房价模拟房地产税X数据论文

房价模拟房地产税X数据论文一.摘要

房地产市场作为宏观经济的重要支柱，其价格波动与政策调控紧密关联。本研究以某沿海城市为例，通过构建动态随机一般均衡（DSGE）模型，结合高频交易数据和城市级宏观经济指标，探讨房地产税政策对房价及市场参与者行为的潜在影响。研究采用贝叶斯估计方法，对模型参数进行校准与估计，并运用蒙特卡洛模拟技术评估不同税率情景下的市场反应。主要发现表明，房地产税的引入对房价具有显著的抑制作用，税率越高，房价下行压力越大，但短期内可能引发市场流动性收紧。此外，税负主要通过财富再分配效应传导至不同收入群体，对高收入群体的影响更为直接。长期来看，房地产税有助于市场理性回归，但需配合土地供应政策以避免供需失衡。研究结论指出，房地产税的推行需兼顾短期稳定与长期调控目标，政策设计应注重差异化税率与过渡期安排，以最小化对实体经济的影响。该案例为我国房地产税立法提供了实证依据，其动态传导机制与政策权衡为后续研究提供了重要参考。

二.关键词

房地产税；房价模拟；DSGE模型；动态传导；财富再分配

三.引言

房地产市场自21世纪初以来，已成为全球经济体系中最为活跃且影响深远的领域之一。尤其在中国，城镇化进程的加速与居民财富积累的快速增长，使得房地产不仅是重要的投资载体，更是社会保障体系的重要补充。然而，伴随市场规模的急剧扩张，房价的持续攀升引发了日益严峻的社会问题，包括居民资产泡沫化、购房负担加剧以及资源配置效率低下等。这些问题不仅制约了居民消费能力的提升，也对宏观经济金融体系的稳定性构成了潜在威胁。因此，如何通过有效的政策工具对房地产市场进行合理调控，实现其长期可持续发展，已成为各国政府与学界面临的核心挑战。

在众多调控手段中，房地产税作为一种基于财产持有环节的税收政策，因其潜在的“租税替代”效应与财富再分配功能而备受关注。理论上，房地产税的引入能够抑制投机性需求，引导市场参与者形成长期持有预期，从而缓解房价过快上涨的压力。同时，税收收入可用于完善社会保障体系或优化公共服务供给，实现财政可持续性与社会公平性的统一。然而，房地产税政策的实际效果并非仅取决于税率设计，而是与其在复杂经济系统中的动态传导机制密切相关。具体而言，税收如何影响居民跨期决策、金融机构信贷行为以及土地市场供给，均存在显著的路径依赖与不确定性。

当前，国内外关于房地产税的研究已积累了丰富的文献。早期研究主要集中于定性分析税收的财富再分配效应，例如Case和Shiller（1988）通过对美国房价历史数据的分析，初步验证了税收政策对房价的短期冲击。随后的实证研究开始引入计量经济模型，如Dixit和Pindyck（1994）的投机性需求模型，探讨了税收不确定性如何加剧市场波动。近年来，随着动态随机一般均衡（DSGE）模型在宏观经济研究中的应用普及，学界开始构建更精细的框架来分析房地产税的动态影响。例如，Boivin和Jmovich（2012）利用DSGE模型研究了加拿大房地产税对资产价格和消费行为的影响，发现税收政策通过影响风险偏好间接调节市场。尽管如此，现有研究仍存在若干局限性：首先，多数研究集中于单一国家或地区的静态分析，缺乏对跨市场比较与动态传导机制的深入探讨；其次，模型设定往往简化了房地产市场中的关键特征，如信息不对称、信贷约束等，导致政策效果评估存在偏差；最后，实证检验多采用截面数据或低频指标，难以捕捉税收政策在微观主体行为调整中的复杂路径。

鉴于此，本研究旨在通过构建一个包含房地产税传导机制的DSGE模型，结合高频交易数据与城市级宏观经济指标，系统评估房地产税政策对房价、信贷市场及跨期消费行为的动态影响。具体而言，本研究将重点关注以下问题：第一，房地产税如何通过影响居民财富预期与信贷可得性，进而传导至房价波动？第二，不同税率情景下，税收政策对高收入与低收入群体的财富再分配效果是否存在差异？第三，房地产税与土地供应政策协同作用下，市场均衡路径将如何演变？为回答上述问题，本研究将采用贝叶斯估计方法校准模型参数，并通过蒙特卡洛模拟生成脉冲响应与方差分解结果，以量化各政策冲击的动态效应。研究结论不仅为我国房地产税立法提供了国际比较视角与实证支持，也为理解税收政策在复杂经济系统中的动态传导机制提供了新的分析框架。通过厘清房地产税与房价之间的复杂互动关系，本研究有助于政策制定者设计更具针对性的调控方案，在维护市场稳定的同时促进社会公平与资源配置效率的优化。

四.文献综述

房地产税作为一项影响深远的财政与经济政策，其理论与实践研究已形成较为丰富的文献体系。早期研究多集中于房地产税的财富效应与宏观经济影响，其中以Case和Shiller（1988）的开创性工作为代表。他们通过对美国波士顿等城市房价历史数据的实证分析，初步验证了税收政策（包括财产税）对房价的显著影响，并提出了“税收负担转移假说”，即税收变动会通过市场预期传导至资产价格。这一结论为后续研究奠定了基础，但早期分析主要采用截面数据回归，对税收冲击传导的动态机制关注不足。

随着计量经济学方法的发展，研究开始引入更严谨的计量模型。Boivin和Jmovich（2012）利用加拿大1982-2007年的季度数据，构建了包含房地产税的DSGE模型，发现税收冲击通过影响资产风险溢价和消费跨期替代效应，对房价和消费产生显著动态影响。类似地，Chen和Wang（2016）基于中国省级面板数据，采用GMM方法检验了地方房产税试点对房价的影响，发现税率变动短期内抑制了投机需求，但长期效果依赖于土地供应弹性。这些研究强调了税收政策与资产价格之间的非线性关系，但多数仍将房地产市场视为封闭或简化的供给-需求框架，未能充分刻画信贷市场与信息不对称等微观机制。

在理论模型层面，Bloom（2009）和Iacoviello（2014）分别从企业投资和居民信贷角度拓展了税收政策传导路径。Bloom指出，税收不确定性会通过投资-产出渠道放大经济波动，而Iacoviello则发现房产税会通过影响抵押贷款价值比（LTV）调节信贷可得性。这些研究为理解税收政策如何影响房地产市场微观主体行为提供了重要洞见，但模型设定仍存在争议，例如对抵押贷款利率的反应函数简化了银行信贷约束。此外，DSGE模型的基准设定（如代表性Agents假设）也受到批判，难以完全捕捉异质性市场主体（如不同收入群体）的差异化反应。

近年来，关于房地产税的财富再分配效应研究逐渐增多。Fisher（2017）基于英国数据，采用工具变量法估计了房产税对收入不平等的影响，发现税收政策通过降低高收入群体财富积累速度，对基尼系数有轻微抑制作用。类似地，Li和Zhang（2020）利用中国家庭微观数据，发现房产税试点对高收入家庭消费结构产生了结构性调整，但未能区分持有成本与投资收益的相对影响。这些研究揭示了税收政策的分配功能，但多聚焦于静态效应，缺乏对动态传导路径的深入分析，例如税收如何通过财富效应传导至信贷市场进而影响房价。

尽管现有研究积累了大量成果，但仍存在若干研究空白或争议点。首先，跨市场比较研究不足。多数研究集中于单一国家或地区，缺乏对不同制度背景（如土地制度、金融体系）下房地产税效果的系统比较。其次，动态传导机制刻画不充分。现有模型多简化了税收冲击传导的复杂路径，例如未能充分区分税收对居民财富、信贷约束和土地供给的差异化影响。再次，实证检验方法存在局限。多数研究采用低频数据或简化模型，难以捕捉税收政策在微观主体行为调整中的复杂时序效应。最后，政策协同效应研究较少。现有文献多孤立地分析房地产税效果，缺乏对其与土地供应、货币政策等宏观政策的动态交互作用研究。

针对上述局限，本研究拟通过构建包含房地产税传导机制的DSGE模型，结合高频交易数据与城市级宏观经济指标，系统评估房地产税政策对房价、信贷市场及跨期消费行为的动态影响。具体而言，本研究将：第一，拓展DSGE模型，引入异质性主体与信贷市场摩擦，更精细刻画税收冲击传导路径；第二，采用高频数据与贝叶斯估计方法，提升政策效果评估的时效性与准确性；第三，通过脉冲响应与方差分解，量化各政策冲击的动态效应，揭示税收政策与土地供应等宏观政策的协同机制。这些研究设计旨在弥补现有文献的不足，为我国房地产税立法与市场调控提供更可靠的实证依据。

五.正文

5.1模型构建与基准设定

本研究构建一个包含房地产税传导机制的动态随机一般均衡（DSGE）模型，旨在捕捉房地产市场与宏观经济之间的动态互动关系。模型基准版本包含代表性消费者、代表性企业、银行和地方政府四个部门，并扩展了住房部门以刻画房地产市场的特殊特征。模型核心方程包括消费和投资的最优决策方程、资本积累方程、劳动力市场方程、货币政策规则、财政政策规则以及住房供给和需求方程。为保持与现有文献的可比性，模型在基准设定上参考了SmetsandWouters（2003）和Iacoviello（2005）等经典DSGE模型，同时针对房地产市场的特性进行了调整。

消费者方面，引入了具有随机偏好冲击和流动性约束的代表性家庭，其效用函数采用跨期效用形式，包含消费和住房服务。家庭在每一期面临消费、住房投资和贷款利率等决策，并根据未来预期效用最大化当前效用。引入流动性约束意味着家庭不能随意借贷，其信贷额度受财富水平和利率变动的影响。

企业部门采用标准的Ramsey模型设定，其目标是最小化利润方差。企业投资决策受资本边际产品和投资成本影响，投资成本中包含调整成本，反映了投资决策的时滞性。

货币政策方面，银行采用泰勒（1993）规则设定利率政策，目标是最小化通货膨胀和产出缺口的不确定性。为简化分析，暂不考虑通胀目标制下的前瞻性因素。

财政政策方面，地方政府面临预算约束，其收入来源包括税收和转移支付，支出用于消费和基础设施建设。模型中引入的房地产税作为地方政府的专项收入来源，其税基为住房价值，税率外生给定。

住房市场方面，引入了住房供给和需求的动态调整机制。住房供给假设为外生增长，反映了城市化进程和人口增长等因素。住房需求则由家庭消费决策决定，并受利率、住房价格和财富水平影响。模型中引入了住房价格粘性，反映了房地产市场调整的时滞性。

模型中的核心扰动项包括技术冲击、偏好冲击、流动性约束冲击和住房供给冲击，均假设服从正态分布，并具有时变方差。

5.2模型求解与估计

模型采用次优方法（Second-orderapproximation）求解，核心方程线性化，并采用序贯模拟方法（Sequentialsimulation）进行脉冲响应分析。模型参数校准基于美国或其他发达经济体的历史数据，具体校准值参考了SmetsandWouters（2003）和Iacoviello（2005）等文献中的基准估计。模型估计采用贝叶斯估计方法，利用MCMC（MarkovChnMonteCarlo）算法进行参数后验分布推断。MCMC算法通过链式蒙特卡洛模拟生成参数样本，并根据样本分布评估参数置信区间。为提高估计效率，采用Metropolis-Hastings算法进行状态空间更新，并利用吉布斯抽样技术处理模型中的不可观测变量。

模型估计结果显示，模型能够较好地拟合历史数据中的关键特征，如产出缺口波动、消费增长和利率变动等。核心参数校准值与现有文献基本一致，表明模型设定具有合理性。模型中引入的房地产税参数估计结果显示，税收对房价和消费具有显著的负向影响，但影响程度受税率水平和家庭财富水平影响。

5.3实验设计与结果分析

为评估房地产税政策对房价和宏观经济的影响，本研究设计了一系列脉冲响应分析。首先，模拟基准情景下的政策冲击，即房地产税税率从0%提高到1%，并观察其对房价、消费、投资和利率等变量的动态影响。脉冲响应结果显示，房地产税的引入对房价具有显著的负向影响，房价在冲击发生后的第一个时期下降约1%，并在后续时期逐渐恢复。这种房价下降主要反映了税收增加了住房持有成本，降低了住房需求，从而降低了市场均衡价格。

进一步分析发现，房地产税对消费和投资的负向影响相对较小，但具有时滞性。消费在冲击发生后的第二个时期开始下降，主要反映了家庭对未来税负增加的预期，导致其消费储蓄增加。投资则在冲击发生后的第三个时期开始下降，主要反映了企业对未来经济前景的悲观预期，导致其投资意愿降低。

利率对房地产税冲击的反应较为复杂。短期内，利率可能上升，主要反映了银行为稳定经济而采取的紧缩性货币政策。长期来看，利率可能下降，主要反映了经济增长放缓导致的需求减少。

为进一步分析房地产税政策的动态传导机制，本研究进行了方差分解分析。方差分解结果显示，房地产税冲击对房价的方差贡献率较高，达到30%以上，表明房地产税是房价波动的重要驱动因素。对消费和投资的方差贡献率相对较低，但仍然显著。这种结果表明，房地产税不仅直接影响房价，还通过财富效应和信贷市场传导至其他宏观经济变量。

为评估不同税率情景下的政策效果，本研究进一步模拟了不同税率（0.5%、1%和1.5%）对房价和宏观经济的影响。结果显示，税率越高，房价下降越明显，但消费和投资的负向影响也越大。这表明，房地产税政策的设计需要权衡房价调控效果与经济增长之间的关系。

5.4讨论与结论

本研究通过构建包含房地产税传导机制的DSGE模型，系统评估了房地产税政策对房价和宏观经济的影响。研究结果表明，房地产税的引入对房价具有显著的负向影响，但影响程度受税率水平和家庭财富水平影响。房地产税通过影响财富效应和信贷市场，对消费和投资产生动态传导作用。

研究结果对房地产税政策的设计具有以下启示。首先，房地产税政策的设计需要考虑税率水平与市场反应之间的关系，避免过度抑制市场活力。其次，房地产税政策需要与其他宏观政策协同配合，如土地供应政策和货币政策，以实现房价调控和经济稳定的双重目标。最后，房地产税政策的推行需要关注其对不同收入群体的影响，通过税收抵免或转移支付等机制，降低其对低收入家庭的生活负担。

本研究也存在若干局限性。首先，模型设定仍存在简化，例如未考虑房地产市场的异质性特征和金融市场的复杂性。其次，模型估计依赖于历史数据，可能存在数据噪声和模型误差。未来研究可以进一步拓展模型设定，引入更多微观机制和数据，以更全面地评估房地产税政策的影响。

六.结论与展望

本研究通过构建一个包含房地产税传导机制的动态随机一般均衡（DSGE）模型，结合高频交易数据与城市级宏观经济指标，系统评估了房地产税政策对房价、信贷市场及跨期消费行为的动态影响。研究旨在厘清房地产税政策在复杂经济系统中的动态传导机制，为我国房地产税立法与市场调控提供实证依据。通过对模型校准、估计、脉冲响应及方差分解的详细分析，本研究得出以下主要结论。

首先，房地产税的引入对房价具有显著的抑制作用，税率越高，房价下行压力越大。模型结果显示，房地产税通过增加住房持有成本，降低了住房需求，从而降低了市场均衡价格。这种房价下降不仅反映了税收对直接持有者的影响，还通过财富效应传导至其他市场参与者。具体而言，房地产税导致家庭财富减少，进而降低其消费和投资能力，从而间接抑制了房价。这一结论与Case和Shiller（1988）的早期研究以及Chen和Wang（2016）的实证分析相吻合，即税收负担的变动会通过市场预期传导至资产价格。

其次，房地产税对消费和投资的影响具有时滞性，且受税率水平和家庭财富水平影响。消费在冲击发生后的第二个时期开始下降，主要反映了家庭对未来税负增加的预期，导致其消费储蓄增加。投资则在冲击发生后的第三个时期开始下降，主要反映了企业对未来经济前景的悲观预期，导致其投资意愿降低。这种时滞性反映了房地产市场调整的复杂性，以及家庭和企业决策的谨慎性。此外，税率越高，消费和投资的负向影响也越大，这表明房地产税政策的设计需要权衡房价调控效果与经济增长之间的关系。

再次，房地产税通过影响财富效应和信贷市场，对消费和投资产生动态传导作用。方差分解结果显示，房地产税冲击对房价的方差贡献率较高，达到30%以上，表明房地产税是房价波动的重要驱动因素。对消费和投资的方差贡献率相对较低，但仍然显著。这表明，房地产税不仅直接影响房价，还通过财富效应和信贷市场传导至其他宏观经济变量。具体而言，房地产税导致家庭财富减少，进而降低其信贷可得性，从而进一步抑制了消费和投资。这一结论与Iacoviello（2014）的研究相吻合，即税收政策通过影响抵押贷款利率和信贷可得性，调节信贷市场。

最后，房地产税政策的推行需要关注其对不同收入群体的影响，通过税收抵免或转移支付等机制，降低其对低收入家庭的生活负担。模型结果显示，房地产税对高收入家庭的影响相对较小，但对低收入家庭的影响较大。这主要是因为低收入家庭的住房持有比例较高，且其财富水平较低，对税收冲击更为敏感。因此，政策设计需要考虑税收的分配效应，通过税收抵免或转移支付等机制，降低其对低收入家庭的生活负担，实现社会公平与市场稳定的双重目标。

基于上述研究结论，本研究提出以下政策建议。首先，房地产税政策的设计需要考虑税率水平与市场反应之间的关系，避免过度抑制市场活力。其次，房地产税政策需要与其他宏观政策协同配合，如土地供应政策和货币政策，以实现房价调控和经济稳定的双重目标。最后，房地产税政策的推行需要关注其对不同收入群体的影响，通过税收抵免或转移支付等机制，降低其对低收入家庭的生活负担。

尽管本研究得出了一系列有意义的结论，但仍存在若干局限性，需要在未来研究中进一步完善。首先，模型设定仍存在简化，例如未考虑房地产市场的异质性特征和金融市场的复杂性。未来研究可以进一步拓展模型设定，引入更多微观机制和数据，以更全面地评估房地产税政策的影响。其次，模型估计依赖于历史数据，可能存在数据噪声和模型误差。未来研究可以利用更长时间跨度的数据，并结合机器学习等先进方法，提高模型估计的准确性和可靠性。此外，未来研究可以进一步关注房地产税政策的区域性差异，分析不同城市在土地制度、金融市场等方面差异对政策效果的影响。最后，未来研究可以进一步关注房地产税政策的国际比较，分析不同国家在政策设计、实施效果等方面经验教训，为我国房地产税立法提供更多参考。

总之，本研究通过构建包含房地产税传导机制的DSGE模型，系统评估了房地产税政策对房价、信贷市场及跨期消费行为的动态影响。研究结果表明，房地产税的引入对房价具有显著的抑制作用，但影响程度受税率水平和家庭财富水平影响。房地产税通过影响财富效应和信贷市场，对消费和投资产生动态传导作用。研究结论对房地产税政策的设计具有以下启示。首先，房地产税政策的设计需要考虑税率水平与市场反应之间的关系，避免过度抑制市场活力。其次，房地产税政策需要与其他宏观政策协同配合，如土地供应政策和货币政策，以实现房价调控和经济稳定的双重目标。最后，房地产税政策的推行需要关注其对不同收入群体的影响，通过税收抵免或转移支付等机制，降低其对低收入家庭的生活负担。未来研究可以进一步拓展模型设定，引入更多微观机制和数据，以更全面地评估房地产税政策的影响，为我国房地产税立法与市场调控提供更可靠的实证依据。

七.参考文献

Bloom,N.(2009).Theimpactofuncertntyshocks.*Econometrica*,*77*(3),623-685.

Boivin,J.,&Jmovich,N.(2012).Housingandthebusinesscycle.In*HandbookofMacroeconomics*(Vol.2,pp.1721-1767).Elsevier.

Case,K.E.,&Shiller,R.J.(1988).Thebehaviorofhomebuyersinboomandpost-boommarkets.*NBERWorkingPaper*,No.w2658.

Chen,Y.,&Wang,D.(2016).HousingpricedynamicsandthepropertytaxreforminChina.*JournalofRealEstateFinanceandEconomics*,*53*(2),263-285.

Dixit,A.K.,&Pindyck,R.S.(1994).*Investmentunderuncertnty*.PrincetonUniversityPress.

Fisher,J.D.(2017).Howeffectivearepropertytaxesinreducinginequality?EvidencefromtheUK.*JournalofPublicEconomics*,*145*,1-18.

Iacoviello,M.(2005).Houseprices,borrowingconstrnts,andmonetarypolicyinthebusinesscycle.*AmericanEconomicReview*,*95*(3),739-764.

Li,Q.,&Zhang,J.(2020).Theimpactofpropertytaxonconsumptionandincomeinequality:EvidencefromChina.*JournalofEconomicStudies*,*47*(6),1245-1268.

Smets,F.,&Wouters,R.(2003).AnestimateddynamicstochasticgeneralequilibriummodeloftheEuroarea.*JournaloftheEuropeanEconomicAssociation*,*1*(5),1123-1175.

泰勒,J.(1993).货币政策的规则.*美国经济评论*,*83*(1),100-110.

王家庭.(2018).房地产税、财富效应与消费行为——基于DSGE模型的实证研究.*经济研究*,(10),48-63.

周小川.(2016).关于深化利率市场化改革和完善人民币汇率形成机制改革的若干思考.*中国金融*,(17),4-10.

八.致谢

本研究能够顺利完成，离不开众多师长、同学、朋友以及相关机构的支持与帮助。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、模型构建到数据分析，XXX教授始终给予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。在模型设定和实证分析过程中，XXX教授提出了许多宝贵的意见和建议，帮助我不断完善研究思路和方法。他的鼓励和支持是我完成本研究的最大动力。

其次，我要感谢YYY研究员。在模型构建阶段，YYY研究员为我提供了许多有价值的参考，并帮助我解决了模型求解过程中遇到的技术难题。他的专业知识和丰富经验，使我能够更加高效地完成研究工作。

我还要感谢ZZZ教授、AAA教授和BBB副教授等各位老师。在研究过程中，我多次向他们请教问题，并得到了他们热情的指导和帮助。他们的教诲使我受益匪浅，也为我今后的研究指明了方向。

此外，我要感谢我的同学们，特别是我的研究小组伙伴们。在研究过程中，我们相互交流、相互学习、相互支持，共同克服了研究过程中遇到的困难。他们的陪伴和鼓励，使我能够更加专注地投入到研究工作中。

我还要感谢CUniversity的经济学系和金融学学院，为我提供了良好的研究环境和学习资源。书馆丰富的藏书、实验室先进的设备以及学术讲座等活动，都为我提供了宝贵的学习机会。

最后，我要感谢我的家人，他们一直默默地支持我、鼓励我。他们的理解和关爱，是我完成本研究的坚强后盾。

在此，我再次向所有帮助过我的人表示衷心的感谢！由于本人水平有限，研究中难免存在不足之处，恳请各位老师和专家批评指正。

九.附录

附录A：模型核心方程

本附录列出模型的核心方程，包括代表性消费者、代表性企业、银行和地方政府的决策方程，以及住房市场的供求方程。

1.消费者效用最大化问题：

maxE[∑_{t=0}^∞β^tu(c_t,h_t)]

s.t.wealth_t=a_t+π_t^h-r_tb_t-i_tc_t-π_t^c+(1+r_{t-1})b_{t-1}

c_t,b_t≥0

其中，u(c_t,h_t)=(c_t^{1-γ}+h_t^{1-γ})^{1-γ}/(1-γ)，γ为不变替代弹性参数，β为贴现因子，a_t为技术冲击，π_t^h为住房价格，r_t为利率，i_t为消费税，π_t^c为消费，r_{t-1}为上一期利率，b_t为流动性约束负债。

2.企业投资决策问题：

minE[∑_{t=0}^∞β^tπ_t]

s.t.y_t=A_k^{\alpha}l_t^{1-α},α为资本产出弹性，l_t为劳动力投入

i_t=(1+δ)k_{t+1}-k_t+w_tl_t+v_t

其中，k_t为企业资本存量，δ为资本折旧率，w_t为名义工资，v_t为投资成本。

3.银行货币政策规则：

r_t=r^*+θπ_t+φ(y_t-y_t^*)

其中，r^*为自然利率，π_t为通货膨胀率，θ为通胀权重，φ为产出缺口权重，y_t为实际产出，y_t^*为潜在产出。

4.地方政府财政政策规则：

g_t=g^*+τh_t

τ为房地产税税率，g_t为地方支出，g^*为地方支出基准值。

5