EN中文

Economic geography >

2020 , Vol. 40 >Issue 10: 171 - 175

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.10.020

Accurate Measurement of Peasant Family Property Poverty in Ethnic Minority Areas and Countermeasures for Poverty Alleviation

  • WU Zhongxin , 1, 2 ,
  • PENG Yisong , 1, ※ ,
  • CHEN Fang 2 ,
  • WEI Jiajia 2
Expand
  • 1. Hunan Key Laboratory of Enterprise Financial Information and Capital Market Effect，Hunan University of Finance and Economics，Changsha 410205，Hunan，China
  • 2. Business School，Hunan University，Changsha 410082，Hunan，China

Received date: 2020-03-29

  Revised date: 2020-09-10

  Online published: 2025-04-21

Fold

Abstract

Targeted Poverty Alleviation and precise poverty reduction are the basic strategies for poverty alleviation. This paper analyzes the original data of poverty reduction, targeted poverty alleviation and discusses the internal logic and mutual mechanism of optimization. XBRL (Extensible Business Reporting Language) is used to identify the poverty index of rural family assets, and TOPSIS method is used to measure the poverty degree of rural family assets. The results show that the property poverty of different ethnic families is heterogeneous, and the poverty degree of Han nationality in minority and minority areas is worthy of attention.

Key words： targeted poverty alleviation; family assets; poverty; entropy TOPSIS method; measurement; governance

Cite this article

WU Zhongxin , PENG Yisong , CHEN Fang , WEI Jiajia . Accurate Measurement of Peasant Family Property Poverty in Ethnic Minority Areas and Countermeasures for Poverty Alleviation[J]. Economic geography, 2020 , 40(10) : 171 -175 . DOI: 10.15957/j.cnki.jjdl.2020.10.020

自习近平主席2013年11月在湘西十八洞村考察时首次提出“精准扶贫”理念以来，我国扶贫工作发生了根本性的改变，“精准”成为当前脱贫攻坚工作的最显著特征。围绕精准扶贫基本方略，各级政府为贫困人口群体建档立卡，出台一系列精准扶贫政策，为贫困人口群体脱贫源源不断输入扶贫资金。然而，随着评估贫困数据基数的不断增加以及处理技术日趋复杂，传统评估贫困绩效模式已无法充分满足评估任务的需求，急需新技术和新方法更有力支撑。截至2018年末，全国贫困发生率下降至1.7%[1]。但是在扶贫实践进程中，识别贫困户出现较大的偏差，因此，国家要在2020年完成全面脱贫攻坚任务，不管是产业扶贫还是兜底扶贫，首要任务就是获取精准扶贫信息，识别和测度贫困群体家庭的“资产贫困”，从而有的放矢治理贫困。“资产贫困”是美国社会政策专家Oliver等首次提出的概念[2]，学术界和社会日益重视“资产贫困”，主要因为：一是资产贫困可以让我们了解贫困的结构状况。家庭资产既包含收入也包含支出，摆脱了单纯从收入或支出的角度来识别农村贫困人口。二是家庭资产贫困的测量可以较为全面地测量整个家庭发展情况的贫困程度。已有对于农村居民家庭资产贫困的测度体现在诸多方面：①多维测度。从家庭金融资产、住房资产、实物资产3个维度精准识别农村居民家庭资产贫困的现状及其致因[3]；从家庭住房、耐用品、生产性固定资产4个维度描述了S省30个国家级贫困县农村家庭资产的贫困现状[4]；李俊杰等从教育、消费、闲暇、居住、健康和社会关系6个维度分别测量了汉族、土家族、苗族居民的多维贫困状况[5]。②动态贫困资产测度。主要借鉴国外研究方法，利用预期贫困的脆弱性（VEP）、低期望效用脆弱性（VEU）以及风险暴露脆弱性（VER）三种方法来测度我国的贫困脆弱性水平[6]。③静态贫困资产测度。以资产贫困线和收入贫困线为依据来测量农村居民家庭资产贫困程度[7]。而关于贫困的治理方面：①产业扶贫研究集中于扶贫模式与机制[8-9]、现实困境与对策[10]、产业政策安排[11-12]。②运用大数据技术推进精准扶贫工作[13-14]。③家庭劳动力要素的流动影响收入。刘一伟发现劳动力流动能够改善农户的贫困状况，即遵循劳动力流动使收入差距缩小，从而改善农村居民贫困，实现精准扶贫与脱贫[15]。④增加农民财产性收入是解决我国“三农”问题的关键着力点[16]，现有研究认为改革土地财产权、加快农业供给侧改革、创新农村金融是增加我国农村居民家庭资产贫困的主要途径[17]。
以上研究分散在对农村居民家庭贫困的理解与测度的方法与维度、各种精准扶贫模式等各自领域，是本文针对农村居民“家庭资产”精准测度与治理研究的宝贵资源，然而，已有研究对于家庭资产贫困的理解有限，测量的方法理论化模型化，操作的可行度仍然不高。以上对于农村居民家庭资产贫困研究，有待进一步推进：①概念理解可清晰。对于贫困概念的理解改成从会计学“资产”角度理解，在本文研究中，家庭资产贫困的界定是在家庭货币资金收支净额、家庭固定资产（土地与建筑物、家用电器等）结余、居住条件改善（水、电、气）、居民健康保障（医保、社保）等诸多方面陷入的一种被剥削的状态，更能准确把握实际贫困状况。②测量技术可推进。针对现有研究操作化程度不高，运用可扩展商业报告语言（XBRL）可以准确测度农村居民家庭资产[18]。③服务平台可设计。对于扶贫的治理研究，无论是宏观还是微观，均局限在现有的核算、使用管理和简单的技术处理上，缺少农村居民家庭人员详尽的投资与消费数据支撑，需要在家庭资产、负债和权益的核算基础上，对其投资与消费实施重新指导和设计。④监督机制可健全。现有扶贫绩效评估引入第三方评估（是指第三方组织或机构对政府绩效的评价），然而目前第三方对扶贫工作进行监督的积极性欠缺，主要是因为搜索扶贫的数据信息难度大，大多只能搜索到市县一级，若试图寻找乡镇、村委的扶贫信息，须实地调研才可获取，扶贫信息的透明化还远未实现。
综上所述，全面而系统探讨农村居民家庭资产贫困的精准测度与治理，对正在紧张推进、即见成效的“精准扶贫”，最终实现“全面小康社会”，显得尤为迫切。

1 农村居民家庭资产贫困测度的理论框架

1.1 基于XBRL的农村居民家庭资产贫困的精准识别

目前不少贫困省份和地区扶贫干部采用“几看法”指标进行贫困户识别，即看房产占地和价值、看粮食充裕度、看劳动力价值、看家庭有无读书郎等。但是在实际扶贫工作中，“几看法”中的指标偏向定性指标，缺少细化的定量指标，不能确保数据的真实性。基于XBRL（Extensible Business Reporting Language）的家庭贫困大数据能够兼容“几看法”等定性认识，但是更多运用会计数据定量衡量农村居民家庭的房地产价值、生态资产价值、劳动力资源价值及教育资源等价值，对农村居民家庭的上述资产分类识别，将发挥XBRL网格化、标准化、可扩展等优势，XBRL中记录农村居民家庭的上述资产信息的地方就叫分类标准（Taxonomy）。分类标准类似于一本有关技术术语合集的字典，里面记录了这个信息叫什么（Label）、谁允许它这么叫（Reference，指向法规或文献）、和别的信息有何关系（Calculation、Definition）、房产内外观是什么（Presentation）。比如若要定义农村居民家庭房地产的准确信息，首先是记录该处房产的土地性质是自留地还是宅基地（Label），房产的位置在什么地方，谁允许它这么叫（Reference，不动产权证书名称，所有人名称、产权证编号、登记核准日期、建筑面积），与别的信息有什么关系（Calculation、Definition，房产是否有共有人，共有人关系是什么，房屋设计用途、权利来源、房屋是否抵押、是否被查封等等），房产内外观是什么（几层，轻钢、木、砖结构，外观是什么颜色，有什么标志性东西）。户型查询的准确的个人房产证信息，这些设计的家庭资产的评估分类标准，与第三方评估数据管理、实时监测的要求相契合，可作为实现精准扶贫与政府扶贫绩效考核的辅助手段。XBRL分类标准（Taxonomy）规范好后，使得大数据与第三方评估有效链接，从而评估贫困更加精准。

1.2 基于熵值TOPSIS法的农村居民家庭资产贫困程度的测度

按照上述中国农村家庭资产的评估元素，主要从家庭人均消费支出，农村居民人均可支配收入，生活性投资和生产性投资，农村居民家庭整半劳动力薪酬，安全住房、居民基本医疗保险参保情况，农村居民人均教育、文化和娱乐消费支出，银行储蓄等信息对农村家庭资产进行财务测度量化，本文从消费、投资、信贷、收入、保障、教育等六个方面构建一个结构完整、可比性强的贫困测度综合指标体系。

1.2.1 多维贫困指标的内容概述

消费方面。①农村居民家庭人均消费支出。它是用来反映和研究常住居民家庭人员实际生活消费水平高低的重要指标。农民家庭生活消费支出，指用于吃、穿、住、烧、用及文化生活服务费用的开支。②农村居民家庭恩格尔系数。恩格尔系数是农村居民食品消费支出占消费支出总额的比例，该指标越大，说明该地区食品消费支出越高，因而越贫困。③农村居民家庭商品性生活消费支出。指农村常住居民家庭用其货币收入，除去自给自足的食品用材外，在商店和集市贸易市场以及其他网络渠道购买商品生活消费品的支出。该指标越小，说明农村居民家庭越贫困。
投资方面。生活性投资和生产性投资。包括农户占有宅基地及房屋资产价值、农户承包的土地及生态资产价值。
信贷方面。信贷总额包括向银行、信用社和向亲友借款等所有债务。是用来观察农民扩大再生产及运用社会资本改善生活的能力。
收入方面。①农村居民人均可支配收入。等于农村居民家庭纯收入除以家庭人员个数，包括工资性收入、经营性收入、财产性收入、转移性收入。②收入基尼系数。该指标越大，则该国家和地区居民的收入差异越大。③农村居民家庭储蓄存款。是农村居民家庭存入银行及农村信用社储蓄的时点数。
保障方面。①农村居民家庭整半劳动力薪酬。指农村常住居民家庭成员中有全部和部分劳动能力并经常参加实际劳动的人员的薪酬。一个家庭中劳动力薪酬越少，该家庭越容易陷入贫困。②农村居民家庭医疗保险、养老保险、最低生活保障支出。该比例越低，家庭越容易陷入贫困。
教育方面。①农村居民人均教育、文化和娱乐消费支出。家庭教育总支出越高，该家庭越容易陷入贫困。②农村居民家庭非义务制教育支出占比。指农村居民家庭非义务制教育支出占家庭教育总支出比例。该比例越高，家庭越容易陷入贫困。

1.2.2 熵值TOPSIS法测度贫困的原理

采用熵值TOPSIS法的贫困测度综合评价模型测定6个指标的权重系数。具体分为两大步骤：第一步是用熵值法确定指标权重系数。第二步是计算评价对象指标与理想指标的贴近度。设 x i j ( i = 1,2 , ⋯ m ; j = 1,2 , ⋯ n )为第i个被评价对象中的第j个指标的观测数据。

1.2.2.1 熵值TOPSIS法确定指标权重系数

①计算第i个被评价对象在第j个评价指标上的指标值比值：
f i j = x i j / ∑ i = 1 m x i j
②计算第j个评价指标的熵值：
$g_{j}=-\frac{1}{\ln n} \cdot \sum_{i=1}^{m} f_{i j} \ln f_{i j}$
式中：0≤ g j≤1。
③计算评价指标 x j的差异性系数。
由公式（2）知，对于给定的j、 x j的差异越小，则 g j越大。在此基础上定义差异系数 h j = 1 - g j， h j的数值越大，越应该重视 h j在综合评价指标体系中的作用。
④确定评价指标的权重：
w j = h j / ∑ j = 1 n h j

1.2.2.2 计算评价对象指标与理想指标的贴近度

①评价指标 x i j的无量纲化处理。对每类数据的第1项指标进行无量纲化处理，即农民家庭的恩格尔系数、生活性投资和生产性投资、信贷总额、农村居民家庭纯收入、农村居民家庭整半劳动力薪酬、农村居民家庭教育总支出进行无量纲化处理。
②加权的 y i j无量纲化指标。设 y i j是第i个被评价对象第j个评价指标无量纲化数据的加权值， w j为利用熵值法求出的第j个指标的权重系数，则 y i j = x i j ∙ w j。
③确定被评价对象的正、负理想点指标值。设 y +是第j个指标值的最大值， y -是第j个指标值的最小值（j=1，2，…，n），则得到被评价系统的正理想点指标值 y + = y 1 + , y 2 + , ⋯ , y n +，负理想点指标值 y - = y 1 - , y 2 - , ⋯ , y n -。
④计算被评价对象与正负理想点指标值之间的欧式距离。设e+、e-分别是第i个被评价对象与正理想点指标值与负理想点指标值的欧式距离。
⑤计算相对贴近度并排名。设 d i为第i个被评价对象指标值与理想点指标值的相对贴近度。 d i越大，表明第i个被评价对象与负理想点指标值的距离越大，即第i个被评价对象越好，具体到本文就是第i个地区的贫困程度越低。其中：
d i = e i - / e i + + e i -     i = 1,2 , ⋯ m

2 农村居民家庭资产多维贫困指标及贫困线的确定

2.1 数据来源及描述

本研究数据来源于2019年7月对湖南省湘西少数民族聚居地的农村居民调查。调查涉及湘西自治州、怀化市的5个国家级贫困县和湖南省重点扶持乡镇，结合当地实际情况，在6个乡镇选取了2个典型村，有效样本量为248个居民。采取系统等距分层抽样的方法，确定到户到人，由此确定伍家湾村101人，十八洞村56人，边城镇39人和飞虫村32人。对照上述消费、投资、信贷、收入、保障、教育6个维度，根据表1的描述性统计结果发现：一是被调查者以土家族为主，比例为49.91%，苗族人口比例为30.39%，汉族比例为19.70%，这符合实际情况，湘西自治州、怀化市为湖南省主要的少数民族聚居地；二是被调查者主要是务工人员，57.62%的居民每天外出劳动超过8小时；三是被调查者消费水平较高，平均消费7 756.34元；四是被调查者受教育程度较低，初中学历比例为43.15%；五是被调查者健康状况较好，以比较健康或一般健康为主。表2列示了不同民族多维贫困指标内容及标准差。
表1 多维贫困指标的描述性统计

Tab.1 Descriptive statistics of multidimensional poverty indicators

变量 指标内容 平均值或
百分比		 标准差
消费 1=人均消费支出（元） 7 756.34 11 020
2=恩格尔系数 0.64 0.78
3=商品性生活消费支出 821.45 1 356
投资 4=生活性投资和生产性投资 9 921.52 0.71
信贷 5=银行、信用社和向亲友借款等 2 558.32 3 521
收入 6=人均可支配收入 11 020 11 020
7=收入基尼系数 0.55 0.62
8=储蓄存款 3 521 3 521
保障 9=整半劳动力薪酬 8 600 12 052
10=医疗保险、养老保险生活保障比例 6.58% 0.09
教育 11=人均教育、文化和娱乐消费支出 1 052 1 508
12=非义务制教育支出占比 12.33% 0.26
表2 单维度的贫困发生率统计

Tab.2 Occurrence rate of single-dimension poverty

维度 消费 投资 信贷 收入 保障 教育
总体 0.084 0.280 0.318 0.372 0.125 0.218
汉族 0.066 0.131 0.225 0.356 0.102 0.306
土家族 0.089 0.351 0.321 0.393 0.132 0.199
苗族 0.072 0.262 0.365 0.346 0.160 0.146

2.2 贫困线的确定

获取的消费贫困线采用世界银行2015年公布的1.9美元每人每天，换算成人民币约4 700元每人每年的贫困线，投资贫困线为6 900元，以3年的消费水平为贫困线依据，即当投资总值小于3倍消费水平为投资维度贫困；信贷同样以年消费贫困线为依据，即家庭人均信贷大于4 700元为贫困户。保障维度用于调查家庭的可持续生存与发展能力，将农村居民家庭整半劳动力薪酬低于农村居民可支配收入总额的80%的认定为贫困户。教育维度数据为百分比，农村居民家庭非义务制教育支出往往是农村居民贫困的致因，当农村居民家庭非义务制教育支出占农村居民人均教育、文化和娱乐消费支出的比值超过平均值2倍时为教育维度贫困。各个维度指标内容见表1。

3 农村居民家庭资产多维贫困测量结果

3.1 各个维度贫困发生率

根据表2，从单维度看，调查人口总体贫困程度最深的是收入维度，比例为37.2%，其次是信贷、投资、保障、消费。单从收入维度来看，调查人口总体收入贫困发生率为37.2%，说明多于1/3的农村居民贫困的主因还是收入不够，收入提升不快，收入渠道狭窄；从保障维度来看，调查人口总体保障贫困发生率为12.5%，其中苗族和汉族居民的保障贫困问题尤为突出。从教育维度来看，调查人口总体教育贫困发生率为21.8%，表明21.8%的调查者家庭非义务制教育支出占比较高。从消费维度来看，受访者平均消费支出为7 756.34元。不同民族农村居民的消费支出差别较大，其中汉族为6.6%，低于总体水平，更低于苗族和土家族。从投资维度来看，调查人口总体投资贫困发生率为28%，说明多于1/4的农村居民投资意识与投资结构不合理，其中土家族的投资贫困发生率高达35%。从不同民族单维贫困比较来看，汉族居民反映在保障、消费及收入维度上，而土家族、苗族的贫困主要反映在投资、信贷、教育维度上。单维度的贫困发生率见表2。

3.2 多维贫困统计结果

本文采用国际上通用的AF方法，分别估计土家族、苗族及汉族贫困状况农村居民的多维贫困指数及其贫困发生率，依据K=0.35的临界线，计算了贫困发生率、AF多维贫困指数（M），结果列于表3中。
表3 多维度的贫困发生率与贫困指数统计

Tab.3 Occurrence rate index of multidimensional poverty

维度 土家族 苗族 汉族
多维贫
困指数		 贫困
发生率		 多维贫
困指数		 贫困
发生率		 多维贫
困指数		 贫困
发生率
3 0.115 0.215 0.108 0.198 0.119 0.210
4 0.031 0.055 0.027 0.047 0.033 0.058
5 - - - - 0.018 0.015
从3个维度的贫困来看，汉族居民多维贫困指数最高，为0.119，其次是土家族和苗族，分别为0.115和0.108。汉族居民的贫困主要反映在投资、收入、教育上，投资维度贡献率为25%，收入维度贡献率为18.1%、教育维度贡献率为15.8%。两个少数民族居民的贫困反映在教育、投资和收入上，说明除了收入和教育贫困外，投资对湘西农村居民的的影响越来越大。
从4个维度的贫困来看，汉族居民多维贫困指数最高，为0.033，其次是土家族和苗族，分别为0.031和0.027。汉族居民的贫困主要反映在投资和收入上，分别贡献26%和25.40%，消费、教育也有一定影响。少数民族居民的贫困反映在投资、收入、教育、居住、和信贷上，投资和收入维度分别贡献26.70%和25.80%。
从5个维度来看，只有汉族具备5个维度贫困特征。多维贫困指数为0.018。汉族居民的贫困主要反映在除保障外的其余5个维度上，而社会保障是国家脱贫攻坚兜底扶贫的措施之一，说明少数民族聚居地生活的汉族居民致贫程度更加深刻。

4 推进民族地区脱贫的对策

本研究基于熵值TOPSIS法对农村居民家庭资产贫困程度分消费、投资、信贷、收入、保障、教育6个维度度量，利用来自湖南湘西自治州、怀化市少数民族聚居地的调查数据分别测量了汉族居民与少数民族居民的多维贫困状况，对少数民族聚居地农村居民多维贫困的现状与分层逻辑进行了实证研究。研究发现：首先，从总体状况看，少数民族聚居地的多维贫困一方面是历史积累造成的，比如居住条件和收入状况不堪乐观；其次，从分层角度看，少数民族聚居地的农村居民多维贫困内部存在明显的分层逻辑，从维度权重的角度进行测算，最深层的是投资、收入和消费，其次是教育关联度高。

4.1 三产融合发展，提高农民经营收入

不论是分地区还是分民族测量贫困的致因中，收入与投资占比贫困的份额最重，要千方百计提高贫困群体的收入水平，改善他们的生活居住条件。而提高贫困户居民的收入，依赖政府拨款和转移支付是不能持久的，要因地制宜地发展农牧业和旅游休闲产业，如湘西州作为黑茶、云雾茶生产地，可以建立茶业龙头企业和涵盖初级产品到衍生产品的现代循环农业产业链条，构建起“农民种养+村集体生产+企业营销”的发展模式，在物业经营基础上进一步联结村集体种养资源与企业购销利益，实现以土地开发为支点的集体经济三产融合发展模式。

4.2 鼓励农户投融资多元化，提高家庭资产的收益性

政府应当鼓励农户搞投资经营活动，从财政与金融政策支持农民小额信贷，搞农业合作社等股权融资，依托城区农村产权交易流转中心，谋划建立多个村级产权流转服务点，引导农户、合作社合理流转土地承包经营权、“四荒”使用权等要素，积极整合孵化壮大村级集体经济项目所需资源，破除制约发展的“瓶颈”，增加农村居民家庭资产的收益性。

4.3 打造深耕农民家庭资产的数据服务平台，提振农村消费

运用XBRL定量衡量农村居民家庭的资产等价值，通过大数据信息化管理，从根本上解决农村家庭资产“散”“乱”“难以追踪”的痛点与难点。XBRL平台内切入农户住宅与生产性资产投资、收入、金融资产信贷、个人消费、教育与保障等六大板块，以农村居民投资与消费为抓手，通过大数据运算与系统统一流程优化，力争捕捉农村居民投资与消费行为习惯，达到引导农村居民投资与消费优化的效果。设计农村居民家庭资产综合数据服务平台，以“企业+平台+农户”的电商扶贫模式发展智慧农业。

4.4 加快农村教育与保障体系建设，健全教育与保障制度

从表2和表3的统计结果不难看出，教育及保障支出都能对家庭致贫产生重要影响。这说明在精准扶贫过程中要注重对农村居民的能力培养和权利保障，比如持续定期的支教，政府应该完善农村地区义务教育、职业教育和高等教育保障制度，同时给予稳定的医疗救助保障。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李贺颖, 王艳慧. 贫困县村级居民点空间分布离散度与农村居民纯收入关联格局分析[J]. 地理研究, 2014(9): 1 617-1 628.

[2]
梅丽. 中国各地区经济福利与贫困测度[J]. 统计与决策, 2015(8):127-130.

[3]
高翔, 王三秀. 农村居民家庭资产贫困的多维测度与致因[J]. 当代经济管理, 2018,10:37-44.

[4]
李佳路. 农户资产贫困分析——以S省30个国家扶贫开发重点县为例[J]. 农业技术经济, 2011(4):13-18.

[5]
李俊杰, 陈浩浩. 不同民族农村居民多维贫困测量与减贫措施究——基于重庆市渝东南土家、苗和汉族居民的调查[J]. 中南民族大学学报:人文社会科学版, 2015(2):98-102.

[6]
王姣玥, 王林雪. 我国精准扶贫风险识别与模式选择机制研究[J]. 农村经济, 2017(8):40-44.

[7]
郑品芳, 刘长庚. 贫困户精准识别困境及识别机制构建[J]. 经济地理, 2018, 38(4):176-18.

DOI

[8]
李丽, 崔新新. 多维视角下农村居民家庭的贫困测度[J]. 统计与决策, 2017(13):100-103.

[9]
付胜南. 精准扶贫监督体系的构建与完善——基于机制设计理论的视角[J]. 求索, 2019(3):104-110.

[10]
辜胜阻, 杨艺贤, 李睿. 推进科教扶贫,增强脱贫内生动能[J]. 江淮论坛, 2016(4):5-9,2.

[11]
黄晓蓓, 钟宏武. 我国上市公司精准扶贫投入与成效现状研究——基于2017年度精准扶贫信息的分析[J]. 财务与会计, 2019(9):21-25.

[12]
黄金梓. 社会风险视域下生态扶贫政策工具及其适用机制优化[J]. 求索, 2019(3):111-117.

[13]
陈冠宇, 张劲松. 弥合数据、精准、扶贫之间的链接缝隙——精准扶贫第三方评估大数据运用及发展[J]. 上海行政学院学报, 2018, 19(6):101-109.

[14]
李学林, 杨诗雨, 周喜. 贵州省运用大数据技术推进精准扶贫工作的现状、困境及对策[J]. 六盘水师范学院学报, 2019, 31(2):1-9.

[15]
刘一伟. 劳动力流动、收入差距与农村居民贫困[J]. 财贸研究, 2018(5):54-62.

[16]
齐城. 大数据分析条件下的贫困特征识别和精准扶贫路径研究[J]. 信阳师范学院学报, 2019(2):54-59

[17]
刘畅, 周国华, 吴佳敏. 湖南省51个贫困县反贫困绩效评价[J]. 中南林业科技大学学报:社会科学版, 2017, 11(4):27-33.

[18]
马寅. 基于XBRL的“扶贫审计云”研究——以贵州省扶贫资金审计为例[D]. 南京: 南京审计大学, 2017.

Options
Outlines

/

〈 〉