关于脱贫帮扶的绩效评价研究

严成钢 蹇庭婷 刘佳炘 邹红倩 王畅

1.哈尔滨理工大学化学与环境工程学院 黑龙江哈尔滨 150000

2.南京中医药大学卫生经济管理学院 江苏南京 210046

3.贵州大学物理学院 贵州贵阳 550004

4.贵州大学化学与化工学院 贵州贵阳 550004

本文通过对约32000 个村庄2015 年和2020 的五个评价指标的数据进行处理分析统计，研究五年前后各评价指标之间的联系及不同分类条件下的各单位帮扶绩效，对得到的结果进行综合分析后给国家贫困办书信提供建议[1]。首先利用偏二乘回归模型将原始数据中缺失的数据进行补充以便后续使用。设立偏最小二乘回归模型和方程后利用SAS 算出指标间的相关系数，再用抽样的样本建立回归模型，可通过偏最小二乘回归对变量进行参数估计，并对模型进行显著性检验和拟合精度检验。

2020 年是决胜全面建成小康社会、决战脱贫攻坚的收官之年。党的十八大以来，以习近平同志为核心的党中央把脱贫攻坚作为全面建成小康社会的底线任务和标志性指标，全面打响脱贫攻坚战，做出一系列重大部署，取得重大战略成果。如期实现脱贫攻目标，是全面建成小康社会必须完成的硬任务。因此，如何选取指标、选取哪些指标对帮扶结果进行定性定量的分析具有极强的现实针对性。

1 分析处理

1.1 建立偏最小二乘回归模型

将2015 年各指标分别设为54321,,,, xxxxx ，2020 年各指标为y1, y2,y3,y4,y5，通过偏最小二乘回归对变量进行参数估计，可得出回归方程为：

根据所建立的偏最小二乘回归模式，可补全村庄所缺失2020年各指标的数据。

1.2 多元回归模型建立

以2020 年各指标为自变量，2020 年总分为因变量建立多元回归模型，主要利用MATLAB 软件编程进行实现。模型如下：

m=b0+b1y1+b2y2+b3y3+b4y4+b5y5

表1 方差分析

由表1 所知，F 值为62440，其对应的显著性概率＜0.0001，远远小于0.05，落在了拒绝域，拒绝了原假设，证明该回归方程线性关系显著。故可以用该模型去预测2020 年总分。

回归方程如下：

m=-0. 002+0.1249y1+0.2856y2+0.2466y3+0.2955y4+0.2210y5

最终补全数据，根据所补全的数据，求2015 与2020 对应指标的相关关系，具体用SAS 软件编程实现[2]。因为相关系数无法真正的反应各指标之间的关系，为了排除其他指标对所求指标的影响（以居民收入指标为例，为求2015 年居民收入与2020 年居民收入直接的关系，要排除这两个指标之外其他指标对其相关关系的影响）采用偏相关系数对2015 年和2020 年的评价指标进行显著性检验。

表2 各对应指标偏相关系数

结果分析：2015HJ 指标与2020HJ 指标的偏相关系数为0.50319，对应的显著性概率p＜.0001，2015WJ 指标与2020WJ指标的偏相关系数为0.17359，对应的显著性概率p＜.0001，2015SS 指标与2020SS 指标的偏相关系数为0.10664，对应的显著性概率p＜.0001，其概率均小于0.05，落在了拒绝域内，拒绝了原假设，证明2015 与2020 各对应指标间具有显著相关性。

3 结论与建议

通过调研数据，从居民收入、产业发展、居住环境、文化教育、基础设施等五个方面看到了5 年来32000+村庄的变化，看到了各帮扶单位在脱贫攻坚提升方面所做出的努力，整体状况呈现增长趋势，但仍有少数村庄帮扶效果不明显[3]。

经研究发现帮扶单位在脱贫帮扶上面有着较高的绩效，可见其在扶贫上有显著的成果。同样些许的单位虽然综合绩效不高，但也有自己不同的工作特色，在某方面有着突出的成就。因此可以适当的开展工作经验分享会，让大家各取所需，共同进步。经数据分析得知，产业发展是影响先进脱贫的核心因素，居民收入是主要因素。在今后的工作中，应该加重对这方面的关注，同时认清短板部位，扬长处，补短板，抓住脱贫工作主要矛盾，认清主要难点。同样可以将这种赏罚制度带到干部绩效考评中来，提拔使用实绩突出的帮扶干部，并对其进行表彰奖励，从而提高帮扶干部的积极性。