朱宇丽 周莹娣 刘婷婷

摘要：2020年是脱贫攻坚的关键之年，各省各地区扶贫绩效显著，但这并不意味着贫困问题已被彻底解决。返贫问题作为重要的评判标准，衡量脱贫工作的长期性，已经成为不可小觑的脱贫障碍。文章以霍邱县为例，通过实地走访和问卷调查，根据返贫成因运用定量与定性的方法构建返贫风险预估体系，再利用BP神经网络建立风险量化模型，并据此提出相应的预警防范措施建议。针对预警体系和预测结果，为建立防止返贫的监测帮扶机制提供帮助，以巩固脱贫成果。

关键词：返贫;风险评估;预警机制

一、问题的提出

2020年是脱贫攻坚的决胜之年，各省各地区扶贫绩效显著，例如本年四月底安徽省扶贫办发布了重要公示，萧县、霍邱县等9个县（区）于去年提出申请，要求退出贫困县范围，并于今年正式通过，至此安徽省31个贫困县全部“摘帽”。但这并不意味着贫困问题已被彻底解决。返贫问题和脱贫工作在整體扶贫事业中占据同等重要的地位，近年来，即使我国农村地区扶贫形势出现重大转机，也取得了显著成效，但据有效调查统计可知，在扶贫工作持续展开的同时，频发性、反复性的返贫现象已成为巩固脱贫成果的重要难题。

目前国内关于返贫问题的相关研究主要针对其出现的原因及相应补救措施，如程明等从扶贫主体、客体及载体三个角度探讨返贫诱因;郑瑞强、曹国庆则从政策性返贫、能力缺失返贫、环境返贫、发展型返贫等方面出发，具体分类返贫原因;谷秀云，薛选登在风险监测的基础上，以阶梯激励为动力，以保险市场的保障为依托构建全面的预警机制;范和生提倡建立由预警信息机制、组织预警机制、长效衔接机制、利益联结机制和考核监督机制组成的返贫预警机制。

二、风险评估模型的构建

（一）影响因素

根据实际调研和文献研究，返贫诱因主要分为主体、客体、载体三大方面，主体主要从脱贫户自身出发，具体包括家庭收入、家庭支出;客体是指社会政治、经济、文化政策，以政府政策为指导;载体指自然环境承载力、自然灾害等资源环境因素。综合三大类诱发因素，从安徽省霍邱县的实际出发，构建当地的返贫风险预估模型。

（二）BP神经网络逼近

进行非线性协整系统的检验和建模，其关键之处在于对非线性协整函数进行估计若将向量时间序列的分量序列视为输入变量，而将非线性协整函数f视为一种非线性变换，则输出变量是一个SMM序列;对非线性协整函数进行估计，等同于从输入的向量时间序列和输出的SMM序列中得到各分量序列之间的关系。

基本的BP神经网络算法有两个方面：信号的前向传播和误差的反向传播，即在计算实际的输出时按照输入到输出的方向进行，而权值和阙值的修正从输出到输入的方向进行，信号的前向传播过程可以概括为：

（1）

利用训练样本的总误差，从输出层开始逐层向下计算各层神经元的输出误差，然后根据误差梯度下降法调节各层的权值和阈值，使修改后的最终输出能更加接近期望值。这个反馈过程可以概括为网络中各参数的调整量计算

其中η表示梯度下降步长。

（三）神经网络的预测

本文以安徽省霍邱县为例，在实地调查走访的基础上，大量搜集数据文献资料，主要从主体、客体、载体几个方面入手，收集诱发返贫的主要影响因素数据。鉴于各变量单位的不统一性及避免数据的偏差性，我们对数据进行了预处理，使得其更具操作性。处理公式如下：

（3）

U1为样本均值，δij为样本方差。

将收集到的数据，进行处理，确定4个输入层、2个输出层和3个隐含层。模型构建好后，将搜集的数据输入，进行训练操作，其结果下图。根据图中显示的结果可知，训练数据（Train）、检验数据（Validation）及测试数据（Test）的均方误差（Mean Squared Error）在横轴方向上迅速减小，并在epochs10达到最小值，即此时的训练结果最有效。

下图展示了训练后的BP神经网络对数据的拟合效果。其中训练数据（Training）、 验证数据（Validation）、测试数据（Test）和总体数据（All）的R2值分别为 0.9995、0.9995、 0.9994 和 0.9995，均大于 0.99。此次训练的模型在数据拟合上有很好的结果，可以用来预测此后半年内安徽省霍邱县返贫风险的量化结果。

通过上述分析发现，我们得到以下结论：

脱贫户的家庭收入和支出、政府政策、资源环境是极具代表性的返贫诱因，在这一指标体系下，根据BP神经网络计算得出的返贫风险预估结果有很大的可信度。由拟合结果可知，在未来半年内，安徽省霍邱县的返贫风险系数较低。大部分的脱贫户已具有较强的内生动力，收入整体大于支出，呈稳定态势;霍邱县政府在政策方面也给予了最大程度的支持，积极加快“两业”发展，完善“双基”建设，农村集体经济稳步增长;同时在国际科技力量不断壮大和霍邱县与生俱来的自然条件背景下，当地的资源环境较为稳定，物质资源丰富，自然灾害可控。由上述分析得知，安徽省霍邱县的返贫风险较低，脱贫质量较高。

三、预警机制的建立

运用返贫预估模型进行脱贫户的返贫风险进行量化的基础上，应同时建立相应的预警机制，对风险进行把控，有力地巩固脱贫攻坚成果。返贫诱因包括家庭收入、自然资源等，因此预警机制的建立也建议从主体、客体、载体三个角度出发设想。

（一）构建科学性的返贫监督预警体系

返贫风险的预估和监督体系的完善都离不开科学准确的数据分析、判断。预警机制的前置便是一套科学、系统的返贫风险体系的建立，通过对返贫主要诱因的数据搜集，再利用大数据平台进行多维度分析处理，最后借助返贫风险预估模型，如BP神经网络等工具计算得出具有较高准确度和信赖度的风险量化结果。这相当于是一种是事前措施，在源头上进行干预防范，在一定程度上可以节约监督预警的风险和成本，具有较强的高效性。同时可以直观简明地通过计算得出的返贫风险系数，判断返贫风险大小以及具体诱因分布占比情况，进而采取相应的补救巩固措施。

（二）维持可持续性的脱贫造血机制

无论是脱贫还是返贫，都需要从其主体出发，深入研究主体特征，从根源上解决问题。返贫问题的主要诱因在于脱贫成果的脆弱性，即脱贫主体自身的内生动力不强，无法在政府政策的支撑下，形成自我供给、自我需求均衡的良性内部循环，因此维持脱贫工作的可持续性，构建脱贫主体的自发造血机制尤为重要。要从返贫的主体——脱贫户出发，对其进行相应的教育培训、专业指导和技术支持等等，使其能够掌握一定的技术能力，以增加经济收入来源的稳定性和长期性。在维持基本生活需要的基础上，实现生活质量的逐步提高和风险抵御能力的增强。

（三）实施积极主动的激励扶持政策

从返贫客体出发，政府在整个过程中同样扮演着重要的角色。脱贫工作离不开政府的倡导和支持，同等地，返贫预警机制的建立也需要政府的参与。增强抵御返贫风险的能力就需要政府相应的实施扶持政策，例如奖励机制，可以根据脱贫户每年的创收进行一定的资金奖励，或者构建长期稳定的利益保障机制，逐步提高社会保障的水平。政府的支持无异于为返贫预警机制增添一道有力的屏障。

（四）鼓励脱贫工作与乡村振兴相结合

作为返贫的载体，资源环境方面，应当因地制宜，充分利用一切可利用的资源条件进行扬长避短，为农村经济注入活力。如，景色优美的地区可以开发休闲旅游业，资源丰富的地区可以延长产业链等等。脱贫工作的主要目的便是增加农民收入，缩小城乡差距，通过乡村振兴的方式，提高农村经济发展的增速，巩固脱贫成果的同时，削弱城乡差异，提高脱贫质量。

参考文献

[1]程明，钱力，吴波.“后扶贫时代”返贫治理问题研究[J].重庆理工大学学报（社会科学）.2020（03）：81-87.

[2]郑润强，曹国庆.脱贫人口返贫：影响因素、作用机制与风险控制[J].农业经济管理学报.2016（06）：619-624.

[3]谷秀云，薛选.登脱贫户返贫风险评估研究——基于豫西典型贫困县区的调查[J].河南理工大学学报（社会科学版）.2021（01）：22-30.

[4]范和生.返贫预警机制构建探究[J].中國特色社会主义研究.2018（01）：57-63.

[5]包国宪，杨瑚.我国返贫问题及其预警机制研究[J].兰州大学学报（社会科学版）.2018（06）：123-130.

基金项目：国家级大学生创新创业训练计划项目“全面脱贫背景下返贫风险评估及预警机制研究——以安徽省霍邱县为例”（项目编号：202010378048）

作者简介：朱宇丽（1999年—），女（汉族），安徽省合肥市人，安徽财经大学金融学院金融学专业本科生