贫困原因扶贫数学建模论文.pdfVIP

贫困因素调查分析 摘要 贫困是人类所面临的共同挑战，也是我国经济社会发展中需要面对的精准扶贫模式要求 的重点问题。对贫困对象的精准识别以及识别后的精准帮扶，这两个方面是精准扶贫模式在 实践中所遭遇的最大难题。 对于问题 1，对获得的数据进行了相关性分析，采用的是 spearman 秩相关系数以研究 贫困发生率与各项指标的单调相关性，得到了贫困发生率与各项指标的相关系数，并进行了 假设检验，通过对结果的分析得出结论，主要致贫因素是主要从事农业生产工业生产参与率 低、人均收入低、交通不便、劳动力受教育程度低。依据标准给贫困人口分类，分为重度、 中度和轻度，依据查阅的资料，我们把一些家庭生活指标作为分类的依据，再依据模糊综合 评判模型算出每个贫困户的贫困程度，即对贫困户进行分类。 对于问题2，建立了判别分析模型，使用了多项区分贫困与不贫困的指标，用已有的贫 困户数据作为该算法学习的基础，对采集到的数据进行了识别，误判率较低。还对该模型进 行了验证，并对该模型进行评价。 对于问题3，建立了灰色预测模型，对现有的贫困对象进行了预测，预测了一个样本在 下一年的情况，利用上一问建立的判别分析模型，判断该样本在下一年任然属于贫困。然后 对该模型进行了检验，使用某个样本的部分年份的数据来预测剩余部分年份的数值，经过预 测，还原值与实际值的误差都在2%左右，可以认为该模型准确。 问题4 要求依据致贫因素对帮扶方式进行分类，首先可以联系到第一问中要求确立我国 贫困人口主要致贫因素，通过第一问的分析我们可以得到文化水平低，因病因残，缺乏项目， 基础设施建设差等是我国贫困人口的主要致贫因素。同时也考虑到不同致贫因素对贫穷的影 响是不同的。有些如教育水平差对贫困的影响时间比较长远，有些比如基础设施不足通过修 建基础设施就可以在短时间内解决。不同的帮扶方式实施的方式也不同，例如医疗扶贫，基 础设施扶贫可以通过财政快速进行解决，但有些比如教育则需要做好长期规划，循序渐进， 最终引发人们的思想转变。 关键词：贫困，相关性分析，模糊综合评价，判别分析，灰色预测 1 问题的重述 精准扶贫模式要求对贫困对象的精准识别以及识别后的精准帮扶，这两个方面是精准扶 贫模式在实践中所遭遇的最大难题。自行搜集数据，解决以下问题： 1) 确定我国贫困人口的主要致贫因素，并对贫困人口进行分类。 2) 建立更精确的贫困对象的识别模型，并分析你所建立模型的优缺点。 3) 根据所建立的贫困对象识别模型，对我国现有的贫困对象进行预测。 4) 通过数学建模与分析，建立依据致贫因素的帮扶方式的分类。 2 问题的分析 问题1 要求我们确定我们贫困人口的主要致贫因素，根据获得的数据，不同地区在自然 资源、劳动力受教育水平、工业产值、公路里程数和贫困率等等方面存在着一定差距，从数 据中可以看出某些指标例如公路里程数与贫困率明显呈现负相关关系，这样根据已有数据可 以利用灰色关联分析模型分析出哪些指标与贫困正相关，以及关联程度，这样把关联程度最 高的几个因素作为主要致贫因素是有依据的。问题1 还要求我们给贫困人口分类。我们认为 贫困的分类以贫困程度不同为宜。分为重度、中度和轻度，依据查阅的资料，我们把一些家 庭生活指标作为分类的依据例如交通工具的等额值，不同类型的交通工具再依据模糊综合评 判模型算出每个贫困户的贫困程度，即对贫困户进行分类。 问题2 要求建立一种更精确的贫困对象的识别模型，识别，就是区分开贫困和不贫困； 精确，就是要更多的筛选条件，就是要误判率很低。因此，我们可以采用判别分析模型，用 已有的贫困户数据作为该算法学习的基础，分布计算出贫困和不贫困的均值向量和协方差阵， 需要判别是，计算某个样本与贫困和不贫困这两个总体的Mahalanobis 距离，距离哪个总体 近，即可判别该样本属于哪个总体。此外，还需要对该模型进行验证，要求出它的误判率， 并对该模型进行评价。 问题3 要求根据建立的贫困对象识别模型，对我国现有的贫困对象进行预测。需要获取 具体的贫困户的长期家庭情况调查，对其家庭情况的每一项指标的变化趋势进行分析，利用 灰色预测模型进行预测，得到未来的年份的家庭情况指标。还需要将这些家庭情况量化代入