来源：期刊VIP网 时间：
作者：彭乔依;仲黍林;尹娟燕;曾会锋;
单位：中南财经政法大学统计与数学学院;湖北省烟草专卖局(公司)审计处;
摘要：2020年我国脱贫攻坚战取得全面胜利后，实现巩固拓展脱贫攻坚成果同乡村振兴有效衔接成为新时代的新任务。在此背景下，构建返贫预警机制对于预防返贫和促进脱贫地区乡村振兴至关重要。文章基于2014—2020年的中国家庭追踪调查（CFPS）数据，采用多标准贫困定义，通过对比决策树（DT）、KNN算法（KNN）、神经网络（NN）、Logistic回归（LR）及XGBoost算法（XGB）的性能，综合评估XGBoost算法在返贫预警中的应用潜力和预测准确性，通过对比分析找到最适用的算法；并运用Shapley分解方法识别在不同贫困标准下返贫的关键影响因素，解决机器学习的“黑箱”问题。结果表明，XGBoost算法果具有较强的预测性能，在不同标准下的返贫预警结果具有较高的准确率，是较好的返贫预警算法；同时，Shapley分解方法也可有效识别重要特征变量，为预测返贫情况、制定有针对性的对策提供参考依据。
关键词：返贫预警算法;;乡村振兴;;集成学习;;XGBoost算法;;Shapley分解
基金资助：国家社会科学基金重大项目(20&ZD132)
