农村贫困人口的聚类与减贫对策分析

被引:27
作者
王瑜 [1 ,2 ]
汪三贵 [1 ,2 ]
机构
[1] 中国人民大学农业与农村发展学院
[2] 中国人民大学反贫困问题研究中心
基金
中央高校基本科研业务费专项资金资助;
关键词
农村贫困人口; K-means聚类; 特殊类型贫困; 连片特困地区; 区域分布;
D O I
10.13240/j.cnki.caujsse.20140704.010
中图分类号
D422.6 [农民工作]; F323.8 [农业收入与分配];
学科分类号
摘要
使用K-means聚类方法对我国农村贫困地区的贫困人口进行聚类,并进一步分析特殊类型贫困地区、集中连片贫困地区的贫困类型结构。结果表明,贫困类型的分布呈现了扶贫对象在区域间分布的不平衡性,各种贫困类型的不同特点和区域分布上的差异从一个视角揭示了收入差距特别是贫困程度差异化的来源。尤其是,少数民族地区的贫困特征和贫困人口比重都要比老区和边境县地区更加突出,而这些地区有着自身独特的特点和性质,尤其需要对少数民族地区贫困背后的形成机制开展更加深入的研究,以便提出针对少数民族地区的因地制宜的扶贫开发措施。连片特困地区的主导贫困类型各不相同,意味着片区扶贫开发需要具有片区针对性的扶贫政策。尽管聚类分析只是一种探索性分析,但是农村贫困人口的聚类仍然为我们定义各种贫困的类型、以及它们在不同区域或特定区域划分之间的内部分布结构提供了非常有价值的信息,并将为进一步的统计推断分析提供基础。
引用
收藏
页码:98 / 109
页数:12
相关论文
共 14 条
[1]   面板数据聚类方法及应用 [J].
李因果 ;
何晓群 .
统计研究, 2010, 27 (09) :73-79
[2]   聚类算法研究 [J].
孙吉贵 ;
刘杰 ;
赵连宇 .
软件学报, 2008, (01) :48-61
[3]   面板数据的聚类分析及其应用 [J].
朱建平 ;
陈民恳 .
统计研究, 2007, (04) :11-14
[4]  
Clustering Algorithms..Hartigan JA;.New York.1975,
[5]  
Data clustering: 50 years beyond K-means.[J].Anil K. Jain.Pattern Recognition Letters.2009, 8
[6]  
Fuzzy c-means clustering with spatial information for image segmentation.[J].Keh-Shih Chuang;Hong-Long Tzeng;Sharon Chen;Jay Wu;Tzong-Jer Chen.Computerized Medical Imaging and Graphics.2005, 1
[7]   Cluster center initialization algorithm for K-means clustering [J].
Khan, SS ;
Ahmad, A .
PATTERN RECOGNITION LETTERS, 2004, 25 (11) :1293-1302
[8]   K-modes clustering [J].
Chaturvedi, A ;
Green, PE ;
Carroll, JD .
JOURNAL OF CLASSIFICATION, 2001, 18 (01) :35-55
[9]  
Data clustering.[J].A. K. Jain;M. N. Murty;P. J. Flynn.ACM Computing Surveys (CSUR).1999, 3
[10]   A fuzzy k-modes algorithm for clustering categorical data [J].
Huang, ZX ;
Ng, MK .
IEEE TRANSACTIONS ON FUZZY SYSTEMS, 1999, 7 (04) :446-452