| 综合指数法 | 从生计脆弱性的表现特点、起因等方面建立评价指标体系，利用数理统计等方法得到生计脆弱性指数，来表示评价单元脆弱性程度的大小 | 该方法的优势为简单易操作，但其在指标选取、权重确定等方面存在一定的主观性，且缺乏要素之间的相互作用机制，在建立跨区域、跨时段的脆弱性指标体系时较困难 |
| 函数模型法 | 多基于敏感性、暴露度、适应能力和恢复力等维度之间的相互关系来构建评估模型，对生计脆弱性水平进行测量 | 该方法较好地诠释了脆弱性的组成要素及其相互作用的关系，但由于对生计脆弱性构成要素的理解尚未统一，导致该模型的表现形式差异显著 |
| 模糊物元评价法 | 通过选定一个参照状态，计算其与各区域的相似程度来判别各研究区域的相对脆弱性程度 | 由于不用考虑变量间的相关性问题，该方法可以充分利用原始变量信息，但缺乏科学合理的方法去界定参照单元。此外，评价结果对参照单元选取标准的变化也十分敏感，且评价结果只能反映出较少信息量，难以反映生计脆弱性空间异质性特征及决定因素等方面的信息 |
| 模糊认知映射法(Fuzzy Cognitive Map，FCM) | 通过捕捉一个基于人的看法与信仰的复杂系统的运作来确定利益相关者的观点，从而估计研究对象的生计脆弱性 | 该方法不需要大型数据集，注重各要素之间的动态相互作用关系，能够较好地解释生计脆弱性的动态特征。同时，这种方法由于捕捉互联互动而有助于确定利益相关者的观点。但复杂系统中通常存在大量不确定因素，如何减少建模误差仍然是该方法在应用中的难题 |
| BP人工神经网络法 | 通过划分指标数据区间和评价标准，构建BP神经网络输入输出层和网络拓扑结构，将数据导入经不断学习并修正权值后的网络模型，得出生计脆弱性评价结果 | 该方法具有较强的非线性映射功能，可高度模拟出各评价指标和指数之间的复杂关系，能够客观反映生计脆弱性特征、程度及其影响因素，但网络结构的选择尚无统一的理论指导，其客观评价对实际情况解释性较差，且BP神经网络自身存在“过拟合”、局部极值等问题 |
| 参与式农村评估法(Participatory Rural Appraisal, PRA) | 包括直接观察、随机访谈、入户调查、社区会议、问卷调查、半结构访谈等 | 该方法强调农户的全过程参与，结果更具有可操作性且易于被农户接受，但该方法取得成功的决定因素在于研究者与农户的沟通效果，若处理不当，则难以得到准确完整的信息 |