基础设施减贫效应研究

奥鹏网院作业

基础设施减贫效应研究
——基于农村公路的考察
张亦然

[提 要] 如何防范“精准扶贫”后重新返贫，基础设施的可持续减贫效应引人关注。本文基于中国家庭追踪调查(CFPS)微观数据库，利用工具变量估计的方法，实证检验“通公路”这一交通基础设施改善对农村居民家庭减贫的影响。研究发现：“通公路”显著降低了农村家庭的恩格尔指数，并且低收入家庭的恩格尔指数下降得更加明显。这表明，交通基础设施改善的减贫效应显著。机制分析的结果显示：通公路以后，农村家庭所获得的政府直接补贴显著增加，从事农业生产的家庭比重显著降低,农村家庭的非农就业人口数显著增加。交通基础设施改善通过提高政府补贴和农业劳动力转移两个渠道发挥减贫效应。

[关键词] 基础设施；农村；减贫

一、引言
中国的脱贫攻坚目标接近完成，防止重新返贫是下一阶段的任务重点。近7年来，我国连续7年脱贫人数在1 000万人以上，从2012年的9 899万人减少到2020年的551万人。(1)《贫困人口减至551万人 脱贫攻坚目标接近完成》，经济参考网，2020年3月13日，http://dz.jjckb.cn/www/pages/web ... 3/content_62336.htm。根据部署，到2020年末，现行标准下的我国农村贫困人口将实现全部脱贫。(2)绝对贫困标准是一个确定的数值标准，若一个家庭的收入低于必需的开支数时就属于贫困的范围。中国现行的绝对贫困标准由2011年全国扶贫开发工作会议确定，为人均纯收入2 300元(2010年不变价格)。但贫困是一个客观现象，贫困标准随社会经济发展将不断变化，相对贫困的现象将长期存在。党的十九届四中全会提出，坚决打赢脱贫攻坚战，巩固脱贫攻坚成果，建立解决相对贫困的长效机制。扶贫地区的后续发展、脱贫成果的巩固和提升等任务依然艰巨繁重。要实现农村地区的可持续脱贫，关键问题是要解决相对贫困，需要寻找长期行之有效的扶贫方式，推动贫困地区持续向好发展。

基础设施投资是推动贫困落后地区经济长期向好发展的重要举措。尽管财政补贴、转移支付等方式是各级政府对贫困人口进行帮扶的典型措施(苏春红和解垩，2015)，但这一财政支出的减贫作用是不确定的(卢盛峰和卢洪友，2013；樊丽明和解垩，2014)。贫困落后地区的基础设施建设与外部发达区域差距较大。对其进行基础设施建设投资，不仅可以补齐落后地区的短板，缩短其与外界差距，更好地实现脱贫目标，并且由于基础设施的长期作用性质，还可以巩固脱贫成果，避免脱贫人口重新返贫。

基础设施减贫效应引人关注，但遗憾的是，截至目前，研究基础设施在微观领域发挥减贫作用的文献还相对较少，且对作用机制的讨论不够充分。部分文献基于绝对贫困指标进行研究，难以适应下一阶段防止重新返贫的政策目标。基于此，本文选定恩格尔指数作为相对贫困的衡量指标，基于中国家庭追踪调查(China Family Panel Studies，CFPS)微观数据库，使用工具变量的估计方法，实证检验“通公路”这一交通基础设施改善对农村居民家庭减贫的影响，并对作用机制进行探讨，意图为接下来“十四五”时期的减贫政策提供参考。

本文余下内容安排如下：第二部分回顾既有文献，总结交通基础设施发挥减贫作用的理论机理；第三部分依次介绍实证部分的策略、模型、变量，并给出本文主要数据来源；第四部分为实证检验的主要内容，包括基准回归、稳健性检验、异质性回归，以及拓展机制分析；第五部分为结论。

二、文献综述与理论假说
(一)文献综述
基础设施是财政支出发挥减贫效应的主要渠道之一。地方财政通过投资基础设施建设，带动区域经济的发展，从而带动居民收入增长。

既有文献的研究发现，随类别以及地域的不同，基础设施的减贫作用也有所差别。首先考虑教育基础设施。部分文献证实了教育基础设施的减贫效应(Deichmann et al.，2004；兰峰等，2019)，认为教育可以通过人力资本积累等渠道对减贫发挥影响(单德朋，2012)。典型的即通过成人教育或技能培训发挥扶贫作用(Jung & Thorbecke，2003)。相比较西部地区而言，教育事业支出在东部和中部地区的减贫效果更为显著(罗知，2011)。但也有文献指出，教育基础设施仅在预防贫困方面发生作用，并未表现出可以逃离贫困的作用(Thorat et al.，2017)。除了教育以外，卫生基础设施提高贫困人口收入的作用同样显著，且这一减贫效应也表现出空间上的异质性(罗知，2011)。Jalan & Ravallion(2003)基于印度数据的研究发现，自来水设施对农村儿童健康和家庭贫困均具有显著的影响。对于农村的贫困家庭，自来水基础设施的可获得性意味着更低的儿童痢疾发生率，而健康人力资本有助于家庭摆脱贫困。基于中国家庭跟踪调查(CFPS)数据的研究也得到了类似的结论(谢申祥等，2018)。此外，农业科研投资、信息基础设施和金融基础设施等也表现出了积极的减贫效应(林伯强，2005；沈能和赵增耀，2012；刘成奎等，2018；黄敦平等，2019)。但也有文献指出，中国的基本公共服务供给对农村贫困家庭的瞬时贫困改善效果并不明显(刘成奎等，2018)。例如，农村的科教文卫公共品对于减贫存在“门槛”效应，并且对于已经形成的贫困并没有显著改善作用(王娟和张克中，2012)。

具体到交通基础设施，基于省域面板数据的研究发现，交通基础设施对农民的收入呈现出较强的正向影响(李慧玲和徐妍，2016)。相比较铁路而言，公路的建设更有助于减少贫困(Zou et al.，2008)，每万元公路投资可使3.07人脱贫(林伯强，2005)，等级公路的减贫效果比等外公路更加明显(鞠晴江和庞敏，2006)。基于墨西哥南部地区样本的研究发现，除公路外，桥梁和水利设施也具有较高的经济回报率，对降低城乡贫困具有显著的作用(Deichmann et al.，2004)。少数文献讨论了交通基础设施的减贫机制。Fan et al.(2002)基于中国分省数据研究发现，交通基础设施对农业生产率和非农就业率均有显著正向影响。Gibson & Rozelle(2003)基于巴布亚新几内亚的入户调查数据检验了道路基础设施的可获得性对减贫的影响，发现便利的交通基础设施可以降低居民陷入贫困的概率。

在交通基础设施减贫领域，既有文献的研究结论尚未达成一致，这可能是由以下几个原因造成的。首先，既有文献多用省以上的宏观数据进行分析，难以衡量出减贫效应的具体机制。其次，部分文献对内生性的关注不够，忽略了经济发展与基础设施投资建设之间的双向因果关联，可能得到有偏的估计结果。针对上述情况，为准确衡量交通基础设施的减贫效应，本文将基于中国家庭追踪调查这一微观数据库进行研究，并着重关注交通基础设施对农村家庭贫困状况改善的机制。此外，本文还将构造“通公路”这一交通基础设施改善的工具变量，用以降低回归模型中的内生性，获得更加准确的结论。最后，笔者还注意到，既有文献多使用绝对贫困指标进行衡量，而根据中央规划，2020年以后现行标准下贫困人口将全部脱贫，若沿用绝对贫困指标，对下一阶段减贫政策制定的参考意义有限。基于此，考虑数据的可得性，本文将使用恩格尔指数这一相对指标替代绝对贫困指标，考察交通基础设施对相对贫困的影响。

(二)交通基础设施减贫效应机理分析
理论上，交通基础设施可以通过多种渠道减轻农村的贫困状况。归纳而言，这些渠道大抵可以归类为直接渠道和间接渠道。

1.直接渠道。交通基础设施改善会促使信息交互成本降低，从而为贫困家庭带来更多的政府直接补贴收入。对一个区域而言，当交通状况相对闭塞时，区域内部的信息获取相对滞后，无法及时有效地掌握来源于区域外的帮扶政策信息。与此同时，区域内部贫困家庭的现状与需求也很难及时上报到相关部门。当区域交通基础设施改善时，与外界发生信息交互的成本显著降低，信息不对称的情况将得到显著地改善，来源于外部的政府补贴帮扶政策将在第一时间内传达至区域内部，而区域内部符合帮扶条件的贫困家庭此时就会迅速反应，及时上报并申请，以获取更多的财政补贴收入。

基于以上分析，本文提出理论假说1。

假说1 交通基础设施通过降低信息不对称而增加农村家庭获得直接补助的概率，直接改善农村家庭的贫困状况。

2.间接渠道。除了直接渠道以外，交通基础设施还可以通过间接渠道改善农村家庭的贫困状况。概括来看，交通基础设施可以通过改善区域市场通达性，促使农业劳动力转向收入更高的非农行业，进而改善农村家庭的贫困状况。短期来看，交通基础设施投资项目本身即为当地创造了一部分劳动力需求，特别是在土地贫瘠地区或者是农闲时期，区域内部的剩余劳动力可以通过参与建设项目获得额外收入。长期来看，当交通基础设施建成后，农村区域的市场规模得以扩大，区域内部市场通达性得以改善，信息不对称程度有效降低，非农经济持续发展，贫困家庭的居民得到了更多工作机会，从而收入不断增长。

基于以上分析，本文提出理论假说2。

假说2 交通基础设施通过农业劳动力转移等渠道改善农村家庭的收入，间接减轻农村家庭的贫困状况。

此外，考虑到农村家庭的初始禀赋差异较大，交通基础设施的减贫效应也将表现出一定的异质性特征。对于交通基础设施发挥减贫作用的直接渠道而言，当信息的不对称程度得到改善，来源于区域外部的帮扶政策将会在第一时间匹配到区域内部最贫困的家庭，优先提高低收入家庭的财政补贴收入。对于交通基础设施发挥减贫作用的间接渠道而言，相比较高收入的农村家庭，低收入农村家庭的收入来源渠道往往更加单一。当市场的通达性由于交通基础设施质量提升而得到改善时，低收入农村家庭将有更强烈的动机进行劳动力转移。

基于以上分析，本文提出理论假说3。

假说3 交通基础设施的减贫效应随农村家庭的初始禀赋而有所差别，低收入家庭贫困程度的改善更加明显。

三、实证模型、策略与变量
(一)模型与策略
将公路接通视作一项交通基础设施改善的“准自然”实验，理论上，本文可以基于双重差分模型实证检验“通公路”对于农村家庭减贫的影响。具体模型见式(1)：

engelit=β0+β1roadit+γ×Xit

+αi+λt+εit

(1)

式中，被解释变量engelit为农村家庭i在t年的恩格尔系数；核心解释变量roadit是衡量t年i家庭所在村庄是否接通公路的二值变量，若所在村庄联入公路交通网络，则变量roadit取值为1，若所在村庄未联入公路交通网络，变量roadit取值为0；Xit是控制变量的集合，主要衡量样本家庭的特征变量；家庭个体固定效应为αi；时间固定效应为λt；误差项用εit表示。其中，核心解释变量roadit的系数β1衡量出“通公路”对农村家庭恩格尔系数的影响，是本文重点关注的对象。

但是，使用面板固定效应模型面临着一个问题，即我们无法控制“通公路”与各村庄经济发展水平之间的内生性。存在这样一种可能，即经济发展水平好的村庄，通公路的可能性越大。这些村庄家庭的恩格尔系数本就低于平均水平，并非由通公路所导致。考虑到这种情况，为准确地估计“通公路”的减贫效应，需要为“通公路”这一交通基础设施的改善寻找合适的工具变量。理论上，一个好的工具变量应同时满足“相关性”和“外生性”的要求，即这一工具变量与“通公路”高度相关，可以解释“通公路”的这一变化。此外，该变量对居民家庭的恩格尔系数的影响均是通过“通公路”这一途径产生的，不会直接或间接地影响居民家庭的贫困状况，满足外生性的要求。具体地，本文以“家庭所在村庄的常住人口数量”(pop)与“家庭所在村庄距离本省省会的地理距离”(dist)(3)家庭所在村庄距离本省省会距离的原始变量名为CG3，存在于CFPS2010和CFPS2014问卷。理论上，村庄距离本省省会的距离应该是客观恒定不变的，但是CFPS为微观调查数据，其数据调查结果由回答人口述整理而成，对于同一问题在不同年份的答案可能会存在轻微差别，因此，本文在处理过程中令这一距离数据等于2010年与2014年数据的均值，在各年保持恒定不变。的乘积作“通公路”的工具变量，具体见式(2)：

ivit=popit×distit

(2)

这样做的原因在于，村庄的人口越多，其越容易被接入交通网络，而家庭所在村庄的总人口数量相对于家庭支出来说是相对外生的，前者很难对后者发生影响。此外，考虑到本文所用到的样本区间在2010年以后，此时全国主要地区的公路交通网络均已铺设完成，因此，与经济中心(行政中心)的距离越远，越容易被交通网络所覆盖，而地理距离是外生既定的，不受村庄经济发展水平的影响。

工具变量回归的方程如下：

第一阶段回归：

roadit=β0+β1×Zit+γ×Xit+αi+λt+εit

(3)

第二阶段回归：

width=301,height=22,dpi=110
(4)

式中，第一阶段的方程得到核心解释变量中能够被工具变量解释的部分，将这部分带入二阶段的回归中，即得到了不存在内生性的准确的回归结果。

对工具变量相关性的检验比较简单，一般认为，在工具变量一阶段回归当中，若F检验的数值大于10，则可认定工具变量与其所解释的内生变量间存在较强的相关性(Staiger & Stock，1997)。对工具变量外生性的检验则要相对复杂一些，借鉴方颖和赵扬(2011)的做法，本文将被解释变量同时对内生的核心解释变量“通公路”和工具变量做回归。若工具变量仅通过内生变量“通公路”间接地影响被解释变量，则在同时控制内生核心解释变量“通公路”和工具变量时，工具变量的回归系数应不显著，本文将在表3中报告工具变量有效性的检验结果。

(二)变量与数据来源
本文实证检验的主要数据来源于中国家庭追踪调查数据库(CFPS)。这一数据库由北京大学社会科学调查中心建立，旨在通过跟踪收集个体、家庭、社区(村庄)三个层面的数据，反映出中国社会、经济、人口等方面的变迁事实，为学术研究和公共政策分析提供数据基础。

CFPS数据库于2010年开始正式展开访问，其数据样本覆盖中国25个省级行政区，初始年份的目标样本规模为16 000户，具体调查对象为目标样本家庭的全部成员。2010年的所有样本家庭将成为CFPS数据库的基线调查家庭，其家庭成员及今后的血缘/领养子女将成为CFPS的基因成员，被永久追踪调查。CFPS数据库共设置了社区问卷、家庭问卷、成人问卷和少儿问卷四种主体问卷类型，并根据调查随访的需要，不断更新发展出针对不同类别家庭成员的长问卷、短问卷、代答问卷、电访问卷等多种问卷类型。截至本文写作之前，CFPS项目已在官网(4)中国家庭追踪调查数据库(CFPS)的官方网址为https://www.isss.pku.edu.cn/cfps/。中公布四期数据，分别为2010年、2012年、2014年和2016年。其中，存在于2010年和2014年数据当中的社区调查问卷，提供了家庭所在村庄/社区的基础设施信息，经整理可衡量出样本家庭所在村庄截至2014年的通公路状况。

基于上述原因，本文将2010年和2014年两期的家庭数据合并形成面板数据，在此基础上进行回归。具体的数据合并方法为：首先，将2010年和2014年的社区问卷合并，获得家庭所在各个村庄的通公路具体年份，得到一套“村庄—年份”层面上的面板数据。(5)在2010年的社区问卷基线调查中，变量CE102_A_7衡量的是各个社区/村庄通公路的具体年份，在2014年的社区调查问卷中，变量CA301_A_7衡量的是：“过去四年中(2010—2014年)，本社区具体通公路的年份是哪一年？”结合以上信息，本文得以整理出截至2014年全样本社区的通公路情况。紧接着，本文将2010年和2014年共两期的家庭财务数据合并，得到一套“家庭—年份”层面的面板数据。最后，将两套面板数据按照村庄代码和年份合并。在剔除无效样本、剔除极端值样本、对连续变量上下各0.5%的数据进行缩尾后，本文共得到7 403次观察。

在被解释变量的选取方面，本文主要使用恩格尔系数反映样本家庭的相对贫困状况。恩格尔系数(Engel’s coefficient，EC)主要指食品消费总额在消费支出总额中所占的比重。使用这一指标主要基于以下几点考量。首先，基于食物支出衡量贫困程度是国际通用做法。(6) 联合国根据恩格尔系数的大小，对世界各国的生活水平有一个划分标准，即一个国家平均家庭恩格尔系数大于60%为贫穷；50%～60%为温饱；40%～50%为小康；30%～40%属于相对富裕；20%～30%为富足；20%以下为极其富裕。其次，恩格尔系数可以提供一种相对性。相比较绝对贫困线，以比例形式体现的恩格尔系数可以不受物价水平等因素的影响，更好地适应宏观经济形势的发展变化。最后，使用恩格尔系数作为相对贫困的衡量指标，是受限于数据可得性的现实选择。本文所使用的CFPS数据库为抽样调查数据库，难以全面反映区域内和区域间居民收入的具体情况，因而无法准确衡量居民家庭收入的纵向排名区间，而使用恩格尔系数作为相对贫困指标，则可以保证农村家庭间的横向可比。

为了提高模型估计的准确性，借鉴既有文献的做法(胡枫和陈玉宇，2012；周广肃等，2014)，本文在实证中主要添加了家庭财务特征、基础设施水平和户主特征三个层面的控制变量，来控制其他因素对居民家庭支出的影响。具体地，家庭总体层面的控制变量有三个，分别是家庭是否存在非房贷贷款(debt)、家庭人均收入(fincome)、家庭人均现金及存款(saving)。若家庭目前仍存在非房贷的消费型金融贷款，则变量debt取值为1，否则为0。为了使数据平滑，实证回归中家庭人均收入fincome和人均现金及存款saving均做了对数处理。此外，为降低模型中的内生性，本文还增加了衡量农村家庭交通工具保有情况的控制变量和衡量农村家庭所在区域的基础设施水平的特征变量。前者包括家庭拥有小汽车(car)、家庭拥有拖拉机(tractor)。若样本家庭当年拥有该项交通工具，则变量赋值为1，否则为0。后者包括卫生(水利)基础设施和信息基础设施，分别用通自来水(tapwater)和通移动电话信号(telephone)表示。若样本家庭所在区域当年拥有该项基础设施，则变量取值为1，否则为0。最后，本文使用户主的年龄、婚姻状况和教育水平作为户主层面的控制变量。户主年龄用连续变量age表示。户主的婚姻状况用哑变量marriage反映。若户主在样本年份处于已婚状态，则变量marriage取值为1，否则为0。变量edu是取值范围在1～7范围内整数的变量，分别代表从低至高的教育水平，衡量户主的受教育程度。(7)其中，edu取值为1代表的教育水平为文盲/半文盲；edu取值为2代表的教育水平为小学；edu取值为3代表的教育水平为初中；edu取值为4代表的教育水平为高中/中专/技校/职高；edu取值为5代表的教育水平为大专；edu取值为6代表的教育水平为大学本科；edu取值为7代表的教育水平为硕士及以上。变量的统计性描述见表1。

表1 主要变量统计性描述

width=736,height=638,dpi=110
四、实证结果
本文的实证部分包括基准回归分析、稳健性检验、异质性回归分析以及拓展机制分析四部分，以下将分别阐述。

(一)基准回归
基准回归结果分为面板固定效应结果、工具变量有效性验证、工具变量回归结果三大部分。首先考虑面板固定效应回归结果。通过前面的分析可以看出，基础设施投资对于区域经济增长的贡献是显著的。在这样一个情况下，对于农村家庭而言，交通基础设施的减贫效应引人关注。本文首先以农村居民家庭的恩格尔系数作为被解释变量，考察“通公路”对农村家庭贫困程度的影响，相应结果如表2所示。

表2 基准回归：面板固定效应模型

width=368,height=573,dpi=110
说明：括号内为标准误，*代表p<0.1， **代表 p<0.05，***代表p<0.01。回归中均控制了年份固定效应与个体固定效应。因篇幅所限，时间项的回归结果未予列出，下表同。

笔者依次加入了前文所述的控制变量，结果如表2的列(1)～列(3)所示。其中，表2列(1)仅添加代表样本家庭财务特征的控制变量，表2列(2)在此基础上增加了样本家庭的基础设施特征变量，表2列(3)进一步加入与户主个人特征相关的控制变量。表2的结果显示，当使用面板固定效应模型进行回归时，核心解释变量road的系数均负向显著，且显著性水平较为稳定，不受控制变量的影响。这一结果表明，接通公路这一交通基础设施的改善显著降低了样本家庭的恩格尔系数。在表2列(3)加入了全部控制变量后，核心解释变量road的系数为-2.938 5，表明样本家庭的恩格尔系数在通公路之后平均降低约2.9%。

值得注意的是，使用面板固定效应模型进行回归并不能解决回归模型中的内生性问题。存在这样一种选择性偏误，即经济发达地区的村庄更容易通公路，而这些地区的居民可能恩格尔系数本就低于其他地区，使用面板固定效应模型进行回归，可能导致高估“通公路”对农村居民家庭的减贫效应。为了解决这一问题，本文以“家庭所在村庄的常住人口数量”(pop)与“家庭所在村庄距离本省省会的地理距离”(dist)的乘积iv作road的工具变量，基于面板工具变量估计模型考察“通公路”对于居民家庭恩格尔系数的影响。

如前所述，有效的工具变量需同时满足相关性和外生性的要求。相关性的认定标准最早出自Staiger & Stock(1997)，他们认为只要工具变量一阶段回归的F检验值大于10，即可满足相关性的要求。外生性的验证则没有达成共识，通常情况下，对外生性的要求为工具变量仅通过内生变量与被解释变量发生关联。借鉴方颖和赵扬(2011)的做法，本文将工具变量和内生解释变量同时回归于被解释变量，以验证工具变量的外生性。由表3的结果可知，当被解释变量同时对内生解释变量和工具变量回归时，仅内生解释变量road的系数显著，工具变量的回归系数并不显著，而去掉内生解释变量之后，工具变量的回归结果转为显著。这说明控制了内生解释变量以后，工具变量本身并未直接或间接地影响被解释变量，工具变量的外生性得到验证。

表4汇报了基于面板工具变量模型回归的结果。其中，表4列(1)～列(3)分别添加了与表2相同的工具变量。由表4可以看到，在添加全部控制变量以后，基于工具变量的回归结果为负向显著。这意味着，在解决交通基础设施改善与居民家庭恩格尔系数的内生性之后，从总体上来看，“通公路”对居民家庭的恩格尔系数产生了负向显著影响。值得一提的是，相比较面板固定效应回归模型，在使用工具变量控制了回归模型中的内生性之后，核心解释变量road的系数绝对值显著变大了，“通公路”之后，农村居民家庭的恩格尔系数显著下降了约16个百分点。

表3 工具变量有效性检验

width=368,height=277,dpi=110
表4 工具变量模型回归结果

width=368,height=304,dpi=110
(二)稳健性检验
基准回归结果显示，“通公路”使得农村家庭的恩格尔系数显著下降。值得注意的是，在样本区间内，除了公路以外，铁路基础设施建设也进入了一个快速增长的时期。在2010年，我国的等级铁道里程为9.12万公里，到2014年，这一指标为11.18万公里，这期间的年均增长率达到5.53%。如果不考虑铁路对居民恩格尔系数的影响，则有可能高估“通公路”对居民家庭的减贫效应。

基于上述分析，本部分在表4工具变量回归的基础上，排除样本区间内接通铁路的家庭样本再次回归，结果如表5列(1)～列(3)所示。在排除接通铁路对居民家庭恩格尔系数影响之后，表4中的工具变量回归结论仍然成立，且核心解释变量系数的绝对值略有提高，前文的回归结果稳健。

除排除接通铁路对居民家庭恩格尔系数的影响以外，迁移对居民家庭恩格尔系数的影响也需要考虑。若样本家庭存在迁移的情况，其恩格尔系数改变的影响因素较为复杂，难以判断是否由基础设施的变化导致，若在实证当中包含这一部分迁移家庭样本，将得到有偏的估计结果。为排除家庭迁移对于模型回归的影响，本部分将剔除样本区间内家庭所属村庄代码发生改变的家庭样本，仅保留不存在搬迁行为的家庭样本，重新进行回归。从表5列(4)～列(6)的回归结果可以看出，当排除家庭迁移因素之后，核心解释变量回归系数的显著性水平和绝对值大小均未发生较大改变，前文回归结果依然稳健。

(三)异质性分析
上述分析表明，联入公路网络显著地降低了农村家庭的恩格尔系数，使其贫困程度降低。考虑到不同家庭的收入差异明显，接通公路的减贫效应也可能会随收入等级表现出异质性特征。为获取更加翔实的实证结果，本部分将农村家庭样本按照收入等级分成两类，对高收入家庭和低收入家庭样本分别回归，考察通公路的减贫效应在不同收入等级家庭样本中的差异。具体地，按照样本初始年份的人均收入分位点对样本家庭进行分类。在样本的初始年份2010年，若家庭人均可支配收入低于50%的分位点(即人民币3 750元)，则该样本家庭在整个时间区间均被定义为低等级收入家庭。反之，若初始年份2010年的家庭人均可支配收入高于50%分位点，则该样本家庭在整个时间区间均被定义成高等级收入家庭。

表5 稳健性回归结果

width=736,height=235,dpi=110
不同收入家庭样本的回归结果如表6所示。从中可以发现：通公路的减贫效应在不同收入等级家庭样本中表现出截然不同的性质。对高等级收入家庭而言，“通公路”对于家庭恩格尔系数的影响极其有限，通公路之后，家庭的恩格尔系数未发生显著变化。对低等级收入家庭而言，“通公路”表现出比基准回归更大的减贫效应，主要体现在恩格尔系数的大幅下降上。通公路以后，低等级收入农村家庭的恩格尔系数下降了约23.4个百分点，远高于表4面板工具变量模型回归中的15.8个百分点，且这一结果在1%的水平上显著。恩格尔系数的大幅降低，意味着低收入家庭居民生活水平的有效提高。这表明，“通公路”这一交通基础设施投资对于农村家庭的减贫效应随着居民家庭收入的差别而有所差别，低等级收入家庭的恩格尔系数大幅下降，减贫效应更加明显，前文假说3成立。

表6 异质性回归：分不同收入等级

width=736,height=235,dpi=110
(四)机制检验
由前文研究结果可知，通公路使农村家庭的恩格尔系数降低。然而，这一减贫效应通过何种机制和渠道发生并不清晰。在理论机理分析中，笔者设定了交通基础设施发挥减贫作用的两个渠道——直接渠道和间接渠道。在本部分，笔者将依次使用新的被解释变量替代上文回归中的恩格尔系数，逐一验证上述两种渠道，以此明确交通基础设施改善对农村家庭减贫效应的作用机制。

1.直接渠道。在这一部分，笔者使用农村家庭的补贴收入替代上文工具变量回归中的被解释变量，考察通公路对农村家庭减贫的直接作用。农村家庭补贴收入的计算方式为：上年度收到的各级政府补助金额的总数，用变量subsidy表示，单位为元。如果通公路使得农村家庭从各级政府获得的补助收入提高，则说明通公路这一交通基础设施改善直接增加了农村家庭的收入，降低了农村居民家庭的贫困程度。

表7给出了使用家庭补贴收入作为被解释变量的回归结果，从中可以看出，不论是否添加控制变量，核心解释变量road的系数均负向显著。通公路显著增加了农村家庭所获得的直接补助，前文假说1得到验证。外部区域与通公路村庄的信息交互成本显著下降，通公路地区的信息不对称状况得到改善，更多数量和种类的政府直接补贴政策信息得以进入区域内部，符合条件的贫困家庭上报家庭信息并申请补助，从而获得了更多的直接补贴收入。

表7 机制检验：政府直接补助

width=368,height=233,dpi=110
2.间接渠道。在上文的假说2中，笔者提出：交通基础设施通过农业劳动力转移渠道改善农村家庭的收入，间接减轻了农村家庭的贫困状况。本文主要使用农业劳动力转移变量替代面板工具变量回归模型中的被解释变量，验证上述假说中的农业劳动力转移渠道。(8)CFPS家庭问卷并未包含家庭所在地的具体信息，因而难以准确地衡量家庭所在地的经济增长情况和市场规模状况。幸运的是，在2010年、2012年和2014年的调查问卷中，均存在对家庭是否从事农业的考察，因此，本部分仅选择农业劳动力转移这一渠道完成对交通基础设施通过间接渠道减贫的考察。

衡量农业劳动力转移的变量有两个，分别是家庭是否从事农业生产(agri)以及非农就业人口的数量(non_agri)。若样本家庭当年从事农业生产，则变量agri取值为1，反之则为0。家庭非农就业人口数由CFPS成人问卷数据库汇总计算得到，用连续变量non_agri表示。若通公路之后，样本当中从事农业生产的家庭数量减少，家庭的非农就业人口数增多，则前文中的假说2得到验证。即交通基础设施改善通过促进农业劳动力转移使得农村家庭获得了更高的非农收入，间接改善了农村家庭的贫困状况。

表8给出了这一机制检验的结果。从表8列(1)～列(3)的结果可以看到，添加全部控制变量以后，核心解释变量road的系数负向显著。这说明通公路之后，农村家庭从事农业生产的概率显著降低。从表8列(4)～列(6)的结果可以看到，添加全部控制变量以后，核心解释变量road的系数正向显著，表明农村家庭的非农就业人口数在通公路之后显著增加。上述结论表明本文的假说2成立，“通公路”这一交通基础设施的改善显著地促进了农业劳动力转移，由农业生产转向收入相对较高的非农行业，从而减轻了家庭贫困。

表8 机制检验：农业劳动力转移

width=736,height=208,dpi=110
五、结论
本文使用中国家庭追踪调查微观数据，以人口和地理距离的乘积作为家庭所在村庄“通公路”的工具变量，基于工具变量估计方法，系统研究交通基础设施对微观家庭部门恩格尔系数的影响，得出以下主要结论：在总体上，“通公路”这一交通基础设施的改善显著降低了农村家庭的恩格尔系数，平均下降约16个百分点。异质性分析发现，交通基础设施改善带来的减贫效应对低等级收入家庭的作用更加明显。通公路之后，低等级收入家庭的恩格尔系数下降得更多更明显，平均下降约23个百分点。机制检验结果发现。交通基础设施改善主要基于两个渠道对家庭的恩格尔系数产生影响。第一个是直接渠道，交通基础设施改善之后，由于信息交互成本降低等原因，家庭所在区域的信息不对称情况得到了明显的改善，从而使得贫困家庭获得了更多的直接补助收入。第二个渠道是间接渠道。交通基础设施改善通过促进贫困家庭的农业劳动力转移而提高了家庭收入，从而降低了贫困程度。

本文的研究具有重要的现实意义。党的十九届五中全会提出：建立农村低收入人口和欠发达地区帮扶机制，保持财政投入力度总体稳定，接续推进脱贫地区发展。基础设施是财政投入的典型方式，基于本文研究结论，笔者给出如下政策建议：第一，在今后时期，各级政府可继续利用交通基础设施作为投资手段，支持欠发达地区发展，减轻其贫困程度，缩小区域间发展差距。第二，加大低收入人口监测筛查力度，优先保障低收入家庭的基础设施配套，将其纳入贫困帮扶体系统筹扶持，提升其自我发展能力。第三，加强配套体系建设，如配套建设信息基础设施，完善人才交易市场等，发挥交通基础设施的长效减贫机制。

参考文献

樊丽明、解垩，2014：《公共转移支付减少了贫困脆弱性吗?》，《经济研究》第8期。

方颖、赵扬，2011：《寻找制度的工具变量:估计产权保护对中国经济增长的贡献》，《经济研究》第5期。

胡枫、陈玉宇，2012：《社会网络与农户借贷行为——来自中国家庭动态跟踪调查(CFPS)的证据》，《金融研究》第12期。

黄敦平、徐馨荷、方建，2019：《中国普惠金融对农村贫困人口的减贫效应研究》，《人口学刊》第3期。

鞠晴江、庞敏，2006：《道路基础设施影响区域增长与减贫的实证研究》，《经济体制改革》第4期。

兰峰、陈哲、甄雯，2019：《人口迁移与城乡基础设施配置的时空减贫效应研究》，《财经问题研究》第11期。

李慧玲、徐妍，2016：《交通基础设施、产业结构与减贫效应研究——基于面板VAR模型》，《技术经济与管理研究》第8期。

林伯强，2005：《中国的政府公共支出与减贫政策》，《经济研究》第1期。

刘成奎、任飞容、王宙翔，2018：《公共产品供给真的能减少中国农村瞬时贫困吗?》，《中国人口·资源与环境》第1期。

卢盛峰、卢洪友，2013：《政府救助能够帮助低收入群体走出贫困吗?——基于1989—2009年CHNS数据的实证研究》，《财经研究》第1期。

罗知，2011：《地方财政支出与益贫式经济增长——基于中国省际数据的经验研究》，《武汉大学学报(哲学社会科学版)》第3期。

沈能、赵增耀，2012：《农业科研投资减贫效应的空间溢出与门槛特征》，《中国农村经济》第1期。

单德朋，2012：《教育效能和结构对西部地区贫困减缓的影响研究》，《中国人口科学》第5期。

苏春红、解垩，2015：《财政流动、转移支付及其减贫效率——基于中国农村微观数据的分析》，《金融研究》第4期。

王娟、张克中，2012：《公共支出结构与农村减贫——基于省级面板数据的证据》，《中国农村经济》第1期。

谢申祥、刘生龙、李强，2018：《基础设施的可获得性与农村减贫——来自中国微观数据的经验分析》，《中国农村经济》第5期。

周广肃、樊纲、申广军，2014：《收入差距、社会资本与健康水平——基于中国家庭追踪调查(CFPS)的实证分析》，《管理世界》第7期。

Deichmann, U., M.Fay, J.Koo, and S.V.Lall, 2004, “Economic Structure, Productivity, and Infrastructure Quality in Southern Mexico”, Annals of Regional Science, 38(3): 361-385.

Fan, S., L.Zhang, and X.Zhang, 2002, “Growth, Inequality, and Poverty in Rural China: The Role of Public Investments”，No 125, Research Reports, International Food Policy Research Institute (IFPRI).

Gibson, J., and S.Rozelle, 2003, “Poverty and Access to Roads in Papua New Guinea”, Economic Development & Cultural Change, 52(1): 159-185.

Jalan, J., and M.Ravallion, 2003, “Does Piped Water Reduce Diarrhea for Children in Rural India?”, Journal of Econometrics, 112(1): 153-173.

Jung,H.S., and E.Thorbecke, 2003, “The Impact of Public Education Expenditure on Human Capital, Growth, and Poverty in Tanzania and Zambia: A General Equilibrium Approach”, Journal of Policy Modeling, 25(8): 701-725.

Staiger,D., and J.H.Stock, 1997, “Instrumental Variables with Weak Instruments”, Econometrica, 65(3): 557-586.

Thorat, A., R.Vanneman, S.Desai, and A.Dubey, 2017, “Escaping and Falling into Poverty in India Today”, World Development, 93: 413-426.

Zou, W., F.Zhang, Z.Zhuang, and H.Song, 2008, “Transport Infrastructure, Growth, and Poverty Alleviation: Empirical Analysis of China”, Annals of Economics & Finance, 9(2): 345-371.

RESEARCH ON THE POVERTY REDUCTION EFFECT OF INFRASTRUCTURE
——Based on the Investigation of Rural Roads
ZHANG Yi-ran

(School of Public Finance and Taxation, Capital University of Economics and Business)

Abstract: How to prevent the return to poverty after “targeted poverty alleviation”? The sustainable poverty reduction effect of infrastructure is of concern. Based on the Chinese Family Panel Studies (CFPS) micro-database, this article uses instrumental variable to empirically estimate the impact of improved transportation infrastructure on poverty reduction in rural households. The study finds that the availability of roads significantly reduces the Engel Index of rural households, and the Engel Index of low-income households declines more significantly. This shows that the poverty reduction effect of improved transportation infrastructure is significant. The results of the mechanism analysis show that after the road’s connecting, the direct government subsidies received by rural households have increased significantly, the proportion of households engaged in agricultural production has decreased significantly, and the nonfarm payrolls of rural households have increased significantly. This suggests that the improvement of transportation infrastructure has played a role in reducing poverty through two channels: increased government subsidies and agricultural labor transfer.

Key words: infrastructure; rural area; poverty reduction