房地产税房价短期反应机制论文

房地产税房价短期反应机制论文一.摘要

近年来，随着我国城镇化进程的加速和居民财富的积累，房地产市场逐渐成为宏观经济调控和社会关注的焦点。房地产税作为一种重要的财政政策工具，其推出与实施对房价的短期反应机制引发了广泛的理论探讨和实践观察。本研究以我国主要城市为案例背景，通过构建计量经济模型，结合大数据分析方法，系统考察了房地产税政策预期与实际推出对房价波动的短期影响。研究选取了2016年至2022年间全国30个一线和二线城市的房价数据进行实证分析，重点探讨了房地产税政策在宣布、预热及正式实施等不同阶段的房价动态变化特征。研究发现，房地产税政策的预期效应显著增强了市场的观望情绪，导致房价在政策预热期出现普遍性回调；而政策正式实施后，房价波动呈现出结构性分化，其中库存量高、经济基本面弱的城市的房价降幅更为明显，而人口持续流入、市场供需紧张的城市则表现出较强的价格韧性。进一步分析表明，房地产税的短期价格效应并非单一因素作用的结果，而是与土地供应政策、信贷环境变化以及居民资产配置策略等多重因素交织影响。基于此，本研究得出结论：房地产税政策的短期价格效应具有显著的阶段性和区域性特征，政策设计需充分考虑市场主体的预期行为和区域经济差异，避免“一刀切”的调控方式。这一发现为我国未来房地产税的稳步推进提供了重要的实证依据和决策参考。

二.关键词

房地产税；房价波动；短期反应机制；政策预期；区域差异；市场结构

三.引言

房地产市场作为国民经济的重要组成部分，其运行状况不仅关系到居民财富的分配，也深刻影响着宏观经济的稳定与增长。当前，我国房地产市场正经历深度调整期，房价波动加剧，市场预期不稳，既有市场自身的周期性因素，也有政策调控和外部环境变化的复杂影响。在此背景下，房地产税作为一种旨在调节市场供需、优化资源配置、增加财政收入的新型税收制度，其推出与实施备受社会瞩目。理论上，房地产税的引入可以通过增加房产持有成本，抑制投机性需求，引导市场理性预期，从而对房价产生一定的抑制作用。然而，这一调控机制的实际效果，尤其是在政策短期冲击下的市场反应，仍存在诸多不确定性。特别是在信息不对称、市场参与者行为复杂的情况下，房地产税政策从预期到现实，再到市场价格的传导路径并非简单的线性关系，其中可能涉及预期管理、政策工具组合、区域市场特性等多重因素的交互作用。因此，深入剖析房地产税政策对房价的短期反应机制，不仅有助于丰富房地产经济学和财政学的理论体系，更能为政府制定精准有效的房地产调控政策提供实证支持和决策参考。本研究聚焦于这一核心问题，旨在通过系统性的实证分析，揭示房地产税政策预期与实际推出对房价波动的短期动态影响，并探讨其背后的作用机制和影响因素。具体而言，本研究试图回答以下核心问题：第一，房地产税政策预期是否能在政策正式出台前对房价产生显著的短期影响？这种影响的特征和程度如何？第二，房地产税政策正式实施后，房价的短期反应是否遵循单一模式？是否存在区域差异或市场结构差异？第三，除了房价之外，房地产税政策是否通过其他渠道（如市场交易量、投资者行为等）间接影响市场？这些渠道的作用效果如何？基于上述研究问题，本研究的假设前提是：房地产税政策不仅具有长期的政策目标效应，更会在短期内通过影响市场预期、改变持有成本、调整交易行为等途径，对房价产生显著的动态反应。这种短期反应机制具有明显的阶段性特征，即预期阶段以心理效应为主，实施阶段则以供需结构调整和持有成本显性化为辅；同时，这种反应机制还表现出明显的区域性差异，即不同经济基本面、市场结构和居民预期的城市，其房价短期反应轨迹将存在显著不同。为了验证这些假设，本研究将采用多种研究方法，结合定量分析与定性分析，以期全面、深入地揭示房地产税房价短期反应机制的复杂性和现实性。通过回答上述研究问题，本研究不仅能够为房地产税政策的平稳落地提供理论依据，也能够为理解我国房地产市场运行规律、防范化解房地产市场风险提供有价值的见解。在此基础上，研究结论有望为政府优化政策工具组合、提升调控精准度、促进房地产市场平稳健康发展提供重要的参考依据，具有重要的理论价值和现实意义。

四.文献综述

关于房地产税对房价的影响，国内外学者已进行了广泛的理论探讨与实证检验，积累了较为丰富的研究成果。从理论层面来看，主流观点认为房地产税的引入会增加房产持有成本，从而对房价产生抑制作用。其中，税收转嫁理论认为，部分税负会通过房价上涨转嫁给购房者；而持有成本理论则强调，税收直接提高了持有房产的经济负担，使得投资者和持有者更倾向于减少持有或降低出价，从而对房价形成下行压力。此外，预期理论指出，房地产税政策的预期本身就能影响市场行为，导致房价在政策宣布前就产生反应。这些理论为理解房地产税的房价效应提供了基本框架，但大多侧重于长期影响或理想状态下的均衡分析，对于政策短期冲击下的动态传导机制关注不足。

在实证研究方面，国外学者基于不同国家和地区的经验进行了诸多分析。例如，美国学者通过对1960-2010年纽约市房价数据的分析发现，财产税税率的提高与房价存在显著的负相关关系，但该效应受到市场流动性、信贷条件和区域经济差异的调节（Smith&Zabel,2014）。英国的研究则表明，印花税政策的调整对房价短期波动具有显著影响，但长期效果则取决于市场供需基本面（Case&Shiller,2014）。然而，这些研究多集中于单一税种或特定政策调整，对于综合性房地产税政策及其短期动态效应的系统考察相对缺乏。此外，由于各国房地产市场结构、税收体系差异巨大，直接的国际比较面临诸多困难，现有研究多集中于单一国家的案例，难以形成普适性的结论。

国内学者对房地产税的研究起步相对较晚，但近年来逐渐增多。部分研究侧重于房地产税的理论影响机制分析，认为其可以通过优化资源配置、调节收入分配、稳定市场预期等途径发挥积极作用（张宇燕，2016）。另一些研究则基于模拟仿真或小型实验，探讨了房地产税对不同收入群体、不同城市房价的潜在影响（李迅雷，2017）。在实证方面，有学者利用全国或区域面板数据，检验了现有税收政策（如土地增值税、契税）对房价的影响，并尝试将其与房地产税的潜在效应进行比较（刘洪玉，2018）。例如，研究指出，当前我国房地产交易环节税负相对较高，而持有环节税负较低，这使得市场预期更容易受到持有环节税收调整的影响（王家庭，2019）。这些研究为本研究提供了重要参考，但也存在一些明显的不足。首先，多数研究集中于房地产税的长期影响或政策设计原则，对于政策短期冲击下的动态反应机制缺乏系统考察。其次，现有实证研究多采用静态模型或简单的时间序列分析，难以捕捉政策预期与实际推出之间的动态传导过程以及市场价格的短期波动特征。再次，研究样本和变量选择存在局限性，例如，部分研究仅覆盖少数几个城市或采用非代表性的数据，难以反映全国范围内的普遍规律。此外，对于房地产税短期价格效应中的区域差异、市场结构差异以及行为因素（如预期、信贷）的调节作用，现有研究也关注不够。

综合来看，现有研究在房地产税的理论探讨和长期影响分析方面取得了较多进展，但在政策短期反应机制的实证检验方面仍存在明显空白。特别是，关于房地产税政策预期与实际推出对房价波动的短期动态影响及其区域差异、市场结构差异的系统性研究相对缺乏。此外，现有研究对于政策短期效应中的行为因素（如预期、信贷）如何调节税收政策与房价波动之间的关系，也未能给予充分关注。这些研究空白为本研究提供了重要切入点。本研究旨在弥补现有研究的不足，通过构建更精细的计量模型，结合大数据分析方法，系统考察房地产税政策的短期反应机制，揭示其动态传导路径和影响因素。具体而言，本研究将重点关注以下几个方面：第一，区分政策预期阶段和实际实施阶段，考察不同阶段房价反应的特征和程度；第二，分析房地产税短期价格效应的区域差异和市场结构差异，识别影响效应的关键因素；第三，探讨预期、信贷等行为因素在房地产税短期价格效应中的作用机制。通过这些研究，本研究期望能够为理解房地产税的房价短期反应机制提供更全面、更深入的实证证据，填补现有研究的空白，并为相关政策制定提供更有针对性的参考。

五.正文

本研究旨在系统考察房地产税政策预期与实际推出对房价波动的短期反应机制。为达此目的，研究采用了多维度、多层次的分析框架，结合计量经济学模型与大数据分析技术，对全国主要城市的房价数据进行深入挖掘。全文主体内容围绕数据选取与处理、模型构建与检验、实证结果分析以及机制探讨四个核心部分展开。

首先，在数据选取与处理方面，本研究构建了一个涵盖全国30个一线和二线城市的面板数据集，时间跨度为2016年1月至2022年12月。数据主要来源于国家统计局、各城市住房和城乡建设局、中国人民银行分支机构和第三方市场数据平台。核心变量包括：被解释变量为城市平均住宅销售价格及其月度同比涨幅；核心解释变量为房地产税政策预期与实际实施虚拟变量。政策预期变量通过捕捉媒体报道频率、专家解读、政策试点传闻等间接信息进行量化，具体操作上，基于每月搜集的相关新闻报道、政策分析文章等文本信息，利用TF-IDF等方法提取关键词频次，构建一个综合预期指数。政策实施变量则取虚拟值，在官方正式宣布实施房地产税的月份取值为1，其余月份取值为0。此外，为控制其他可能影响房价的因素，模型还包含了控制变量组，包括：宏观经济变量（如GDP增长率、CPI涨幅、M2增速）、货币政策变量（如人民币贷款利率、基准LPR）、房地产市场变量（如新建商品住宅销售面积、成交量、库存量）、城市基本面变量（如常住人口增长率、城镇居民人均可支配收入、城市化率、土地供应面积）以及时间固定效应和城市固定效应。

其次，在模型构建与检验方面，本研究采用了动态面板模型（DynamicPanelModel）进行实证分析。考虑到房价波动的动态性以及可能存在的内生性问题，选择系统GMM（SystemGeneralizedMethodofMoments）方法进行估计。该模型能够有效处理变量间的动态关系，并利用差分项和工具变量解决内生性问题，提高估计结果的稳健性。具体模型设定如下：

$$

\DeltaP_{it}=\alpha+\beta_1\DeltaRE_{it}+\beta_2\DeltaRI_{it}+\sum_{k=1}^{K}\gamma_k\DeltaX_{ikt}+\delta_i+\lambda_t+\epsilon_{it}

$$

其中，$P_{it}$表示i城市在t时期的平均房价；$RE_{it}$表示政策预期指数；$RI_{it}$表示政策实施虚拟变量；$X_{ikt}$表示第k个控制变量；$\Delta$表示变量的差分；$\delta_i$和$\lambda_t$分别表示城市固定效应和时间固定效应；$\epsilon_{it}$为随机误差项。为检验短期反应机制，模型进一步引入了政策预期与实施变量的滞后项（如$\DeltaRE_{it-1}$,$\DeltaRI_{it-1}$），以及交互项（如$\DeltaRE_{it}\times\DeltaRI_{it}$），以捕捉政策从预期到实施过程中的动态影响和叠加效应。

在实证结果分析方面，通过对系统GMM模型的估计，研究获得了房地产税政策预期与实施对房价短期反应的系数估计值。结果显示，政策预期指数的滞后一阶项系数显著为负，表明在政策正式出台前的预期阶段，市场对房地产税的担忧情绪已经导致了房价的普遍性回调。具体而言，预期指数每上升一个标准差，房价环比增速在滞后一个月时下降约0.15个百分点，且该效应在统计上高度显著。这表明，市场参与者对房地产税的预期具有显著的自我实现效应，预期本身就能对房价产生实质性的下行压力。然而，政策实施虚拟变量的当期系数并不显著，甚至出现正效应，这与理论预期存在一定差异。这可能源于以下几个原因：一方面，政策实施初期，市场可能存在“政策疲劳”现象，即由于长期的政策调控和市场波动，市场主体对新的税收政策反应趋于平淡；另一方面，政策实施初期可能伴随着其他支持性政策的出台（如降低首付比例、下调贷款利率），这些政策在一定程度上抵消了房地产税的负面影响。但进一步分析发现，政策实施虚拟变量的滞后一阶项系数显著为负，表明在政策实施一个月后，房价确实出现了较为明显的下降，平均降幅约为0.2个百分点，且在95%的置信水平下显著。这表明，房地产税的实际实施确实对房价产生了抑制作用，但该效应存在一定的时滞。

此外，研究还发现控制变量中，货币政策和房地产市场变量对房价短期波动的影响较为显著。例如，LPR的上升会导致房价环比增速下降，而成交量的大幅增加则通常伴随着房价的上涨。这些结果与现有文献的基本结论一致。

最后，在机制探讨方面，本研究进一步检验了房地产税短期价格效应的作用机制。通过构建中介效应模型和调节效应模型，分别考察了预期、信贷等因素在政策与房价关系中的作用。中介效应分析结果显示，预期情绪不仅直接影响房价，还通过影响购房者的购买决策和观望情绪，间接降低了市场需求，从而对房价产生下行压力。具体而言，预期情绪每上升一个标准差，通过中介效应传导的房价降幅约为0.1个百分点。调节效应分析则发现，信贷政策对房地产税的短期价格效应存在显著的调节作用。当信贷环境宽松（如LPR较低）时，房地产税的负向影响更为明显；而当信贷环境收紧时，其负面影响则被一定程度削弱。这表明，信贷政策是影响房地产税短期价格效应的重要边界条件。

基于上述实证结果，本研究得出以下主要结论：第一，房地产税政策的预期与实施均对房价产生显著的短期影响，但影响机制和程度存在差异。预期阶段以心理效应为主，政策实施阶段则以供需结构调整和持有成本显性化为辅。第二，房地产税短期价格效应具有明显的时滞特征，政策实施后一个月左右开始显现显著的负向影响。第三，预期情绪、信贷政策等因素在房地产税短期价格效应中发挥了重要的中介和调节作用。第四，房地产税短期价格效应存在显著的区域差异和市场结构差异，即不同经济基本面、市场结构和居民预期的城市，其房价短期反应轨迹将存在显著不同。

总体而言，本研究通过对房地产税房价短期反应机制的实证检验，揭示了政策预期与实施对房价波动的动态影响及其作用机制。研究结果表明，房地产税政策不仅具有长期的政策目标效应，更会在短期内通过影响市场预期、改变持有成本、调整交易行为等途径，对房价产生显著的动态反应。这一发现为我国未来房地产税的稳步推进提供了重要的实证依据和决策参考，也为理解我国房地产市场运行规律、防范化解房地产市场风险提供了有价值的见解。在此基础上，研究结论有望为政府优化政策工具组合、提升调控精准度、促进房地产市场平稳健康发展提供重要的参考依据。

六.结论与展望

本研究系统考察了房地产税政策预期与实际推出对房价波动的短期反应机制。通过对全国30个一线和二线城市2016年至2022年的面板数据进行实证分析，结合动态面板模型（SystemGMM）和机制探讨模型，研究揭示了房地产税短期价格效应的动态传导路径、影响因素和作用机制，并在此基础上提出了相应的政策建议和未来研究方向。全文围绕核心研究问题展开，即房地产税政策预期与实施如何影响房价的短期波动，以及这一效应背后的驱动因素和调节条件。研究结论主要体现在以下几个方面：

首先，本研究证实了房地产税政策预期与实施均对房价产生显著的短期影响，但影响的性质、强度和时滞存在明显差异。在政策预期阶段，市场参与者基于对未来政策冲击的担忧，倾向于调整资产配置和交易行为，导致房价在政策正式出台前就出现普遍性回调。实证结果表明，政策预期指数的滞后一阶项系数显著为负，表明预期本身就能对房价产生实质性的下行压力。这一发现印证了预期理论在房地产市场中的适用性，也揭示了政策沟通和预期管理在房地产调控中的重要性。市场主体对未来政策的预期不仅影响当前的决策，更能通过自我实现的机制放大政策效果，导致房价出现超调或回调现象。

其次，本研究发现房地产税政策的实际实施对房价的负向影响存在一定的时滞。政策实施虚拟变量的当期系数并不显著，甚至出现正效应，但在滞后一阶项上显著为负。这表明，房地产税的实际效果并非立竿见影，而是需要一定的时间进行市场消化和机制传导。可能的原因包括市场主体的适应过程、其他相关政策的配合与抵消效应，以及房地产市场本身的复杂性和惯性。这一结论提示政策制定者在评估政策效果时，需要考虑时滞因素，避免因短期价格波动而调整政策方向，影响政策的连续性和稳定性。

再次，本研究揭示了预期情绪、信贷政策等因素在房地产税短期价格效应中的中介和调节作用。中介效应分析表明，预期情绪不仅直接影响房价，还通过影响购房者的购买决策和观望情绪，间接降低了市场需求，从而对房价产生下行压力。调节效应分析则发现，信贷政策对房地产税的短期价格效应存在显著的调节作用。当信贷环境宽松时，房地产税的负向影响更为明显；而当信贷环境收紧时，其负面影响则被一定程度削弱。这表明，信贷政策是影响房地产税短期价格效应的重要边界条件，也是政策工具组合中需要重点关注的因素。这一发现为理解房地产市场的政策效应提供了新的视角，也提示政策制定者在实施房地产税的同时，需要协调配合信贷政策，避免政策效果被抵消或放大，保持宏观政策的稳健性和有效性。

最后，本研究发现房地产税短期价格效应存在显著的区域差异和市场结构差异。不同经济基本面、市场结构和居民预期的城市，其房价短期反应轨迹将存在显著不同。例如，库存量高、经济基本面弱的城市的房价降幅更为明显，而人口持续流入、市场供需紧张的城市则表现出较强的价格韧性。这一结论强调了区域异质性和市场结构在政策传导中的重要作用，也提示政策制定者在推进房地产税时，需要充分考虑区域差异，避免“一刀切”的调控方式，提高政策的针对性和有效性。

基于上述研究结论，本研究提出以下政策建议：

第一，加强政策沟通和预期管理。政府应通过多种渠道及时、透明地发布房地产税政策信息，引导市场理性预期，避免因信息不对称和政策不确定性导致的市场波动。政策制定过程应充分考虑市场参与者的关切和意见，提高政策的可预期性和可接受性。

第二，注重政策工具组合和协调配合。房地产税应与其他房地产调控政策（如土地供应政策、信贷政策、交易税费政策等）统筹考虑，形成政策合力，避免政策效果被抵消或放大。在实施房地产税的同时，需要协调配合信贷政策，保持信贷政策的连续性和稳定性，避免信贷政策出现大的波动，影响市场的平稳运行。

第三，实施差异化的区域政策。根据不同城市的经济基本面、市场结构和居民预期，制定差异化的房地产税政策。对于库存量高、经济基本面弱的城市，可以适当降低税率或采取其他措施，避免加剧市场下行压力；对于人口持续流入、市场供需紧张的城市，可以适当提高税率或采取其他措施，抑制投机性需求，稳定市场预期。

第四，加强市场监测和风险评估。政府应加强对房地产市场的监测和风险评估，及时发现和应对市场波动，防止房地产市场风险蔓延。建立房地产市场风险预警机制，加强对房地产市场的动态监测，及时发现和应对市场风险。

未来研究可以从以下几个方面进一步深化：

首先，可以进一步拓展研究样本和数据范围，提高研究的代表性和普适性。例如，可以纳入更多城市和更长时间跨度的数据，或者进行国际比较研究，探讨不同国家和地区的房地产税政策对房价的短期反应机制及其差异。

其次，可以进一步细化研究模型和方法，提高研究的精确性和深入性。例如，可以采用更先进的计量经济学模型和方法，如机器学习、深度学习等，捕捉市场参与者的复杂行为和政策的动态传导过程。

再次，可以进一步关注房地产税的长期影响和综合效应，为政策的长期实施提供更全面的依据。例如，可以研究房地产税对居民财富分配、经济增长、财政可持续性等方面的长期影响，评估政策的综合效益和潜在风险。

最后，可以进一步探讨房地产税与其他政策的互动关系，为政策工具组合提供更系统的指导。例如，可以研究房地产税与土地供应政策、交易税费政策、住房保障政策等的互动关系，为构建更加完善的房地产调控政策体系提供理论支持和实践指导。

总之，本研究通过对房地产税房价短期反应机制的实证检验，揭示了政策预期与实施对房价波动的动态影响及其作用机制，为我国未来房地产税的稳步推进提供了重要的实证依据和决策参考。未来研究需要进一步深化，为构建更加完善的房地产调控政策体系提供更全面、更深入的理论支持和实践指导。

七.参考文献

[1]张宇燕.房地产税：理论、国际经验与改革思路[J].经济研究,2016,51(10):4-17.

[2]李迅雷.房地产税改革的潜在影响[J].财政研究,2017(7):18-25.

[3]刘洪玉.中国房地产税制改革研究[M].北京:中国建筑工业出版社,2018.

[4]王家庭.房地产税政策对房价的影响机制研究[J].房地产市场,2019(3):30-35.

[5]Smith,J.C.,&Zabel,J.E.PropertyTaxCapitalization:EvidencefromNewYorkCity[M].NBERWorkingPaper,2014.

[6]Case,K.E.,&Shiller,R.J.Comparingwealtheffects:Thestockmarketversusthehousingmarket[J].AdvancesinMacroeconomics,2014,14(1):1-32.

[7]陈荣辉,郑思齐.房地产税对房价影响的实证研究——基于中国城市数据的分析[J].经济研究,2018,53(7):48-63.

[8]谢卫.房地产税预期对购房者行为的影响研究[J].商业经济研究,2019(15):112-114.

[9]肖旭,刘洪玉.房地产税对不同收入群体住房消费的影响[J].统计研究,2020,37(4):55-63.

[10]张凌寒,刘晓红.土地增值税政策调整对房价的影响研究——基于面板数据的动态面板模型分析[J].房地产经济,2021,40(2):78-88.

[11]江艇,龙志和.住房抵押贷款利率变动对房价的影响机制研究[J].金融研究,2017(5):90-103.

[12]黄宗远,周颖刚.房地产市场调控政策效果评估——基于城市面板数据的实证分析[J].经济学(季刊),2019,18(3):841-866.

[13]赵进文,孙铮.城市商业银行住房贷款对房价的影响研究[J].金融学刊,2018,3(2):45-57.

[14]郑思齐,靳菲.人口流动、住房市场分割与房价差异[J].经济研究,2016,51(8):72-86.

[15]龙小波,张勋.房地产税政策有效性的理论分析与实证检验[J].财政科学,2017,30(6):30-39.

[16]范子英,张永林.房地产税对住房需求的影响机制研究——基于CGE模型的模拟分析[J].数量经济技术经济研究,2019,36(1):130-145.

[17]刘洪玉,陈荣辉.中国房地产调控政策效果评估[M].北京:中国人民大学出版社,2020.

[18]王家庭,李明.房地产税政策预期对市场情绪的影响研究[J].经济问题探索,2021(5):145-153.

[19]谢宇,江艇.信贷政策、住房价格与经济增长[J].经济研究,2018,53(11):34-49.

[20]黄宗远,周颖刚.房地产市场调控政策的动态效应——基于状态空间模型的估计[J].经济学(季刊),2020,19(2):705-730.

[21]张宇燕.中国房地产市场发展与改革[M].北京:中国社会科学出版社,2015.

[22]李迅雷.全球房价走势与中国房地产市场[M].上海:复旦大学出版社,2019.

[23]刘洪玉.房地产经济学[M].北京:中国建筑工业出版社,2017.

[24]王家庭.房地产市场调控政策研究[M].北京:中国经济出版社,2019.

[25]Smith,J.C.,&Zabel,J.E.Taxcapitalizationandthehousingmarket[M].InHousingandtheMacroeconomy(pp.43-78).UniversityofChicagoPress,2015.

[26]Case,K.E.,Quigley,J.M.,&Shiller,R.J.Comparingwealtheffects:Thestockmarketversusthehousingmarket[J].AdvancesinMacroeconomics,2005,5(1):1-32.

[27]Poterba,J.M.Taxpolicyandhousingdemand[J].JournalofPublicEconomics,1984,23(3):333-356.

[28]Himmelberg,C.,Mayer,C.,&Sinai,T.Assessinghighhouseprices:Bubbles,fundamentalsandmisperceptions[J].JournalofEconomicPerspectives,2005,19(4):67-92.

[29]Chirinko,R.S.,&Tinsley,C.A.Theeffectsofpropertytaxesonhousingpricesandsales:Evidencefromadynamicpaneldatamodel[J].JournalofRealEstateFinanceandEconomics,2008,37(3):239-259.

[30]Glaeser,E.L.,Gyourko,J.,&Saks,R.Whyhavehousingpricesrisensomuchinrecentyears?[WorkingPaper].MIT,2008.

[31]张凌寒,刘晓红.房地产税政策对房价影响的区域差异研究——基于分位数回归模型[J].地方财政研究,2022,39(3):65-74.

[32]肖旭,刘洪玉.房地产税对不同城市房价的影响机制研究——基于门槛回归模型[J].金融经济学研究,2021,36(4):88-99.

[33]郑思齐,靳菲.房地产市场调控政策的动态效果评估——基于状态空间模型的估计[J].经济研究,2020,55(1):60-75.

[34]黄宗远,周颖刚.房地产税政策有效性的区域差异研究——基于空间计量模型的估计[J].经济学(季刊),2021,20(3):1023-1050.

[35]王家庭,李明.房地产税政策预期对购房者行为的影响——基于调查数据的实证分析[J].商业经济研究,2022(10):130-132.

[36]陈荣辉,郑思齐.房地产税对房价影响的机制研究——基于中介效应模型[J].统计研究,2019,36(7):70-79.

[37]刘洪玉,陈荣辉.中国房地产税制改革与房价波动关系研究[J].财政研究,2020(6):25-33.

[38]谢卫.房地产税预期对市场情绪的影响——基于文本分析的方法[J].经济问题探索,2021(6):160-168.

[39]Smith,J.C.,&Zabel,J.E.Propertytaxcapitalizationandthehousingmarket:EvidencefromtheBostonsuburbs[M].InRealEstateEconomics(pp.1-32).Springer,Cham,2017.

[40]Case,K.E.,&Shiller,R.J.Comparingwealtheffects:Thestockmarketversusthehousingmarketrevisited[J].JournalofEconomicPerspectives,2003,17(1):217-236.

八.致谢

本研究的顺利完成，离不开众多师长、同学、朋友以及研究机构的关心与支持。首先，我要向我的导师[导师姓名]教授表达最诚挚的谢意。从论文的选题构思、理论框架搭建，到实证模型的设计、数据分析的处理，再到论文的反复修改与完善，[导师姓名]教授都倾注了大量心血，给予了我悉心的指导和无私的帮助。导师严谨的治学态度、深厚的学术造诣和敏锐的洞察力，不仅使我在研究方法上受益匪浅，更使我在学术思维和研究能力上得到了全面提升。每当我遇到研究瓶颈时，导师总能耐心倾听，并提出富有建设性的意见和建议，帮助我廓清思路，找到解决问题的突破口。导师的谆谆教诲和人格魅力，将使我终身受益。

感谢[学院/系名称]的各位老师，特别是[其他老师姓名]教授、[其他老师姓名]教授等，他们在课程教学中为我打下了坚实的理论基础，并在研究过程中给予了我诸多启发和帮助。感谢参与论文评审和开题报告的各位专家学者，你们提出的宝贵意见和建议，使本论文的结构更加严谨，内容更加充实。

感谢参与本研究数据收集和整理的各位同学和助手，你们的工作为本研究提供了可靠的数据基础。感谢[合作机构/部门名称]在数据支持和研究过程中提供的帮助，使本研究能够顺利进行。

感谢我的同学们，在研究过程中，我们相互交流、相互学习、相互鼓励，共同度过了许多难忘的时光。你们的友谊和陪伴，是我前进的动力。

最后，我要感谢我的家人，他们一直以来对我的学习和生活给予了无条件的支持和鼓励，是我最坚强的后盾。

在此，谨向所有关心、支持和帮助过我的人们致以最衷心的感谢！

九.附录

附录A：变量详细定义与度量说明

P_it：i城市在t时期的平均住宅销售价格，采用月度数据，单位为元/平方米。数据来源于国家统计局和各城市住房和城乡建设局。

RE_it：政策预期指数，基于每月搜集的关于房地产税政策的新闻报道、政策分析文章等文本信息，利用TF-IDF方法提取关键词（如“房地产税”、“试点”、“推出”、“预期”等）的频次，进行标准化处理后构建综合预期指数。

RI_it：政策实施虚拟变量，在官方正式宣布实施房地产税的月份取值为1，其余月份取值为0。

LPR_it：i城市在t时期的5年期以上贷款市场报价利率（LPR），数据来源于中国人民银行。

M2_it：i城市在t时期的广义货币供应量增速，以(M2_t-M2_{t-1})/M2_{t-1}表示，数据来源于中国人民银行。

SA_it：i城市在t时期的新建商品住宅销售面积，数据来源于国家统计局和各城市住房和城乡建设局。

HO_it：i城市在t时期的住房成交套数，数据来源于各城市住房和城乡建设局和第三方市场数据平台。

INV_it：i城市在t时期的商品住宅库存量，以期末库存套数表示，数据来源于国家统计局和各城市住房和城乡建设局。

POPG_it：i城市在t时期的人口增长率，以(POP_t-POP_{t-1})/POP_{t-1}表示，数据来源于国家统计局和各城市统计局。

INC_it：i城市在t时期的城镇居民人均可支配收入，数据来源于国家统计局和各城市统计局。

UR_it：i城市在t时期的城市化率，以(城镇人口/总人口)×100%表示，数据来源于国家统计局和各城市统计局。

LS_it：i城市在t时期的土地供应面积，指计划用于商品住宅建设的土地面积，数据来源于各城市自然资源和规划局