建设用地、城市化与经济增长

□秦昌才 张永逸 李清华

[内容提要]首先，利用中国省际平衡面板数据，基于固定效应变系数模型分析了建设用地规模扩张与城市化水平的关系；同时对建设用地数据进行了样本外预测，得到了建设用地的总量、结构和趋势。其次，建立了基于马尔萨斯经济增长模型的面板固定效应模型，分析了城市化、农用地、建设用地总量及各组成部分对经济增长的贡献。研究发现：1)从趋势来看，建设用地规模扩张随着城市化所处的阶段不同而不同。2)从总量和结构来看，全国建设用地增速为13.080%，交通运输用地增速最大为34.984%，水利设施用地最小仅为4.679%。3)建设用地、城市化、农用地对经济增长的贡献弹性分别为0.112、0.07和0.4。

一、引言

改革开放以来，中国经济保持了高速增长。与之伴随的就是城市化进程的加快、建设用地面积的大幅扩张和农用地面积的不断减少。1978 年以来，中国城市化率以每年约1%的幅度增加，城市人口规模从1.72 亿增长到6.91 亿，年均增长率4.29%(赵可等,2014)。到2014年，我国城镇人口占总人口的比重达到了54.77%。从经济发展的规律来说，经济集聚发展是大势所趋。经济活动的集聚带来规模经济，而城市是规模经济最为集中的体现(陆铭，2011)。城市化可以通过影响总供给和总需求两方面的基础性因素，而对中国经济长期增长和模式转变产生持久性作用(巴曙松等，2010)。城市化进程的快速推进，引起城市用地快速扩张，导致大量的农业用地流转为建设用地。我国城市建设用地从1981年的6720km2扩张到2011年41805.3km2，年均扩张率高达6.28%(赵可等，2014)。到2013年，我国建设用地总面积达到374564.03km2。

理论上，城市化是建设用地扩张的驱动力。这表现在城市人口增加、非农产业产值比重提高，必然带来作为生产生活承载体的土地扩张；城市化通过生活方式和价值观念的转变，改变原来的土地利用结构，使边缘区农业用

地逐渐转作非农业用地，从而促进城市用地的扩张(张占录，2009；宋金平等，2008)。城市化也包括土地的城市化，即土地从农业用途向非农用途转变。众多实证研究的结论也支持城市化与建设用地之间的上述关系(邓胜华等，2010；梅昀等，2010；曹银贵等，2013)。建设用地扩张通过影响投资、资本及资本产出比率而影响经济发展。建设用地扩张与投资增幅正相关，从而带来投资和资本存量的增加，带来经济增长(尹锋等，2008)。一些实证研究分析了建设用地对经济增长的贡献(姜海等，2009；毛振强等，2007)。将建设用地、城市化和经济发展三者放在一起进行系统研究的文献不多，赵可等(2011)利用时间序列模型对三者的长期均衡和短期变化关系进行了检验和分析。

基于已有文献，本文利用中国大陆31个省市区2003-2008年的面板数据，分析了建设用地与城市化的关系，并基于固定效应变系数模型对不同省区进行了比较分析；同时对2009-2014年的建设用地数据进行了样本外预测，弥补了现有统计口径上数据的缺乏，得到了建设用地的总量、结构和趋势。然后利用2003-2014年的面板数据，建立了基于马尔萨斯经济增长模型的面板固定效应模型，分析了城市化、建设用地总量及各组成部分和农用地对经济增长的贡献。

二、变量选择与数据来源

(一)变量选择

1.建设用地(CL)

在古典经济学视野里，经济增长问题就是供给问题。土地是与劳动、资本同等重要的生产要素，正如配第所说“土地是财富之母，劳动是财富之父”。因此，土地与劳动、资本都进入了马尔萨斯的增长模型中。从供给侧角度看，土地是决定经济发展重要的要素投入。现代经济发展，建设用地为经济活动提供了场所和空间，更多的是通过影响投资和资本而影响经济发展。本文选取包括居民点及工矿用地(RL)、交通运输用地(TL)、水利设施用地(WL)等在内的建设用地面积(万公顷)作为衡量指标。当然，为了考虑农用地向建设用地的流转，第四部分也加入了农用地(FL)变量。

2.城市化(UR)

城市化，是指随着一个国家或地区社会生产力的发展、科学技术的进步以及产业结构的调整，其社会由以农业为主的传统乡村型社会向以工业(第二产业)和服务业(第三产业)等非农产业为主的现代城市型社会逐渐转变的历史过程。由于我国政府对城市人口的统计范围不仅包括城市，还包括县城和建制镇，因此城市化也可以理解为城镇化。考虑到数据的可获取性及权威性，本文采用通行的做法，利用城市人口占总人口的比重作为城市化的衡量指标。

3.经济增长(GDP)

本文选取国内生产总值GDP(亿元)作为经济增长的衡量指标。为剔除价格因素，根据国内生产总值指数将当年GDP调整为以2003年为基期年的实际GDP。计算公式为：

其中，GDPIi为以第(i-1)年为100的第i年GDP指数。

(二)数据来源及处理

我国有关建设用地的权威数据来源，2002年之前是《中国国土资源年鉴》，2002年之后是《中国统计年鉴》。原因就是2002年起我国土地利用调查开始使用新的《全国土地分类》，导致2002年前后建设用地的统计口径发生了变化。而且，由于土地面积的数据是根据国土普查得来的，而普查一般几年一次，所以《中国统计年鉴》上建设用地的数据只到2008年，2009年后没有及时更新。自2007年7月1日起开展的第二次全国土地调查，以2009年12月31日为标准时点汇总，公布在了2014年的《中国统计年鉴》上。因此，本文第三部分使用的建设用地数据是2003-2008年的，来源为2004-2009年的《中国统计年鉴》；而第四部分使用的2009-2014年建设用地数据，是基于第三部分的样本外预测数据。城市化2005-2014年的数据来源为2006-2015年的《中国统计年鉴》,2003、2004两年的数据则是本文根据2004、2005《中国统计年鉴》和《新中国60年统计资料》整理而来。实际GDP计算过程中的名义GDP和指数数据来源为2004-2015年的《中国统计年鉴》。

为了达到本文获取建设用地缺损数据的研究目的，第三部分使用的是建设用地的绝对量数据与城市化取对数后的数据；而为了克服异方差及使研究结论更有经济意义，第四部分使用的是建设用地、城市化和经济增长均取对数后的数据，从而得到本文实证分析的平衡面板数据。

三、建设用地与城市化

(一)模型选择

本部分通过建设用地与城市化之间的计量模型，将2009-2014年我国建设用地及各组成部分(居民点及工矿用地、交通运输用地、水利设施用地)的数据预测出来，从而得到2003年以来我国建设用地的总量、结构及趋势情况。

由于本部分使用的是大陆31个省区市2003-2008年的建设用地与城市化面板数据，因此如何选择恰当的模型形式是一个重要的问题。面板数据模型共有三种形式，第一种是不变参数模型：CLit=α+βURit+εit，也就是在横截面上不存在个体影响和结构变化假设下的混合估计模型；第二种是变截距模型：CLit=α+αi+βURit+εit，也就是在横截面上存在个体影响αi，但不存在经济结构变化假设下的回归系数相同的固定效应模型；第三种是变系数模型：CLit=α+αi+βURit+εit，也就是假定横截面不仅存在个体影响差异αi，还存在经济结构变化βi，这样应建立在不同横截面上其结构参数也有所不同的无约束模型。

对面板数据模型以上三种不同形式设定检验，常用的方法是F检验。用模型的回归残差平方和构造F统计量，记变系数模型的残差平方和为S1，变截距模型的残差平方和为S2，不变参数模型的残差平方和为S3，则有：

其中，N表示截面省市区个数，T表示观测时期数，k表示解释变量个数。在给定的显著性水平α下，如果F1>Fα[(N-1)(k+1)，NT-N(k+1)]，则拒绝不变参数假设；如果F2>Fα[(N-1)k，NT-N(k+1)]，则拒绝变截距模型假设，接受变系数模型。这里N=31,T=6,k=1，F1=5939.713，F2=13.743，根据excel的计算，α=1%时相应的临界值为：F1(60，124)=1.650，F2(30，124)=1.855，显然在给定α=1%的显著性水平下，拒绝了不变参数模型和变截距模型，而接受变系数模型。即假定横截面不仅存在个体影响差异，还存在经济结构变化，应建立在不同横截面上其结构参数也有所不同的无约束模型——变系数模型。

接下来考虑选择合适的计量估计方法，即采用固定效应(Fixed effects)模型还是随机效应(Random effects)模型，这就是豪斯曼(Hausman)检验，如下表1所示。

表1 Hausman检验结果

说明：本部分所有结果的计算软件是Eviews 8。

从检验结果来看，Hausman统计量Chi-Sq.的值为3.052，P值为0.0807，总体上拒绝了随机效应的假设，选择固定效应模型更加恰当。

所以，本部分的模型为固定效应变系数模型：

这里，α为31个省区市的平均建设用地面积，αi为第i省市区对平均建设用地面积的偏离；βi为第i省市区城市化水平对建设用地面积的边际影响，反映了各省市区不同的经济发展阶段城市化水平与土地使用的不同关系。

(二)实证结果

考虑到截面残差存在异方差性，估计方法使用的是固定效应截面加权广义最小二乘(EGLS)，结果如表2。

从估计结果来看，变系数面板模型的回归拟合较好，调整后的拟合优度为0.999，统计量F值高达47757.57，DW值为2.753，证明残差序列无自相关。不同省份之间的差异对模型的设定有显著影响，这说明模型存在省份固定效应。从各省份的系数来看，除了上海和海南是在10%、其他省份都是在1%显著性水平下通过了检验。所有省份(西藏例外)的系数均为正，说明城市化水平带来了建设用地规模的扩张，这与众多文献(邓胜华等，2010；梅昀等，2010；曹银贵等，2013；赵柯等，2012)的研究结论一致。从上表二可以发现，城市化变量前的系数比较小的城市有北京(0.338)、上海(0.138)等。这说明这些省份城市化对建设用地的扩张效应相对较小。从下图一可以看出，从2003年开始北京、上海城市化水平就超过了75%。而根据已有研究，当城市化水平达到70-75%时，城市化将进入成熟阶段，城市用地规模将保持基本稳定。与之相成鲜明对比的是浙江、江苏、广东等沿海省份，城市化变量系数分别高达3.375、2.348和1.749，这说明建设用地规模随着城市化的加速而快速扩张。它们的共同点就是，2003-2014年间这些省份的城市化水平从30%迅速上升到70%。城市化变量系数居中的云南、贵州、河南，分别为1.052、0.776、0.733，这说明城市化带来建设用地面积增加，但增长规模较小。这也印证了城市化低于30%时，城市呈点状分布，用地规模较小，增长较为缓慢。从下图可以看出，贵州在2009年之前其城市人口占总人口的比重一直低于30%。

表2 Pooled EGLS (Cross-section weights)回归结果

说明：***、*分别为1%、10%显著性水平下通过了检验。

综上三种情况，建设用地规模扩张随着城市化所处的阶段不同而不同。随着城市化水平的提高，建设用地规模先是增长缓慢，然后是加速扩张，最后是趋于稳定。这在一定程度上验证了中国各省市区城市化发展进程中也存在着所谓的“诺瑟姆曲线”。

图1 各省2003-2014年的城市化水平

(三) 建设用地：总量、结构与趋势

依据上面的建模思路，我们分别建立城市化与建设用地的各组成部分——居民点及工矿用地、交通运输用地、水利设施用地的面板数据固定效应变系数模型。我们对2009-2014年的建设用地水平及各组成结构进行了样本外预测。其总量、结构与趋势如下表三所示。

表3 建设用地总量、结构与趋势

说明：表中各年份对应的建设用地及组成为均值概念，代表当年的全国各省市区平均水平；各省份对应建设用地及组成也为均值概念，为2003-2014年间各省市区的序列平均水平。

从均值的角度来看，2003-2014年间，全国建设用地总量均值从2003年的100.159上升到2014年的113.259，增速为13.080%；居民点及工矿用地的增加与建设用地基本一致，从2003年的81.894万公顷上升到2014年的91.921万公顷，增速为12.244%；增速最慢的是水利设施用地，仅为4.679%；而增速最快的交通运输用地，从2003年的6.962 万公顷上升到2014年的9.397 万公顷，增速高达34.984%。

从区域来看，本文选取建设用地与组成结构中最高和最低的山东、内蒙古和西藏等几个省份，与全国的数据进行比较。建设用地方面，2003-2014年间，山东省最高为246.586万公顷，超过全国平均水平131.442%。最低的是西藏，仅为6.411万公顷。居民点及工矿用地方面，全国最高的山东省高达205.855万公顷，而全国平均水平只有83.904万公顷，超出145.345%。最低的两个省份分别是西藏和内蒙，分别为4.028和18.835万公顷。交通运输用地方面，辽宁全国最高，为16.447万公顷，超过全国平均水平10.234万公顷的60.716%，最低的是海南，仅为1.396万公顷。水利设施用地方面，湖北为30.083万公顷，超过全国127.378%。最低的仍然是西藏和内蒙，分别为4.028和18.835万公顷。

2003-2014年间全国及主要省份建设用地及居民点及工矿用地、交通运输用地、水利设施用地的变化趋势，如下图二和三所示。从演变趋势来看，四者都在增加，增速分别为13.080%、12.244%、34.984%和4.679%。有一个值得注意的时间节点是2013年，之后2014年四者的数据都有所下降。而在2013年前的11年里，交通运输用地的边际增速最快，这从总的增速和下面的图形中就能看得出来。

降税将利好A股上市公司利润。从中国政府广义税收构成看，增值税和社保缴费是企业最大的压力。今年5月1日下调增值税税率后，目前三档增值税税率分别为16%、10%和6%，今年政府工作报告提出“改革完善增值税，按照三档并两档方向调整税率水平”，预计2019年增值税最高档税率再次下调2-3个百分点，根据中金公司测算，税率下调2-3个百分点可以实现4000-6000亿元减税。社保费用改由税务部门统一征收，因为对企业影响太大，最新信息是暂缓实施，等社保降费后再实施，这一块对于此前严格交社保的企业是利好。降税对于A股公司显然是利好，对于净利润率偏低而社保严格缴纳多的企业，其业绩弹性更大。

我们选取了2003-2014年间建设用地增速最快和最慢各两个省份来看不同省份间的差异，如下图三所示。海南省建设用地面积的增速最小，仅为1.693%；其次为吉林的4.005%，浙江最大为46.462%，而其次是天津的36.377%。边际上，浙江省每年建设用地的面积都保持了较高的增长速度。

图2 全国建设用地：总量、结构与趋势

图3 省份建设用地：总量、趋势

综上所述，经济发展较为发达的省份，如浙江、山东等，建设用地规模及增速都会较大；而经济发展相对落后的省份，如西藏、吉林，其规模和增速都会较小。接下来，我们将实证分析建设用地、城市化与经济增长的关系。

四、建设用地、城市化与经济增长

(一)计量模型的选择与数据

基于马尔萨斯增长模型(Hansen,Prescott,2002)，扩展并建立本文的计量模型为：

方程中被解释变量LNGDPit为第i个省第t年的实际GDP(以2003年为基期年)的自然对数。LNGDPit,-1为被解释变量LNGDPit的滞后一期，作为工具变量代表了影响经济增长的其他因素。LNCLitj=1,2,3分别代表第i个省第t年的居民点及工矿用地RLit、交通运输用地TLit、水利设施用地WLit的自然对数，考察建设用地结构中的三个组成对经济增长的贡献。LNFLit为第i个省第t年农用地面积的自然对数，考察各省市区农用地在城市化和经济增长中的贡献。现在中国经济增长方式正在进行重大转变，随着农村土地的流转，会有大量的农业用地用途转变为建设用地。LNURit为第i个省第t年城市化水平的对数。随机变量εit=ui+vit，其中ui为个体效应，vit为异质性冲击。

数据方面，GDP及城市化数据来自于2004-2015年的《中国统计年鉴》，居民点及工矿用地、交通运输用地、水利设施用地、农用地2003-2008年的数据来自于《中国统计年鉴》，2009-2014年的数据则是根据本文第三部分的面板变系数模型进行的样本外预测。

(二)估计方法

本部分所采用的数据是中国31个省份2003-2014 年的面板数据, 虽然其截面个数N并没有达到远大于时序个数T的条件，但具有“小时间维度, 大横截面维度”(N >T)的特征。而且模型中还包括了被解释变量的滞后项, 导致解释变量和随机扰动项相关, 且其他解释变量之间也可能存在内生性。针对内生性问题，Arellano 和Bond(1991)提出可用两阶段差分广义矩(DiffGMM)进行估计，而Arellano 和Bover(1995)以及Blundel 和Bond(1998)则进一步提出系统广义矩(SYSGMM)估计方法，同时利用变量水平变化和差分变化的信息，具有更好的有限样本性质(Roodman，2005)。因此本文也使用了动态面板数据的这两种广义矩估计方法进行回归，如表四的第四列模型3和第五列模型4。

表4 计量回归结果(一)

动态面板使用GMM估计方法有两个前提，一是要求残差的一阶差分项是序列相关的，而且不存在二阶以上的相关性，即Arellano-Bond 自相关检验的AR(1)是显著的，而AR(2)是不显著的。从表中可以看出差分广义矩估计和系统广义矩估计的AR(1)是满足要求的，而AR(2)是不满足的。使用GMM估计的另一个前提是Sargan 检验(或Hansen检验)，即检验过度识别约束是有效的。针对动态面板的内生性问题，GMM引入大量工具变量，这就产生了模型过度识别的问题。如果Sargan 检验不显著，不能拒绝原假设，则说明模型的识别是有效的。从表四可以看出，系统广义矩估计是不显著的，而差分广义矩估计是显著的。综合以上两个检验，尽管本部分使用的数据具有动态面板的性质，但本部分的模型不适合使用GMM估计。

此外，本文也做了混和面板的普通最小二乘估计(pooled ols，简称POLS)，来和固定效应估计做对此，发现估计效果不如后者，如表四第二列的模型1。因此，结合第三部分的模型检验，本部分使用的是面板数据的固定效应(FE)模型。

(三)回归结果与比较分析

本部分首先将实际GDP对城市化UR、农用地FL和建设用地CL做回归分析，如表五第二列模型5(CL)所示。然后将建设用地变量分别换成其三个组成部分——居民点及工矿用地RL、交通运输用地TL、水利设施用地WL，分析三者对经济增长的贡献，如表五第三、四、五列的模型6-8。最后将三个组成部分放在一起，观察他们对经济增长的贡献，如表五第六列模型9(RTWL)所示。

从表中可以看出，被解释变量实际GDP取对数后的滞后一阶和城市化变量的对数都是显著的，而且五种情况下数值差别不大，这说明固定效应模型的结果是稳定的。滞后一阶前的系数基本上在0.79左右，在1%水平上是显著的。而城市化水平每提高1个百分点，实际GDP会增长0.07个百分点，这在5%水平上是显著的。除此之外，农用地面积每减少一个百分点，实际GDP会增长0.4个百分点。这远大于建设用地增加一个百分点、实际GDP增长的0.112个百分点。而在水利设施用地的模型8(WL)中，农用地的贡献更是高达0.7个百分点，这可能源于水利设施用地的投资和面积增加会提高农用地对经济增长的贡献。居民点及工矿用地面积每增加一个百分点，实际GDP会增加0.124个百分点，这在1%水平上是显著的。而交通运输用地、水利设施用地，无论单独还是联合进入模型进行考察，对经济增长的贡献都不大，而且都不显著。

表5 计量回归结果(二)

从表5还可以看出，建设用地对经济增长的贡献弹性系数仅为0.112，而建设用地最大的组成部分居民点及工矿用地面积的弹性系数也只是0.124。这说明，我国经济增长对城市建设用地的依赖程度不是太大。可能的原因是，现在经济增长质量水平的提高有利于节约投入生产过程的城市建设用地数量，使得那些本可能流转为城市建设用地的农地免于流转，能够继续保持农业用途。或者说建设用地对经济增长的促进作用尚未完全释放出来。这可能因为建设新占用的土地从占用到投入到经济活动中成为实际使用的生产要素有一定滞后性, 这就使得年度经济增长数据和建设用地数据之间存在脱钩效应(OECD，2001)。此外，一直以来，投资是拉动我国经济增长的主要动力，且投资结构中建筑投资占有较大比重，而建筑投资总是伴随建设用地扩张。建筑投资短期内带来较快的经济增长，会促使地方政府热衷于城镇扩张与大量基础设施建设，使经济增长对投资产生依赖，结果是资本效率的减小与技术进步对经济增长贡献不足。而现代经济增长理论认为经济持续增长的动力源泉是技术进步。因此建设用地扩张对经济增长的贡献会较小。

城市化对经济增长的贡献弹性系数为0.07。城市化的结果是工业的集聚。从经济发展的规律来说，经济集聚发展是大势所趋。世界各国的经济活动都在向少数大城市或大都市圈集聚( World Bank，2008) 。但集聚效应并不是无止境的，随着人口和经济活动的集聚，将出现抵消集聚效应的“拥挤效应”，包括交通拥挤、环境污染、土地和劳动力价格上升等，在集聚效应和拥挤效应之间，城市规模将达到一个平台，从而对经济增长的贡献也将稳定在一个水平。如果要提高城市化对经济增长的贡献，其中一个办法是加强户籍、基本公共服务和社会保障机制改革。通过户籍改革破除阻碍劳动力城乡流动的制度栅栏，借助公共服务和社会保障机制改革，使得高质量的劳动力进入城市劳动力市场并得以留下，从而促进劳动力更加自由而充分的流动，提高了劳动力质量，降低了城市化的劳动力成本，从而充分释放城市化对经济增长的贡献潜力。

农用地对经济增长的贡献弹性系数为0.4，高于建设用地。随着我国经济的持续高速发展，我国的城市化水平不断加快。需求上，城市土地资源短缺，需要大量的农用地向建设用地流转，建设用地的边际贡献下降的同时伴随的是农用地的边际贡献上升；供给上，大量农村劳动力向城市转移，会带来农村土地的无效利用，如耕地的荒芜和宅基地的闲置。引入市场机制，提高农村土地市场价值；加强包括家庭联产承包责任制在内的制度改革，创新农业经营体制，促进农业规模化和集约化发展；在保证耕地红线和粮食安全的前提下，推动土地流转规范有序进行，必将进一步促进城市化和经济集聚，充分释放农用地对经济增长的贡献潜力。

五、结 论

2003-2014年间，中国经济增长进入了一个新的阶段，城市化水平得到大幅度提升，建设用地规模不断扩张。本文基于2003-2014年中国大陆31个省市区的平衡面板数据，研究了建设用地、城市化对经济增长的贡献。研究发现：

1.从建设用地规模扩张的趋势来看，其规模扩张随着城市化所处的阶段不同而不同。随着城市化水平的提高，建设用地规模先是增长缓慢，然后是加速扩张，最后是趋于稳定。全国各省区城市化水平差异较大，这就决定了一段时间内建设用地规模扩张在各省市区间将会有不同的表现。但随着全国城市化水平的提高，建设用地规模扩张会放慢速度。

2.从建设用地的总量和结构来看，2003-2014年间全国建设用地增速为13.080%，交通运输用地增速最大为34.984%，水利设施用地最小仅为4.679%。建设用地增速最大的为浙江，高达46.462%，其次是天津的36.377%。最小的为海南，仅为1.693%；其次为吉林的4.005%。从均值的角度，建设用地规模最大的为山东，超过全国平均水平131.442%，最小的为西藏，仅为6.411万公顷。交通运输用地方面，辽宁最高，海南最低；水利设施用地方面，湖北最高；西藏最低。总体来讲，建设用地规模和增速都与经济发展正相关。

3.建设用地对经济增长的贡献弹性系数仅为0.112，这说明，我国经济增长对城市建设用地的依赖程度不是太大。或者说建设用地对经济增长的促进作用尚未完全释放出来。年度经济增长数据和建设用地数据之间存在脱钩效应。加强现有建设用地存量的有效使用，控制建设用地总量，实现脱钩增长；加强技术进步，促进土地和资本效率的提高，都会进一步释放建设用地对经济增长的贡献。

4.城市化对经济增长的贡献弹性系数为0.07，这说明城市化对经济增长的贡献趋于稳定。城市化的“集聚效应”会带来经济发展，但其“拥挤效应”也会阻碍经济发展。提高城市化对经济增长贡献的一个办法是加强户籍和社会保障等机制改革，促进高质量的劳动力转移。适度推进地区之间基本公共服务的均等化，让劳动力的地区间流动不再是基于公共服务的差异，而是基于提升劳动生产率的需求。

5.农用地对经济增长的贡献弹性系数为0.4，远远高于建设用地。这说明农用地对经济增长的贡献潜力巨大。在确保耕地红线的前提下，引入市场化机制，加强包括耕地和宅基地等在内的农村土地流转，做好包括家庭联产承包责任制在内的制度改革，将会大大提高农村闲置土地的使用效率，扩大农业规模化和集约化，进一步促进城市化和经济集聚，充分释放农用地对经济增长的贡献潜力。