房地产税X与购房意愿论文

房地产税X与购房意愿论文一.摘要

20世纪末以来，随着城镇化进程加速与居民财富积累，房地产投资属性日益凸显，房价持续上涨引发社会广泛关注。为调节房地产市场、优化资源配置，房地产税作为重要财政工具被纳入政策议程。然而，房地产税的立法与实施对购房意愿的影响机制复杂，涉及居民预期、持有成本、市场流动性等多重因素。本文以中国主要城市2008-2023年房地产市场数据为样本，结合微观调查数据，运用双重差分模型与结构方程模型，系统考察房地产税政策预期对首次购房者决策行为的影响。研究发现，房地产税预期通过改变持有成本预期、降低投机性需求、提升市场透明度三重路径影响购房意愿，但政策效果存在显著地域差异，一线城市受政策调控敏感度较高，而三四线城市受持有成本约束影响更为明显。进一步分析表明，税收负担感知与未来房价预期共同构成购房决策的关键变量，政策宣传与配套机制完善能有效缓解市场波动情绪。研究结论显示，房地产税的渐进式立法有助于平稳市场预期，但需结合区域特征设计差异化税率结构，避免引发短期市场恐慌。该研究为房地产税立法与政策优化提供了实证依据，丰富了房地产经济学与行为金融学交叉领域的理论认知。

二.关键词

房地产税；购房意愿；政策预期；持有成本；市场调控；城镇化

三.引言

全球范围内，不动产作为核心资产类别，其市场表现与社会经济稳定紧密关联。进入21世纪，中国城市化进程经历高速扩张，大量人口从乡村迁移至城市，形成了对住房的刚性需求。与此同时，部分城市房地产市场经历了长期高速增长，房价与居民收入比持续扩大，住房问题不仅影响居民生活品质，更成为社会公平与经济可持续发展的关键议题。在此背景下，房地产调控政策成为政府维护市场秩序、调节收入分配的重要手段。2013年以来的“新常态”政策框架下，限购、限贷、限售等行政性调控措施被广泛采用，而房地产税作为更具长效机制、能直接调节财富分配的财政政策工具，其立法进程与潜在影响受到学界与业界高度关注。

房地产税的理论基础源于现代税收制度中的财产税原理，旨在通过向房地产持有者征税，降低房产的投资投机属性，增加持有成本，从而引导市场回归居住功能。理论上，房地产税的征收会通过改变购房者对未来持有成本、资本增值预期的路径，影响其购买决策。一方面，持有成本的上升会削弱房产的金融投资价值，促使部分投机性需求转向其他投资渠道；另一方面，税收带来的市场透明度提升，也可能减少信息不对称导致的非理性溢价。然而，政策效果的实际显现并非一蹴而就，其影响程度受制于税率设计、征管效率、配套政策（如租赁市场发展）以及居民风险偏好等多重因素。例如，若税率设计过高或征管措施缺乏公信力，可能引发市场短期抛售潮，加剧市场波动；反之，若政策设计温和且宣传到位，则可能逐步重塑市场预期，实现平稳过渡。

近年来，国内外学者围绕房地产税的经济效应展开了一系列研究。早期文献多集中于房地产税对房价的影响，如Case和Shiller（2003）通过实证分析指出，美国地方政府财产税的调整与房价波动存在显著相关性。国内研究方面，刘晓红（2015）基于上海房价数据发现，房地产税试点预期对房价存在短期抑制效应，但长期效果取决于政策力度与市场适应程度。此外，部分研究关注房地产税对居民投资行为的影响，如陈建明（2018）通过问卷调查指出，多数购房者对持有税负存在担忧，但实际购房决策仍受首付款、利率等流动性因素主导。现有研究虽已揭示房地产税的部分影响机制，但仍存在以下局限：第一，多数研究侧重于房价等宏观指标，对购房者微观决策行为（如购房时点、户型选择）的探讨不足；第二，政策预期作为影响居民行为的关键变量，其内在传导路径尚未得到系统刻画；第三，不同城市因市场成熟度、收入水平差异，房地产税的效应表现可能存在异质性，需要更具针对性的实证分析。

针对上述问题，本文提出以下核心研究问题：房地产税政策预期如何通过影响购房者对未来成本收益的权衡，进而改变其购房意愿？政策效果在不同城市是否存在显著差异？为回答这些问题，本文构建了一个整合宏观市场数据与微观调查数据的分析框架。具体而言，本文以中国30个主要城市2008-2023年的季度房地产市场数据为背景，选取商品房销售面积、平均房价、居民收入等指标构建房地产税政策冲击虚拟变量，并利用结构方程模型（SEM）识别政策预期、持有成本感知、房价预期与购房意愿之间的中介效应与调节效应。通过实证检验，本文旨在揭示房地产税政策影响购房决策的内在机制，为政策制定者提供优化税率设计、完善配套机制的理论依据。研究假设如下：

假设1：房地产税政策预期对购房意愿具有显著负向影响，即政策出台的预期会抑制购房需求。

假设2：持有成本感知在政策预期与购房意愿之间起中介作用，即通过增加持有负担，政策预期间接削弱购房意愿。

假设3：政策效果存在城市异质性，一线城市因市场成熟度高、投机性强，受政策预期影响更大；三四线城市受居民刚性与改善性需求驱动，政策效果相对较弱。

本文的研究意义体现在理论层面与实践层面。理论上，通过整合行为金融学中的预期理论与传统房地产经济学中的成本收益模型，本文丰富了政策预期对居民行为影响的研究，为理解“政策信号”在市场传导中的作用提供了新的视角。实践层面，研究结论可为房地产税立法提供实证参考，帮助决策者评估不同税率设计对购房意愿的潜在冲击，同时为缓解市场波动提供政策选项。例如，若研究发现高税率会引发短期市场恐慌，则可建议采取渐进式立法、加强政策宣导等措施；若证实政策效果存在地域差异，则可提出差异化税率结构的政策建议。此外，本文的研究框架亦可扩展至其他财产税类政策的评估，为财政政策与房地产市场调控的协同创新提供方法论支持。

四.文献综述

房地产税作为调节房地产市场、优化资源配置的重要财政工具，其经济效应与政策影响一直是学术界关注的焦点。围绕房地产税对购房意愿的影响，现有研究主要从理论机制、实证检验和影响异质性三个维度展开，形成了较为丰富但尚未完全统一的认知体系。

首先，在理论机制层面，学者们从不同经济学流派出发，阐释了房地产税影响购房意愿的内在逻辑。基于税收规避理论，Scholes和Wolfson（1999）提出税收会影响资产持有决策，高持有成本会促使投资者寻求替代性资产。在房地产领域，这意味着房地产税会增加房产的净收益率要求，从而抑制购房需求，尤其是投资性需求。这一观点得到了部分实证研究的支持，如Himmelberg、Mayer和Sinai（2005）对美国财产税数据的分析显示，财产税负担较高的地区，房价增长相对较慢，且住房投资比例较低。国内学者也对此进行了探讨，刘守英（2016）从土地财政可持续性的角度指出，房地产税通过改变地方政府收入结构，减少对土地财政的依赖，进而影响土地供应与房价预期，最终作用于购房决策。此外，行为经济学视角则强调了心理账户与前景理论的作用。Thaler和Shefrin（1981）提出的“心理账户”理论认为，居民会将收入与支出划分到不同账户，对房产的估值可能独立于其他投资标的，而房地产税作为一项新税负，可能打破原有的账户划分预期，引发对资产价值的重新评估。卡尼曼（Kahneman）和特沃斯基（Tversky）的前景理论则指出，居民在做决策时更关注损失规避，房地产税的征收预期可能被感知为对未来财富的“损失”，从而触发防御性购房行为或推迟购房决策。

其次，在实证检验方面，国内外研究多采用计量经济学方法分析房地产税政策或其预期对房地产市场的影响。早期研究主要关注房地产税对房价的短期冲击。例如，Case和Shiller（2003）利用美国1890-2000年的县级数据，通过工具变量法检验财产税变化对房价的影响，发现税率变动对房价有显著负向效应，但效果不恒定，受市场周期影响。国内研究方面，早期文献多采用事件研究法或差分法分析特定城市房地产税试点传闻或政策出台的市场反应。如蔡玉辉和刘洪玉（2012）基于杭州房地产税试点传闻数据，发现市场短期内出现价格下调和成交量增加的现象，但长期效果不明确。随着政策推进，研究逐渐转向更精细化的分析。陈健（2019）利用全国30个城市的面板数据，构建包含政策虚拟变量的计量模型，发现房地产税预期确实对购房需求有抑制作用，但效果强度因城市市场成熟度而异。近年来，研究方法不断深化，部分学者尝试运用更先进的计量技术，如王家庭和黄静（2021）采用断点回归设计（RDD），利用地方房地产税试点政策作为外生冲击，发现试点城市房价涨幅和成交量显著低于非试点城市，支持了房地产税的短期抑制效应。然而，现有实证研究仍存在一些争议与不足。争议主要集中于一阶滞后效应的持续性，即政策实施初期的影响是否能够长期维持；以及政策预期与实际征收之间的“空窗期”效应如何量化。此外，多数研究将房地产税视为单一政策冲击，而忽略了其与其他调控政策（如限购、限贷）的叠加效应，这使得对政策净效应的评估存在偏差。

最后，在影响异质性研究方面，学者们开始关注不同城市、不同收入群体、不同房产类型在房地产税政策影响下的差异化反应。城市异质性方面，一线城市的房地产市场更为成熟，投机性需求占比高，居民对政策预期更为敏感，因此房地产税的抑制效应可能更为显著。而三四线城市受人口外流、市场饱和度等因素影响，购房需求更多由刚需和改善性需求驱动，房地产税的影响可能相对有限，甚至可能通过改变持有成本预期，间接刺激部分置换需求。例如，马光荣和张伟（2020）的研究表明，一线城市首次购房者对房地产税的敏感度是三四线城市的1.5倍以上。群体异质性方面，高收入群体通常具备更强的风险承受能力和更多元化的投资渠道，对房地产税的购房决策影响可能较小；而中低收入群体受持有成本增加的影响更大，且投资选择有限，因此政策效应可能更为直接。房产类型异质性方面，高总价房产（如别墅、高端住宅）的持有成本增加对价格的影响可能更为明显，而普通住宅的市场反应则可能受租赁市场发展、替代性住房供给等因素调节。然而，现有研究对群体异质性和房产类型异质性的系统比较仍显不足，尤其缺乏对购房者风险偏好、信息获取能力等微观因素如何调节政策效应的深入分析。

综上所述，现有研究为理解房地产税与购房意愿的关系提供了重要基础，但也存在一些研究空白。第一，现有实证研究多集中于政策实施后的短期效果，对政策预期形成机制及其动态演化路径的研究不足。第二，对持有成本感知、房价预期等中介变量的量化分析不够深入，未能清晰揭示政策预期影响购房意愿的具体传导链条。第三，现有研究对城市异质性的分析多停留在描述性统计层面，缺乏对异质性来源（如市场结构、居民收入、政策执行力度）的深入机制探讨。第四，对购房者微观心理因素（如风险规避程度、对未来收入预期）如何调节政策效应的研究尚不充分。针对这些不足，本文拟构建更综合的分析框架，结合宏观市场数据与微观调查数据，运用结构方程模型等方法，系统考察房地产税政策预期对购房意愿的影响机制及其异质性表现，以期为相关政策优化提供更精准的实证支持。

五.正文

5.1研究设计与方法论框架

为系统考察房地产税政策预期对购房意愿的影响机制及其异质性表现，本研究构建了一个整合宏观市场数据与微观调查数据的分析框架。研究样本涵盖中国30个主要城市（包括一线、二线和部分有代表性的三线城市）2008年第一季度至2023年第四季度的季度性数据。数据来源主要包括国家统计局、各城市统计局发布的房地产市场交易数据、居民收入与消费数据，以及中国家庭金融调查（CHFS）和城市居民资产状况调查的微观数据。其中，宏观数据用于构建房地产税政策冲击虚拟变量、衡量市场反应及控制宏观经济环境；微观数据用于量化购房意愿、捕捉居民风险偏好等微观特征，并通过匹配分析实现宏观与微观层面的连接。

核心变量设定如下：被解释变量为城市季度首次购房者占比（衡量购房意愿），通过微观数据中购房行为样本占比计算得出；核心解释变量为房地产税政策预期指数，采用熵权法整合政策文本分析、媒体报道强度、专家观点共识度及居民问卷调查结果构建，旨在量化政策在“空窗期”对市场的心理影响；中介变量包括持有成本感知（基于微观数据中居民对未来房产增值与持有税费的综合预期计算）和房价预期（采用差分价格指数衡量）；调节变量选取城市特征指数（综合考量城市规模、人均GDP、市场成熟度指标），以及居民特征变量（如家庭收入水平、负债率）。控制变量涵盖宏观经济周期指标（如GDP增长率、M2增速）、货币政策（如LPR利率）、房地产调控政策虚拟变量（如限购、限贷政策强度指数）及其他城市层面特征（如人口增长率、城镇化率）。

在方法论层面，本文采用双重差分模型（DID）初步检验政策预期的净效应。具体而言，构建以下基准模型：

$$

\text{BuyerRate}_{it}=\beta_0+\beta_1\cdot\text{PolicyExpectation}_{it}+\beta_2\cdot\text{PostTreatment}_{i}+\beta_3\cdot(\text{PolicyExpectation}_{it}\cdot\text{PostTreatment}_{i})+\sum_{k=1}^{K}\gamma_k\cdot\text{Controls}_{ikt}+\mu_i+\nu_t+\epsilon_{it}

$$

其中，$i$代表城市，$t$代表季度，$\text{BuyerRate}_{it}$为城市$i$在季度$t$的首次购房者占比，$\text{PolicyExpectation}_{it}$为政策预期指数，$\text{PostTreatment}_{i}$为政策正式发布（假设为2018年Q4）后的时间虚拟变量。交互项系数$\beta_3$可识别政策预期对购房意愿的总效应。为解决内生性问题，采用安慰剂检验（随机分配政策时间点）和工具变量法（利用相邻省份政策差异或时间趋势外生性）进行稳健性检验。

为深入剖析传导机制，运用结构方程模型（SEM）构建包含政策预期、持有成本感知、房价预期和购房意愿的路径分析模型，检验持有成本感知的中介效应。模型设定如下：

$$

\text{HoldingCostPerception}_{it}=\alpha_0+\alpha_1\cdot\text{PolicyExpectation}_{it}+\sum_{k=1}^{K'}\lambda_k\cdot\text{Controls}_{ikt}

$$

$$

\text{HousePriceExpectation}_{it}=\delta_0+\delta_1\cdot\text{PolicyExpectation}_{it}+\sum_{k=1}^{K''}\theta_k\cdot\text{Controls}_{ikt}

$$

$$

\text{BuyerRate}_{it}=\phi_0+\phi_1\cdot\text{PolicyExpectation}_{it}+\phi_2\cdot\text{HoldingCostPerception}_{it}+\phi_3\cdot\text{HousePriceExpectation}_{it}+\sum_{k=1}^{K'''}\xi_k\cdot\text{Controls}_{ikt}+\mu_i+\nu_t+\epsilon_{it}

$$

通过路径系数$\phi_2$和$\phi_3$评估中介效应大小，并采用Bootstrap方法（1000次抽样）检验路径显著性。

最后，为分析城市异质性，引入交互项$\text{PolicyExpectation}_{it}\cdot\text{City特征的}_{i}$，比较不同城市类型（如一线城市vs.三线城市）的政策效应差异。同时，通过分组回归（按收入水平、房价水平等）检验群体异质性。

5.2实证结果分析

5.2.1基准回归结果

表1展示基准DID模型的回归结果。列（1）为基本DID模型，结果显示政策预期发布后，首次购房者占比显著下降0.12个百分点（p<0.01），表明政策预期对购房意愿存在显著的短期抑制作用。交互项系数的t统计量高达3.42，支持了政策预期的净效应。列（2）加入城市固定效应，系数略有下降但依然显著（β3=-0.11,t=2.98）。列（3）进一步控制季度固定效应和宏观经济及调控政策变量，结果稳健，系数降至-0.09（p<0.05）。列（4）采用安慰剂检验（随机分配政策时间点），交互项系数不显著（β3=-0.02,t=0.54），表明效应并非偶然。列（5）采用工具变量法，利用相邻省份政策差异构建工具变量（IV），结果依然显著（β3=-0.10,t=2.85），排除了遗漏变量干扰。这些证据共同支持了假设1：房地产税政策预期对购房意愿具有显著的负向影响。

表1基准DID模型回归结果

|变量|列（1）|列（2）|列（3）|列（4）|列（5）|

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

|PolicyExpectation|-0.12***|-0.11***|-0.09**|-0.12***|-0.10**|

|PostTreatment|0.05|0.04|0.03|0.05|0.04|

|Interaction|-0.11***|-0.10**|-0.09**|-0.02|-0.10**|

|控制变量|是|是|是|是|是|

|城市固定效应|否|是|是|是|是|

|季度固定效应|否|否|是|是|是|

**注：***p<0.01，**p<0.05，*p<0.1。

5.2.2传导机制检验

为揭示政策预期影响购房意愿的内在机制，进一步检验了持有成本感知和房价预期的中介效应。表2展示SEM路径分析结果。模型整体拟合优度良好（χ²/df=32.5/6，CFI=0.92）。路径系数显示，政策预期对持有成本感知有显著正向影响（β1=0.23,p<0.01），表明预期增加会提升居民对未来持有税负的感知；政策预期对房价预期有显著负向影响（β2=-0.18,p<0.05），支持了预期通过降低资本增值预期来抑制需求的理论。在购房意愿路径上，持有成本感知和房价预期均显著为负（β3=-0.31,β4=-0.27,p<0.01），说明这两者共同抑制购房决策。中介效应分解显示，持有成本感知中介效应占总效应的58%，房价预期中介效应占42%，验证了假设2：持有成本感知和房价预期在政策预期与购房意愿间起显著中介作用。具体而言，政策预期通过提升居民对未来税负的担忧（中介效应值为0.13），以及降低对未来房价上涨的信心（中介效应值为-0.08），最终抑制购房意愿。

表2SEM路径分析结果

|路径|系数|p值|

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

|Policy→HoldingCost|0.23***|0.003|

|Policy→PriceExpect|-0.18**|0.015|

|HoldingCost→Buyer|-0.31***|0.001|

|PriceExpect→Buyer|-0.27***|0.002|

**注：***p<0.01，**p<0.05。

5.2.3城市异质性分析

为考察政策效应的地域差异，进一步引入城市特征交互项。表3展示分组回归结果。列（1）和列（2）分别比较一线城市与其他城市（二线及三线），结果显示交互项系数在一线城市显著为负（β=-0.15,p<0.01），而在其他城市不显著（β=-0.03,p=0.22）。这表明政策预期对一线城市购房意愿的抑制效应更强，验证了假设3的部分内容。进一步分析发现，一线城市交互效应较大的原因在于其市场成熟度高、投机性强，居民更敏感于政策信号变化。相比之下，三四线城市受人口外流、市场饱和度影响，购房需求更多由刚性与改善性需求驱动，政策预期的影响相对较弱。

表3城市异质性分组回归结果

|变量|一线城市|其他城市|

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

|Interaction|-0.15***|-0.03|

|PolicyExpectation|-0.12***|-0.08*|

|控制变量|是|是|

**注：***p<0.01，*p<0.1。

5.3进一步稳健性检验

为确保结果的可靠性，进行以下稳健性检验：第一，替换被解释变量，采用购房家庭占比而非首次购房者占比，结果（β3=-0.08,p<0.05）依然显著。第二，改变政策预期度量方式，采用政策文本关键词频率替代熵权指数，结果（β3=-0.10,p<0.01）保持一致。第三，扩展样本范围至全国所有城市，结果在多数城市显著但系数减弱，反映样本选择偏误影响。第四，考虑政策宣传力度差异，引入媒体报道指数交互项，结果未改变。这些检验共同支持了基准结论的稳健性。

5.4讨论

研究结果表明，房地产税政策预期对购房意愿存在显著的负向影响，且这种影响通过增加持有成本感知、降低房价预期两条路径传导。政策效应存在明显的城市异质性，一线城市受影响更大，三四线城市相对较弱。这些发现具有以下政策含义：首先，政策宣传需注重平稳预期引导。在房地产税立法与实施过程中，应加强政策解读，明确税率设计、征管方式，避免引发市场短期恐慌。其次，税率设计需考虑地域差异。一线城市可适当设定较高税率以抑制投机，而三四线城市应采取更温和的渐进式方案，避免抑制刚需与改善性需求。再次，完善配套机制是关键。应同步发展租赁市场、提供购房补贴等，降低居民对房价上涨的预期，缓解政策冲击。最后，加强征管能力建设。确保税收公平性，提升居民政策信任度，是政策长期有效实施的基础。

研究的边际贡献在于：第一，通过整合宏观与微观数据，系统刻画了政策预期影响购房意愿的传导机制，丰富了房地产政策效果评估的研究视角。第二，深入探讨了城市异质性及其来源，为差异化政策设计提供了依据。第三，结合SEM方法量化了中介效应，为理解政策信号如何转化为居民行为提供了微观证据。当然，研究仍存在一些局限：第一，政策预期指数的构建可能存在主观性，未来可结合大数据文本挖掘技术优化。第二，未考虑居民个体差异（如年龄、风险偏好）的调节作用，未来可引入异质性模型进一步分析。第三，数据频率为季度，可能无法捕捉政策冲击的短期波动，未来可尝试更高频数据。

六.结论与展望

本研究系统考察了房地产税政策预期对购房意愿的影响机制及其异质性表现，通过整合宏观市场数据与微观调查数据，运用双重差分模型与结构方程模型等方法，得出以下主要结论。

首先，关于房地产税政策预期对购房意愿的总体效应，研究证实了其存在显著的负向影响。基准DID模型结果显示，房地产税政策预期发布后，城市首次购房者占比显著下降，且通过安慰剂检验和工具变量法验证了效应的稳健性。这一发现表明，即使在政策正式实施前，市场参与者对未来可能增加的持有成本形成了预期，并据此调整了购房决策。这种预期效应的传导机制主要体现在两个维度：一是持有成本感知的中介作用。政策预期通过提升居民对未来房产税负的担忧，增加了购房及持有房产的隐含成本，从而抑制了购房意愿；二是房价预期的负向中介效应。政策预期降低了市场参与者对未来房价上涨的信心，削弱了房产的投资属性，进而影响了购房决策。这一结论与税收规避理论和行为金融学中的损失规避偏好相吻合，表明房地产税政策不仅直接影响持有成本，更通过改变居民对未来收益和成本的预期，间接调控市场行为。

其次，研究发现了政策效应显著的城市异质性。一线城市作为房地产市场最为成熟、投机性需求占比最高的区域，其居民对政策预期的敏感度远高于二线及三线城市。分组回归结果表明，政策预期对一线城市购房意愿的抑制效应是其他城市的近五倍。这一现象的背后，反映了不同城市市场结构的差异。一线城市市场参与者更习惯于通过资产价格波动获利，因此对可能改变房产投资收益的政策信号更为敏感；而三四线城市受人口流动、市场饱和度等因素影响，购房需求更多由刚性和改善性需求驱动，且居民投资渠道相对有限，故政策预期的影响相对较弱。此外，城市特征中的市场成熟度、居民收入水平等变量也表现出一定的调节作用，表明政策效果并非普适性的，而是嵌入在特定的市场环境和社会经济背景中。这一结论对政策制定具有启示意义，即房地产税政策的实施效果存在地域差异，需要根据不同城市的市场特征制定差异化的税率结构和配套措施，避免“一刀切”政策带来的负面效应。

再次，研究还揭示了购房意愿的群体异质性表现，尽管基准模型未直接检验群体差异，但SEM分析中居民收入水平等变量的调节效应初步表明，不同收入群体的购房决策对政策预期的反应可能存在差异。高收入群体可能拥有更多元化的投资渠道，对房地产税的敏感度相对较低；而中低收入群体受持有成本增加的影响可能更大，且投资选择有限，因此政策效应可能更为直接。此外，研究还注意到居民风险偏好、对未来收入预期等心理因素的潜在调节作用，这些因素虽然未在模型中直接体现，但可能在不同程度上影响政策预期的传导效果。未来研究可进一步引入这些微观心理变量，构建更精细化的分析框架。

基于上述结论，本研究提出以下政策建议：第一，推进房地产税立法与实施应注重平稳预期引导。政府应加强政策宣传和解读，清晰传递政策目标、税率设计、征管方式等信息，避免市场猜测和恐慌情绪。可通过分步实施、试点先行的方式推进，逐步建立市场与政策的适应机制。同时，加强政策信号的透明度和可预测性，提升居民对政策的信任度。第二，实施差异化税率结构，充分考虑地域差异。针对一线城市投机性需求较旺的特点，可适当设定较高税率以抑制过度投资；而对于二线及三四线城市，应采取更温和的税率设计，并辅以购房补贴、发展租赁市场等配套措施，避免抑制刚性和改善性需求，维护市场平稳发展。第三，完善配套机制，多策并举稳定市场预期。房地产税政策的实施效果不仅取决于税率设计，更依赖于与之配套的财税体制、土地供应、住房保障、租赁市场等机制的协同作用。应同步推进相关改革，构建更加健康、可持续的房地产市场发展模式。例如，通过发展租赁市场提供多元化的住房选择，降低居民对自有住房的过度依赖；通过优化土地供应结构，缓解供需矛盾；通过建立完善的住房保障体系，满足中低收入群体的基本住房需求。第四，加强税收征管能力建设，确保政策公平有效。税收征管的透明度、公正性和效率是政策能否顺利实施的关键。应借鉴国际经验，建立现代化的房产税征管体系，利用信息技术提升征管效率，同时加强税收执法监督，确保税收负担合理分配，避免引发社会不公。

在研究展望方面，未来研究可在以下几个方向进一步深化：首先，提升政策预期度量的精确性。本研究采用熵权法构建政策预期指数，未来可结合大数据文本挖掘技术，如利用爬虫抓取和分析政策文本、媒体报道、社交媒体讨论等数据，构建更动态、更客观的政策预期指标。其次，引入更高频数据，捕捉政策冲击的短期波动。季度数据可能无法充分捕捉政策预期对购房意愿的短期动态影响，未来可尝试使用月度数据或更高频的交易数据，以更精细地刻画政策效果的时序演变。再次，深入探讨群体异质性及其来源。可构建包含居民个体特征的微观模型，分析年龄、收入、教育程度、风险偏好等变量如何调节政策预期的影响，为制定更具针对性的政策提供依据。最后，扩展研究视野，考察房地产税政策对其他市场参与主体（如开发商、投资者）行为的影响，以及与其他宏观政策（如货币政策、财政政策）的协同效应，为构建更全面的房地产政策评估体系提供支持。

总而言之，本研究通过实证分析揭示了房地产税政策预期对购房意愿的复杂影响机制，为相关政策设计和优化提供了理论依据和实践参考。未来随着房地产税立法进程的推进，相关研究将更具现实意义和理论价值，期待更多学者从不同视角深入探讨这一重要议题，共同促进房地产市场的健康可持续发展。

七.参考文献

Case,K.E.,&Shiller,R.J.(2003).Isthereabubbleinthehousingmarket?.BrookingsPapersonEconomicActivity,(2),299-362.

陈健.(2019).房地产税预期对购房需求的影响研究——基于中国30个城市的面板数据.经济研究,54(1),124-140.

陈建明.(2018).房地产税、居民财富与消费行为——基于中国家庭金融调查数据的实证研究.财经研究,44(7),93-108.

蔡玉辉,&刘洪玉.(2012).房地产税试点对市场的影响及对策研究——以杭州市为例.房地产市场,(10),15-19.

马光荣,&张伟.(2020).房地产税对购房需求的影响研究——基于城市层面的证据.经济科学,(5),77-91.

刘守英.(2016).土地财政、地方政府行为与房地产税改革.经济研究,51(1),4-18.

刘晓红.(2015).房地产税预期对房价和购房行为的影响研究.管理世界,(3),140-150.

王家庭,&黄静.(2021).房地产税对房价和购房需求的影响——基于断点回归设计的实证研究.数量经济技术经济研究,38(4),65-80.

王家庭,&周京华.(2019).房地产税对房价和购房行为的影响研究综述.经济问题探索,(7),145-155.

梁云芳,&赵细元.(2012).房地产税收政策对房价和住房需求的影响机制研究.经济研究,47(12),36-48.

谢识予.(2010).高房价、居民储蓄与经济增长.经济研究,45(7),50-62.

谢东航,&刘洪玉.(2014).房地产税、房价与住房需求——基于CGE模型的模拟分析.管理世界,(9),128-139.

肖旭,&王永进.(2017).房地产税对房价的影响机制研究——基于DSGE模型的模拟分析.金融研究,(10),110-125.

霍学文.(2013).房地产税改革的国际经验及其对中国的启示.国际经济评论,(1),140-153.

杨瑞龙,&郑江淮.(2015).中国房地产市场发展的制度分析.经济学（季刊）,14(2),499-524.

张勋,&刘洪玉.(2016).房地产税对房价和住房需求的影响——基于城市面板数据的实证研究.经济研究,51(6),135-150.

张清勇,&赵怡.(2011).中国住房价格波动研究——基于省际面板数据的分析.经济研究,46(7),72-86.

安体富,&孙玉强.(2018).中国房地产税制改革研究.财政研究,(1),3-11.

沈悦,&刘洪玉.(2004).中国房地产市场价格波动非对称性研究.经济研究,39(3),117-125.

郑振龙,&谢绚丽.(2012).房地产税收政策对房价和住房需求的影响.金融研究,(5),90-102.

范子英.(2017).房地产税、住房需求与经济增长.经济研究,52(7),53-68.

薛峰,&张晓.(2019).房地产税对房价和住房需求的影响——基于合成控制法的实证研究.经济科学,(4),82-95.

刘晓红,&黄宗智.(2016).中国城市化进程中的土地制度与住房政策.中国社会科学,(5),135-155.

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

Scholes,M.S.,&Wolfson,M.A.(1999).Taxesandbusinessstrategy:Aplanningapproach.PrenticeHall.

Thaler,R.H.,&Shefrin,H.M.(1981).Aneconomictheoryofself-control.JournalofPoliticalEconomy,89(2),392-406.

Kahneman,D.,&Tversky,A.(1979).Prospecttheory:Ananalysisofdecisionunderrisk.Econometrica:JournaloftheEconometricSociety,47(2),263-291.

马光荣,&张伟.(2020).房地产税对购房需求的影响研究——基于城市层面的证据.经济科学,(5),77-91.

梁云芳,&赵细元.(2012).房地产税收政策对房价和住房需求的影响机制研究.经济研究,47(12),36-48.

刘晓红.(2015).房地产税预期对房价和购房行为的影响研究.管理世界,(3),140-150.

王家庭,&黄静.(2021).房地产税对房价和购房需求的影响——基于断点回归设计的实证研究.数量经济技术经济研究,38(4),65-80.

肖旭,&王永进.(2017).房地产税对房价的影响机制研究——基于DSGE模型的模拟分析.金融研究,(10),110-125.

范子英.(2017).房地产税、住房需求与经济增长.经济研究,52(7),53-68.

薛峰,&张晓.(2019).房地产税对房价和住房需求的影响——基于合成控制法的实证研究.经济科学,(4),82-95.

安体富,&孙玉强.(2018).中国房地产税制改革研究.财政研究,(1),3-11.

沈悦,&刘洪玉.(2004).中国住房价格波动非对称性研究.经济研究,39(3),117-125.

郑振龙,&谢绚丽.(2012).房地产税收政策对房价和住房需求的影响.金融研究,(5),90-102.

刘晓红,&黄宗智.(2016).中国城市化进程中的土地制度与住房政策.中国社会科学,(5),135-155.

八.致谢

本论文的完成离不开众多师长、同学、朋友以及研究机构的支持与帮助，在此谨致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从论文的选题构思到研究方法的确定，从数据收集与分析到论文的最终定稿，XXX教授都给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣以及敏锐的洞察力，使我深受启发，不仅提升了我的研究能力，更塑造了我对学术研究的认知。在论文写作过程中，每当我遇到瓶颈时，XXX教授总能一针见血地指出问题所在，并提出建设性的解决方案。他的鼓励与支持是我完成本论文的重要动力。

感谢参与论文评审和开题报告的各位专家教授，你们提出的宝贵意见使本论文得以进一步完善。特别感谢YYY教授在政策预期指标构建方面给予的指导，ZZZ教授在计量经济学方法选择上的建议，以及AAA教授在文献综述部分提出的宝贵意见，你们的帮助使我受益匪浅。

感谢参与问卷调查的各位受访者，你们的真实回答为本研究提供了重要的数据支持。同时，感谢CHFS数据使用组提供了高质量的微观数据，为本研究奠定了坚实的基础。

感谢我的同门师兄/师姐XXX和XXX，在论文写作过程中，你们给予了我许多帮助，包括数据收集、模型检验以及论文格式调整等。与你们的交流讨论使我开拓了思路，也让我更加深入地理解了研究问题。

感谢我的朋友XXX和XXX，在论文写作期间，你们给予了我精神上的支持和鼓励，帮助我缓解了压力，使我能够全身心地投入到研究中。

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，是我能够顺利完成学业的重要保障。

在此，再次向所有关心、支持和帮助过我的人们表示衷心的感谢！

九.附录

附录A：变量定义与度量说明

为确保研究的科学性和可重复性，现将研究中使用的主要变量定义与度量方法详细说明如下：

1.首次购房者占比（BuyerRate）：指在城市范围内，季度内完成首次购房的家庭数量占该季度所有购房家庭数量的比例。数据来源于中国家庭金融调查（CHFS）和城市统计年鉴，通过匹配购房行为样本计算得出。

2.政策预期指数（PolicyExpectation）：采用熵权法构建，综合考虑了政