2020年既是中国全建成小康社会总体目标的实现之年,也是全打赢脱贫攻坚战的收官之年。消贫困、改善民生、逐步实现人民共同富裕,是社会主义的本质要求,也是我们党的重要使命。脱贫攻坚的伟大胜利,改善了贫困地区的物质生活条件,提了贫困家庭的生活质量,增强了群众的幸福感。中国即将进入“后扶贫”时代,在享受脱贫攻坚取得的胜利果实的同时,也要时刻警惕城市与乡村之经济差距过大,发展不平衡不充分等的存在。绝对贫困的消不是脱贫攻坚工作的终点,而是我们党、人民奋斗进程的新起点,实现全体人民的共同富裕任重而道远。如何科学客观地评估精准扶贫政策的实施效果,仍是一个要深入研究的。倾向得分匹配-双重差分（PSM+DID）模型是当前政策评估研究域应用较多的一种方法。该模型先采用倾向得分匹配算法（PSM）构造处理组中单元的反事实匹配对象,然后采用双重差分算法（DID）估计政策的实施效果。然而值得注意的一个是,PSM算法仅适用于截数据,而DID算法适用于板数据。针对两种算法之适用性差异的,研究者提出了两种解决方案:一种方案是将板数据直接转化为截数据进行处理,另一种方案是对板数据进行逐期匹配。然而,第一种解决方案会产生“自匹配”,最终的匹配结果中将掺杂大量时趋势信息,第二种解决方案会产生无法筛选出稳定的控制组等。针对PSM+DID模型在应用中遇到的,本文提出了一种短期记忆（LSTM）-双重差分模型（LSTM+DID）。模型在匹配段引入深度学习算法——短期记忆（LSTM）模型计算单元的每一个特征的倾向值得分,并采用ANN算法融合所有特征,计算单元的倾向值得分,利用LSTM模型的特点将板数据中的时信息融入到最终的评分结果,从而得到更为精确的匹配对象。在此基础上,采用DID算法估计政策的实施效果。LSTM+DID模型在匹配段和政策效果估计段都是采用板数据,较好的克服了PSM+DID模型中前后两种算法适用范围差异性的不足。基于家庭金融调查数据库（CHFS）,本文采用LSTM+DID模型对我国精准扶贫政策的实施效果进行了实证研究。该数据库中包含了大量有关家庭金融的微观层次信息,通过整理,本文选择了家庭人均消费水平等三个解释变量,以及农户户主特征与家庭特征两个方的十个控制变量,采用LSTM算法计算处理组中单元的匹配对象,并基于匹配后的数据采用DID算法估计精准扶贫政策的实施效果。研究结果表明:（1）精准扶贫政策有效地提了贫困农户家庭的消费水平,保了贫困农户家庭的基本生活,改善了贫困农户家庭的生活质量。（2）在精准扶贫政策的影响下,不同地区贫困农户家庭消费水平的增程度存在明显差异。受到扶贫工作重点关注的西部地区贫困农户家庭人均消费、生存型消费得到显著提,本身经济水平较好的中部地区贫困农户家庭的发展型消费显著提。（3）在精准扶贫政策的影响下,不同规模贫困农户家庭消费水平的增程度存在明显差异。多为空巢老人的小规模家庭的家庭人均消费、人均生存型消费显著提,多为三口之家的中等规模家庭的家庭人均发展型消费显著提,家庭结构较为复杂的大规模家庭的家庭人均消费、人均生存型消费以及人均发展型消费在政策影响下显著提。（4）在精准扶贫政策的影响下,思想观念较为落后、认知水平较低的户主未完成义务教育的农户家庭的人均消费增幅低于户主完成义务教育的农户家庭。（5）在精准扶贫政策的影响下,收入来源更加稳定的劳动力比例农户家庭的人均消费增幅低于低劳动力比例农户家庭。