基于Lasso稳健马田系统的相对贫困识别方法
2020年后我国扶贫工作重点将转向解决相对贫困问题,然而解决相对贫困的前提和基础是识别相对贫困.由于相对贫困数据具有"高噪性、不平衡性、相对性、多维性"等特点,现有的单一收入维度的贫困识别方法难以适用,因此提出构建一种基于Lasso稳健马田系统(Lasso-based robust Mahalanobis-Taguchi system,Lasso-RMTS)的相对贫困识别方法.该方法通过Lasso、稳健马氏距离和马田系统三方法融合,使得不仅可以对"不平衡性"和"比较性"的贫困数据进行识别,还可以对"高噪性"和"多维性"的相对贫困数据进行降维、降噪.同时,将稳健马氏距离转换为脱贫指数(poverty alleviation index,PAI),可以更加直观地反映相对贫困程度.实例数据验证表明,Lasso-RMTS识别相对贫困的精准度高于马田系统和其他传统分类方法.
马田系统、脱贫指数、相对贫困识别、Lasso、稳健马氏距离、生计可持续框架
42
F303.2(农业经济理论)
国家自然科学基金;江苏省研究生科研与实践创新计划项目;安徽省高校优秀青年人才支持计划重点项目;安徽省普通高校重点实验室开放基金重点项目;安徽省高校人文社会科学基金重大项目
2022-03-25(万方平台首次上网日期,不代表论文的发表时间)
共18页
527-544