Effect of Farmland Transfer on Poverty Reduction under Different Targeted Poverty Alleviation Patterns Based on PSM-DID Model in Karst Area of China
Notice bibliographique
Résumé
Rural farmland transfer is a key factor in the successful implementation of targeted poverty alleviation strategies in China. In this paper, a multidimensional index system with 15 indicators from five dimensions, namely, natural, human, physical, financial, and social capital was established. It analyzed the effect of farmland transfer on poverty alleviation under four typical poverty alleviation models implemented in a karst area in China by using Propensity Score Matching (PSM) and Difference-in-Difference (DID) to analyze 467 rural households questionnaire responses from five representative villages in Guizhou Province. The results show that different models had different effects on poverty reduction. In the model of "three changes" + relocation for poverty alleviation + rural tourism + poor households, farmland transfer was the most effective in poverty alleviation, as attested by its average treatment effect on the treated (ATT) value of 0.44. Rural households' nonfarm income increased significantly to develop rural tourism after relocation from inhospitable areas. In the model of "farmland lease/shareholding" +cooperative + enterprise + poor households, farmland transfer had a moderate effect on poverty alleviation, with an ATT value of 0.06. Its effect on the total income of rural households was the lowest among the four models. This study's results can provide a theoretical reference for solidifying the benefits of poverty alleviation and rural revitalization strategies in karst areas.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».