摘要：房產稅是房地產市場價格波動的重要政策因素。文章基于房地產金融屬性的角度，將住房視為純粹的投資對象進行房價決定因素推斷，從供需關系角度選取35個城市的面板數據分析房產稅對房產價格的影響機制，結果表明：房產稅降低了銷售面積、施工面積和開發商投資，沒有顯著改變房價;低房價降低了住房供給，起到了抬高房價的作用，抵消了需求下降帶來的房價抑制效應，銷售面積因受到供給、需求雙重影響而下降。住房的投機性需求降低使得房價泡沫降低，所以房產稅是有利于房地產市場可持續發展的，但是供給下降會削弱稅制實行的效果。

　　關鍵詞：房產稅;房地產市場;房價;住房需求

　　0引言

　　住房投資的高收益、低風險與低邊際性以及曾在不少城市出現的“炒房熱”，讓房屋逐漸偏離其基本的居住屬性，成為投資工具甚至是帶有杠桿屬性的期貨，不可避免地帶來了財政壓力的增加[1，2]。從宏觀層面通過房產稅來穩定房價和調節房地產市場運行狀態，可以促進房地產市場可持續發展，同時這也是維持地方財政穩定的重要政策手段[3]。但是房產稅究竟是累進稅、遞減稅還是商品稅，不僅需要理論層面的模型研究，還需要更多實際試點的表現作為參考[4]。

　　諸多國內外學者關于房產稅對房價的影響開展了研究和探討，大多數的研究結果表明房產稅會顯著抑制房價的增長，但是作用有限，市場壟斷的影響比房地產稅收的影響更大[5]，有學者發現房地產稅對房價有顯著的負向作用，降低筑房成本不能降低房價[6];劉甲炎和范子英(2013)[7]使用合成控制法研究發現房產稅試點政策會降低房價，但是由于房產稅主要作用于大戶型住房，所以使得小戶型住房受到擠出效應的影響，房價反而會提高。也有少數研究得出了不一致的結論，認為房地產稅和房價呈正相關關系，提高房地產稅會提高房價[8];Bai等(2014)[9]的分析表明房產稅降低了上海的房價但是提高了重慶的房價。

　　楊超等(2021)[10]從微觀住宅用地出讓的數據視角，發現房產稅通過抑制土地財稅來實現房價間接調控。李紹榮和耿瑩(2005)[11]的研究卻表明財產稅類份額增大會擴大收入分配差距，還會降低經濟總體規模，并建議降低財產稅類(如房產稅)的份額。Plummer(2003)[12]的研究表明，房產稅有助于城市稅收的累進，這是因為低收入城市往往有相對較高的稅率，同時，老齡化的免稅比例增加了所有房產管轄稅的累進性。倪鵬飛(2019)[13]的研究表明供需錯配和持續寬松的貨幣政策會加劇大小城市間房價分化。

　　本文采用住宅商品房銷售面積、房地產開發商投資總額等被解釋變量，可以更加全面地反映房產稅改革對整個房地產市場的影響。將樣本的時間跨度延伸，可以更好地反映不同環境下房產稅的影響。此外，從宏觀角度來構建房價對于房產稅的靜摩擦力影響效應分析，試圖從物理模型的角度來說明房價的應力作用方式，基于等價無窮小的房價增長模型推斷，能夠給出房價與房產稅政策之間作用力的有效判斷。

　　1理論分析

　　住宅商品房交易面積是衡量房地產市場規模的核心標準，也是衡量房地產市場發展的重要指標。房產稅是否促進了房地產市場的可持續化發展在很大程度上取決于房產稅能否降低整體性購房成本，實現住房的提質增量而非數字上的增加。基于此，本文在以下兩個假設下作出了有限范圍內的推斷：(1)不考慮房產稅的商品稅屬性和使用費性質，按照累進稅率來考慮房產稅的調節功能;(2)由于當前房產稅的主要試點和將來的試點都會以部分一線城市為主，因此假設住房存量恒滿足市場剛性需求。

　　1.1基于金融屬性的房價決定因素和房產稅對房價的影響

　　在本文的假設前提下，人們的購房需求只取決于對下一階段房價變化的預期。假設在某一時期，當消費者預期未來房價不會發生波動時，此時最低房價由完全外生的其他變量決定，這些變量能決定房價，但是不會受到房價的影響。當人們預期未來房價會增加后，消費者的投資需求將增加，并且遵從理性預期假說，這取決于城鄉居民的風險預期、風險承受能力、下一階段房價預期的方差等多項因素，同時又取決于交易成本、房產稅和物業稅等多項因素。

　　本文經過一定的研究推導發現，如果房價增長率一直在上升，不能克服房價提高帶來的需求減小，那么房價最終將會保持在一個定值附近振蕩，但這是作為理想模型推導所得，由于我國不存在這樣的情況，房價增長率伴隨財政缺口等問題而產生，使得在一段時間內房價虛高，超出市場需求所決定的價格上限，城鄉居民買房壓力很大。

　　因此，考慮到住房是作為消費品而不是純粹的金融資產，在實際情況下住房不可能完全成為非理性投資性質的理財產品，其價格受到消費需求和投資需求的共同影響，假設住房完全成為一個普通消費品①，那么此時的房價將會是同一時期內的最低房價和區域性房價上限的加權平均數，這一數值是低于城市房地產平均價格的，因而房產稅將會降低房價這一結論成立。

　　1.2房地產市場供給側分析

　　房產稅的作用就是讓房子回歸“住”的屬性，讓其回歸消費品而不是金融資產。北京、上海等大城市的中心城區，在土地使用趨于飽和的狀態下，住房面積不受任何因素影響，房價也完全由需求決定，房地產開發商的投資意愿也隨房價上漲而增加，但是投資總量無法改變。對于已經達到供給飽和狀態的地區來說，房產稅政策的實施將會顯著降低住房需求從而降低房價，但是不會改變銷售面積、房地產開發商投資總額等指標。房產稅能夠為地方政府帶來長期穩定的收益，但這些成本本質上仍然是由地方財政來承擔。

　　住房供給的另一個特點是投資規模大、投資周期長。當房產稅改革試點政策開始實施后，房地產開發商和消費者一樣都需要預估房產稅改革帶來的影響，當開發商預期未來房地產市場疲軟時就會降低供給，從而起到抬高房價的作用，但是銷售面積依然會下降。

　　這一部分的影響趨勢與之前完全相反，之前的理論分析表明房產稅會抑制房價增長，但是房地產開發商的預期會促進房價增長，由于住房的投資周期更長，因此這一部分影響可能具有一定的滯后性。考慮到開發商與購房者之間信息高度不對稱，住房供給下降的可能性更大，甚至有可能會刻意抬高房價，不利于房地產市場的可持續發展。

　　2研究設計

　　2.1實證模型

　　本文基于國家統計局公布的35個主要城市2002—2018年的面板數據，采用雙重差分法進行統計分析，構建如下雙重差分模型：Yit=β0+β1didit+β2periodt+β3treati+τXit+εit(1)其中，Yit為描述房地產市場狀態的被解釋變量，表示i城市在第t年的被解釋變量取值，被解釋變量將分別采用房價、銷售面積、房地產開發商投資總額、施工面積等指標來分別衡量房地產在建造環節和交易環節的狀態。

　　periodt是在雙重差分模型中用來識別是否已經開始實施房產稅政策的虛擬變量，本文將2011年作為房產稅開始實施的第一年，若時間在2011年及其之后，則periodt取值為1;若時間在2010年及其之前，則periodt取值為0。treati是在雙重差分模型中用來識別是對照組還是實驗組的虛擬變量，當i城市是實行了房產稅政策的城市(上海或重慶)時，treati取值為1，否則取值為0。

　　雙重差分估計量didit=periodt´treati是本文的核心解釋變量，表示經過雙重差分之后測算出的房產稅政策對房地產市場的影響，如果房產稅政策對房價起到了抑制作用，那么當房價作為被解釋變量時，didit的參數應當顯著為負;如果房產稅政策對住房建造投資有顯著的抑制作用，那么當房地產開發商投資總額作為被解釋變量時，didit的參數應當顯著為負;如果房產稅政策對住房建造投資有顯著的促進作用，那么當房地產開發商投資總額作為被解釋變量時，didit的參數應當顯著為正，其他情況與此類似。

　　Xit表示一系列控制變量，用來控制其他無關變量對被解釋變量的影響，其中包括人口因素、經濟結構、醫療服務、交通運輸、財政支出等多個方面可能會影響房價的因素，考慮到這些變量之間存在相互影響，有多重共線性的風險，本文將會使用逐步回歸法來消除多重共線性。在實施房產稅政策之前，每個地區或者年份都可能存在著無法度量的其他因素，而這些因素無法在模型(1)中體現出來，需要在模型中加入地區固定效應和時間固定效應，但是在模型(1)中直接加入地區固定效應和時間固定效應將會生成一個近似奇異矩陣，無法進行回歸分析和參數估計。

　　而如果沒能將這些固定效應納入模型，那么得到的回歸結果很有可能是不穩健的，為了將時間固定效應和地區固定效應納入模型，本文參照陳林和萬攀兵(2019)[14]的做法進行調整，構建了一個納入時間趨勢項的時間地區固定效應雙重差分模型：Yit=β0+β1didit+β2ttrendit+λt+πi+τXit+εit(2)模型(2)相對于模型(1)增加了時間趨勢項ttrendit，ttrendit是t與treati的交乘項，同時增加了時間固定效應λt和地區固定效應πi，為了消除解釋變量之間的多重共線性，將描述是否處于政策作用之后的虛擬變量periodt和描述是否為實驗組的虛擬變量treati剔除，這不僅將時間固定效應和地區固定效應考慮在內，還能消除非平行趨勢帶來的負面影響。

　　2.2數據來源

　　鑒于目前新的試點城市尚無較為連貫有效的數據，本文使用了全國35個主要城市2002—2018年的面板數據，數據來源于國家統計局網站，并且進行了多變量的整合，通過整理相關指標數據，最終得到的面板數據樣本容量為599。

　　本文評判一個城市是否為主要城市的標準和國家統計局的標準保持一致，國家統計局將上海和重慶在內的36個城市設定為主要城市，并且公布了相關數據，其中由于拉薩的數據缺失嚴重，于是剔除拉薩，保留了剩下35個主要城市的數據。這35個城市分別為北京、天津、石家莊、太原、呼和浩特、沈陽、大連、長春、哈爾濱、上海、南京、杭州、寧波、合肥、福州、廈門、南昌、濟南、青島、鄭州、武漢、長沙、廣州、深圳、南寧、海口、重慶、成都、貴陽、昆明、西安、蘭州、西寧、銀川、烏魯木齊。

　　2.3變量說明與描述性統計

　　房產稅對房地產市場的作用分為兩個部分，一部分是對交易市場需求的影響，另一部分是對住房供給的影響，本文被解釋變量也根據這兩個部分采用了不同的變量，為了全面闡述房地產市場的變化，這兩個方面的被解釋變量也采用了多項不同的指標。描述住房交易需求市場狀態的被解釋變量包括了房價和住宅商品房銷售面積，而描述住房供給市場狀態的被解釋變量包括了房地產開發商投資總額和施工面積。

　　3實證分析

　　3.1基準回歸結果分析

　　可以看到，當房價為被解釋變量時，核心解釋變量did的符號為負，但無法在10%的顯著性水平上通過t檢驗，這表明本文的樣本不能說明房產稅對房價產生了影響，并且可以看到當被解釋變量為住宅商品房銷售面積、房地產開發商投資總額和房地產開發商施工面積時，did的參數都顯著為負，這說明房產稅對其產生了抑制作用。房產稅使得房地產開發商投資總額和施工面積都下降了，說明房產稅抑制了房地產開發商的投資，這表明房地產開發商對房地產市場的預期下降了。

　　縮減投資、降低供給，供給的下降推高了房價，削弱了房價的投資屬性變化而帶來的房價下跌作用，所以房產稅沒有對房價產生顯著影響，并且在供給和需求雙重下降的作用下，住宅商品房銷售面積顯著下降。雖然房產稅沒有對房價產生足夠大的作用，但是也產生了積極的影響，房價雖然沒有下跌，但是其金融屬性減弱了，所以投機性購房需求也降低了，房屋的資本屬性趨減，更加接近于只具有居住屬性的商品。

　　3.2穩健性檢驗

　　為了確定房地產市場產生的影響確實是由于房產稅政策引起的，本文采取一種類似于安慰劑檢驗的方法來進行穩健性檢驗，基本思路是選擇若干其他城市，將其設定為實驗組進行實證分析，如果分析的結果是房產稅也使得這幾個虛擬實驗對象的房地產市場發生了相同的改變，就說明房地產市場的變動不是由于房產稅改革引起的;如果替換實驗組之后的回歸分析結果顯示房地產市場沒有變動，就可以認為本文的結論是穩健的。

　　本文選取成都、貴陽、南京和杭州4個城市作為擬定的虛擬實驗組，將其他城市作為對照組來進行穩健性檢驗，因為這4個城市與上海、重慶發展程度接近，文化、地理特征類似，在上海、重慶實施過的其他政策很多也在這4個城市中施行過，所以本文將這4個城市作為虛擬實驗組。當變換實驗組之后，回歸結果估計的參數大小、符號、方差都與本文之前的結果差異極大，并且都無法通過顯著性檢驗，這也就表明了房產稅沒有對擬定的實驗城市產生影響，可以認為本文的結論是穩健的。

　　4結論與建議

　　本文實證結果表明，征收房產稅能夠降低房價，但并不顯著，反而降低了住房銷售平均面積和住房施工平均面積，同時大幅度地提高了房地產開發和投資成本，根據本文理論分析，房地產開發商由于預期下降，降低住房供給，在一定程度上抵消了消費者需求下降帶來的房價下跌作用。房產稅雖然不能明顯改變房價，但是改變了消費者的需求結構，除去剛性需求之外，把房地產當作金融產品投資的機會大大減少。從住房庫存量的角度來看，在足量庫存和余量不足的情況下，房產稅仍然會對房地產市場的積極性起到一定的降低作用，這反映在抑制房價上。

　　房地產稅開征后將增加現有房地產存量的持有成本，同時加速房地產開發以逐漸消除房地產市場的泡沫。房產稅帶來的投機性剝離盡管會降低住房的總需求，但是能夠對改善城鄉居民的住房需求結構起到積極作用，不會降低剛性的住房消費需求，這也符合國家對房地產的“房住不炒”的屬性要求與長期穩健發展的定位，對于完善房地產金融管理，構建“雙循環”新發展格局起著不可替代的作用。

　　根據結論，本文認為：基于高質量的治理效能考量，為最大限度地發揮房產稅的作用以穩定房價，單一實行房產稅政策是不合理的，必須同時從供給側入手，降低土地成本和房屋建筑成本，房產稅開征后，轉變房地產市場發展模式，使其向著住房供給高效能的目標前進，只有通過合理地提升供給來配合房產稅政策實施，才能達到穩固房價的效果，更好地促進房地產市場可持續發展。

　　參考文獻：

　　[1]孫秀林,周飛舟.土地財政與分稅制:一個實證解釋[J].中國社會科學,2013,(4).

　　[2]CowanAM,CowanCD.DefaultCorrelation:AnEmpiricalInvestiga⁃tionofaSubprimeLender[J].JournalofBanking&Finance,2004,28(4).

　　[3]LongstaffFA.TheSubprimeCreditCrisisandContagioninFinancialMarkets[J].JournalofFinancialEconomics,2010,97(3).

　　[4]OatesWE.AreLocalPropertyTaxesRegressive,Progressive,orWhat?[J].NatioanlTaxJournal,2016,69(2).

　　[5]況偉大.房地產稅、市場結構與房價[J].經濟理論與經濟管理,2012,(1).

　　[6]于雪.房地產價格泡沫與拐點研究——基于日本東京和中國上海的對比分析[J].管理評論.2019,31,(9).

　　[7]劉甲炎,范子英.中國房產稅試點的效果評估:基于合成控制法的研究[J].世界經濟,2013,36(11).

　　作者：彭浩榮，蔣雨橋,向運華