立足现阶段防止返贫动态监测和帮扶的迫切需要，本文基于江西省2021－2023年的三期追踪调查数据，借助多维贝叶斯网络分类器模型预测农户返贫致贫风险。在此基础上，本文采用标准下行半偏差调整后的概率测量农户多维贫困脆弱性水平，更有效地甄别2020年后返贫治理的监测对象。进一步，本文利用有序Logit模型考察了农户防止返贫监测状态动态变换的风险诱因。研究表明：多维贝叶斯网络分类器模型能够较好地估算农户返贫致贫风险，对农户监测状态的整体预测精度达90%以上。而且，该模型可以根据实时数据动态更新农户的监测状态，为制定帮扶政策提供坚实的决策支持。人力资本和金融资本的减少是农户难以摆脱返贫风险状态的重要因素，而参与社会组织、改善住房条件等能够有效降低返贫致贫风险。此外，本文对防止返贫监测和完善帮扶机制提出了相关建议。

江西财经大学应用统计研究中心