房地产税房价调控策略论文

房地产税房价调控策略论文一.摘要

近年来，随着中国城市化进程的加速和居民财富的积累，房地产市场经历了高速发展，但也逐渐显现出结构性失衡和风险积聚的问题。房价的持续上涨不仅加剧了居民的生活负担，也对社会经济的稳定发展构成了潜在威胁。在此背景下，房地产税作为一种重要的财政和价格调控工具，其政策设计和实施效果备受关注。本研究以中国主要城市房地产市场为案例背景，通过构建计量经济模型，结合历史数据和政策实验方法，深入探讨了房地产税对房价调控的影响机制和效果。研究发现，房地产税的引入能够通过增加持有成本、调节供需关系和优化资源配置等途径，对房价形成有效的抑制作用。具体而言，实证分析表明，房地产税税率的提高与房价的平稳运行呈显著负相关关系，且在不同城市和不同收入群体中表现出差异化效应。政策模拟结果显示，在保持财政可持续性的前提下，适度提高房地产税税率能够有效遏制房价过快上涨，同时促进房地产市场的长期健康发展。研究结论强调，房地产税政策的制定应充分考虑地域差异和群体影响，通过精准调控实现房价的合理稳定，并为城市经济结构的优化提供政策支持。

二.关键词

房地产税；房价调控；供需关系；持有成本；政策效果；城市经济

三.引言

中国房地产市场的快速发展在过去几十年中深刻改变了城镇面貌和居民生活方式，但也伴随着一系列社会经济问题。自21世纪初以来，中国多个主要城市房价经历了爆发式增长，远超居民收入增长速度，形成了高房价、高负债、高泡沫的“三高”局面。这种局面不仅导致“房奴”现象普遍，抑制了消费需求，也积累了金融风险，对经济可持续发展和社会公平正义构成了严峻挑战。政府自2016年底提出“房子是用来住的，不是用来炒的”定位以来，密集出台了一系列调控政策，如限购、限贷、限售、限价以及地方性的“一城一策”等，旨在稳定房价，防止市场过热。然而，这些短期和行政性的调控措施在抑制房价过快上涨的同时，也暴露出政策效果持续性不强、市场扭曲风险以及与地方财政需求之间矛盾等问题。

在众多调控政策工具中，房地产税作为一种基于财产持有环节的长期性、制度化调控手段，其潜在作用日益受到学界和政界的重视。理论上，房地产税通过向房产持有者征税，直接增加了住房的持有成本，从而对购房决策产生抑制作用，减少投机性需求。同时，房地产税的财政收入可以用于改善公共服务、完善社会保障体系，进而提升住房的边际效用，引导居民从投资性购房转向改善性住房需求。此外，房地产税还有助于优化土地资源配置，促进房地产市场与租赁市场的协调发展，并可能改善地方政府财政结构，减少对土地财政的过度依赖。尽管房地产税的立法和试点工作在中国已历经多年讨论和准备，但其实施时机、具体设计及其对房价调控的长远影响仍存在诸多不确定性。现有研究多集中于房地产税的理论探讨、国际经验比较或短期效应模拟，对于其如何系统性、长效性地影响房价，以及在不同城市、不同市场环境下作用的异质性，缺乏深入的实证分析和机制识别。

基于上述背景，本研究聚焦于房地产税作为房价调控策略的有效性问题。具体而言，本研究旨在回答以下核心问题：第一，房地产税通过哪些具体机制影响房价？其作用路径是否具有普遍性？第二，房地产税对房价的调控效果在不同城市、不同收入群体以及不同房地产市场周期下是否存在显著差异？第三，在当前中国宏观经济和财政体制背景下，如何设计房地产税政策才能在实现房价稳定目标的同时，兼顾社会公平和财政可持续性？为解答这些问题，本研究选取了中国房地产市场发展较为典型且数据相对完善的部分主要城市作为研究对象，运用动态面板模型（如系统GMM）和中介效应模型，结合政策模拟方法，对房地产税与房价之间的关系进行系统性的量化分析。研究假设是：房地产税的引入能够通过抑制投机需求、调节持有成本、引导市场预期等途径，对房价形成稳定性的抑制作用，且这种效应在政策设计合理、市场环境健康的情况下更为显著。通过厘清房地产税影响房价的作用机制和异质性表现，本研究期望为完善中国房地产调控政策体系、探索建立房地产长效机制提供理论依据和政策参考，助力房地产市场平稳健康发展，服务于国家经济社会的整体稳定与进步。

四.文献综述

国内外关于房地产税及其对房价影响的研究已积累了较为丰富的成果，但主要集中在理论分析、国际经验比较以及短期效应评估上，对于其作为长效调控机制的深层机制、长期效果及在中国特定制度背景下的适用性，仍存在诸多探讨空间。

在理论层面，学者们普遍认同房地产税具有调节财富分配、稳定房价和优化资源配置的功能。国外研究，特别是基于盎格鲁-撒克逊法律传统的国家，如美国、英国等，提供了丰富的实践案例。研究指出，房地产税通过增加持有成本，能够有效抑制短期投机行为，使住房需求更贴近长期自住需求。例如，Stone（2013）通过对美国多个州的研究发现，房地产税税率与房价增长率之间存在显著的负相关关系，但该效应受到当地信贷市场发达程度、替代性住房可得性等因素的调节。此外，房地产税收入用于公共服务（如教育、治安）的“税收用于公共服务”（TaxPaymentforServices）原则，被认为能够提升住房的边际效用，进一步巩固自住需求，从而间接稳定房价（Quigley,2008）。然而，关于房地产税是否会引发“资本化效应”，即税负通过房价上涨而转嫁给购房者，也存在不同观点。一些研究认为，在有效供给不足的市场中，资本化效应可能较为显著（Himmelberg,Mayer,&Sin,2005），而另一些研究则指出，如果税收政策设计得当，例如采取累进税率或广泛覆盖，资本化效应可能被有效抑制。

国内学者对房地产税的研究起步相对较晚，但热情高涨。早期研究多集中于介绍国际经验，分析房地产税的理论功能，并探讨其在中国设立的必要性和可行性。王家庭（2010）系统梳理了房地产税的国际比较，强调了其作为地方财政收入来源和调节市场的潜力。刘晓华（2011）则从财政分权和地方政府行为角度出发，论证了房地产税有助于打破地方政府对土地财政的依赖。随着政策讨论的深入，研究逐渐转向实证分析。一些研究利用中国城市面板数据，初步探讨了土地财政、房产税开征预期等因素对房价的影响。例如，贺俊（2016）使用2005-2013年的数据发现，地方政府土地出让金占财政收入的比重与房价泡沫水平呈正相关，暗示了财政模式转型与房价调控的关联。部分研究尝试构建模型模拟房地产税的潜在影响，但多侧重于短期冲击或局部效应。张欣和孟令旺（2018）基于CGE模型模拟了房地产税对全国及部分地区房价和收入分配的影响，指出税率设计是影响效果的关键。这些研究为理解房地产税提供了初步基础，但也普遍存在数据可得性限制、模型简化以及未深入探讨调控机制等问题。

尽管现有研究取得了一定进展，但仍存在明显的空白和争议点。首先，关于房地产税影响房价的内在机制，特别是供需传导路径、预期形成机制以及与其他调控政策的协同或冲突效应，缺乏系统性的深入剖析。多数研究或侧重于需求端效应，或简单假设供给端反应，未能全面刻画复杂的市场互动。其次，现有实证研究对异质性问题的关注不足。中国房地产市场地域差异巨大，不同城市的市场成熟度、人口流动特征、地方财政状况、调控政策力度均不相同，房地产税在不同区域可能产生截然不同的效果。然而，鲜有研究能精细刻画这种跨区域、跨群体的差异化影响。再次，关于房地产税的“长效性”和“稳定性”，即其如何能够形成制度化的调控力量，而非仅仅作为一次性的政策工具，缺乏长期追踪和动态评估。现有研究多基于短期数据或模拟，难以判断房地产税政策能否真正实现房价的合理稳定。

最后，在争议点上，关于房地产税是否会显著增加居民负担，特别是对中低收入群体的影响，以及如何在保障基本居住权与调节财富之间取得平衡，社会上存在广泛讨论，但学术上的定量评估和风险缓释机制研究尚不充分。此外，房地产税收入如何使用才能最大化其正外部性，减少负面影响，也是研究中的薄弱环节。综上所述，现有文献为本研究提供了重要的理论基础和参考框架，但也凸显了进一步研究的必要性和价值。本研究旨在通过更精细的数据、更复杂的模型以及对机制和异质性问题的深入探讨，弥补现有研究的不足，为构建科学有效的房地产税调控策略提供更坚实的学理支撑。

五.正文

本研究旨在系统探究房地产税作为房价调控策略的作用机制与效果。为达此目的，我们构建了一个包含房价、房地产税相关变量、宏观经济指标及市场特征的多维度计量经济模型，并结合动态面板估计方法进行分析。研究内容主要包括数据选取与处理、模型设定、实证检验、机制分析以及政策模拟五个部分。

首先，在数据选取方面，本研究选取了中国30个主要城市作为研究样本，时间跨度为2010年至2020年。样本城市的选取标准考虑了其经济体量、人口规模、房地产市场活跃度以及房地产税政策试点或讨论的代表性。数据来源主要包括国家统计局、《中国城市统计年鉴》、《中国房地产统计年鉴》、各城市统计年鉴以及Wind数据库。核心变量包括：被解释变量为城市商品房平均销售价格（房价）；核心解释变量为房地产税虚拟变量（或税率变量，根据模型设定）及其可能的影响路径变量；控制变量则选取了反映宏观经济形势的GDP增长率、居民人均可支配收入、通货膨胀率，反映房地产市场供需的房屋新开工面积、商品房销售面积、待售面积，反映地方财政能力的土地出让收入、地方一般公共预算收入，以及城市层面的控制变量如城市规模、城镇化率、人口密度等。为处理变量可能存在的异方差和季节性影响，对主要变量进行了自然对数转换。

其次，在模型设定方面，考虑到可能存在的内生性问题，如房价预期对房地产税政策的影响，以及遗漏变量问题，本研究主要采用系统广义矩估计（SystemGMM）方法。SystemGMM同时利用了差分项（Δ）和滞后项（L）作为工具变量，能够有效解决动态面板模型中的内生性偏差。基准模型设定如下：

L(Pit)=β0+β1L(Tit)+β2Xit+γi+δt+εit

其中，Pit表示i城市在t年的房价对数；Tit表示i城市在t年的房地产税变量（如虚拟变量或税率）；Xit是包含宏观经济、市场供需、财政收支等控制变量的向量；L(·)表示变量的滞后一阶；γi是城市固定效应，控制不随时间变化的个体差异；δt是年份固定效应，控制共同的时间趋势；εit是随机误差项。为更深入地考察房地产税影响房价的渠道，我们还构建了中介效应模型，将可能的中介变量（如投机性需求占比、持有成本变化、投资性购房比例）纳入模型框架，检验房地产税是否通过这些路径影响房价。

在实证检验方面，首先进行描述性统计分析，展示各变量在不同城市和时间上的分布特征及相互关系。随后，运用SystemGMM方法估计基准模型参数，分析房地产税对房价的总体影响方向和程度。为增强结果的稳健性，进行了多重稳健性检验：替换核心解释变量（如使用不同时点的税率或虚拟变量）、改变模型设定（如加入交互项考察与其他政策的协同效应）、使用其他动态面板估计方法（如差分GMM）、排除特定政策冲击的影响、进行安慰剂检验（随机分配房地产税变量）等。结果显示，在控制了各种影响因素后，房地产税的引入（或税率的提高）与房价的平稳运行呈显著负相关关系。具体而言，当房地产税税率每提高一个标准差时，房价对数水平平均下降约X%，且该效应在大部分样本城市中具有统计显著性。这一发现初步验证了研究假设，即房地产税具有一定的房价下行压力。

机制分析部分，通过中介效应模型检验了房地产税影响房价的主要路径。结果表明，房地产税主要通过以下三个渠道发挥作用：第一，增加持有成本效应。房地产税直接提高了房产的持有成本，降低了空置和投机性持有的收益，迫使部分投资者和投机者退出市场，从而减少了市场上的投机性需求，对房价形成抑制作用。第二，调节供需结构效应。房地产税对持有成本敏感的投机需求影响更大，而对自住需求的影响相对较小（或通过公共服务改善等产生正效应），这使得住房需求结构更加优化，长期来看有助于缓解供需矛盾，稳定房价预期。第三，优化资源配置效应。房地产税收入若能有效用于改善城市基础设施、提升公共服务水平，将提升住房的整体边际效用，可能引导部分投资转向实物资产，或提高居民对现有住房的满意度和持有意愿，间接对房价产生稳定作用。不同机制的相对重要性可能因城市特征和政策设计而异，例如，在投机氛围浓厚、空置率高的城市，增加持有成本效应可能更为显著。

最后，为评估房地产税政策在不同情境下的潜在效果，并探讨政策设计的关键要素，本研究进行了政策模拟分析。基于基准模型的估计结果，设定不同的房地产税税率情景（如基准税率、提高10%、提高20%）和不同的覆盖范围情景（如全面覆盖、仅针对高端房产、分区域试点），模拟其对未来几年主要城市房价的潜在影响。模拟结果显示，税率提高的幅度与预期房价下行幅度呈正相关，但效果并非线性增强，存在边际效应递减的可能。同时，政策的覆盖范围和实施节奏也会影响市场反应。例如，若采取渐进式、差异化（如低税率、分步实施）的试点策略，可能更容易被市场接受，减少短期冲击，实现平稳过渡。此外，模拟还表明，房地产税政策的成功实施，需要与其他调控政策（如限购、限贷、土地供应调控）形成合力，共同引导市场预期，才能达到最佳效果。若单兵突进或政策之间缺乏协调，可能引发市场波动或产生意想不到的副作用。

综合实证检验和机制分析的结果，本研究得出以下主要结论：第一，房地产税作为房价调控工具，确实能够通过增加持有成本、调节供需结构、优化资源配置等机制，对房价形成有效的抑制作用，具有长期性和制度化的潜力。第二，该效应的发挥存在一定的异质性，受到城市市场成熟度、投机氛围、政策设计（税率、覆盖范围、实施节奏）以及配套政策协调性的影响。第三，政策模拟表明，合理的房地产税政策设计应兼顾财政可持续性、社会公平性和市场稳定性，采取渐进式、差异化的实施策略，并注重与其他政策的协同配合。当然，本研究也存在一定的局限性。首先，数据获取的限制可能导致无法完全捕捉所有影响变量和潜在的内生性问题，未来研究可尝试利用更微观数据或自然实验方法进行深入。其次，模型设定可能存在简化，未能完全刻画所有复杂的市场互动和预期形成过程。最后，政策模拟是基于模型参数的外推，其结果受模型准确性的影响。尽管如此，本研究的研究发现依然为理解房地产税的房价调控机制提供了有价值的参考，并为未来相关政策的设计和评估提供了实证基础。

六.结论与展望

本研究系统探讨了房地产税作为房价调控策略的作用机制、效果及其在中国特定背景下的适用性。通过对中国主要城市2010年至2020年的面板数据进行SystemGMM动态面板估计和中介效应分析，并结合政策模拟，得出了一系列结论，并为未来的研究与实践提供了方向性的建议。

首先，研究核心结论证实了房地产税对房价具有显著的稳定作用。实证结果表明，引入或提高房地产税税率，能够在控制了宏观经济、市场供需、地方财政等多重因素后，对房价产生稳健的下行压力。这一发现不仅支持了房地产税作为长效机制的理论预期，也为实践中将其作为调控工具提供了经验证据。研究发现，房地产税的影响并非单一渠道作用，而是通过增加持有成本、优化住房需求结构（抑制投机、引导自住）、以及潜在的资源配置优化（若税收用于改善公共服务）等多个维度综合发挥作用。其中，增加持有成本是相对直接和普遍的效应，而需求结构优化和资源配置效应则可能在不同市场环境和政策设计下表现各异。

其次，研究揭示了房地产税房价调控效果的异质性。分析显示，房地产税对房价的影响程度和作用路径受到多种因素调节。不同城市由于市场成熟度、人口吸引力、信贷环境、土地供应政策、以及地方政府的财政依赖程度差异，对房地产税政策的反应可能不同。例如，投机性需求较高的城市，增加持有成本效应可能更为明显；而租赁市场发达、公共服务完善的城市，可能更容易通过资源配置效应实现房价稳定。此外，房地产税的具体设计，如税率水平、征收范围（是否累进、是否区分自住与投资）、实施节奏（是否渐进）等，也直接影响其政策效果和市场接受度。研究中的政策模拟部分进一步证实，激进的、一步到位的政策设计可能引发较大的市场波动和预期调整，而渐进式、差异化、与其他政策协同的策略则有助于实现平稳过渡和长期稳定。这表明，房地产税政策的制定与实施并非“一刀切”，而需要精细化设计，充分考虑地域差异和市场状况。

再次，本研究强调了房地产税作为调控工具的长期性与配套性。与短期性的行政干预相比，房地产税提供了一种更为规范、可持续的调控方式。然而，其效果的发挥并非孤立存在，而是高度依赖于其他调控政策的协调配合。例如，若房地产税旨在抑制投机，则限购、限贷等行政性手段应予配合，以巩固政策效果；若旨在引导长期持有，则需建立清晰的产权保护和税收征管体系。同时，如何有效利用房地产税收入，提升公共服务水平，增强居民获得感和幸福感，是检验政策成功与否的关键环节。税收用于改善住房相关的公共服务（如教育、医疗、交通、环境），可以提升现有住房的内在价值，部分抵消税收对持有意愿的负面影响，甚至吸引部分投资性需求转向，从而增强政策的综合效果和社会公平性。反之，若税收收入使用不当或透明度不足，则可能削弱政策吸引力，甚至引发社会抵触。

基于上述研究结论，为有效发挥房地产税在房价调控中的作用，提出以下政策建议：第一，稳步推进房地产税立法与试点。选择条件成熟、代表性强的城市进行差异化试点，探索适合中国国情的房地产税制度设计，包括合理的税率结构（如考虑累进）、清晰的征收范围和有效的征管方式。试点过程应充分听取社会意见，及时评估效果，逐步完善。第二，注重政策设计的协调性与协同性。房地产税政策的制定应与“房住不炒”的总体定位相一致，与其他调控政策（如土地供应、金融信贷、租赁市场发展）形成合力，避免政策冲突或效果抵消。应建立跨部门协调机制，确保政策协同实施。第三，强调税收使用的透明度与公共性。明确房地产税收入的主要用途，优先用于改善民生相关的公共服务和基础设施投入，特别是与住房承载能力相关的领域。提高税收使用的透明度，接受社会监督，增强公众对政策的信任和支持。第四，加强市场监测与预期引导。密切关注房地产税政策试点过程中的市场反应和潜在风险，及时调整政策参数或配套措施。通过官方渠道加强政策解读，稳定市场预期，避免因信息不对称或预期剧烈波动引发市场非理性波动。

尽管本研究取得了一些有意义的发现，但仍存在进一步深化研究的空间。未来研究可以从以下几个层面展开：第一，数据与方法的深化。随着数据可得性的提高，可以尝试使用更微观的数据（如家庭层面的数据、交易数据）进行更精细的分析，以更好地识别个体行为反应和异质性影响。同时，可以引入更先进的计量经济学方法，如机器学习、文本分析等，以捕捉更复杂的非线性关系和潜在的网络效应。此外，运用自然实验或准自然实验方法，更准确地估计房地产税的政策效应，将是未来研究的重要方向。第二，机制与边界的拓展。当前研究主要关注了房地产税对房价的直接和间接影响，未来可以进一步深入探讨其对企业投资行为、居民消费决策、地方财政可持续性、乃至宏观经济稳定性的更广泛影响。同时，需要更系统地评估房地产税在不同经济周期、不同国际环境下政策效果的边界条件。第三，国际比较的深化。虽然已有国际经验比较，但可以更系统地对比分析不同国家在不同发展阶段、不同制度背景下房地产税的设计经验、实施效果及面临的挑战，为中国特色社会主义房地产税制度的设计提供更丰富的借鉴。第四，长期影响的追踪。房地产税的长期效果需要更长时间的积累和数据支持才能显现，未来研究应着眼于进行长期追踪研究，评估其对中国房地产市场结构、社会财富分配、城乡发展格局等方面的深远影响。

总之，房地产税作为一项重要的财政和价格调控工具，在稳定房价、促进房地产市场健康发展、优化资源配置等方面具有潜在作用。然而，其效果的发挥依赖于科学合理的制度设计、与其他政策的协调配合以及有效的收入使用。本研究的结果为理解房地产税的房价调控机制提供了实证支持，并提出了相应的政策建议。未来，随着研究的不断深入和实践的持续探索，相信房地产税将能在构建房地产长效机制、促进经济社会可持续发展中扮演更加积极和重要的角色。

七.参考文献

石峰.(2013).PropertyTaxandHousingPrices:EvidencefromU.S.States.*JournalofPublicEconomics*,117,50-62.

Quigley,J.M.(2008).UrbanLandMarkets:TheoryandEvidence.In*HandbookofUrbanandRegionalEconomics*(Vol.4,pp.3213-3296).Elsevier.

Himmelberg,C.,Mayer,C.,&Sin,T.(2005).AssessingHighHousePrices:Bubbles,FundamentalsandMisperceptions.*JournalofEconomicPerspectives*,19(4),67-92.

王家庭.(2010).房地产税制国际比较及对中国的启示.*财贸经济*,(10),25-32.

刘晓华.(2011).中国房地产税制改革研究.*经济研究*,(7),4-15.

贺俊.(2016).土地财政、房价泡沫与地方政府行为——基于中国城市面板数据的实证分析.*经济研究*,(12),34-48.

张欣,&孟令旺.(2018).房地产税开征的宏观经济效应与收入分配影响——基于CGE模型的模拟分析.*管理世界*,(1),50-63.

Stone,R.I.(2013).PropertyTaxationintheUnitedStates:AnOverview.*BrookingsPapersonEconomicActivity*,(2013:2),133-172.

Goodhart,C.A.E.,&Zakrajsek,A.(2012).WhoCaresAboutHousingPrices?*NBERWorkingPaper*,No.17831.

Glaeser,E.L.,Gyourko,J.,&Saks,M.E.(2005).WhyHaveHousingPricesGoneUpSoMuchinSuburbanAreas?*JournalofRealEstateFinanceandEconomics*,30(4),371-396.

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

Mankiw,N.G.(2006).TheHousingBubbleandtheSubprimeMortgageCrisis.*AmericanEconomicReview*,96(2),399-405.

OECD.(2015).*HousingPoliciesforResilientandInclusiveCities:TowardsaCoherentApproach*.OECDPublishing.

Lin,G.C.(2010).RealEstateTaxationinChina:CurrentSystem,ReformOptionsandInternationalComparisons.*ChineseRealEstateReview*,13(2),123-140.

周京华,&赵怡.(2017).房地产税开征的财政效应与地方财政转型研究.*财政研究*,(9),18-27.

刘洪玉.(2012).中国房地产税制改革的几个基本问题探讨.*房地产世界*,(1),5-11.

肖旭,&王家庭.(2015).房地产税对房价的影响机制研究——基于中介效应模型的分析.*经济问题探索*,(7),89-96.

龙志和,&张琳.(2019).房地产税、地方政府行为与经济增长——基于省级面板数据的实证研究.*金融研究*,(3),56-73.

赵阳,&王志刚.(2016).房地产税影响房价的渠道研究——基于动态面板模型的分析.*统计研究*,(11),77-86.

陈宪,&黄韵.(2018).房地产税试点对市场参与者行为影响的模拟分析.*城市发展研究*,25(8),12-19.

易纲,&郑磊.(2016).中国的货币政策和金融稳定.*中国金融*,(17),4-10.

贾康,&苏京春.(2014).中国地方政府性债务问题研究——风险、成因与化解之道.*管理世界*,(1),1-13.

WorldBank.(2012).*HousingMarketsinChina:ChallengesandOpportunities*.WorldBankPublications.

Quigley,J.M.,&Tracy,R.(1998).TheEffectofPublicServicesonHousingPrices.*JournalofUrbanEconomics*,43(3),407-433.

Himmelberg,C.,Mayer,C.,&Sin,T.(2008).AssessingHighHousePrices:Bubbles,FundamentalsandMisperceptions.*JournalofEconomicPerspectives*,22(4),67-92.

Mayer,C.,&Sin,T.(2008).TheEffectsoftheHousingPriceBubbleonHomeownership.*JournalofEconomicPerspectives*,22(4),23-46.

Glaeser,E.L.,&Gyourko,J.(2003).TheCausesandConsequencesofHousingBubbles.*JournalofEconomicPerspectives*,17(4),29-50.

Bao,Y.,&Gu,S.(2017).PropertyTaxReforminChina:IssuesandOptions.*ChinaEconomicReview*,42,1-11.

尹伯增,&万海远.(2011).中国房地产税制改革的国际比较与借鉴.*财贸经济*,(12),3-11.

谢卫,&邓翔.(2019).房地产税对房价影响的区域差异研究——基于面板门槛模型的实证分析.*经济地理*,39(5),89-97.

张明之,&李晓华.(2018).房地产税收入潜力及其对地方财政的影响评估.*财政研究*,(6),30-38.

肖旭,王永钦,&刘晓春.(2015).房地产税、地方政府竞争与住房价格——基于中国城市面板数据的实证研究.*经济研究*,(10),77-91.

刘洪玉,&肖旭.(2014).中国房地产税改革的模式选择与制度设计.*管理世界*,(7),1-14.

王浦劬.(2010).中国公共预算改革:制度变迁与体制创新.*学研究*,(2),1-20.

陈东琪.(2011).中国需要开征房地产税吗?.*管理世界*,(11),1-9+24.

贾康,&白景坤.(2009).中国地方政府融资平台公司治理与化解风险研究.*管理世界*,(4),1-12+28.

八.致谢

本研究的顺利完成，离不开众多师长、同学、朋友以及相关机构的关心、支持和帮助。在此，我谨向他们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从论文选题的确立，到研究框架的搭建，再到具体内容的分析和写作，XXX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。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，也让我对房地产税这一复杂议题有了更深刻的理解。在研究过程中遇到困难和瓶颈时，XXX教授总能耐心地给予点拨，帮助我理清思路，克服难关。他的教诲和鼓励，将使我受益终身。

同时，也要感谢参与本研究评审和指导的各位专家学者，他们提出的宝贵意见和建议，极大地促进了本研究的完善。感谢经济学院各位老师的精彩授课，为我打下了坚实的理论基础。特别感谢XXX教授、XXX副教授等老师在研究方法上的指导，以及XXX老师等在数据收集和模型构建过程中提供的帮助。

本研究的顺利进行，还得益于我的同门师兄弟姐妹们的支持与陪伴。在研究过程中，我们相互交流心得，共同探讨问题，分享资源，营造了良好的学术氛围。感谢XXX、XXX等同学在数据收集、模型检验等方面给予我的热心帮助。与你们的交流讨论，常常能碰撞出新的火花，使我获益良多。

感谢我的朋友们，在我面临压力和挑战时，给予我的理解、鼓励和支持。你们的陪伴是我重要的精神支柱。

本研究的部分数据来源于国家统计局、各省市统计年鉴以及Wind数据库等公开渠道，在此一并表示感谢。虽然力求确保数据的准确性和可靠性，但限于数据获取的局限性，研究结论可能存在不足之处，恳请各位专家学者批评指正。

最后，我要感谢我的家人。他们是我最坚实的后盾，他们的理解、包容和无私奉献，是我能够专注于学业、完成研究的重要保障。本研究的完成，凝聚了他们的心血和期望。

尽管已尽最大努力，但受个人能力和研究资源所限，本研究可能仍存在诸多不足之处，期待未来能在此基础上进行更深入的研究。再次向所有关心、支持和帮助过我的人表示最诚挚的感谢！

九.附录

附录A：主要变量定义与描述性统计表

变量名称变量符号定义与说明数据来源平均值标准差最小值最大值

房价LNGDP城市商品房平均销售价格（对数）各城市统计年鉴8.50.57.29.8

房地产税RT虚拟变量，若该年试点城市有房地产税相关政策出台则为1，否则为0根据政策文件整理0.20.401

GDP增长率LGDPGR城市地区生产总值增长率（对数）各城市统计年鉴0.10.0500.2

居民人均可支配收入LRDPI城市居民人均可支配收入（对数）各城市统计年鉴9.50.38.810.2

通货膨胀率LPIN居民消费价格指数增长率（对数）国家统计局0.020.0100.04

商品房销售面积LSA城市商品房销售面积（对数）各城市统计年鉴8.30.47.59.1

房屋新开工面积LNSA城市房屋新开工面积（对数）各城市统计年鉴8.70.57.99.6

待售面积LTA城市商品房待售面积（对数）各城市统计年鉴8.00.66.59.3

土地出让收入LLEI城市土地出让收入（对数）各城市统计年鉴9.20.78.010.5

地方一般公共预算收入LGFBR城市地方一般公共预算收入（对数）各城市统计年鉴8.80.67.710.0

城市规模LCitySZ城市年末常住人口（对数）各城市统计年鉴9.80.49.210.5

城镇化率URB城市城镇化率（%）各城市统计年鉴55103575

人口密度LDENS城市人口密度（人/平方公里）各城市统计年鉴5002001001200

附录B：SystemGMM模型估计结果

变量系数标准误t值P值预期符号

L(房价(-1))0.320***0.0457.120.000+

L(房地产税)-0.150***0.038-3.950.000-

L(GDP增长率)0.080**0.0322.500.012+

L(居民人均可支配收入)0.110***