21世紀以來農業基礎設施減貧效應研究*

彭繼權，秦小迪

（1.江西財經大學經濟學院，南昌 330013；2.中南財經政法大學工商管理學院，湖北武漢 430073）

0 引言

貧困歷來都是重大的社會問題和現實難題，在發展中國家尤為明顯。21 世紀以來中國創造了世界減貧奇跡。2000 年中國農村貧困發生率為49.8%，貧困人口4.6 億。2019 年底，農村貧困發生率降至0.6%，貧困人口551 萬。2020 年是中國打贏脫貧攻堅和全面建設小康社會的最后一年，標志著中國將提前10 年實現聯合國2030 年可持續發展議程的減貧目標，此階段中國減貧規模占同期全球減貧規模的70%以上，中國貧困治理能為發展中國家乃至世界減貧提供了寶貴的“中國智慧”。在貧困治理過程中，政府基礎設施投入尤其是農業基礎設施投入對減貧至關重要[1]。農業基礎設施被稱為農業發展的“先行資本”，對農業穩定生產和農民增收意義重大。21 世紀以來，一系列加強農田水利和農產品流通方面的農業基礎設施建設的中央文件相繼出臺，特別是2008年和2011年“中央一號文件”明確提出，加強農田水利等農業基礎設施建設，提高抗旱防洪除澇能力，促進農業發展農民增收。2015 年11 月，習總書記在中央扶貧開發工作會議上為打通脫貧“最后一公里”開出破題藥方，強調脫貧攻堅的重點需放在改善生產生活條件上，應著重加強農田水利、交通等農業基礎設施建設。毋庸置疑，農業基礎設施的完善為貧困治理做出了突出貢獻。那么，農業基礎設施的減貧效應究竟多大？作用機制是什么？厘清這些問題對我們評估農業基礎設施減貧效應和總結中國扶貧經驗至關重要，也能為中國未來相對貧困治理和世界減貧提供經驗。

1 相關文獻評述

農業基礎設施是農業穩定生產的基本基石，也是農戶收入增加和減貧的重要手段[2]，農業基礎設施減貧效應可分為直接效應和間接效應。

（1）直接減貧效應。學者多從農業基礎設施提高農業生產率和降低生產成本出發，解釋農業基礎設施的直接減貧效應。吳清華[3]將灌溉設施引入柯布道格拉斯農業生產函數，發現灌溉設施通過提高農業生產效率，降低農業生產成本。馬林靖[4]關注農業基礎設施投資質量，利用倍差法評估農業水利灌溉設施績效，發現高質量灌溉基礎設施能顯著增加農作物產量和促進農民增收。此外，農業基礎設施還能對農業生產過程中的勞動力、資本、生產投入要素會起到替代或互補作用，從而降低農業生產成本。Mamatzakis[5]運用生產函數將農業技術進步分解為狹義技術進步、規模報酬、基礎設施作用，發現基礎設施對農業生產中間品和私人資本存在互補性，對勞動力存在替代性，最終會降低農業生產成本。曾福生和李飛[6]將農業基礎設施對糧食生產的成本節約效應分解為規模效應和結構效應，發現糧食生產成本和農業基礎設施存量呈負相關，農業基礎設施的規模效應和結構效應能節約糧食生產成本。蔡保忠和曾福生[7]發現農田水利、農業電力、農村交通對主糧生產有顯著促進作用。在此基礎上，朱晶[8]通過分解農業全要素生產率，發現農業基礎設施可以提高農業生產率和降低農業糧食生產成本，且此效應在中西部地區更明顯。

（2）間接減貧效應。間接減貧效應體現在非農生產經營和政府轉移性收入方面[9]。首先，完善的農業基礎設施有利于釋放勞動力，促進非農就業經營。在發展中國家，農田水利和道路設施能替代農業勞動力，并與其他農業生產要素互補，從而大幅提高農業生產效率[10]。而被替代的勞動力通過參與農業基礎設施建設或進城務工，增加家庭收入并減少貧困[11]。Peters[12]使用市場距離和交通發達程度衡量農業流通基礎設施，地區農業流通基礎設施越好，農戶更易從事非農行業和貧困發生率越低。駱永民[13]從空間相關性和空間異質性角度，發現農業基礎設施投資對該省和鄰省農民收入均有正向影響，表明農村基礎設施建設對農民增收存在空間溢出效應。劉曉光[14]基于農業基礎設施的二元經濟模型，發現農業基礎設施能促進農村勞動力轉移，提高農村居民收入和縮小城鄉差距。其次，農業基礎設施能顯著提高農業勞動力生產率和農產品交易效率，促進非農就業和降低農產品生產成本，從而幫助農戶增收和實現減貧。張貴友[15]發現改善農產品流通基礎設施會降低農產品流通風險和擴大市場容量，降低農產品因鮮活性、地域性造成的市場容量縮小；且隨著交易效率提高，農業分工水平和市場容量會同時提高，促進農業分工深化和農業生產發展。Rachmina[16]基于隨機前沿函數，發現灌溉設施能顯著提高蔬菜種植效率，提高交易效率和利潤水平。

綜上所述，已有研究主要探究農業基礎設施的增收效應，較少分析農業基礎設施的減貧效應；其次，較少有研究在分析中考慮到由于地理位置與自然稟賦的差異，造成的農業基礎設施的空間溢出效應；此外，目前也缺少對農業基礎設施減貧機制的探討。基于此，文章在厘清農業基礎設施概念的基礎上，利用空間計量模型分析不同省份農業基礎設施減貧的異質性，并從農業減災、增產和增收角度探究農業基礎設施減貧的內在機制。

2 研究方法與數據處理

2.1 研究方法

（1）空間自相關檢驗。空間計量使用前需要運用Moran 指數檢驗被解釋變量是否存在空間自相關性，莫蘭指數表達式為：

式（1）中，s2為樣本方差，wij為空間權重矩陣，莫蘭指數介于[-1,1]，大于0表示空間正相關，小于0表示空間負相關，接近0表示不存在空間自相關，該文采用目前普遍使用的0和1的空間鄰接矩陣。

（2）空間計量模型設定。經典計量回歸需要滿足空間均質性和獨立同分布性假設，若模型中存在空間自相關性，OLS估計會因忽略殘差項的空間相關性導致估計偏誤，需要使用空間計量模型加以解決。該文采用空間自回歸模型（SAR）和空間誤差模型（SEM），模型具體形式為：

式（2）（3）中，y為被解釋變量，ρ為SAR 模型的空間相關系數，wy為空間滯后因變量，X為自變量，W為二進制的空間權重矩陣。λ為SEM 模型的空間相關系數，μi、λi分別表示省份i的個體效應和時間效應，εit為隨機誤差項。

2.2 數據來源

該文數據來自《中國農村統計年鑒》《中國民政統計年鑒》《中國統計年鑒》，由于《中國民政統計年鑒》公布截止2017年，因此，該文數據來源為以上2001—2017年的統計年鑒。研究對象為31個省級行政地區（不包括港澳臺地區），表1 為變量描述性統計。由于數據跨度較長，有部分數據存在缺失情況，采用線性插值法和插值外推法填補。具體操作是：當缺失值的前后值不缺失時，采用線性插值法填補數據；當缺失值有一端也缺失時，則采用插值外推法補數據，這種插值法是根據缺失值所在列的數據規律進行填補，能保證填補后數據保持以往的規律和趨勢。

2.3 變量選取

被解釋變量：該文研究的關鍵問題為農村貧困發生率，但統計年鑒中沒有公布2000—2016 年各地貧困發生率，該文選用恩格爾系數作為貧困發生率的替代變量。選用恩格爾系數有以下3個考慮：第一，早在20 世紀70 年代，聯合國糧農組織（FAO）就把恩格爾系數作為衡量國家和地區生活水平的貧困標準，目前有很多國家和地區仍然采用此指標衡量貧困；第二，恩格爾系數計算簡單易懂，恩格爾系數為食品支出份額占總消費支出份額的比值，其值不受貨幣價值影響；第三，越來越多中國學者也采用恩格爾系數衡量貧困[17]。在作用機制檢驗中，選取自然災害發生率、農作物受災率和農作物成災率考察農業基礎設施的減災作用，選取農林牧漁業總產值、農業總產值、林業總產值、漁業總產值和牧業總產值來考察農業基礎設施的增產作用，選取人均地區生產總值、農村人均收入水平和農村人均消費水平來考察農業基礎設施的增收作用。

核心解釋變量：該文把農業基礎設施變量分為兩類：一類是農業交通設施變量，包括公路密度、河道密度和鐵路密度，交通網絡能降低農業生產成本和推動農民聯結市場，幫助農民獲取生產信息和物質資料；另一類是農業生產設施變量。（1）農村人均裝機容量，裝機容量一定程度能代表地方水利設施水平，幫助農戶生產和抵御自然災害。（2）水土流失治理能力，使用水土流失治理率衡量，水和土地是農業生產最基本的物質條件，水土保持是農業基礎設施建設的重要內容。（3）人均農業機械數量，農業機械化是實現農業現代化的重要手段，機械化水平提升能幫助農業生產，促進農戶增收和農村減貧。（4）每公頃農業機械動力，人均農業機械數量從數量角度來觀察農業機械使用情況，每公頃均農業機械動力從程度角度衡量農業機械使用情況。（5）每公頃塑料薄膜用量，現代設施農業離不開使用塑料薄膜，塑料薄膜一定程度能代表現代農業進程，也是農業基礎設施的重要體現。

控制變量：選取人均播種面積、農村人均受教育水平和人均鄉鎮衛生院床位數。人均播種面積衡量地區農業資源稟賦，能影響農村居民收入和貧困狀況。農村人均受教育水平代表農村人力資本情況，能影響農戶生計行為。人均鄉鎮衛生院床位數考察地區醫療水平，能影響農戶因病致貧率。

2.4 描述性統計分析

表1 匯報了各變量的均值和方差。恩格爾系數均值為0.425，最小值和最大值間差異較大，可能是隨著農村居民收入水平提高，農村居民食品支出份額在逐步縮小。人均地區生產總值方差較大，說明省份間GDP 差距較大。農村人均收入水平均值高于農村人均消費水平均值，說明農村居民儲蓄意愿更強。從各類農業產值來看，農業產值和牧業產值的均值最大。各類災害變量方差較大，說明省份間受災程度不同。從農業交通設施變量來看，公路交通網絡最為發達，其次是河道，最小是鐵路。從農業生產設施變量來看，除人均裝機容量和人均農業機械數量外，各省份其他變量差異較大。每千人播種面積均值為0.052，農村人均受教育水平為8.3年，人均鄉鎮衛生院床位數在省份間差異不大。

表1 變量定義及描述統計

3 結果與分析

3.1 空間相關性分析

（1）全局Moran′s I 測算。表2 是2000—2016 年和各年份31 個省（市、自治區，不包括港澳臺）貧困發生率全局空間自相關的檢驗結果，2000—2016 年Moran′s I 值為0.681，在1%水平顯著，表明各地區貧困發生率存在顯著正向關系，貧困發生率為非均衡性，貧困可能存在聚集現象。從分年度Moran′s I來看，Moran′s I 隨年份增加呈現先上升后下降變動，從2000 年0.433 增至2008 年0.549，然后快速降至2016 年0.271，可能原因是該文采用恩格爾系數作為貧困發生率的替代指標，2008 年全球金融危機對中國經濟沖擊降低了農戶收入，而農戶食品支出“粘性”直接導致農戶恩格爾系數提高，進而表現出貧困發生率的空間相關性增加。2008年后金融危機逐步緩解，農戶收入增加和消費結構改變促使農戶恩格爾系數下降，導致農戶貧困發生率的Moran′s I 大幅下降，說明近年來貧困發生率的聚集趨勢有所下降，主要得益于精準扶貧戰略實施。總之，各年份Moran′s I證實了貧困發生率存在較強的正向空間溢出效應。

表2 2000—2016年貧困發生率全局空間自相關檢驗

（2）局部Moran′s I 散點圖。為更好觀察地區間貧困發生率的空間相關性，采用局部Moran′s I 散點圖分析①限于篇幅，該文未列出各省貧困發生率Moran′s I散點圖，作者備索。局部Moran′s I 散點圖根據貧困發生率在4 個象限聚集情況分為4 個類型，第一象限和第三象限分別為高—高組合（HH）及低低組合（LL），表示貧困發生率高（低）的地區被同樣是高（低）貧困發生率的地區所包圍；第二象限和第四象限分別為低—高組合（LH）及高—低組合（HL），表示貧困發生率低（高）的地區被貧困發生率高（低）的地區所包圍。總之，各省貧困發生率并不完全呈現隨機分布狀態，主要表現為顯著高—高（HH）或低—低（LL）的組合分布，說明各省貧困發生率存在顯著的空間聚集效應。

（3）空間分位數分布圖。為清晰展示各地貧困發生率與農業基礎設施的空間格局，運用空間五分位圖加以考察②限于篇幅，該文未列出空間五分位圖，作者備索。從2016年各地份貧困發生率分布圖可知，貧困呈現明顯階梯狀特征，沿海地區貧困發生率最低，中部貧困發生率次之，西部貧困發生率最高，最貧困是甘肅、寧夏、云南、廣西和青海等3區3州深度貧困地區。由于農業基礎設施類型較多，該文重點展現交通綜合網絡密度分布圖，交通綜合網絡密度的計算方法為省內河道、公路和鐵路里程的總和比國土面積。從2016 年各地交通綜合網絡密度分布圖可知，東部交通網絡密度最高，中部次之，西部最低。各地貧困發生率與交通綜合網絡密度呈反向關系，即地區交通綜合網絡密度越高，貧困發生率越低，說明貧困發生率與農業基礎設施有明顯空間相關性。該文同樣檢驗了其他類型農業基礎設施分布圖，都與貧困發生率呈相反關系。

3.2 農業基礎設施減貧效應的實證分析

（1）空間計量模型的選擇。合適的計量模型是準確估計的前提條件，要結合實際和檢驗結果共同確定。研究樣本為31個省級行政區17年的面板數據，地理區位在分析中會存在較強的干擾作用，需要選用固定效應模型消除區位差異對估計造成的可能影響。對固定效應模型和隨機效應模型進行Hausman 檢驗，檢驗統計量為196.4，Prob＞chi=0.000，檢驗結果表明應選用固定效應模型。固定效應模型分為時間固定效應、空間固定效應和時間空間雙固定效應，為檢驗采用何種固定效應模型，表3給出混合模型、時間固定效應模型、空間固定效應模型和雙固定效應模型的估計和檢驗結果。從判定系數可知，混合模型判定系數為0.971，加入時間固定效應后為0.977，加入時間固定效應后為0.992，加入雙固定效應后為0.992，說明雙固定效應擬合效果最好；從Log-L可知，混合模型的值最小，雙固定效應的值最大。綜合可知，選用時間空間雙固定效應模型更合適。另外，不論選用何種固定效應模型，LM-err 和穩健LM-err 檢驗結果都在1%水平顯著，而LM-lag和穩健LM-lag檢驗結果都不顯著，說明不存在空間誤差效應的原假設被拒絕，而無法拒絕不存在空間滯后效應的原假設。因此，初步判定空間誤差模型比空間滯后模型更合適。

（2）空間面板模型的估計結果。通過前文空間相關性分析可知，普通面板模型估計表明殘差項具有顯著空間相關性，說明模型回歸不能忽略空間相關性，因此，該文運用空間計量模型估計農業基礎設施對各省份貧困發生率的影響，表3 中已列出空間自回歸模型（SAR）和空間誤差模型（SEM）估計結果。由兩個模型的空間估計系數可知，SAR 模型空間估計系數ρ為0.0031，但并不顯著；SEM 模型的空間估計系數λ為0.1571，在1%水平顯著，說明臨近省份的誤差沖擊效果明顯，各地之間貧困發生率存在正向空間相關性，臨近地區貧困發生率有明顯空間依賴性。SEM 模型擬合優度判定系數為0.991，略高于SAR 模型的0.99，且SEM模型的Log-L值要明顯高于SAR模型的Log-L值，SEM模型的AIC值和CS值也低于SAR模型的AIC 值和CS 值，表明SEM 模型的解釋強度要高于SAR 模型。從LM-lag 和LM-err 統計結果來看，LM-err和穩健LM-err的結果在1%水平顯著，而LM-lag 和穩健LM-lag 的結果并不顯著。因此，該文以空間誤差模型（SEM）的估計結果為準。

表3 空間計量模型的估計

該文把農業基礎設施分為兩類：一類是農業交通基礎設施，包括公路密度、河道密度和鐵路密度，另一類是農業生產基礎設施，包括人均裝機容量、水土流失治理能力、人均農業機械數量、人均農業機械動力和畝均塑料薄膜使用量。從農業交通基礎設施變量的回歸結果來看，公路密度每增加1個單位，貧困發生率下降1.424 個單位；河道密度每增加1 個單位，貧困發生率下降0.03 個單位；鐵路密度每增加1個單位，貧困發生率下降0.05個單位。綜合來看，3類交通變量對農村減貧有顯著促進作用，公路密度效果最好，其次鐵路密度，最小是河道密度，可能原因如下：第一，交通是農產品通往市場的重要條件，農產品在普通環境下保質儲藏時間有限，如果農產品在收獲后及時銷往市場，農戶才能從中獲得經濟利益以保障正常生產生活，否則農戶會遭受巨大農業生產損失；第二，交通便利會加強農戶與外界溝通，降低農產品市場交易成本，獲取更多有利于農業生產銷售信息；第三，交通運輸網絡形成有利于改變以往小而全、落后分散的小農生產格局，加強地區間生產協作，從而因地制宜形成具有各地自身專業化特色的農業區域經濟。從以上3個變量的影響程度來看，公路是農業生產最重要的交通運輸方式，可能原因是公路分布較廣，能夠延伸到村和農地，而鐵路和河道難以直抵農地。

從農業生產基礎設施來看，人均裝機容量每增加1 個單位，貧困發生率下降0.122 個單位，可能原因是農村水電裝機容量在一定程度能保障農村灌溉用水和生產生活用電，排洪抗旱功能為農業提供穩定的生產環境。水土流失治理能力每增加1單位，貧困發生率下降0.212個單位，土地是農業生產的根本條件，水土流失不僅會破壞土地資源，還導致農業生態失衡和生產環境惡化，給農業生產帶來不可估量的損失，而提升水土流失治理能力能有效減少水土流失、降低自然災害、改善土質，促進農業生產。人均農業機械數量和畝均農業機械動對農村貧困發生率有顯著負向影響，可能原因是農業機械能有效提升農業生產效率，增加農業產量和農戶收入[18-19]。塑料薄膜每667m2增加1個單位，貧困發生率降低0.011個單位，可能原因是農業塑料薄膜使用量在一定程度能代表農業現代化進程，塑料薄膜使用越多，在一定程度表示農業現代化程度越高，農業生產獲利和減貧可能性越大。

從控制變量來看，人均播種面積每增加1 個單位，貧困發生率下降0.007，人均經營土地面積越多，農業生產獲利越多，遭受貧困可能性會降低，此現象在土地資源稟賦差異較大的地區尤為明顯。農村人均教育水平每增加1 個單位，貧困發生率下降0.029 個單位，增強人力資本一直是解決貧困的重要手段，人力資本稟賦差異會直接影響生產經營。人均鄉鎮衛生院床位數每增加1 個單位，貧困發生率降低0.007個單位，可能原因是因病致貧在農村貧困中比例較高，鄉鎮衛生院床位數在一定程度能反映本地醫療水平，地區醫療水平提升能有效降低農戶因病致貧率。

3.3 農業基礎設施減貧的作用機制

（1）農業基礎設施的減災效應。上文采用空間計量模型證實了農業基礎設施能有效降低農村貧困發生率，但沒有闡釋作用機制。農業基礎設施究竟是如何影響農村貧困？或者說是通過哪種路徑影響農村貧困？這一問題解答無疑對厘清其作用機理和宏觀調控意義重大，該文接下來嘗試探尋其作用機制。農業基礎設施最重要或者說最主要功能就是保障農業生產環境，提高農業產量和質量。那么，為何農業生產環境需要保護？主要是因為農業生產非常依賴自然界，不確定性使得農業生產經營成為風險最大最集中的行業，一旦遭受不確定性事件將會給農業生產帶來巨大損失。因此，該文猜測減貧機制可能是：農業基礎設施通過降低農業災害，增加農業產量和農戶收入，進而降低農村貧困。選取農業自然災害發生率、農作物受災率、農作物成災率來衡量農業災害，并驗證以上猜想，表4為估計結果。

表4 農業基礎設施對農業生產減災的影響

從農業自然災害發生率的回歸結果來看，公路密度、人均裝機容量、人均農業機械數量、單位面積均機械總動力都對農業自然災害發生率有顯著負向影響，交通網絡降低農業自然災害發生率效果明顯，可能原因是交通網絡有利于救災搶險，降低災害發生率和程度。人均裝機容量有明顯減災效果，說明農村水電建設能有效抵御部分農業自然災害。人均農業機械數量比單位面積均農機總動力更能降低農業自然災害，可能原因是單位面積均裝機容量只反映農業機械使用的體量，而人均機械數量能反映農業機械使用的水平，地區農業機械水平越高，減災效果越明顯。從農作物受災率和農作物成災率來看，公路密度、人均農業機械數量和單位面積均塑料薄膜使用量對農作物受災率和農作物成災率有顯著負向影響，但對降低農作物受災率影響更大，可能原因是農作物受災面積是指因農業災害造成比正常年份減產10%以上的播種面積，而農作物成災面積是指因農業災害造成比正常年份減產30%以上的播種面積，因此農業基礎設施降低農作物成災率的影響更小。另外，農業塑料薄膜也是降低農業自然災害的有效手段。

（2）農業基礎設施的增產效應。前文證實農業基礎設施可以降低農業自然災害，繼續考察農業基礎設施對農業生產的影響，選取農林牧漁業總產值、農業總產值、林業總產值、漁業總產值、牧業總產值作為農業生產的衡量指標，回歸結果見表5。從回歸結果可知，除水土流失治理能力以外，其他農業基礎設施變量對各類農業產值有顯著正向影響，說明農業基礎設施能有效增加農業產量，但影響程度不同。有5個農業基礎設施變量對農業總產值和林業總產值有正向影響，有3個農業基礎設施變量對漁業總產值和牧業總產值有正向影響，說明農業基礎設施對農業產值和林業產值的影響更明顯。從其他控制變量來看，人均播種面積、農村人均受教育年限和人均鄉鎮衛生院床位數對各類農業產值有顯著正向影響。5個模型回歸系數的影響方向和顯著性基本一致，說明模型穩健性較強。

表5 農業基礎設施對農業生產的影響

（3）農業基礎設施的增收效應。至此，已經證實農業基礎設施能有效降低農業自然災害和增加農業產值，而農業產值增加并不一定降低農村貧困發生率，進一步驗證與貧困發生率直接相關的變量，即農村人均收入水平。考慮到消費水平與收入水平相對應，也選取農村人均消費水平間接考察農村貧困發生率。農業基礎設施在促進農業生產的同時，也帶動地區其他產業發展，促進地區經濟提升。因此，選取人均地區生產總值衡量地區經濟水平，考察農業基礎設施對地區整體經濟水平的影響，回歸結果見表6。回歸結果顯示，各類農業基礎設施對人均地區生產總值、農村人均收入水平和農村人均消費水平有顯著正向影響，說明農業基礎設施能有效增加農村居民收入水平，促進地區經濟水平提升，帶動農村居民消費水平。至此，該文已經厘清農業基礎設施減貧機制，即農業基礎設施通過降低農業自然災害，增加各類農業產值和提高農村居民收入水平，進而降低農村貧困發生率。

表6 農業基礎設施對農民收入和消費的影響

4 結論與討論

4.1 結論

農業基礎設施是農業現代化建設的重要內容，該文基于2000—2016年31個省（市、區，不包括港澳臺）面板數據，運用空間自回歸模型（SAR）和空間誤差模型（SEM），分析21世紀以來中國農業基礎設施的減貧效應及減貧機制。研究結論如下。

（1）全局Moran′s I 測算發現各地貧困發生率存在顯著正向關系，貧困發生率為非均衡性，貧困存在聚集現象，但聚集趨勢隨年份增加有所減弱；

（2）從空間分位數分布圖得出，各地貧困發生率與農業基礎設施密度呈反向關系，即地區農業基礎設施密度越高，貧困發生率越低；

（3）從空間模型估計可知，農業交通基礎設施和農業生產基礎設施對貧困有顯著負向影響，農業交通基礎設施中的公路密度、河道密度和鐵路密度分別顯著降低農村貧困發生率1.424、0.03和0.05個單位；農業生產基礎設施中的人均裝機容量、水土流失治理能力和每公頃塑料薄膜用量分別顯著降低農村貧困發生率0.122、0.212和0.011個單位；

（4）從控制變量來看，人均播種面積，農村人均教育水平和人均鄉鎮衛生院床位數對農村貧困發生率有顯著負向影響。減貧機制檢驗可知，農業基礎設施通過降低農業自然災害，增加農業產值和農民收入，進而降低農村貧困發生率。

4.2 討論

農業現代化是現代化建設的四化之一，消滅絕對貧困是2020 年扶貧工作的根本目標。在精準扶貧戰略和鄉村振興戰略的背景下，仍需繼續加強農業基礎設施投入。

（1）加強農業交通基礎設施建設，隨著中國農村通村公路政策實施，大部分鄉村已基本實現道路硬化，極大方便了農民生產生活，但通往農田和田間道路的建設相對滯后，需要盡快補齊這一短板，構建現代化農田道路網絡，讓農業生產與農產品流通免受交通困擾。

（2）實施農業基礎設施提升工程，圍繞高標準農田建設、耕地地力提升、農產品倉儲保鮮等重點領域，實施一批重大工程項目，解決制約農業現代化發展的突出短板，從而更好地促進減貧。

（3）加快農業機械裝備提檔升級，為解決丘陵山區的農業機械化問題，應加緊開發適應山區丘陵的小型適用農業機械，加大農機購置補貼對西部地區的支持力度，將更多先進適用機具列入補貼范圍，為提升我國丘陵山區農作物耕種收綜合機械化水平提供裝備支撐。

（4）加強農業信息化建設，大數據已經成為國家基礎性戰略資源，隨著信息化和農業現代化深入推進，農業農村大數據逐漸成為優化鄉村資源配置、完善資源市場機制、提升生產要素收益水平的核心要素。國家應加緊推動建設農業農村大數據中心和平臺，更好地發揮數據新型生產要素的作用，助力推進農業農村現代化和未來減貧工作。