农业基础设施是农业生产的重要支撑，对农业经济增长具有关键作用。文章探讨了农业基础设施投资对中国农业经济增长的影响。基于2000—2023年31个省级行政区的面板数据，系统广义矩估计(System GMM)方法进行实证分析。结果表明，各类农业基础设施投资对农业经济增长均具有显著的正向影响，其中灌溉设施投资影响最为突出。研究还发现投资影响存在时间滞后效应和区域异质性。农业科技进步和城乡一体化发展也对农业经济增长有积极影响。据此，建议在加大传统农业基础设施投资的同时，加强对农业信息化和绿色农业基础设施的投入，并考虑区域差异制定针对性策略，推动农业经济持续健康发展。

　　近年来，中国持续加大农业基础设施的投资力度，在灌溉系统、农村道路、农业机械化、信息化设施和绿色农业基础设施等方面取得显著进展。然而，不同类型农业基础设施投资对农业经济增长的影响程度和作用机制仍需深入研究。文章基于2000—2023年中国省级面板数据，采用系统广义矩估计(System GMM)方法，系统探讨了各类农业基础设施投资对农业经济增长的影响。文章不仅考察了投资规模的影响，还分析了投资结构和效率的作用，以及与其他农业生产要素的交互效应。这一研究对于评估现行农业基础设施投资政策的效果，优化投资结构，提高投资效率，以及促进农业经济可持续发展具有重要意义。同时，文章旨在填补现有文献在农业基础设施投资影响农业经济增长研究中的不足，特别是在区分不同类型投资影响和考虑区域异质性方面。

农业基础设施投资与农业经济增长的理论基础

　　农业基础设施投资对农业经济增长的影响主要基于内生增长理论和公共投资理论。根据内生增长理论，基础设施作为一种公共资本，能够提高生产要素的边际生产力，从而促进经济增长。在农业领域，基础设施投资可以改善生产条件，提高土地产出率和劳动生产率。同时，根据公共投资理论，政府对农业基础设施的投资具有正外部性，能够吸引私人资本投入，形成投资乘数效应。基于新制度经济学的观点，完善的农业基础设施能够降低交易成本，优化资源配置，进而推动农业经济的持续增长。总体而言，这些理论共同构成了解释农业基础设施投资促进农业经济增长的理论基础。

我国农业基础设施投资与农业经济发展现状分析

我国农业基础设施投资现状

　　我国农业基础设施投资和农业经济发展呈现积极态势。在2020—2023年期间，我国农业基础设施投资和农业经济发展展现出积极态势。2013—2023年，第一产业投资年均增长11.5%，国家加大对农业领域的投资力度，推动了高标准农田建设的加快推进。截至2023年底，已累计建成超过10亿亩(6.67×107公顷)高标准农田，显著提升了农业生产能力和绿色发展水平。在此期间，第二产业投资年均增长6.5%，其中制造业年均增长7.9%，为现代化产业体系的构建奠定了坚实基础。第三产业投资年均增长7.6%，到2023年，占全部投资比重已达65.8%，表明服务业对国民经济的支撑作用不断增强。这些数据表明我国在固定资产投资方面取得了显著成效，各产业之间的投资优化有效促进了经济的高质量发展。2023年，中国加大了对农业基础设施的投资，重点推进农田水利建设、农村道路改善和农业机械化，显著提高了农业生产效率和农村生活条件。全国粮食总产量达到6 954.1亿公斤(6 954.1亿千克)，同比增长1.3%。同时，农产品出口和农村居民收入也保持了较快增长，反映出农业经济的稳步发展。初步分析显示，2010—2023年间，农业基础设施投资每增加1%，农业增加值平均增长0.3%。投资提高了生产效率和农产品质量，如高标准农田建设使粮食单产提高15%以上，农村公路网络改善降低农产品物流成本20%。然而，农业基础设施投资仍存在区域不平衡、资金来源单一等问题，投资效益也呈现地区差异，需要优化投资结构、提高效率并因地制宜制定策略。同时，农业发展面临资源约束和成本上升等挑战，亟需进一步推动高质量发展。

我国农业经济发展现状

　　我国农业经济发展总体呈现稳中向好态势，农业生产稳定增长，结构持续优化，农民收入稳步提高。2022年粮食产量达到13731亿斤(6865.5亿千克)，创历史新高;农村居民人均可支配收入达到20133元，实际增长4.2%。乡村振兴战略深入实施，脱贫攻坚战取得全面胜利，农村改革不断深化，农业国际竞争力提升。2022年，农产品进出口总额达到3343.2亿美元，农业“走出去”步伐加快，同时农业绿色发展成效显著，秸秆综合利用率超过86%，畜禽粪污综合利用率超过75%，农业生态环境持续改善。然而，我国农业经济发展仍面临一些挑战，如发展不平衡不充分、资源环境压力加大、科技创新能力有待提升、产业化水平不高等问题。尽管如此，农业科技进步贡献率已超过60%，为未来农业经济发展奠定了基础。总的来说，我国农业经济发展已经取得显著成就，但仍需进一步深化改革，推动农业高质量发展，加快农业农村现代化进程，不断增强农业农村发展活力和动力。

实证研究设计

研究假设

　　基于最新的理论分析和截至2023年的文献综述，提出以下研究假设：农业基础设施投资对农业经济增长具有显著正向影响。灌溉设施投资、农村公路建设投资、农业机械化投资等主要类型的农业基础设施投资均能促进农业产出增加、农业生产效率提高和农民收入增长。考虑到近年来中国在数字农业和智慧农业方面的发展，农业信息化基础设施投资对农业经济增长也将产生显著影响。不同类型农业基础设施投资的影响程度存在差异，其中灌溉设施投资和农业信息化基础设施投资可能发挥最为显著的作用。此外，考虑到区域差异、城乡一体化发展和绿色发展理念，农业基础设施投资在不同区域和发展阶段的影响存在异质性。这些假设将通过后续的实证分析进行验证，以深入理解农业基础设施投资与农业经济增长之间的关系。

数据来源与变量选择

　　文章使用2000—2023年中国31个省级行政区的面板数据进行实证分析。数据主要来源于《中国统计年鉴》《中国农村统计年鉴》、各省统计年鉴以及农业农村部的官方数据库。因变量选择农业增加值作为衡量农业经济增长的指标。主要自变量包括灌溉设施投资、农村公路建设投资、农业机械化投资和农业信息化基础设施投资等农业基础设施投资指标。考虑到2023年的最新发展趋势，纳入了绿色农业基础设施投资这一指标。控制变量包括农村劳动力、耕地面积、化肥使用量、农业科技进步指数等，加入了反映城乡一体化程度的指标，如城乡收入比等。所有金额指标均按2000年不变价格进行调整，以消除通货膨胀的影响。对部分变量进行对数转换，以减少异方差问题并使数据分布更加接近正态分布。通过这些数据的选取和处理，旨在构建一个全面而准确的分析框架，以探究农业基础设施投资对农业经济增长的影响。

模型构建

　　基于2023年的研究进展和数据特征，构建如下动态面板数据模型：

　　其中，i表示省份，t表示年份。lnAGDP为因变量，表示农业增加值的对数值，为滞后一期的因变量，用于捕捉农业经济增长的动态特征。lnIRRI、lnROAD、lnMACH、lnINFO和lnGREEN分别表示灌溉设施投资、农村公路建设投资、农业机械化投资、农业信息化基础设施投资和绿色农业基础设施投资的对数值。X为控制变量向量，包括前述提到的各项因素。μi为个体固定效应，λt为时间固定效应，εit为随机扰动项。β0至β6为主要关注的系数，γ为控制变量向量Xit相关的系数向量，反映了各类农业基础设施投资对农业经济增长的影响。通过构建该模型，可以量化不同类型农业基础设施投资对农业经济增长的贡献，并进一步分析其影响机制。

研究方法选择

　　考虑到本研究使用长期面板数据和动态模型设定，采用系统广义矩估计(System GMM)作为主要估计方法，这种方法能够有效处理动态面板偏误、内生性和个体异质性问题。进行一系列诊断测试，包括过度识别检验(Hansen测试)和自相关检验(Arellano-Bond测试)，确保估计结果的可靠性。为探究区域差异，对样本进行分组回归，考虑东部、中部、西部和东北地区的异质性。为考察时间滞后效应，构建分布滞后模型，进行门槛回归分析，以识别农业基础设施投资影响农业经济增长的非线性特征，采用中介效应分析和结构方程模型(SEM)，以揭示农业基础设施投资通过提高生产效率、促进技术创新和改善农村生活条件等路径影响农业经济增长的机制。通过这些方法的综合运用，旨在得到可靠而全面的研究结果，为农业基础设施投资决策提供实证依据。

实证分析结果与讨论

描述性统计分析

　　文章对2000—2023年中国31个省级行政区的农业基础设施投资和农业经济增长相关数据进行了描述性统计分析。如表1，农业增加值的平均值为2567.32亿元，标准差为1845.76亿元，反映出各省份农业经济发展水平存在较大差异。灌溉设施投资的平均值为38.93亿元，农村公路建设投资的平均值为66.58亿元，农业机械化投资的平均值为28.82亿元，农业信息化基础设施投资的平均值为14.11亿元，绿色农业基础设施投资的平均值为8.44亿元。这些投资指标的标准差较大，说明不同省份在农业基础设施投资方面存在显著差异。从时间趋势来看，各类农业基础设施投资总体呈现上升趋势，尤其是2015年后，农业信息化基础设施投资和绿色农业基础设施投资增长较快。控制变量方面，农村劳动力、耕地面积、化肥使用量等指标的变异系数相对较小，表明这些基本生产要素在各省份间分布相对均衡。农业科技进步指数的平均值为127.53，反映出研究期内中国农业科技水平整体提升显著。

表1 农业基础设施投资趋势

相关性分析

　　为了初步了解变量间的关系，对主要变量进行了相关性分析。结果显示，农业增加值与各类农业基础设施投资指标均呈现显著正相关。其中，灌溉设施投资的相关系数最高，达到0.823，其次是农村公路建设投资(0.795)和农业机械化投资(0.761)。农业信息化基础设施投资和绿色农业基础设施投资与农业增加值的相关系数分别为0.689和0.635，虽然相对较低，但仍显示出较强的正相关关系。各类农业基础设施投资指标之间也存在一定程度的正相关，相关系数在0.4到0.7之间，表明不同类型的农业基础设施投资可能存在互补效应。控制变量中，农村劳动力、耕地面积和化肥使用量与农业增加值呈现中等程度的正相关，相关系数在0.5到0.7之间。农业科技进步指数与农业增加值的相关系数达到0.856，反映出农业科技进步对农业经济增长的重要作用。城乡收入比与农业增加值呈现弱负相关(﹣0.312)，暗示城乡一体化发展可能有利于农业经济增长。总体而言，相关性分析结果支持了研究假设，为后续回归分析奠定了基础。

回归分析结果

　　如表2采用系统广义矩估计(System GMM)方法对动态面板模型进行估计，得到以下主要结果：灌溉设施投资对农业经济增长的弹性系数为0.157，农村公路建设投资的弹性系数为0.132，农业机械化投资的弹性系数为0.109，农业信息化基础设施投资的弹性系数为0.085，绿色农业基础设施投资的弹性系数为0.063。这些系数均在1%水平上显著，表明各类农业基础设施投资对农业经济增长具有显著的正向影响。滞后一期的农业增加值系数为0.423，反映出农业经济增长具有一定的持续性。控制变量中，农村劳动力、耕地面积和化肥使用量的系数分别为0.286、0.175和0.094，均在5%水平上显著。农业科技进步指数的系数为0.312，在1%水平上显著，印证了农业科技进步对农业经济增长的重要贡献。城乡收入比的系数为-0.078，在10%水平上显著，支持了城乡一体化发展有利于农业经济增长的观点。Hansen检验和Arellano-Bond检验结果表明，模型设定合理，不存在过度识别和二阶自相关问题。

表2 系统广义矩估计(System GMM)结果

稳健性检验

　　为验证实证结果的可靠性，进行了一系列稳健性检验，采用固定效应模型和随机效应模型重新估计，结果与系统广义矩估计(System GMM)在系数符号和显著性上基本一致，仅在系数大小上有微小差异。使用工具变量法处理可能存在的内生性问题，选择各类农业基础设施投资的滞后两期值作为工具变量，估计结果仍然支持主要结论。对样本进行随机抽样，去除极端值后重新估计，结果保持稳健。采用替代变量进行检验，如用农业总产值替代农业增加值作为因变量，结果仍然显示各类农业基础设施投资对农业经济增长有显著正向影响。考虑时间滞后效应，构建分布滞后模型，发现农业基础设施投资的影响在1—3年内逐步显现，之后趋于稳定。进行分组回归，结果显示农业基础设施投资在不同区域的影响存在一定差异，但总体上保持正向显著。这些稳健性检验结果进一步证实了研究结论的可靠性，增强了实证分析的说服力。

　　文章通过实证分析探讨了农业基础设施投资对中国农业经济增长的影响。基于2000—2023年31个省级行政区的面板数据，采用系统广义矩估计(System GMM)方法进行估计，结果表明各类农业基础设施投资对农业经济增长均具有显著的正向影响，其中灌溉设施投资影响最为突出。研究还发现投资影响存在时间滞后效应和区域异质性。农业科技进步和城乡一体化发展也对农业经济增长有积极影响。这些发现为制定农业投资政策提供了重要依据，建议在加大传统农业基础设施投资的同时，加强对农业信息化和绿色农业基础设施的投入，并考虑区域差异制定针对性策略，以推动农业经济持续健康发展。

　　编校：牛勇雯

　　网络：柳绣华

　　监审：侯欣怡

　　终审：魏文源