸在過去的榮光中不思進取一定會失敗。在這最后的當口，更要再接再厲，堅定不移地貫徹落實黨中央下達的扶貧政策，保持扶貧工作的勁頭。絕不能安于現狀，要學會創新，非常時期更應當大刀闊斧，不論是白貓黑貓，抓到老鼠就是好貓。穩中求進，進中求突破，穩定扶貧工作成效，防止返貧現象反復發生，同時加大扶貧力度，創新扶貧模式，改善扶貧方法，解決貧困“釘子戶”問題。當今信息化產業技術的飛速發展，也給扶貧模式創新提供了新路徑，國內一些科學家已經做過充分且可靠的關于將互聯網技術應用于扶貧工作的理論研究，許多已經應用于實踐并且效果良好。貧困具有多維度、動態性、綜合性的特點，判別起來往往很難且費時費力，而構建貧困人口信息統計網絡化平臺，建成貧困人口信息庫，利用大數據及相關技術進行數據對比和綜合分析，可以實現預測判別貧困人口與易返貧人群，提高貧困判別可靠性與客觀性，減少返貧現象發生，為扶貧工作提供助力。科學技術是第一生產力，在這個關鍵節點，突破慣性思維，運用好互聯網科學技術這把利劍，披荊斬棘，打好扶貧攻堅最后一戰。

[參考文獻]

[1] 莫光輝，張玉雪.大數據背景下的精準扶貧模式創新路徑——精準扶貧績效提升機制系列研究之十[J].理論與改革，2017（01）.

[2] 胥愛貴.把防止返貧擺上脫貧攻堅重要位置[J].領導科學，2018（31）.

[3] 陸桂明，張源，周志敏.基于機器學習的貧困生分類預測研究[J].計算機應用與軟件，2019（01）.

[4] 梁驍，張明，覃琳.一種基于機器學習識別貧困人口的數據分析方法研究[J].企業科技與發展，2017（05）.