李成明，李大铭，张泽宇昕
(1.中央民族大学 经济学院，北京 100081；
2.中央民族大学 中国兴边富民战略研究院，北京 100081；
3.北京交通大学 经济管理学院，北京 100044；
4.中国农业银行 北京分行，北京 100037)
随着数字技术飞速发展，经济社会正发生深刻变革，数字经济发展已成为推动共同富裕的重要力量。2022年中共中央、国务院发布的《关于加快建设全国统一大市场的意见》指出，要“推进市场设施高标准联通”，以建设全国统一大市场，构建新发展格局。而数字基础设施是数字经济的底层构架，其建设有利于数字经济市场的大统一，进而推动数字经济发展。因而，加强数字基础设施建设，既是落实习近平总书记关于“不断做强做优做大我国数字经济”的要求，也是扎实推进共同富裕进程的重要路径。十八大以来，我国不断完善数字基础设施，先后实施“宽带中国”和“智慧城市”等战略，数字基础设施建设为数字经济发展提供了有力支撑，也对共同富裕的实现起到了助推作用。与此同时，随着小康社会的全面建成，我国已经消除绝对贫困。如何缓解居民的多维贫困，在向共同富裕目标迈进的过程中更为关键。因而，厘清数字基础设施建设对家庭多维减贫的影响，有助于明晰数字经济背景下数字基础设施如何赋能共同富裕，具有重要的现实意义。
实现共同富裕并不能简单地只从收入维度着手，也要重视权利平等和机会均等[1]。而多维贫困能够反映基本可行能力的被剥夺状况，强调人们应当拥有全面自由发展的权利和机会，在一定程度上诠释了共同富裕在权利平等和机会均等上的内涵。因此，缓解多维贫困，加强居民可行能力的保障，已成为扎实推进共同富裕的重要路径。当前，已有研究对多维贫困的影响因素关注较多。比如，在微观方面，有性别、年龄、婚姻状况、教育水平等户主因素，也有家庭规模和劳动力比例等家户因素[2-3]；
在宏观方面，有经济制度和户籍制度等环境制度因素[3-4]。而在消除绝对贫困之前，多维减贫问题已成为学界的研究热点，有学者从农地流转、社会资本、认知能力、数字技术等视角研究了多维减贫效应[5-9]。除此之外，基础设施也有着多维减贫效应，但学者主要关注传统基础设施，少有关注数字基础设施对多维贫困的影响。
在数字经济背景下，数字基础设施建设是保证数字经济发展的重要基础，也是扎实推进共同富裕进程的必要动力。当前，关于数字基础设施的经济效应研究较为丰富，学者们发现数字基础设施建设能够吸纳劳动力，促进技术创新，提高全要素生产率，推动产业结构升级[10-13]。此外，也有学者研究数字基础设施的减贫效应。Medeiros等使用巴西的家庭数据，发现电信和网络基础设施建设能够显著降低家庭陷入贫困的概率[14]。Carpio等则利用哥伦比亚的家庭数据进行研究，发现数字基础设施发展通过创造就业机会来产生减贫效应[15]。那么，数字基础设施建设是否能缓解多维贫困？如果是，又该通过何种机制发挥减贫效应？回答这些问题，有利于在理论层面为数字基础设施的减贫作用提供经验证据，在实践层面也为共同富裕的实现指明方向。
作为一种投资，数字基础设施建设可以直接促进经济增长，增加居民收入；
作为一种公共基础设施，数字基础设施建设具有明显的外部性[16]，其能够改善收入分配和信息不对称[17]，提升公共服务供给水平和家庭生活质量，进而产生多维减贫效应。具体而言，从数字鸿沟渠道看，数字基础设施建设可以降低信息接入成本，提高互联网可及性而弥合数字鸿沟，缓解家庭多维贫困；
从非农就业渠道看，数字基础设施建设推动数字经济发展，创造大量非农就业岗位，提高劳动力要素配置效率[18]，进而缓解家庭多维贫困。
(一)数字基础设施的多维减贫效应：弥合数字鸿沟
数字基础设施带来的接入性差异是导致数字鸿沟产生的重要因素[19]。对家庭而言，数字基础设施建设能够减少信息接入成本，降低互联网使用门槛，借此家庭能够更容易地接触到互联网，从而起到弥合数字鸿沟的作用。
具体来看，在教育服务上，互联网平台通过“云课堂”等场景模式，丰富教育资源供给的形式和渠道，与教育公共服务体系起到互补作用，提升家庭的人力资本积累。此外，“互联网+教育”也能让家庭在人力资本提升过程中，意识到互联网信息的重要性，更加重视对互联网信息的获取。在健康服务上，家庭可以通过“互联网+医疗”，突破优质医疗资源在时间和空间上的限制，享受到方便快捷的医疗健康服务。家庭一方面可以进行远程挂号、业务咨询、智能分诊和在线支付，提高医疗业务办理效率，另一方面家庭也能够享受“云问诊”，将部分医疗活动从线下转移到线上，减少因常见疾病和慢性疾病而跑医院带来的时间和金钱成本。在金融服务上，与传统金融相比，数字金融有着方便、快捷和普惠的特点，可以降低参与金融服务的门槛，更多地服务长尾客户，为家庭提供包括储蓄、投资、信贷和保险在内的多种金融服务，进而家庭能够获得财富增值、缓解流动性约束以及增强风险抵御能力等诸多益处，实现物质财富的积累。在消费服务上，数字支付提升了家庭购买商品和服务的便捷性。家庭不仅可以通过电商平台购买物美价廉的商品，还可以通过购买网络课程等知识付费内容，增加在发展方面的消费比例，进而提升自身的内在能力。
因而，数字基础设施建设促进了家庭的互联网接入，家庭可以打破基本公共服务在时间和空间上的限制，弥合数字鸿沟，在互联网平台上享受优质的服务，进而提升可行能力，缓解多维贫困。基于以上分析，本文提出如下假设：
H1：数字基础设施建设通过弥合数字鸿沟，实现多维减贫。
(二)数字基础设施的多维减贫效应：促进非农就业
在数字经济背景下，数字基础设施是数字经济的底层架构，也是支撑数字经济发展的关键要素，其投入能够提升企业的劳动力需求，在推动非农就业方面起着关键作用[20]。关于非农就业，根据二元经济理论，将劳动力从传统农业部门转移到现代工业部门，以此提高劳动力的工资报酬，是发展中国家减贫的重要途经；
在实践中，已有研究证实非农就业在缓解贫困方面有着重要作用[21]。
具体来看，对高技能劳动力而言，数字经济激发企业对技术密集型岗位的需求，为高技能劳动力匹配了合适的岗位，避免劳动力资源配置错位。从存量上看，数字化水平的提升有利于缓解劳动力市场的错配，减少就业岗位的匹配摩擦，从而降低摩擦性失业，因而提高家庭就业机会[22]；
从增量上看，数字经济推动数字化行业迅速发展，就业市场上对劳动力的数字技术使用能力提出了更高的要求，催生了机器人工程师和算法工程师等高技能工种，原先无法找到合适工作的劳动力有更大机会匹配到适合自身的工作。对低技能劳动力而言，数字经济推动平台经济兴起，创造出快递员和外卖骑手等低技能就业岗位，产生低技能劳动力要素配置优化的效果。一方面，技术进步将产生替代效应，当部分程序化的岗位被机器人替代时，失业的低技能劳动力可以通过新增的外卖骑手等零工岗位重新就业，从而保证收入；
另一方面，外卖骑手等零工岗位有着灵活的特点，一些需要兼职工作的群体，可以充分利用闲暇的时间换取工资收入[23]。
因而，数字基础设施建设推动数字经济的快速发展，促进非农就业，提升家庭整体福利，进而产生多维减贫效应。基于以上分析，本文提出如下假设：
H2：数字基础设施建设通过促进非农就业，实现多维减贫。
(一)模型设定
本文借鉴Borga和D"ambrosio[24]、孙伟增和郭冬梅[10]的研究，建立Probit模型，以研究数字基础设施建设对家庭多维贫困的影响。具体模型设定如下：
Iijt*=α0+β0Mob_stationjt-1+γ0Controlijt+φj+
δt+εijt
Prob(Iijt=1)=φ(α0+β0Mob_stationjt-1+
γ0Controlijt+φj+δt)
(1)
式(1)中，被解释变量Iijt表示第t年j省i家庭是否处于多维贫困状态的二值变量，潜变量Iijt*是Iijt背后的连续变量。当潜变量大于0时，被解释变量取值为1，反之则取0。核心解释变量Mob_stationjt-1为家庭所在省份的人均移动基站数目，使用滞后一期以减少互为因果的内生性。此外，系数β0衡量了数字基础设施建设对家庭多维贫困状态的影响，是本文的重点关注对象，如果系数为负，表明数字基础设施建设对家庭具有多维减贫效应，反之则没有；
Controlijt为户主和家庭层面的控制变量，φj表示省份固定效应，δt表示时间固定效应。考虑到同一个省之间的家庭可能存在相关性，本文将标准误聚类到省级层面。
(二)变量说明
1.被解释变量
本文基于A-F方法(双界限法)构建多维贫困状态。与其它多维贫困测度方法相比，该指标有着以下优点。第一，它能够从微观层面反映个体或家庭在多个维度下基本可行能力被剥夺的状况，其测度更为准确。第二，它可以让研究者灵活选取多维贫困的测量维度，使研究更加灵活、全面。第三，它的测度框架简洁，具有直观、易于计算和政策含义强等优点[25-26]。此外，该方法在国际上运用广泛，故使用A-F方法测度多维贫困，具有较强的国际可比性。按照通用做法，本文以k=0.3作为多维贫困临界值，构建反映多维贫困状态的指标Iijt，具体构建过程如下：
首先，我们假定在一个地区的人群中有n个个体。对每一个体，我们从d个维度来测度它的多维贫困，这样便得到了一个n×d维的福利矩阵Y=[yij]，其中i=1，2，…，n，j=1，2，…，d。福利矩阵中任意元素yij代表个体i在维度j上的福利水平。
其次，设置Zj作为维度j的界限值，用来判断个体在维度j下的福利是否被剥夺。这就是双界限法的第一次界限判断。福利矩阵Y=[yij]经过第一次界限判断后，得到剥夺矩阵G=[gij]。剥夺矩阵中任意元素gij代表个体i在维度j上的福利被剥夺状况。如果有yij 最后，设置k作为个体多维贫困程度的临界值，用来判断个体或家庭是否处于多维贫困状态。当个体或家庭的多维贫困程度大于等于k时，便判定其陷入多维贫困状态。当Ii=0时，认为个体没有处于多维贫困状态； 此外，在多维贫困测度中，通常有这些指标：多维贫困发生率(H)，代表n个人中有q个人处于多维贫困状态； 以上是关于地区内n个个体的多维贫困测度，可以测度该地区的多维贫困状况。同样地，我们把家庭看作个体，用Iijt来表示家庭的多维贫困状态。如果家庭的多维贫困程度超过了临界值k，那么这个家庭便处于多维贫困状态。 本文进一步参考郭熙保和周强[3]、Zhang等[27]的研究，采用收入、教育、健康和生活质量四个维度，并对每个维度赋予1/4的等权重，构建多维贫困状态指标。 2.核心解释变量 数字基础设施建设是本文的核心解释变量。本文借鉴孙伟增和郭冬梅[10]的研究，用家庭所在省份的移动电话基站密度作为数字基础设施建设状况的代理变量，使用家庭所在地区的移动电话基站总数目与该地区的总人口之比衡量移动电话基站密度。 3.控制变量 在控制变量选取上，本文借鉴已有文献研究思路，如Alkire和Santos[25]、易行健和周利[28]，不仅控制了家庭层面的影响因素，还控制了户主层面的相关变量。具体来看，在家庭层面上控制了少儿抚养比、老人抚养比和家庭净资产等因素； 表1 变量说明 本文数据来源于2014年、2016年和2018年的中国家庭追踪调查(CFPS)数据，以及2013、2015和2017年的《中国统计年鉴》。对数据进行如下处理：(1)删除主要编码缺失的样本，如家庭编码、个人编码、城乡编码和省份编码。(2)运用线性插补法，对家庭人均纯收入、教育年限、年龄和家庭净资产等变量进行了插补，并对三期内变量出现连续缺失，无法插补的变量予以剔除，也对负值净资产进行归零化处理。(3)由于CFPS并未给出明确的户主信息，因而通过识别主事者、决策者、房产所有者以及财务回答人是常见的户主确定方式。但自2014年后，只有财务回答人和房产所有者可以作为户主，且财务回答人是主流的户主识别方式。因而本文采用2014年的财务回答人来识别户主，将其作为家庭代表个体，并保留户主年龄在16岁以上的家庭。(4)仅保留三年均被调查的家庭，以确保追踪调查的连续性。 经过上述处理后，共得到3年24 126个家庭样本，相关变量的统计性描述结果如表2所示。可以看出，虽然绝对贫困的现象在我国已经基本消失，但仍有较多家庭处于多维贫困状态之中，缓解多维贫困对推进共同富裕具有重要价值。 表2 变量统计性描述 表3给出了数字基础设施建设对家庭多维贫困状态的影响。表3中，列(1)为不加入任何控制变量的回归结果，列(2)为控制省份和时间固定效应后的回归结果，列(3)为控制省份和时间固定效应的同时并加入户主相关控制变量的回归结果，列(4)为进一步加入家户相关变量的回归结果。列(1)显示，数字基础建设的回归系数为-70.42，边际效应为-27.95，在1%的统计水平上显著。列(2)-(4)显示，数字基础设施建设对家庭多维贫困状态仍然有着显著的负向影响，验证了数字基础设施有着显著的多维减贫效应这一结论的稳健性。其中，列(4)显示数字基础设施建设的回归系数为-110.9，边际效应为-33.54，在1%的统计水平上显著。这表明，在其他条件不变下，地区人均基站密度每上升1%，家庭陷入多维贫困状态的概率会降低33.54%。 表3 基准回归结果 为进一步探究数字基础设施建设对各维度的影响，本文将多维贫困状态拆分为收入、教育、健康和生活质量四个子维度，具体的分维度结果如表4所示。表4中列(1)、列(2)和列(4)显示，数字基础设施建设显著改善了家庭的收入、教育和生活质量的贫困状况。可见，数字基础设施建设对家庭具有显著的多维减贫效应，尤其提升了家庭的收入、教育和生活质量，推动了共同富裕进程。 表4 分维度回归结果 1.内生性处理 受限于数据可得性和数据特征，本文可能存有一定的内生性问题。首先，可能存在遗漏变量的问题，控制变量中可能遗漏与数字基础设施建设和多维贫困相关的变量，导致估计系数存在偏误。比如，本文的核心解释变量和固定效应为省份层面，可能忽略影响多维贫困的区县等更细粒度的地域特征。其次，可能存在测度误差，因为CFPS数据与实际情况可能存在偏差，而度量家庭多维贫困的方法较多，本文虽然综合了联合国的现有研究成果进行测度，但也有可能与实际情况存在一定误差。 本文借鉴黄群慧等[33]的研究，将1984年各省份的百万人固定电话数作为工具变量，以解决内生性问题。选取工具变量需要满足相关性和外生性。从相关性看，固定电话是早期互联网接入的前提，因而其与地区数字基础设施建设水平密切相关； 2.更换多维贫困测度方法 当家庭的多维贫困达到一定程度时会被判定陷入多维贫困状态。因而，本文进一步将因变量多维贫困状态替换为多维贫困程度，并将控制变量逐步加入模型，以检验数字基础设施建设的减贫效应。由表6可见，数字基础设施建设的系数仍然显著为负，说明数字基础设施建设减少了家庭的多维贫困程度。 表6 稳健性检验：更换被解释变量 3.更换数字基础设施测度方法 本文借鉴潘为华等[35]的研究，利用省级层面的电话普及率、长途光缆线路长度、互联网普及率、互联网宽带接入端口和互联网域名数五个指标，进行无量纲化处理，结合熵权法构建数字基础设施指数，作为数字基础设施建设的代理变量，进行稳健性检验。由表7可见，核心解释变量系数仍然显著为负，上述结果稳健。 表7 稳健性检验：更换核心解释变量 4.更换模型 考虑到不同的模型可能带来估计系数的偏误，本文进一步使用Logit模型和线性概率模型(LPM)进行稳健性检验。由表8可见，在使用不同的模型估计时，数字基础设施建设对家庭多维贫困的影响依然显著为负，上述结论稳健。 通过前文可以发现，数字基础设施建设对家庭有着显著的多维减贫效应。为了验证弥合数字鸿沟和促进非农就业的渠道作用，本文参考Baron和Kenny[36]的研究，采用中介效应模型进行机制检验，具体模型设定如下： Iijt=α1+β1Mob_stationjt-1+γ1Controlijt+φj+δt+εijt (2) Interijt=α2+β2Mob_stationjt-1+γ2Controlijt+φj+ δt+εijt (3) Iijt=α3+β3Mob_stationjt-1+θInterijt+γ3Controlijt+ φj+δt+εijt (4) 其中，Inter是中介变量，Control是控制变量，其与基准回归保持一致。中介模型的核心系数是β，如果模型(2)和(3)中的系数均显著，并通过中介效应检验且符合理论假设，则说明中介效应存在。 当家庭能够接触互联网时，说明其数字鸿沟已经得到弥合。因而，本文借鉴张勋等[31]的研究，用家庭是否接触互联网作为互联网可及性的代理变量，以检验弥合数字鸿沟在数字基础设施多维减贫中发挥的渠道作用。由表9列(2)可见，数字基础设施建设对互联网可及性有着显著的促进作用。由列(3)可见，在列(1)基础上加入互联网可及性后，数字基础设施建设的系数下降，表明部分中介效应的存在。此外，Sobel检验和Boostrap检验都表明中介效应在1%的置信水平上显著，进一步检验了部分中介效应，并表明中介效应能够解释总效应的16.36%。 表9 机制分析：数字鸿沟 这意味着，弥合数字鸿沟在数字基础设施多维减贫，赋能共同富裕的过程中，起到重要的渠道作用。一方面，家庭能够利用互联网参与优质的教育、健康和金融等服务，弥补公共服务不足，提升人力资本； 为检验非农就业在数字基础设施多维减贫中发挥的渠道作用，本文借鉴周京奎等[32]的研究，用非农就业劳动力占家庭劳动力总数的比例来衡量家庭的非农就业状况。由于非农就业比例是个连续型变量，表10列(2)使用OLS估计。由列(2)可见，数字基础设施建设对非农就业有着显著的促进作用。由列(3)可见，在列(1)基础上加入非农就业后，数字基础设施建设的系数下降，表明部分中介效应的存在。此外，Sobel检验和Boostrap检验都表明中介效应在1%的置信水平上显著，进一步检验了部分中介效应，并表明中介效应能够解释总效应的33.16%。 表10 机制分析：非农就业 这意味着非农就业是数字基础设施发挥多维减贫效应，赋能共同富裕的重要渠道。一方面，数字基础设施为数字经济发展提供重要支撑，推动零工经济迅速崛起，以灵活而自由的非农工作替代农业工作，改善家庭就业结构； 考虑到数字基础建设的多维减贫效应对农民和非农民的影响可能存在差异，本文根据户主户口将样本分为农业户口家庭和非农户口家庭，进行异质性分析。由表11可见，对非农户口家庭来说，数字基础设施建设的系数并不显著； 表11 城乡户口对多维减贫的影响 户主年龄的不同，数字基础设施缓解家庭多维贫困的效果也可能存在差异。本文以65岁户主的年龄为界限，将样本分为中青年组和老年组，进行异质性分析。由表12列(1)和列(2)可见，对户主为中青年的家庭而言，数字基础设施建设降低其陷入多维贫困的概率更为明显； 表12 年龄对多维减贫的影响 数字基础设施推动数字经济迅速发展，不仅创造了机器人算法工程师等高技能岗位，也创造了外卖骑手等低技能岗位，就业岗位呈现丰富化、灵活化和两极化的趋势。而户主人力资本不同，其能够匹配的劳动力岗位也不同，那么多维减贫效应对不同家庭也可能存在差异。本文以9年的教育年限作为界限，将样本分为受教育程度较高和受教育程度较低两组，进行异质性分析。由表13列(1)和列(2)可见，受教育程度较低的户主多维减贫效果更加明显。列(3)的交互项为正也表明，在数字基础设施发挥多维减贫作用时，户主较高的教育程度起到了抑制效果。这可能是由于，数字基础设施建设不仅带来了高技能岗位，也带来了低技能岗位。但从总量上看，低技能岗位创造的规模和速度可能远高于高技能岗位，而低技能岗位与受教育程度较低的户主适配程度更好，这使得多维减贫效果显示了普惠特征。 表13 人力资本对多维减贫的影响 在数字经济背景下，充分发挥数字基础设施的多维减贫作用是实现共同富裕的工作重点。已有文献对数字基础设施的经济效应讨论较多，但较少关注减贫问题，更鲜有文献研究数字基础设施对家庭多维减贫的影响。与单一维度的收入或消费贫困不同，多维贫困能够在多个维度上考察人们的基本可行能力是否被剥夺，强调对人们接受教育、免遭疾病等基本可行能力的保障，其与共同富裕的内涵更为一致，探究数字基础设施对家庭多维贫困的影响有助于在理论上明晰数字基础设施促进共同富裕的内在逻辑，也有助于在实践上精准施策，充分发挥数字基础设施作用，协同实现数字中国和共同富裕目标。 因而，本文基于中国家庭追踪调查(CFPS)2014—2018年的面板数据，借鉴A-F方法构建多维贫困状态指标，分析数字基础设施建设对家庭多维贫困的影响。研究结果表明，数字基础设施建设显著降低了家庭陷入多维贫困的概率，具有显著的多维减贫效应。机制分析显示，数字基础设施建设的多维减贫效应，主要通过弥合数字鸿沟发挥和促进非农就业。进一步分析显示，对户主为农业户口、中青年和受教育年限较低的家庭来说，数字基础设施能更多地降低其陷入多维贫困的概率。 本文结论表明，数字基础设施建设对家庭产生了明显的多维减贫效应，具有较强的普惠特点，为实现共同富裕指明了方向。本文主要有以下两点政策启示：一方面，在乡村振兴下应积极推进数字基础设施建设，更好发挥其对农村家庭的多维减贫效应，助力共同富裕;另一方面，在推进数字基础设施建设时，应重点关注乡村地区，同时加强对乡村地区的老年人和低学历群体的培训教育，增强数字基础设施的普惠深度。
当Ii=1时，认为个体陷入了多维贫困状态。
多维贫困深度(A)，代表处于多维贫困状态个体的平均剥夺份额；
多维贫困指数(MPI)代表经多维贫困程度调整后的多维贫困发生率，能够克服多维贫困发生率对多维贫困分布和程度的不敏感。具体表现形式如下：
在户主层面上控制了户主年龄及其平方项、户主性别、户主婚姻状况等因素。本文控制变量的测度方法及参考依据如表1所示。
(三)数据来源和描述性统计
(一)基准回归
(二)稳健性分析
从外生性看，历史上的固定电话普及率难以直接影响到家庭多维贫困。此外，考虑到该工具变量是一个截面数据，本文参考Nunn和Qian[34]的思路，将工具变量与上一年的全国互联网宽带接入用户数交互，得到一个随时间变化的工具变量，以减少固定效应带来的影响。由表5可见，弱工具变量检验的F值大于10，且通过了AR和Wald检验，表明不存在弱工具变量的问题，工具变量有效。因此，数字基础设施依然显著缓解了多维贫困，促进家庭共同富裕，结果依然稳健。
(一)弥合数字鸿沟
另一方面，家庭也能通过互联网深度参与数字经济，比如利用数字平台寻找数字就业机会，或者获得知识服务提升内在能力。(二)促进非农就业
另一方面，数字基础设施也能促进产业结构升级，创造更多就业岗位，满足家庭就业需要，进而缓解多维贫困。(一)数字基础设施的多维减贫效应是否存在城乡差异
对农业户口家庭来说，数字基础设施建设显著降低了其陷入多维贫困的概率。此外，表11列(3)中交互项系数显著为负，也进一步证明数字基础设施对农业户口家庭的多维减贫效果更好。这可能是由于，与非农户口家庭相比，农业户口家庭长期从事低附加值的农业生产活动，当数字基础设施建设创造大量非农就业岗位时，农业户口家庭能够在非农就业岗位中获取更多收入，进而缓解多维贫困，这进一步说明数字基础设施对共同富裕的赋能作用。
(二)户主年龄是否影响家庭的多维减贫效果
列(3)交互项显著为正，也进一步说明了中青年户主能够强化数字基础设施的多维减贫效应。这可能是由于，年龄较低的户主学习能力更强，心态更为开放，不仅乐意于使用互联网医疗、教育和金融等服务，也更适应数字经济带来的就业岗位，从而其多维减贫效应更强。
(三)户主人力资本是否影响家庭的多维减贫效果
——以上海市郊区为例上海城市规划(2020年5期)2020-11-09振动搅拌，基础设施耐久性的保障中国公路(2017年14期)2017-09-26新政府会计准则规范公共基础设施处理商业会计(2017年11期)2017-07-21