在当前精准扶贫实施背景下,如何科学有效地对扶贫绩效评价是一个值得探究的问题,一方面能够综合评价工作成效,另一方面为摘帽贫困县的可持续发展起着推动作用。本文通过整理文献和现阶段研究成果,发现目前学者们对于扶贫绩效的研究,已经有了较为丰富的成果,有许多精髓之处值得我们借鉴,但也存在一些不足,如在评价方法选择上,常用的层次分析法等,往往需依据专家的经验赋值,主观性较强。因子分析法较客观,但若数据对KMO检验不通过,则因子分析表现出不适用性,且综合因子的实际含义难以精确定义。本文提出一种扶贫绩效评价方法,将粗糙集作为支持向量机建模的前置系统,两者结合应用于精准扶贫绩效评价中。在理论研究的基础上,分析了二者的优势互补性,并详细说明模型的构建步骤。结合山西省23个贫困县做实证分析,首先从经济效益、社会效益、生态效益和反贫困四个层次,确定了十四个指标构建指标体系;再运用粗糙集理论对初始决策表的指标属性进行约简,基于属性重要度计算出各个属性的重要度,约简不重要的指标并得到相应的权重,综合评价得分,构建新的决策表;然后对新的决策表建立支持向量机模型,在参数寻优过程中,采用了网格搜索法、遗传算法和粒子群算法,分别在训练集上交叉验证,建立预测模型,实验结果表明三种算法都能有效优化支持向量机参数,模型表现出优越的泛化性能。对比只用传统支持向量机建模得到的结果,表明RS-SVM模型确实提高了预测精度。综合模型计算时间、交叉验证误差率和预测得到的均方误差,在本研究中选取RS-GA-SVM为最优模型。将因子分析法与本文的预测评价结果对比分析,从结果来看本文所用模型预测结果更贴近实际,模型的普遍适用性更广。在实际应用中验证了模型的优越性和可行性,弥补了典型绩效评价方法主观性强、普适性低的问题,丰富了精准扶贫绩效评价方法,在精准扶贫绩效研究方面有一定的实际参考意义。