變異系數(shù)法在高校精準扶貧中的運用

朱亞彥 黃曉龍 宋萌芽

（1.蘇州衛(wèi)生職業(yè)技術學院，江蘇 蘇州 215009；2.江蘇商貿(mào)職業(yè)學院，江蘇 南通 216000）

一、研究背景

扶貧必扶智，讓家庭經(jīng)濟困難的學生接受良好教育，是高校扶貧工作的重要任務，也是阻斷貧困代際傳遞的重要途徑。做好家庭經(jīng)濟困難學生的資格認定工作，是實現(xiàn)精準扶貧資助的前提，也是扶貧資助工作有效開展的保障［1］。目前，在高校精準扶貧工作中，還存在扶貧認定條件不嚴謹、認定程序不科學、貧困認定等級不規(guī)范等現(xiàn)象，而且貧困認定工作主觀印象過重、人為因素過多，對影響貧困的客觀因素分析不夠。在這一背景下，筆者以學院貧困學生問卷調(diào)查數(shù)據(jù)為樣本，采用“變異系數(shù)法”對學生家庭年收入［2］、家庭負債情況、學生月消費情況等影響貧困的基本因素進行數(shù)據(jù)分析，確定各因素指標權重，以期為高校有效開展精準扶貧工作提供數(shù)據(jù)支持。

二、利用變異系數(shù)法確定家庭經(jīng)濟困難學生評價指標權重

（一）變異系數(shù)法的概念

變異系數(shù)法（Coefficient of variation method）是直接利用各項指標所包含的信息，通過計算得到指標權重。變異系數(shù)法是一種客觀賦權的方法，可以避免人為確定權重的主觀性［3］。

（二）評價指標體系建構

2019年，江蘇省教育廳等6部門印發(fā)的《江蘇省家庭經(jīng)濟困難學生認定工作實施辦法》文件中詳細給出了家庭經(jīng)濟困難學生認定依據(jù)。根據(jù)文件精神，同時按照可操作性、科學性及數(shù)據(jù)定量化原則，結合《江蘇省家庭經(jīng)濟困難學生認定暨國家教育資助申請表》的相關內(nèi)容，本文構建的精準扶貧評價指標體系有5個一級指標（家庭人均年收入情況、家庭受災情況、家庭負債情況、學生月消費情況以及學生健康情況）和20個二級指標（見表1）。至于其他情況，如建檔立卡戶、低保家庭、殘疾學生、烈士子女等，均可列入家庭經(jīng)濟困難學生庫在本文不納入研究范圍。

（三）數(shù)據(jù)的來源及描述性統(tǒng)計

本研究的數(shù)據(jù)來源于“‘評價指標權重’在高校精準扶貧工作中的應用”課題組對學院貧困生進行問卷調(diào)查的數(shù)據(jù)。本次調(diào)查于2020年3月分別在全院8個二級院（系、部）展開，采用的是網(wǎng)上問卷調(diào)查法（在QQ群發(fā)布電子調(diào)查問卷），截至2020年4月底，該次調(diào)查共收回667份問卷。表1給出了問卷調(diào)查中的指標，其中，平均值反映了學生各指標占比情況。

（四）權重計算方法

變異系數(shù)法計算權重的過程：

首先，根據(jù)各指標的評價指標值，分別計算出每個指標的平均數(shù)Xj和標準差Sj，標準差反映各指標的絕對變異程度：

其中，Vj表示第j個指標的第i個評價指標值。

表1 貧困生認定的評價指標權重統(tǒng)計結果

其次，計算各指標值的變異系數(shù)Vj，反映各指標的相對變異程度：

再次，對各指標值的變異系數(shù)進行歸一化處理，得出各指標值的權重Wj：

精準扶貧評價指標體系的統(tǒng)計結果如表1所示。該結果顯示：一級指標中學生健康情況（學生患病年醫(yī)藥費）被賦予的權重最大（0.403），說明這一條是影響學生申報家庭經(jīng)濟困難的重要因素，而這一點恰恰是目前高校精準扶貧工作中考慮不足的地方，特別是患病年醫(yī)藥費在1萬元以上的學生，應該是高校資助工作中的重點關注對象；一級指標中家庭負債情況被賦予的權重最小（0.112），這說明家庭負債情況不是學生申報家庭經(jīng)濟困難的重要條件，而是因為在高校精準扶貧工作中這一指標已經(jīng)被充分考慮到，同時貧困學生的家庭負債情況比較均衡，不存在特別大的差異，因此在之后的工作中不需要加大關注力度［4］；其他一級指標所占權重差距不大，都對學校貧困生認定工作有較為明顯的影響。

結語

“變異系數(shù)法”是一類客觀賦權法，受主觀因素影響較小。在高校精準扶貧工作中，它通過統(tǒng)計、分析評價指標原始數(shù)據(jù)獲得權重，能夠較客觀地量化貧困認定指標，從而達到貧困生認定工作更客觀、具有更強操作性的目的。但是，變異系數(shù)法比較容易受到原始數(shù)據(jù)隨機性的影響，不同的樣本得出的權重會存在一定差異。因此，在實際工作中，調(diào)查人員還需要進一步核實原始數(shù)據(jù)的準確性，同時擴大原始數(shù)據(jù)來源，降低樣本差異，從而使貧困認定指標權重更趨于精確，更好地為高校精準扶貧工作服務。