1  引  言

1.1 研究背景

自成立以来，中国共产党带领着新中国为赋予人民美好生活并为之进行长期艰苦斗争。在党中央政府的带领下，经过八年的坚持不懈地努力，取得了扶贫脱贫工作的全面胜利，如期完成了新时期的扶贫目标和任务。我国贫困人口从2012年年底的9099万人减到2019年年底的551万人。据国家统计局所颁布的全国农村贫困监测数据调查，按现行国家农村贫困标准测算显示，2019年末，全国贫困地区的人口还存在着551万人，比上年末减少1109万人，下降66.8%；贫困的发生率仅为0.6%，比上一年下降1.1%。在过去几年里，通过政府与基层干部的努力中国有8000多万人摆脱了贫困的处境，与贫困斗争进入了决定性阶段，于是出现了大量贫困与脱贫的相关数据。为了在2022年之前全面建设富裕的社会，有必要开发和分析减贫数据，挖掘潜在价值。实现全面建设富裕的社会，有必要开发和分析减贫数据，挖掘潜在价值。为了实现贫困家庭的全球稳定，减少贫困、巩固减少贫困的效果，防止再贫困返贫，有必要对减少贫困数据进行更深的研究和分析。目前的扶贫基本部分工作仅限于数据管理和扶贫数据的初步分析，缺少对帮扶贫困的结果与扶贫次数的正确说明和定量的数据分析，对扶贫计划实现的探索和研究不够深入。一方面的原因是中国社会形态比较特殊，贫困情况错综复杂，涉及面广，各部门沟通和数据交换工作难以深入整合。另一方面，不容易建立起合适的数学模型来准确描述这些复杂因素。

1.2 研究意义

贫困一直是阻碍着经济社会发展的最主要的“障碍”，它贯穿着建设富裕社会、小康社会的全过程。2020年是彻底克服贫困的最后一年。迄今为止，我国在扶贫开发的道路上已经走过了三十多年艰苦路程。自开始实行的对内改革、对外开放的政策以来，中国通过深化改革，特别是自第十八届全国代表大会以来，切实的实施扶贫开发战略，实施了相当规模的扶贫开发措施，在减少贫困方面取得了显著效果。中国的绝对贫困的消除为建设实现小康社会铺垫下了坚实的基础，但是，绝对贫困的解除并不意味着贫困的结束。中国共产党在第十九次全国代表大会的报告里明确的强调了，“我们社会的主要矛盾是人民日益提高的生活要求和发展不均衡、不足之间的矛盾”。不均衡与不足的发展会直接导致贫困的问题一直出现。在这个背景下，党的第十九届中央委员会第四次全体会议明确提出：“务必打好扶贫攻关战，巩固扶贫成果，建立解决贫穷的长效机制。”这表明中国全面建设小康社会后实施扶贫工作的方向，现阶段的减贫目标已从消除绝对贫困转向缓解相对贫困。随着如今进入相对贫困管理阶段，衡量农村家庭是否贫困的现行标准将不再适用。研究制定新时期相对贫困标准和贫困检查机制是迫切的，这是确定新时期相对贫困的人口、采取贫困管理措施、评价贫困管理效果的基础，对解决新时期相对贫困问题具有重要的现实意义。

1.3 研究现状

伴随着云时代的到来，数据的收集、分析、使用已经成为新形势下社会发展的趋势。目前，大数据信息应用技术已广泛应用于各领域，各行业对数据信息的关注度越来越高，处理庞大的数据不再困难[1]。基于大数据收集分析的运行方式和管理结构给国家的发展、公司和企业的运营乃至普通人的生活带来了巨大的便捷[2]。大数据是专门处理所需数据的工具，是为人们的工作和生活提供服务价值的工具。减少贫困是国家全面建设小康社会战略的重要组成部分，信息社会大数据技术的快速发展对工作方式产生了积极影响。利用大数据帮助正确消除贫困，加快解决贫困的进程，是目前解决贫困的核心[3][4]。在相对收入贫困线以下，城乡地区的相对贫困率为11.12%或更高12.78%，相对贫困人口9245万。7208万[5]。在非收入层面，设定临界值，使其超出绝对贫困标准，但不超过实际发展阶段，以满足从绝对贫困管理向相对贫困管理转变的[6][7]。大数据通过数据挖掘展现贫困情况的全貌，通过信息处理揭示脱贫与城镇发展关系的本质，进而促进科学决策。“大数据在创建新的合作治理模式、提高民主治理程度、提高治理决策的科学性以及促进治理结构网络化方面发挥着重要作用。”在制定城乡相对贫困标准的前提下，西部地区、山区和少数民族是减少相对贫困的主要对象[8][9]。农村人口、妇女、老年人、健康发展不仅没受影响，反而刺激了经济发展的影响，基综上所述，大数据虽然已经与我们的生活息息相关，但是对于使用大数据帮助到扶贫脱贫的领域还不够成熟[10]。所以我们应该使用好大数据这把剑，使之能更好的帮助贫困地区脱离贫困，促进城镇经济发展，加快我国全面迈入小康社会的步伐。

1.4 研究内容

为了进一步提高扶贫数据的分析和应用能力，提高扶贫信息的准确性，本项目基于爬虫技术，采用数据可视化分析了近几年城镇经济与乡村经济的对比。运用爬虫技术从国家统计局获取相关数据，通过echarts、vscode技术建立模型构建绘图辅于分析说明贫困的因素、贫困的分布，乡村与城镇经济收入，城镇与农村居民的恩格尔系数这些数据带给我们的信息；图表和地图可视化数据是沟通复杂数据的最有影响力的方式之一。同时，数据可视化也是数据分析中探索数据集的一种非常有效的方法，在很多情况下，它比基于数值计算的数据探索方法具有更明显的优势。通过大数据可视化，可以轻松清晰地看到近年来的数据变化。因为2020年是完成全面脱贫的最后一年，所以本文所用的数据都是以2020年为最后一年统计数据。

1.5 论文结构

本文的结构安排如下：

第1章主要写了我的研究论文脱贫率对乡镇经济发展影响的研究探索的背景，也对目前脱贫政策与实施现状所遇到的情况描述，简单诉说了我将会用到的大数据相关技术。

第2章我会就爬虫技术展开描述，对数据的处理方式，叙说爬虫的原理与几个分类。爬虫是如何爬取数据的，然后进行数据的简单清理。

第3章将是对我数据可视化使用到的工具ECharts的一个介绍，比如ECharts的主要特点ECharts的常用组件包括标题、坐标轴、数据系列、图例等。

第4章是本论文的核心，在这一章我将会把运用爬虫所获取的数据通过ECharts数据可视化，这样就能从灾害对贫困地区经济影响、贫困地区资源匮乏、高贫困率地区分布情况分析、贫困率对农村、城镇经济影响这几个角度分析脱贫率对乡镇经济发展的研究探索。主要是围绕着从贫困的根源上开始分析导致出现贫困的因素，主要是为三大因素，第一个气候环，我国气候多变西北地区气候干旱，少雨缺水不利于大面积种植农作物，中部、南部地区夏季降雨过大，引发洪涝灾害。其次地理环境，我国国土面积大，地形复杂多样，例如西南地区多山地、高原，海拔落差大，降雨量过多时滑坡、泥石流等地质灾害多发。最后是基础设施，贫困地区的基础设施建设往往受地理气候原因，很难建设，即便建设完成，后期管养工作缺人员缺资金。在这一章的最后再展示我的可视化大屏。

第5章是我的总结与展望，主要是我写这篇文章的总结和所遇到的困难，由于研究问题的复杂性，仍然存在一些不足之处，对未来这个领域研究方向的个人想法。

2  获取贫困、城镇相关数据

2.1 爬虫原理

爬虫类是制作程序，模拟浏览器，连接到互联网上，根据要求在网络上捕捉数据的程序。其具体运行机制是根据取得URL的法则构建网站表，然后提取要捕捉的URL的数据，再进行读取、解析、攀登，以指定的格式保存数据。爬虫还分为通用爬虫、聚焦爬虫、表层爬虫和深层爬虫累计式和增量式爬虫。

2.2 获取数据

对于数据统计局这样的网站获取数据，在编写代码的时候我们需要定义一个浏览器对象：import time

import csv

from selenium.webdriver import Chrome # 定义一个浏览器对象

from selenium.webdriver.common.by import By

web = Chrome()# 指定一个目标网站

web.get('https://data.stats.gov.cn/')

然后我们就可以借用工具selenium（一个基于浏览器自动化的模块，像是在模仿我们使用浏览器），但是selenium不会像我们一样直接进入我们需要的标签里面，需要我们使用代码来控制selenium确定进入到我们需要的网站页面的标签：

web.find_element(By.XPATH,'//*[@id="details-button"]').click()

web.find_element(By.XPATH,'//*[@id="proceed-link"]').click()

web.find_element(By.XPATH,'//*[@id="nav"]/ul/li[4]/a').click()

2.3 数据处理

利用浏览器在国家统计局网站中选择需要的近几年的数据，读取某一年份的城镇居民收入情况、乡村收入情况基础设施建设情况。整个爬虫系统采用模块化设计，每个功能模块只实现一个功能。系统爬取完毕后会以网页形式将数据分析可视化展示，但是这样的数据如果不加以清洗的话，直接使用会出现许多错误，所爬取的数据常常会伴有许多错误，这个时候就需要我们手动去处理这些数据的错误。

2.4 数据分析

对于我们得到这些数据，要进行统计分析的话，视图是一个不错的选择，能让我们简单直观明了的就能知道这些数据对我们的帮助，从而找出所研究对象的内在规律，可帮人们做出判断，以便采取适当行动。数据分析是有组织有目的地收集数据、分析数据，使之成为信息的过程。简单的表格图或者统计图不能够让我们看到数据的变化，也不能让我们能够直接得到数据变化带给我们的帮助，所以我们就需要一个数据可视化的工具。

3  ECharts基于数据可视化

3.1 ECharts的主要特点

要想将我们获取到的数据能够直接的体现出来，就需要用的工具ECharts，Echarts是一个基于JavaScript的数据可视化图表库，能为我们提供一个直观生动、交互式和可定制的数据可视化图表。

3.2 ECharts常用组件

ECharts的常用组件包括标题、坐标轴、数据系列、图例等，具体说明如表3-1所示。

表3-1ECharts常用组件

组件名称	说明	常用属性
title	图标题	text：主标题文本 subtext：副标题文本 left：与容器左侧的距离
xAxis yAxis	坐标轴	name：坐标轴名称 nameLocation：坐标轴名称显示位置 nameGap：坐标轴名称与轴线之间的距离
series	数据系列	name：数据系列名称 type：图的类型 data：要显示的数据
legend	图例	left：与容器左侧的距离 data：数据数组，与数据系列对应

3.3 构建可视化视图

收集完了数据利用ECharts工具开始实现数据向图表的转换，图表才能更好地让我们直观分析出数据带给我们的信息，例如图3-1我们使用ECharts工具将贫困因素数据生成环形表（图3-2）让我们能直观看出各种主要因素。这样就能使用ECharts工具直接将数据转换为直观的图表，让我们能简单的分析因贫困带来因素对城镇经济影响的分析，脱贫人口汇入农村人口后，城镇居民与农村居民的经济趋势，贫困地区分布的特征等。

option = {   tooltip: {     trigger: 'item'   },   legend: {     top: '5%',     left: 'center'   },   series: [     {       name: '贫困因素',       type: 'pie',       radius: ['40%', '70%'],       avoidLabelOverlap: false,

图3-1部分代码

图3-2贫困因素环形图

4  贫困地区与城镇、乡村发展数据分析

4.1 灾害对贫困地区经济影响的分析

在我国自然环境是导致中国贫困地区贫困落后的重要因素之一，包括气温气候与地理位置等诸多方面因素。中国位于最大的大陆上，这片土地从西到东地貌呈现高到低的现象，气候主要为大陆性季风气候，气候由于东西地貌复杂因此天气多变且多样。西部山高气候干旱多雨，南北温差大。它覆盖三个气候区：热带、亚热带和冷温带。大陆东南地区近海有许多台风侵袭，内陆由于气候湿润有许多寒潮，中国西北部和北部气候干旱导致有许多戈壁沙漠。南方有很多降雨和泥石流，雨季可能出现洪水。我们国家灾害很多，经常发生干旱、水涝、冰冻、风沙等灾害，往往大部分贫困地区主要分布在这些环境条件恶劣灾害较多的地区，主要分布在气候干旱的西北部地区和地貌恶劣的西南部地区，这两个地区高原、山地、丘陵、沙漠、岩溶等地区呈块状和片状分布，影响着两个地区经济发展。

在图4-1在过去九年里，可以直接看出灾害造成的影响，虽然整体看起来在2019年有一个起伏，但从大的趋势看来国内由于地质灾害造成的经济损失是起伏不定，这说明灾害的发生是不受控制的，人不能左右灾害的发生，只能在灾害发生时减少灾害带来的损失与影响，不过灾害造成伤亡人数却是在逐步减少。而大部分的灾害发生的地区都是贫困的地区，这些地区气候较差，降雨量要不就是很少引发干旱，要不就是降雨量过多造成洪水、泥石流，主要集中在夏季发生；或地表水源不能直接利用，地表留不住水，水向岩溶土壤渗透严重；首先，农业与工业不适合寒冷或干旱的地区；山高坡陡，水土流失严重，灾害频繁同样也不适合农业的发展。一旦发生重大的灾害，造成巨大的经济损失就会很难恢复过来。除自然条件外，大多数贫困地区相对偏远，远离经济中心，交通堵塞，地理位置不利于经济发展。

在图4-2中灾害发生的次数虽然也在2020年是呈上升的趋势，但是对比两副表可以直观的看出造成的经济损失反而是下降，从中分析出大部分的灾害是以地质灾害居多，通过分析出的结果就能对症下药，让贫困地区的人搬离高山、河流等灾害发生时的危险地带，并且给予建房补助，安全建房地段，让贫困地区的人们聚集住在一起，这样不但能形成一个小的经济带，在面对灾害发生时房屋的安全性可靠性也能得到提升。这样的贫困地区就不会受到过大的灾害影响，经济发展也能得到改善。国家对扶贫的力度很大，免费帮助贫困地区的居民建造结实的房子给予各种补助，贫困地区的抗灾害能力得到增强，通过设备也能提前预判到灾害发生的时间地点，但是这些灾害发生的大多地点都是气候环境比较差的贫困地区，当贫困地区的灾害承受能力加强，灾害所造成的经济损失也能降低许多。（部分主要代码图4-3、4-4）

图4-1灾害造成的直接经济损失、灾害造成的伤亡人数

图4-2各类灾害次数

图4-3灾害造成的直接经济损失、灾害造成的伤亡人数图部分代码

图4-4各类灾害次数图部分代码

4.2 贫困地区资源匮乏分析

大部分贫困地区位于偏远山区，交通十分不便，基础设施匮乏，环境恶劣，气候地貌最差的西部地区虽然陆地面积占全国的2/3以上，但铁路的总里程不到全国的1/4。人口增长过快，教育和卫生等基本社会服务水平过低。税收水平低，公共投资和基础投资严重不足。贫困地区资源匮乏，基础设施薄弱，电力供应运输不足；一九九二年，一百九十五个县的家庭用电率不到一半，全国乡镇大部分的家庭用电率不到百分之九十五，二十多个个无电县、一千多个无电城市、六万个无电村和一亿农村人口没有用电。在无电县中，绝大部分个在西藏、新疆、青海等西北地区。一亿无电人口主要分布在内蒙古东部、陕西、甘肃和宁夏、河南东部、安徽西部、贵州、云南、广西、四川、青海和西藏。没有电，贫困地区的生活方式就会变得较为原始，正常的照明都无法满足。

面对这样的情况，我们就能通过居民用电量数据分析出贫困地区的用电情况，然后推行相应的政策，通过国内大量的扶贫政策与大力开发西部地区，完善了电力输出，让贫困地区集中居住，降低电力运输压力，户户通电，更是在西南这些贫困的地方发展电力资源，根据地区的地貌不同建立许多水力发电站、风力发电站，让贫困地区居民的用电得到大大改善，在图4-5中就能简单看出过去18年里农村居民生活用电已经得到大大提高,特别是对比2019年与2002年用电量直接翻了6倍，而在图4-6中电力的供应量由于许多的发电站的建立也得到了稳定的提升，七年内，居民生活用电的占比从12%提升到了14%，居民的用电提高了4418.6（亿千瓦小时）。庞大的供电量是改善贫困地区生活条件的基础，给大型的工程带去了发展的可能性，有了电就能发展一定量的工厂，带去了大量的岗位。（部分主要代码图4-7、4-8）

图4-5过去18年贫困地区居民用电情况

 图4-6居民用电与电力供应量

图4-7过去18年贫困地区居民用电情况图部分代码

图4-8居民用电与电力供应量图部分代码

4.3 高贫困率地区分布情况分析

中国的大部分国家级贫困县都主要集中在西部地区、西部山区和西南地区，这些地区通常地广人稀，人口密度低，这些所分布的地区里的省份包括甘肃、云南和贵州的几个山区省份（如图4-5），但就是这些地区却曾经有着585个国家级贫困县存在（包括县级行政单位、县级区旗市）。受贫困影响的所有县大都分布在中西部，其中355个是西部省。在各省中，西藏自治区所存在的国家级贫困县最多，全区贫困县共有172个。其次是云南省83个。第三个是陕西和贵州，分别有50个。通过这些省区特征分析，贫困的主要特点是：自然环境气候较为恶劣，远离海洋，交通不便，能直接使用的资源较为匮乏，基础的设施薄弱，人口增长太快，教育和卫生等基本社会服务水平太低跟不上人口增长速度，税收水平较低，难以推行相关政策，公共投资和基础投资严重不足地广人稀难以开展有效的帮扶。

通过图4-9表示的数据与贫困县的分布可以分析出贫困的地方都远离中部地区与沿海地区，周围没有经济发展很好的省份远离经济发展圈，贫困的地区往往都是地广人稀，许多土地资源由于基础设施的缺少往往不能利用充分。也正是因为这些贫困地区的开发度较低，投入一定的资源，大力推行扶贫、脱贫政策，使贫困率降低，当这些贫困地区实现脱贫并得到开发时，经济将会得到迅速发展，沿海城镇的经济已经接近饱和，贫困地区的经济将会是让我国经济再次提速发展的一大助力。（部分代码图4-10）

图4-9贫困县分布

图4-10贫困县分布图部分代码

4.4 贫困率对农村、城镇经济影响分析

农村经济总收入是农民可以用来抵消今年生产支出并分配给国家、集体和个人的所有实际收入的成本总和。从收入来源来看，包括归属乡镇企业的收入、由乡镇政府统一管理的集体收入、家庭合营收入和农民家庭企业收入；从生产部门来看，包括农业收入、林业收入、畜牧业收入、副业收入、渔业收入、农村小型工业收入、建筑业收入、交通运输业收入、贸易业收入、餐饮业和服务业的生产经营收入、利息、租金和其他收入。但是，它不能包括不能用于分配的收入，例如必须按实际的价格计算的贷款性质和临时性质的收入，这些贷款、临时的经济收入是不属于个人经济收入的。反映了对应的农村经济发展的规模大小、发展的水平和速度，同时也反映了农村生产方式和经济运行的产业结构和经济效益。根据县扶贫办的统计标准看来，国家对贫困户的标准是年人均收入低于2300元的家庭。让贫困户实现脱贫分为两类贫困类别：一类是帮助贫困家庭：有劳动能力的农民，人均纯收入在2300元以下和1560元以上。另一个是扶贫低收入家庭：那些有工作能力、人均纯收入却少于1560元的家庭，这类家庭往往是政府扶贫的重点对象。在图4-6所示，过去十年，普通农村居民的人均收入占城镇居民人均收入的35%，而贫困家庭的收入占城镇居民收入的比例不到十分之一，恩格尔系数却在最近两年开始由升高的表现（恩格尔系数：是个人所需食品总开支在个人所消费总开支里所占到的比例。一般情况家庭收入越低，食品支出往往在家庭收入或总开支里所占的比例就越大。随着家庭收入的增加，食品支出在家庭收入或总支出里所占的比例也会降低。一个国家越穷，其食品支出所占的比例就越大。相反，国家越富有，其比例就越低。）

从图4-11中可以分析出，居民的收入在逐渐每年稳定增加，但是最近的两年恩格尔系数却在升高，虽然从表面上看，这似乎是一个糟糕的现象，但它是2020年全面摆脱贫困所影响的，是必然的现象。从2012年我国大力扶贫开始，贫困户逐渐脱贫入户，经济收入并入农村居民收入，伴随着贫困人口的脱贫人数和经济收入的不断增长，将会极大提升贫困人口的消费质量和水平，并会成为世界经济增长的重要推动力。自改革开放以来，中国城镇经济的快速发展与消费水平的提高，是与中国贫困人口大幅减少，脱贫人口的消费水平提高所带来的社会效应息息相关的。为此更加不能懈怠，对贫困户优惠政策，大力鼓励贫困户脱贫的措施，增加贫困劳动力的岗位，在全面完成脱贫的今天，提高曾经贫困居民的经济收入将会是城乡的经济发展的强力针，在如今消费市场低迷的国际经济大环境里，中国脱贫人口消费的持续增长，将成为拉动中国和世界消费经济增长的动力之一。（部分代码图4-12）

图4-11城镇居民收入、农村居民收入、城镇恩格尔系数、农村恩格尔系数变化

图4-12城镇居民收入、农村居民收入、城镇恩格尔系数、农村恩格尔系数变化图部分代码

4.5 可视化大屏展示

通过所获取的数据，我将其中一部分通过可视化技术做出大屏，当我们需要看那部分的数据就可以直接将鼠标移到相应的位置就能清晰看到相关的信息（图4-13），部分参考代码图4-14.

图4-12可视化大屏

图4-13可视化大屏部分参考代码

5  总结与展望

在日益激烈的反贫困斗争中，为了满足国家和社会发展的需要，扶贫利用大数据精准扶贫效益，结合地区社会经济发展需要，合理利用大数据平台和模型，实现贫困家庭的正确识别和实时记录，建立具有发展方向的区域可持续产业发展链，从根本上解决区域问题，防止“减贫”恶性循环，避免社会资源浪费，有效利用社会资源扶贫；提高扶贫的有效性。大数据扶贫决策支持系统在分析扶贫数据和提高应用能力、提高扶贫信息的准确性、加强扶贫框架责任等方面取得显著成果，培育贫困人口、贫困村、贫困县的扶贫轨道，推进扶贫脱贫工作，促进贫困家庭、贫困人口、规范扶贫项目和扶贫资金，科学管理，提高扶贫工作管理水平。

通过分析中国减贫和贫困地区经济发展研究现状，记录该领域的研究进展，我们可以为未来中国减贫和贫困地区经济发展的研究提供教育和照明。该领域未来的研究前景可以概括为三个方面。

我们将继续加强消除贫困与农村复兴相结合的研究。减贫和农村振兴作为国家层面的农村发展战略，农村建设的主要指导方针是从农村管理、农村人居环境和农村工业发展等方面确定的。在新时期，扶贫与农村振兴之间的有效联系对促进农村社会经济的可持续高质量发展具有重要作用，但现有的联系机制存在一些问题。因此，我们应该积极探索两者之间的有效联系。一方面，从建立防止返贫的监测机制入手，加大对人员的补助待遇和地方财政政策的支持力度，改进安置后续工作，激发人们的内生动力，深化有机联系的路径，二者相互融合、相互联系的发展过程，丰富加深了研究的深度和广度。另一方面，中国在减少贫困人口和农村地方振兴领域的研究上也应跟上时代发展的步伐，积极将科技资源与农村工业发展加快步伐、让生活水平提升、经济发展和社会进步相结合，探索文化教育，利用大数据、5g等科技资源支持智慧脱贫，创造智慧行动，为智慧农村经济发展提供技术支持。

参考文献

1. 金松兰,黄金丽.大数据助力民族地区农村脱贫攻坚[J].延边大学学报(社会科学版),2020,53(04):100-107+144.DOI:10.16154/j.cnki.cn22-1025/c.2020.04.014.
2. 张静静. 大数据驱动的精准脱贫智能分析研究[D].中南民族大学,2019.
3. 段仕浩.基于大数据的脱贫预测系统的设计与实现[J].计算机产品与流通,2020(01):125.
4. 孙莹玉.运用大数据助力精准脱贫研究[J].乡村科技,2018(27):39-41.DOI:10.19345/j.cNki.1674-7909.2018.27.019.
5. 崔晓彤.大数据赋能巩固拓展脱贫攻坚成果与乡村振兴有效衔接研究[J].领导科学,2021(22):107-110.DOI:10.19572/j.cnki.ldkx.2021.22.026.
6. 李宇飞,王伟,陈晓红.基于大数据背景下的脱贫帮扶绩效评价研究[J].山西大同大学学报(自然科学版),2021,37(01):41-49.
7. 王善平,戴鹏毅,颜琰.脱贫不返贫:更靠自身努力还是外界帮扶?来自H省的调数据分析[J].湖南财政经济学院学报,2018,34(04):5-12.DOI:10.16546/j.cnki.cn43-1510/f.2018.04.001.
8. 张泉,白冬梅,彭筱雪.我国脱贫攻坚与乡村振兴研究进展与展望——基于2017-2020年数据分析[J].林业经济,2021,43(07):21-33.DOI:10.13843/j.cnki.lyjj.20210917.001.
9. 陈思兰,陈燕.脱贫攻坚大数据决策支持系统分析与设计[J].广西科学院学报,2020,36(02):207-212.DOI:10.13657/j.cnki.gxkxyxb.20200604.001.
10. 黄祺,刘绮黎.中国脱贫攻坚大数据[J].新民周刊,2021(08):38-39.