房地产税房价收入关系分析论文

房地产税房价收入关系分析论文一.摘要

随着城市化进程的加速和居民财富的积累，房地产市场在中国经济中的地位日益凸显。房价与居民收入之间的不匹配问题已成为社会关注的焦点，尤其是在高房价背景下，普通民众的住房负担能力持续下降。本文以中国主要城市房地产市场为研究对象，通过构建计量经济模型，分析房地产税政策对房价收入比的影响机制。研究数据来源于国家统计局和各城市住建部门，涵盖了2010年至2022年的面板数据。研究发现，房地产税的预期实施能够有效抑制房价过快上涨，降低房价收入比，提升居民的住房可负担性。具体而言，房地产税政策通过增加房产持有成本、调节市场供需关系以及优化资源配置等途径，对房价形成实质性约束。此外，研究还发现，房地产税的效果在不同城市存在差异，经济发达、市场成熟的城市政策效果更为显著。基于这些发现，本文提出完善房地产税政策体系、加强区域差异化调控的建议，以实现房地产市场平稳健康发展。研究结论为政府制定相关政策提供了理论依据和实践参考，有助于解决当前房地产市场面临的深层次问题。

二.关键词

房地产税；房价收入比；住房可负担性；市场调控；区域差异化

三.引言

中国经济自改革开放以来取得了举世瞩目的成就，伴随着经济的快速增长，城市化进程加速推进，居民生活水平显著提高。然而，在快速发展的同时，房地产市场也呈现出结构性、区域性问题，其中最为突出的便是房价与居民收入之间的严重脱节。近年来，高企的房价不仅加剧了居民的住房负担，也引发了社会层面的广泛关注和讨论。特别是在一线及部分二线城市，房价收入比持续攀升，普通工薪阶层通过自身收入实现住房自有的难度越来越大，这已成为影响社会稳定和居民幸福感的重要因素。

房价收入比是衡量居民住房可负担性的重要指标，它反映了居民家庭需要多少年的收入才能购买一套普通自住房。国际上通常认为，房价收入比在3-6倍之间被认为是较为合理的区间。然而，根据国家统计局及相关研究机构的数据，中国大中城市的房价收入比远超国际警戒线，部分城市甚至达到十几倍，远高于普通居民的承受能力。这种不均衡的房价与收入关系，不仅抑制了居民的消费能力，也对经济的可持续发展构成潜在风险。过度的房地产投资可能扭曲资源配置，增加金融体系风险，而居民过高的住房支出则挤压了教育、医疗等民生领域的投入。

在此背景下，房地产税作为一项重要的经济杠杆和政策工具，其潜在作用日益受到重视。房地产税通过调节房产持有成本，对房地产市场进行长效机制管理，有望在一定程度上缓解房价过快上涨的压力，优化住房供需结构，提升居民的住房可负担性。理论上，房地产税的实施能够增加房产的持有成本，降低投机性购房的吸引力，促使市场参与者更加理性。同时，房地产税的税收收入可用于完善社会保障体系、增加住房保障供给，从而间接降低居民的住房负担。然而，房地产税政策的效果并非一帆风顺，其设计和实施面临着诸多挑战，包括税制设计、征收管理、区域差异化等问题。

目前，国内外关于房地产税的研究已取得一定成果。国外学者如Arlt（2012）和Boadway（2014）等对房地产税的财政功能和市场效应进行了深入研究，指出房地产税在稳定地方财政、调节财富分配方面的积极作用。国内学者如刘晓红（2016）和胡伟（2018）等则侧重于分析房地产税对中国房地产市场的影响，研究主要集中在政策预期、房价波动以及居民行为等方面。尽管已有研究为房地产税政策提供了理论支持，但现有研究大多集中于房地产税的单一影响，而对房地产税与房价收入比之间关系的系统分析尚显不足。特别是缺乏对房地产税政策实施后长期效果的研究，以及不同城市在市场成熟度、经济结构等方面的差异化影响分析。

基于此，本文旨在通过构建计量经济模型，系统分析房地产税政策对房价收入比的影响机制，并探讨政策效果的区域差异。具体而言，本文的研究问题包括：房地产税政策如何影响房价收入比？其作用机制是什么？不同城市在市场成熟度、经济结构等方面是否存在显著差异？通过回答这些问题，本文期望为政府制定更加科学、合理的房地产税政策提供理论依据和实践参考。研究假设为：房地产税政策的实施能够有效降低房价收入比，提升居民的住房可负担性；政策效果在不同城市存在显著差异，经济发达、市场成熟的城市政策效果更为显著。本文的研究不仅有助于深化对房地产税政策效果的认识，也为解决当前房地产市场面临的深层次问题提供了新的视角和思路。

四.文献综述

关于房地产税及其对房地产市场影响的研究，国内外学者已积累了丰富的成果，涵盖了政策设计、经济效应、社会影响等多个维度。国内研究通常更关注房地产税在中国特定制度背景下的适用性与潜在效果，而国外研究则基于更为成熟的市场体系，提供了不同的理论视角和实践经验。本综述旨在梳理现有研究的主要脉络，为本文的研究提供理论基础，并识别出当前研究的空白与争议点。

首先，在房地产税的理论基础与功能定位方面，学者们普遍认同房地产税具有多重经济与社会功能。Arlt（2012）等人强调房地产税是地方政府的稳定税源，有助于减轻对依赖经济周期波动的传统税种如销售税的依赖。Boadway（2014）则从公共财政角度出发，认为房地产税有助于实现纵向与横向财政公平，通过财产价值的再分配缓解地区间财政失衡。国内学者如刘晓红（2016）进一步结合中国国情，提出房地产税不仅具有财政功能，更在调节财富分配、稳定房地产市场、促进土地资源高效利用方面具有潜力。胡伟（2018）则指出，房地产税可通过增加房产持有成本，引导市场参与者形成长期投资预期，从而抑制短期投机行为。这些研究为理解房地产税的内在逻辑提供了支撑，但也普遍存在对税制具体设计细节（如税基、税率、免征额等）及其组合效应的探讨不足。

其次，关于房地产税对房价的影响，现有研究存在较为明显的争议。一部分研究认为房地产税能够有效抑制房价上涨。例如，ChenandWang（2015）通过模型分析指出，开征房地产税会显著增加购房者的持有成本，从而降低购房需求，进而对房价形成下行压力。国内学者张斌（2017）基于国际经验分析，认为房地产税可以通过“税收楔子”效应，减少房产的吸引力，促使资金流向其他投资领域，从而实现房价的理性回归。另一部分研究则对房地产税抑制房价的效果持谨慎甚至怀疑态度。GlaeserandGyourko（2011）指出，在供给缺乏弹性的城市，房地产税可能只会将负担转嫁给租房者，甚至因减少投资而加剧房价波动。国内学者李迅雷（2019）通过实证研究发现，在部分市场热度极高的城市，尽管存在政策预期，但房地产税的短期实际效果可能被市场情绪和供给冲击所抵消。这种争议主要源于对不同市场结构、政策力度、居民反应机制的理解差异，以及数据获取和模型设定的局限性。

再次，在房地产税与居民住房可负担性关系的研究上，多数观点认为房地产税有望提升住房可负担性，但其作用路径和程度存在讨论空间。部分研究直接将房地产税与房价收入比挂钩，认为通过抑制房价或改变住房持有结构，可以间接降低居民购房压力。例如，Wheeler（2014）的研究表明，房地产税有助于减少对高杠杆购房的依赖，从而降低系统性风险，并可能使住房更贴近其使用价值而非投资价值，提升可负担性。国内研究如孙宏岭（2020）则更关注房地产税收入的应用方向，提出若税收收入能有效用于增加保障性住房供给或完善住房补贴体系，则更能直接提升中低收入群体的住房可负担能力。然而，也有研究指出，若房地产税设计不当，例如对低收入群体自住房产生额外负担，或未能有效增加保障性供给，则可能适得其反。这种争议点在于政策设计的公平性与目标效果的达成度之间的平衡问题。

最后，现有研究在区域差异和动态效应方面尚显不足。多数研究采用全国性数据或选取少数代表性城市进行静态分析，对房地产税政策在不同经济发展水平、市场成熟度、人口流动特征城市中的差异化影响探讨不够深入。此外，关于房地产税政策效果的动态演变过程，即政策从预期到落地、市场逐步适应的全过程影响，缺乏系统性的追踪研究。同时，现有研究较少将房地产税与其它房地产调控政策（如限购、限贷、土地供应政策等）的协同或替代效应纳入统一分析框架。这些研究空白使得本文通过构建更精细的计量模型，关注区域差异和动态效应，分析房地产税对房价收入比的综合影响成为必要。

综上所述，现有研究为本课题奠定了基础，但也存在对政策设计细节、房价影响机制、可负担性提升路径、区域差异和动态效应等方面的研究不足和争议。本文将在借鉴现有成果的基础上，聚焦于房地产税对房价收入比的影响，特别是通过构建系统性的分析框架，深入探讨其作用机制和区域异质性，以期为完善房地产税政策、促进房地产市场健康发展提供更具针对性的理论支持。

五.正文

本研究旨在系统分析房地产税政策对房价收入比的影响机制，并探讨其区域差异。研究内容主要围绕以下几个核心方面展开：第一，构建衡量房地产税政策强度的指标；第二，建立计量经济模型，量化房地产税对房价及房价收入比的影响；第三，进行区域异质性分析，考察不同城市市场特征下政策效果的差异；第四，结合中国房地产市场实际情况，讨论政策效果的实现路径与潜在挑战。为完成上述研究目标，本研究采用规范分析与实证分析相结合、定量研究与定性研究相补充的方法论路径。

在研究设计上，首先面临如何科学衡量房地产税政策强度的问题。由于中国尚未开征全国统一的房地产税，现有研究多依赖于政策预期或地方性房产税试点改革作为代理变量。本研究采用一种综合性的政策强度指标（TaxPolicyIndex,TPI），该指标旨在捕捉房地产税政策从“立法进程”到“市场预期”再到“地方试点”的不同阶段和强度。TPI的构建基于以下思路：首先，收集2010年至2022年中国30个主要城市关于房地产税立法讨论的年度虚拟变量（若该年有明确立法进展则为1，否则为0），反映政策从顶层设计向地方落地的推进信号；其次，纳入各城市房价涨幅的倒数（标准化处理）作为市场对潜在政策的反应代理，因为预期政策出台通常伴随着市场情绪的波动，房价涨幅的抑制可能间接反映了政策预期的存在；最后，叠加各城市房产税试点面积占比（若有试点则计入，若无则不计），体现地方试点的实际影响范围。TPI通过加权平均法合成，权重根据政策信号的重要性进行设定，确保指标能够有效区分不同年份、不同城市在房地产税政策信号上的差异。数据来源于国家统计局、《中国城市统计年鉴》、各城市政府工作报告及相关研究文献。

在模型构建方面，本研究采用动态面板模型（DynamicPanelModel）来分析房地产税政策对房价收入比的影响。选择动态面板模型的主要原因是考虑到房价收入比及其影响因素可能存在时间序列的持续影响，同时个体城市特征也可能随时间演变。具体而言，采用系统GMM（SystemGeneralizedMethodofMoments）估计方法，该方法的优点在于能够有效处理内生性问题，并利用差分GMM（DifferenceGMM）和系统GMM估计结果的稳健性检验。模型的基本形式设定如下：

`Ln(Pi,t)=β0+β1*TPIi,t+β2*Xi,t+γi+δt+εi,t`

`Ln(HIRi,t)=α0+α1*TPIi,t+α2*Xi,t+γi+δt+νi,t`

其中，`Ln(Pi,t)`表示城市`i`在年份`t`的平均房价的对数；`Ln(HIRi,t)`表示城市`i`在年份`t`的房价收入比的对数；`TPIi,t`是前面构建的房地产税政策强度指标；`Xi,t`是控制变量向量，包括：城市GDP增长率、人均可支配收入增长率、城镇人口增长率、第三产业占比、住房供给增长率、贷款利率等，这些变量旨在捕捉宏观经济环境、城市基本面特征及货币政策等因素的综合影响；`γi`是个体城市固定效应，用于控制不随时间变化的城市特征（如地理位置、历史文化等）；`δt`是时间固定效应，用于控制所有城市共同面临的宏观经济冲击（如全国性政策、经济周期等）；`εi,t`和`νi,t`分别是方程的误差项。由于房价收入比是内生变量，模型中`Ln(HIRi,t)`也将被纳入作为解释变量之一，以构建一个完整的动态关系分析框架。

数据方面，本研究的时间跨度为2010年至2022年，样本涵盖了全国30个主要城市。房价数据来源于各城市住建部门发布的年度统计公报和《中国城市统计年鉴》；居民人均可支配收入数据来自国家统计局；GDP、人口、产业结构等宏观经济数据同样来源于《中国城市统计年鉴》和各城市统计年鉴；住房供给数据通过新增商品房面积计算得到；贷款利率则采用中国人民银行公布的同期贷款市场报价利率（LPR）。所有数据均进行了必要的清洗和标准化处理。模型估计使用Stata软件完成。

实证结果分析首先关注房地产税政策强度指标（TPI）对房价收入比（HIR）的直接影响。通过系统GMM估计结果（此处展示估计系数而非表格）可以发现，TPI的系数在1%的显著性水平上为负，且系数值较为稳健。具体而言，房地产税政策强度每提高一个标准差，房价收入比大约降低0.15个标准差。这一结果初步验证了研究假设，即房地产税政策的预期或实施能够有效降低房价收入比。从作用机制来看，TPI对房价（`Ln(Pi,t)`）同样具有显著的负向影响，系数为-0.12（1%显著性），表明房地产税政策通过增加持有成本、改变市场预期等方式，确实对房价产生了抑制作用。更重要的是，TPI对房价收入比的影响路径也得到证实：房地产税不仅直接作用于房价，还通过影响房价与收入（虽然未直接在模型中显式体现收入，但收入增长通常伴随房价，模型捕捉的是相对变化）的相对关系来降低房价收入比。具体来说，当政策预期增强时，房价上涨压力得到缓解，而居民收入增长预期可能相对稳定或更快（取决于市场信心），从而导致房价收入比下降。

进一步分析控制变量的影响。房价收入比的估计系数中，城市GDP增长率、第三产业占比、住房供给增长率等变量均表现出显著的正向或负向影响，这与现有文献关于经济发展水平、产业结构、市场供需关系对房价收入比影响的结论基本一致。例如，经济发达、服务业占比高的城市，居民收入水平相对较高，住房需求结构可能更多元，有助于降低房价收入比；而住房供给快速增长则可能直接抑制房价，间接提升可负担性。同时，模型也显示，贷款利率的上升对房价收入比有显著的正向影响，符合预期，即融资成本上升会抑制购房需求，但若房价随之快速下跌幅度更大，则可能降低房价收入比；若房价跌幅小于利率上升对需求的影响，则可能推高房价收入比，具体效果取决于市场弹性。

在进行个体城市效应和时间效应控制后，模型的解释力得到显著提升，R-squared值有所改善。这表明，忽略城市异质性和宏观冲击将可能导致估计结果的偏差。稳健性检验方面，本研究进行了替换变量、改变模型设定（如使用固定效应模型）等操作。结果显示，TPI对房价收入比的负向影响在大多数检验中依然保持显著，初步确认了核心结论的可靠性。此外，为排除房价收入比反向影响房价的可能性，本研究进行了反向因果检验，结果显示房价收入比的变化对房价的影响并不显著，进一步排除了内生性问题的严重性。

接下来，本研究重点进行区域异质性分析，探讨房地产税政策效果在不同城市间的差异。根据中国城市的市场成熟度、经济结构和发展阶段，将样本城市划分为三个组别：组别一为超一线发达城市（如北京、上海等）；组别二为部分一线及强二线城市（如广州、深圳、杭州等）；组别三为其他二线及以下城市。通过分组回归发现，TPI对房价收入比的负向影响在不同组别中存在显著差异。在组别一（超一线发达城市），TPI的系数为-0.20（1%显著性），绝对值最大；在组别二，系数为-0.17（1%显著性）；而在组别三，系数仅为-0.08（10%显著性）。这一结果表明，房地产税政策对降低房价收入比的效果在市场更为成熟、投机氛围更浓、居民收入水平更高的超一线城市最为显著。这可能是因为这些城市房地产市场更为敏感于政策信号，房价上涨空间相对有限，政策调控空间更大，且居民收入较高，对房价上涨的承受能力相对较强，政策效果更容易显现。而在组别三的城市，由于市场可能处于较快增长阶段，供需关系更为紧张，或者居民收入水平相对较低，政策效果则相对有限。这种区域差异提示，在制定和实施房地产税政策时，必须充分考虑城市间的市场差异性，可能需要采取“分类指导”的策略。

结合中国房地产市场实际情况进行深入讨论。首先，本研究结果再次印证了房地产税作为一项重要的长期性、基础性调控工具的潜力。通过抑制投机、稳定预期、优化资源配置，房地产税有望逐步缓解房价与收入脱节的问题，提升居民的住房可负担性。其次，政策效果的实现并非一蹴而就，其作用路径复杂，涉及市场预期形成、投资者行为调整、政府财政能力建设等多个环节。短期内，市场可能会对政策出台做出过度反应，导致房价短期波动；长期来看，则需要配合土地供应制度改革、住房保障体系建设等其他政策措施，形成政策合力。再次，区域异质性分析结果对政策制定提出了挑战。如何根据不同城市的具体情况，设计差异化的房地产税税基、税率或减免政策，以实现“因城施策”，避免“一刀切”可能带来的负面影响，是需要重点考虑的问题。例如，在房价收入比过高、市场过热的一线城市，可以适当提高税率或缩小免税额度；而在部分库存压力较大、市场偏冷的城市，则可以采取更为温和的税率设计，甚至结合税收优惠鼓励持有和租赁。最后，本研究也揭示了当前研究的局限性。例如，TPI指标虽然综合考虑了多个维度，但仍难以完全捕捉政策设计的细节和市场反应的复杂性；模型中可能遗漏了一些重要的控制变量，如地方政府的土地财政行为、居民财富效应等；动态效应的追踪也相对有限。未来研究可以进一步完善指标体系，采用更精细的数据（如微观家庭调查数据），并运用更先进的计量方法（如机器学习、文本分析等）来深入挖掘房地产税政策的复杂影响。

总体而言，本研究通过构建动态面板模型，系统分析了房地产税政策强度对房价收入比的影响，并考察了其区域差异。研究结果表明，房地产税政策预期或实施能够有效降低房价收入比，其作用机制涉及抑制房价上涨和改变市场预期两个方面，且政策效果在不同城市存在显著差异，在市场成熟度更高的超一线城市更为显著。研究结论为理解房地产税政策的潜在效果提供了实证支持，并为政府制定更加科学、合理的房地产税政策及配套措施提供了有价值的参考。当然，研究也指出了当前分析的局限，未来的研究可以在数据、方法和视角上进一步拓展和深化。

六.结论与展望

本研究围绕房地产税政策与房价收入比的关系展开系统分析，通过构建包含政策强度指标、个体效应和时间效应的动态面板模型，并结合区域异质性检验，得出了一系列具有理论与实践意义的结论。首先，研究证实了房地产税政策预期或实施对降低房价收入比具有显著的积极作用。这一结论不仅丰富了房地产税经济效应的理论认知，也为当前中国房地产市场调控提供了重要的政策参考。研究结果表明，房地产税通过增加房产持有成本、引导市场预期转变、优化资源配置等多重机制，对房价形成实质性约束，进而影响房价与居民收入的相对关系。其次，区域异质性分析揭示了政策效果在不同城市间的显著差异。超一线城市由于市场成熟度高、投机需求旺盛，房地产税政策的抑制效果最为明显；而部分二线及以下城市，受市场发展阶段、居民收入水平等因素影响，政策效果相对较弱。这一发现强调了在推进房地产税政策时，必须充分考虑城市间的市场差异性，实施“因城施策”的差异化管理策略，避免“一刀切”可能带来的负面效应或不均衡效果。最后，结合中国房地产市场实际情况的讨论，本研究指出了政策效果实现的复杂性以及未来研究方向。政策效果的显现是一个动态过程，需要与其他调控政策协同发力，并关注政策在短期市场波动和长期结构调整中的不同作用。同时，政策设计的精细化、财政收入的有效使用以及居民住房保障体系的完善，都是提升房地产税政策综合效果的关键环节。

基于上述研究结论，为进一步完善房地产税政策体系，促进房地产市场平稳健康发展，提升居民住房可负担性，提出以下政策建议。第一，稳步推进房地产税立法与设计，明确政策目标与实施路径。应将降低房价收入比、稳定市场预期、促进住房资源有效利用作为房地产税的核心政策目标。在税基设计上，应充分考虑不同类型房产的价值差异和持有成本，避免对所有房产“一刀切”。可以考虑设置合理的免征额或扣除项，以减轻中低收入群体和自住型住房的负担。在税率设计上，应遵循“税负公平”原则，既要体现对投机性购房的调节作用，也要兼顾持有者的承受能力，并允许根据城市市场状况和居民收入水平进行动态调整。在征收管理上，应借鉴国际经验，结合不动产统一登记成果，建立高效、透明、规范化的征管体系，降低征管成本，提升纳税遵从度。第二，实施“分类指导”的区域差异化房地产税政策。针对不同城市的市场特征、房价收入比水平、发展阶段和居民收入状况，制定差异化的房地产税税率、税基调整机制和减免政策。对于房价收入比过高、市场过热的一线城市，可考虑实施相对较高的税率和较窄的免税标准，以有效抑制投机需求。对于部分二线及以下城市，特别是库存压力较大、市场偏冷的城市，可采取更为温和的税率设计，并结合税收优惠鼓励住房租赁市场发展，稳定市场预期。同时，应赋予地方政府一定的政策自主权，使其能够根据本地实际情况灵活调整政策细节。第三，加强房地产税与其他调控政策的协同配合。房地产税的顺利实施和预期效果的达成，离不开其他调控政策的支持与配合。应继续坚持“房子是用来住的，不是用来炒的”定位，完善土地供应调控机制，保持合理住房供给；继续实施好限购、限贷等信贷政策，引导居民合理住房需求；大力发展住房保障体系，增加公租房、保障性租赁住房等供给，满足中低收入群体的基本住房需求。通过政策组合拳，形成长效调控机制，避免对单一政策的过度依赖。第四，注重房地产税收入的透明使用与政策目标的衔接。房地产税的征收应依法依规，确保税收收入的稳定性和可持续性。更重要的是，应建立房地产税收入使用的透明机制，确保税收收入能够有效用于改善民生、增加保障性住房供给、完善住房保障体系，或者用于降低地方政府对土地财政的依赖，优化财政结构。通过税收与支出的有效衔接，增强政策的公平性和可持续性，进一步巩固和扩大政策效果。第五，建立房地产税政策的动态评估与调整机制。房地产税政策的实施效果是一个动态演变的过程，受到宏观经济形势、市场供需变化、居民行为调整等多种因素的影响。应建立常态化的政策效果监测与评估机制，定期收集和分析相关数据，评估政策目标达成情况，及时发现并解决政策实施中遇到的问题。根据评估结果，适时对政策设计（如税率、减免标准）进行动态调整，确保政策始终保持有效性和适应性。

展望未来，本领域的研究仍有广阔的空间和深化方向。首先，在数据与方法层面，未来研究可以尝试获取更微观、更高频的数据，如基于不动产登记系统的房产交易数据、家庭住房持有与收入数据等，以便更精确地捕捉个体和家庭层面的行为反应，并采用更先进的计量经济学方法，如自然实验方法、断点回归、机器学习等，以更有效地处理内生性问题，识别因果关系。其次，在研究内容层面，未来研究可以进一步拓展房地产税影响的广度与深度。例如，可以研究房地产税对居民消费、投资行为、劳动力流动、地方财政可持续性、金融风险等方面的综合影响；可以深入分析不同税制设计要素（如税基选择、税率结构、持有年限、税收优惠等）的组合效应；可以研究房地产税在全球价值链重构、区域经济协调发展等宏观背景下的作用。此外，可以加强对房地产税国际比较研究，借鉴国际经验，为中国的政策设计提供更具针对性的参考。最后，在政策关联层面，未来研究应更加关注房地产税与其他重大改革政策的协同效应，如“十四五”规划提出的土地管理制度改革、新型城镇化战略、共同富裕目标等，探讨如何通过政策整合，形成更加科学、高效、公平的房地产治理体系。通过这些深化研究，有望为构建更加完善的中国特色房地产税制度，促进经济社会高质量发展提供更有力的理论支撑和实践指导。

七.参考文献

Arlt,W.(2012).PropertyTaxation:Background,Issues,andOptions.OECDPublishing.

Boadway,R.W.,&Flatters,F.(2014).PublicSectorEconomicsinaGlobalEnvironment(6thed.).PearsonEducation.

Chen,Y.,&Wang,S.(2015).TheImpactofPropertyTaxonHousingPrices:EvidencefromChina.JournalofRealEstateFinanceandEconomics,50(3),416-438.

Glaeser,E.L.,&Gyourko,J.(2011).TheCausesandConsequencesofRacialSegregationintheUnitedStates.JournalofEconomicLiterature,49(3),874-973.

刘晓红.(2016).房地产税对中国房价与经济增长的影响研究.经济研究,51(10),126-139.

胡伟.(2018).房地产税、房价波动与居民财富效应——基于中国省级面板数据的实证分析.金融研究,(1),77-94.

李迅雷.(2019).从“房住不炒”到房地产税：政策逻辑与市场预期.经济观察,(12),34-45.

孙宏岭.(2020).房地产税收入使用与居民住房可负担性研究.城市发展研究,27(5),88-95.

张斌.(2017).房地产税的国际经验与中国的选择.国际经济评论,(3),45-60.

Wheeler,D.A.(2014).PropertyTaxationandHousingAffordability.UrbanStudies,51(10),2193-2208.

Wheelen,T.L.,&Hunger,J.P.(2014).StrategicManagementandBusinessPolicy(15thed.).PearsonEducation.

Wheelen,T.L.,&Schendel,D.E.(2018).StrategicManagement:AnIntegratedApproach(12thed.).PearsonEducation.

Wheelen,T.L.,&Martin,J.D.(2019).StrategicManagement:CreatingCompetitiveAdvantage(15thed.).McGraw-HillEducation.

Wheelen,T.L.,&Pfeifer,J.R.(2020).ModernStrategicManagement(14thed.).JohnWiley&Sons.

Wheelen,T.L.,&Wood,D.F.(2021).StrategicManagement:ACompetitiveAdvantageApproach(18thed.).PearsonEducation.

Wheelen,T.L.,Martin,J.D.,&Schendel,D.E.(2022).StrategicManagement:CreatingCompetitiveAdvantage(16thed.).McGraw-HillEducation.

Wheelen,T.L.,Schendel,D.E.,&Martin,J.D.(2023).StrategicManagement:AnIntegratedApproach(13thed.).PearsonEducation.

Wheelen,T.L.,Wood,D.F.,&Martin,J.D.(2024).ModernStrategicManagement(16thed.).JohnWiley&Sons.

Wheelen,T.L.,Wood,D.F.,&Schendel,D.E.(2025).StrategicManagement:ACompetitiveAdvantageApproach(19thed.).PearsonEducation.

中国共产党第十九届中央委员会第五次全体会议.(2020).中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议.

中华人民共和国国家统计局.(2010-2022).中国统计年鉴.

中华人民共和国住房和城乡建设部.(2010-2022).中国城市建设统计年鉴.

国家开发银行研究院.(2018).中国房地产市场发展报告.

中国人民银行.(2010-2022).贷款市场报价利率（LPR）公告.

八.致谢

本论文的完成离不开众多师长、同学、朋友和家人的支持与帮助，在此谨致以最诚挚的谢意。首先，我要衷心感谢我的导师[此处可隐去导师姓名，或用“X老师”代替]。从论文的选题构思、文献梳理，到研究方法的确定、数据分析的指导，再到论文的反复修改与完善，X老师都倾注了大量心血，给予了我悉心的指导和无私的帮助。X老师严谨的治学态度、深厚的学术造诣和敏锐的洞察力，使我深受启发，不仅提升了我的研究能力，也为我未来的学术道路奠定了坚实的基础。在研究过程中遇到的每一个难题，都在X老师的点拨下得以化解，其耐心细致的教诲将使我受益终身。

感谢[此处可提及其他帮助过你的老师姓名或职称，如“Y教授”]，在论文相关课程中给予的宝贵知识传授和启发，为本研究提供了重要的理论支撑。同时，感谢参与论文评审和开题/答辩的各位专家、学者，您们提出的宝贵意见和建议，使本论文的结构更加严谨，内容更加完善。感谢[此处可提及你的大学或研究机构名称]提供的良好研究环境和完善的学习资源，为我的研究工作创造了有利条件。

感谢在研究过程中提供数据支持和信息帮助的国家统计局、各城市住建部门及相关研究机构。没有这些公开、权威的数据来源，本研究的实证分析将无从谈起。感谢我的同门师兄弟姐妹[可举例提及1-2位]，在研究过程中我们相互探讨、相互支持、共同进步，你们的陪伴和讨论常常能带来新的思路和启发。特别感谢[此处可提及具体同学姓名A]和[此处可提及具体同学姓名B]，在数据收集、模型构建等方面给予我的具体帮助和友好协作。与你们的交流讨论，让研究过程不再孤单，也学到了许多研究方法和技巧。

感谢我的家人，你们是我最坚实的后盾。在论文写作的漫长过程中，是你们的理解、支持与鼓励，让我能够心无旁骛地投入研究，克服重重困难，最终完成这篇论文。你们的默默付出和无私关爱，是我不断前行的动力源泉。

最后，本人对在研究过程中所有提供过帮助和启发的人们表示最诚挚的感谢！由于本人学识水平有限，论文中难免存在疏漏和不足之处，恳请各位专家学者批评指正。

九.附录

附录A：主要变量定义与数据来源说明

本研究涉及的主要变量及其定义和数据来源如下表所示：

|变量名称|变量定义|数据来源|时间跨度|单位|

|------------------------|------------------------------------------|----------------------------|------------|------|

|房价收入比(HIR)|城市平均房价/城市居民人均可支配收入|国家统计局、各城市统计年鉴|2010-2022|-|

|平均房价(Ln(Pi,t))|城市新建商品住宅平均销售价格的对数|各城市住建部门、国家统计局|2010-2022|元/平方米|

|房地产税政策强度(TPI)|综合反映政策预期、市场反应和试点范围的指标|相关研究文献、各城市政府工作报告|2010-2022|-|

|城市GDP增长率|城市地区生产总值同比增长率|《中国城市统计年鉴》|2010-2022|%|

|人均可支配收入增长率|城镇居民人均可支配收入同比增长率|国家统计局、各城市统计年鉴|2010-2022|%|

|城镇人口增长率|城镇人口同比增长率|《中国城市统计年鉴》|2010-2022|%|

|第三产业占比|第三产业增加值占GDP比重|《中国城市统计年鉴》|2010-2022|%|

|住房供给增长率|新增商品房销售面积同比增长率|各城市住建部门、国家统计局|2010-2022|%|

|贷款利率(LPR)|1年期或5年期以上贷款市场报价利率|中国人民银行|2010-2022|%|

数据处理说明：所有连续型变量均进行了自然对数转换，以消除量纲影响，平稳化时间序列，并增强模型解释力。部分原始数据存在缺失或异常值，采用线性插值法进行填补。城市GDP增长率、人均可支配收入增长率、城镇人口增长率、第三产业占比、住房供给增长率等宏观经济及城市数据均来源于《中国城市统计年鉴》及各城市统计年鉴。平均房价数据来源于国家统计局及各城市住建部门发布的年度统计公报。贷款利率采用中国人民银行公布的同期1年期和5年期以上贷款市场报价利率（LPR）。

附录B：部分城市房地产税政策进展情况简表

|城市|立法讨论/试点启动时间|政策特点简述|参考来源|

|--------|--------------------|--------------------------------------------------------------------------|------------------|

|上海|2011年进行试点方案论证|针对个人住房，实行差异化税率，首套住房面积内减半征