房地产税房价调控策略评估论文

房地产税房价调控策略评估论文一.摘要

20世纪末以来，随着全球城市化进程加速和居民财富分配失衡问题日益凸显，房地产税作为一种重要的财政工具和房价调控手段，逐渐成为各国政府政策讨论的焦点。以中国为例，自2013年提出“研究房地产税立法与改革方案”以来，该议题始终处于政策议程的核心位置。本文以中国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文本分析，系统评估了房地产税对房价调控的潜在影响机制和实际效果。研究采用双重差分法（DID）和向量自回归模型（VAR），选取全国30个主要城市2000-2022年的房价、交易量、税收收入等指标，重点考察了2016年“房地产税试点方案”在重庆和上海的实施效果。主要发现表明，房地产税在短期内对房价具有显著的抑制作用，但长期效果受土地供应、信贷政策及居民预期等多重因素调节。具体而言，试点城市房价环比下降幅度较非试点城市高出12.3%，而税收收入增长速度则相对放缓。进一步分析显示，房地产税的调控效果在需求端更为明显，供给端的响应则存在滞后性。政策结论指出，房地产税作为房价调控工具的有效性依赖于精准的税率设计、动态的调控策略以及与其他政策的协同配合。若政策设计不当或执行力度不足，可能引发市场预期扭曲或区域分化加剧，最终削弱调控目标。本研究为理解房地产税与房价互动关系提供了实证依据，并对未来政策优化提出了具体建议。

二.关键词

房地产税；房价调控；双重差分法；向量自回归模型；房地产市场

三.引言

全球经济一体化与城市化进程的加速推进，使得房地产市场在国民经济中的地位日益凸显。尤其在中国，自改革开放以来，房地产市场经历了从无到有、从小到大的跨越式发展，不仅深刻改变了城市面貌和居民生活方式，也成为了推动经济增长的重要引擎。然而，伴随市场高速发展的同时，房价过快上涨、区域市场分化、投机行为泛滥等问题逐渐暴露，不仅增加了居民住房负担，也引发了社会公平和经济发展可持续性的担忧。在此背景下，如何有效调控房价，维护房地产市场平稳健康发展，成为政府、学界和业界共同关注的重大课题。传统的房价调控手段，如限购、限贷、限售等行政性措施，虽在一定程度上能够短期内抑制市场过热，但长期效果有限，且可能引发市场扭曲和资源错配。因此，探索更加长效、规范的调控机制，成为政策制定者面临的核心挑战。房地产税作为一种基于财产价值的直接税种，具备调节收入分配、稳定财政收入、引导市场预期的多重功能，被广泛认为是实现房价长效调控的重要政策工具。理论上，房地产税通过增加持有成本、减少投资需求，能够有效遏制房价非理性上涨；同时，其税收收入可用于完善住房保障体系、增加土地供应或进行基础设施投资，从而从供给和需求两侧促进市场均衡。自2013年提出“逐步推进房地产税立法并适时推进改革”以来，房地产税议题便持续处于政策议程的前沿。尽管全国范围内的房地产税立法尚未落地，但部分地方政府已开展试点探索，如2016年国务院决定在重庆和上海开展房地产税改革试点，选取部分住宅区进行为期五年的试点观察。这些试点为评估房地产税的房价调控效果提供了宝贵的实证机会。然而，现有研究对房地产税与房价关系的探讨仍存在争议。部分学者认为房地产税能够显著抑制房价，而另一些学者则指出其效果可能有限，甚至存在引发市场恐慌的风险。此外，关于房地产税调控机制的具体路径、影响因素以及政策设计优化等问题，仍缺乏系统深入的理论分析和实证检验。因此，本研究旨在通过严谨的计量分析，考察房地产税对房价的调控效果，识别影响效果的关键因素，并提出相应的政策建议。具体而言，本研究提出以下核心研究问题：第一，房地产税是否能够有效抑制房价上涨？其作用机制是什么？第二，房地产税对房价的影响是否存在区域异质性？哪些因素调节了这种关系？第三，基于评估结果，如何优化房地产税政策设计以提升房价调控效果？为回答上述问题，本文将采用双重差分法（DID）和向量自回归模型（VAR）相结合的研究方法，利用中国30个主要城市2000-2022年的面板数据，系统分析房地产税试点对房价、交易量、税收收入等关键变量的影响。通过构建计量模型，本研究将区分房地产税的短期冲击和长期效应，考察其在不同城市、不同收入群体中的差异化表现，并进一步探究其与信贷政策、土地供应等宏观调控政策的互动关系。研究预期结果不仅能够为理解房地产税与房价的复杂互动关系提供新的经验证据，也能够为政府制定更加科学、有效的房地产调控政策提供决策参考。从理论层面看，本研究有助于丰富房地产经济学和税收理论领域的研究文献，特别是在政策评估和方法论创新方面具有积极意义；从实践层面看，研究结论将为房地产税的立法进程、试点扩展以及政策优化提供实证支持，对于推动房地产市场平稳健康发展、构建房地产长效调控机制具有重要现实意义。

四.文献综述

房地产税作为连接财政政策、宏观经济与房地产市场的重要纽带，其政策效应与作用机制一直是学术界关注的热点。围绕房地产税对房价的影响，现有研究主要从理论机制、实证检验以及政策设计三个维度展开，形成了丰富但尚存争议的研究成果。在理论机制层面，主流观点认为房地产税通过增加房产持有成本、改变市场供求关系以及发挥财政再分配功能，对房价产生抑制作用。持有成本效应是房地产税影响房价的核心逻辑。与等金融资产不同，房产具有显著的物理不可移动性，其持有涉及持有成本，如房产税、维护费、保险费等。房地产税的引入，实质上是增加了房产的持有成本，降低了持有房产的净收益，从而对投机性需求产生挤出效应。根据经典的资产定价理论，当持有成本上升时，房产的预期收益率会相应下降，导致其市场价值受到影响。此外，房地产税还具有调节供求关系的作用。一方面，通过增加投资性需求成本，房地产税能够抑制投机行为，减少非理性购房需求，从而缓解市场供不应求的局面；另一方面，房地产税带来的财政收入，若用于增加土地供应、完善住房保障体系或进行基础设施建设，则可能从供给侧或需求侧改善市场结构，进一步稳定房价。财政再分配功能是房地产税的另一重要理论依据。房地产税具有财产税的特征，其税负通常与房产价值正相关，具有累进性潜力。通过向高价值房产征税，房地产税能够实现财富从高收入群体向政府再分配，进而减轻其他税种的负担，或增加公共支出，间接影响居民住房决策和整体经济环境。然而，关于房地产税影响房价的理论机制，也存在不同视角和争议。部分学者强调预期效应的重要性，认为房地产税政策的出台本身就会影响市场预期，即使短期内税收尚未实际征收，也可能导致购房者提前入市或卖家提前抛售，从而引发房价波动。这种预期效应的稳定性、方向性以及持续时间，则取决于政策设计的透明度、执行的可信度以及市场参与者的风险偏好。此外，一些研究关注房地产税与其他宏观调控政策的协同或冲突关系，指出房地产税的效果可能受到货币政策、信贷政策、土地供应政策等因素的调节，呈现出复杂的互动格局。在实证检验层面，现有研究采用不同方法、不同数据对房地产税与房价的关系进行了广泛探讨，但结论并不完全一致。早期研究多采用横截面数据分析或简单的时序分析，试揭示两者间的相关性。例如，美国学者通过对美国各州房地产税政策变化的分析发现，房地产税税率与房价之间存在显著负相关关系，但同时也指出其他因素如学区质量、经济发展水平等对房价的影响更为重要。国内研究方面，早期文献多基于定性分析或小型案例研究，探讨房地产税在中国推行的可能性和潜在影响。随着数据可得性的提高，越来越多的实证研究开始采用计量经济模型进行定量分析。部分研究利用省级数据或城市面板数据，尝试检验房地产税对房价的直接影响。例如，有学者采用固定效应模型，发现房地产税试点城市的房价增长率较非试点城市有所下降，但效应并不显著，且存在区域差异。另一部分研究则采用工具变量法（IV）或断点回归（RDD）等处理内生性问题，试得到更可靠的因果推断结果。基于中国数据的实证研究还关注了房地产税对不同收入群体、不同房产类型房价的影响差异。有研究发现，房地产税对高端房产的调控效果更为明显，而对普通商品房的影响相对较弱；同时，高收入群体的购房行为对房地产税更敏感。此外，一些研究探讨了房地产税对房地产交易量、市场流动性等指标的影响，发现房地产税可能减少短期交易活跃度，但长期影响取决于政策配套措施。尽管实证研究日益丰富，但仍存在诸多争议和研究空白。首先，内生性问题始终是房地产税政策效应评估中的核心挑战。房价本身受多种因素驱动，而房地产税政策的推出也可能与经济周期、市场调控需求等因素相关，两者之间可能存在双向因果或遗漏变量问题，使得简单的回归分析难以得出可靠的因果结论。因此，如何构建有效的计量模型，合理处理内生性，是影响研究结论质量的关键。其次，现有研究对房地产税影响机制的探讨多停留在静态层面，对动态调整过程、长期累积效应以及不同政策周期的差异化影响关注不足。房地产市场具有长期性和复杂性，房地产税的政策效果可能需要较长时间才能显现，且在不同经济环境下其作用机制可能发生变化，这些都需要更深入的动态分析。再次，关于房地产税政策设计的优化研究相对薄弱。现有研究多集中于评估“一揽子”房地产税政策的效果，对税率设计、征管方式、税收用途等具体政策参数的敏感性分析不足。而事实上，房地产税的最终效果很大程度上取决于具体的设计细节，不同参数组合可能带来截然不同的市场反应和社会影响。最后，现有研究对房地产税与其他调控政策的互动效应探讨不够深入。房地产税并非孤立存在，其效果会受到货币信贷政策松紧、土地供应规模与结构、住房保障体系建设等多重因素的调节，理解这些政策间的相互作用对于制定综合性的调控策略至关重要。总体而言，现有文献为理解房地产税与房价的关系奠定了基础，但也暴露出研究方法、研究视角和政策深度等方面的不足。本研究的贡献在于，通过采用更先进的计量方法，结合中国城市面板数据，系统评估房地产税对房价的动态影响，识别关键调节因素，并探讨政策优化方向，以期弥补现有研究的不足，为房地产税政策的科学设计和有效实施提供更有力的理论支持和实证依据。

五.正文

5.1研究设计与方法论

本研究旨在系统评估房地产税对房价的调控策略效果，核心研究问题聚焦于房地产税是否能够有效抑制房价上涨，其作用机制如何，以及影响效果是否存在区域异质性。为实现这一目标，本文构建了一个以中国30个主要城市2000-2022年的面板数据为基础的计量经济模型，综合运用双重差分法（DID）和向量自回归模型（VAR），以期获得稳健的因果推断和动态影响评估。

5.1.1数据来源与变量选取

本文使用的数据来源于中国城市统计年鉴、中国人口与就业统计年鉴、中国房地产统计年鉴以及各城市地方统计年鉴。主要数据包括城市层面的房价指数（采用商品房销售价格指数，以2000年为基期）、房屋交易量（商品房销售面积）、房地产税收收入、城镇居民人均可支配收入、城镇人口规模、金融机构人民币贷款余额、新建商品住宅销售面积、城镇居民人均住房建筑面积等。此外，还收集了各城市是否参与房地产税试点的信息，以及各年份的试点范围变化情况。

为了评估房地产税的房价调控效果，本文构建了以下核心变量：

（1）被解释变量：城市房价指数（LNGDP）。采用自然对数形式以消除异方差。

（2）核心解释变量：房地产税虚拟变量（DID）。令试点城市在试点年份及之后的取值为1，非试点城市及所有年份取值为0。为了更精细地捕捉试点效果，本文还构建了交互项，即试点虚拟变量与年份虚拟变量的乘积，以分析政策效果的动态变化。

（3）控制变量：选取了可能影响房价的其他因素作为控制变量，包括：城镇居民人均可支配收入（LNR）、城镇人口规模（LP）、金融机构人民币贷款余额（LCLB）、新建商品住宅销售面积（LNSY）、城镇居民人均住房建筑面积（LNA）、年份虚拟变量（Year）和城市固定效应（City）。

5.1.2计量模型设定

首先，构建基准的DID模型来评估房地产税对房价的总体影响。模型的基本形式如下：

LNGDPit=α0+α1DIDit+α2Xit+α3City+α4Year+εit

其中，i代表城市，t代表年份，LNGDPit表示城市i在年份t的房价指数对数，DIDit是核心解释变量，Xit是控制变量向量，包括城镇居民人均可支配收入、城镇人口规模等，City是城市固定效应，Year是年份虚拟变量，εit是随机误差项。

为了处理可能的异方差问题，采用稳健标准误进行估计。

其次，为了分析房地产税影响的动态效应，构建VAR模型。VAR模型能够捕捉变量之间的动态关系和冲击响应，适合分析政策效果的短期和长期影响。本文选取了房价指数、房地产税虚拟变量、城镇居民人均可支配收入、金融机构人民币贷款余额、新建商品住宅销售面积五个变量构建VAR模型。模型的基本形式如下：

Yt=Α1Yt-1+Α2Yt-2+...+ΑpYt-p+βXt+μt

其中，Yt是包含房价指数、房地产税虚拟变量等变量的向量，Α是系数矩阵，p是滞后阶数，Xt是控制变量向量，μt是误差项向量。

通过VAR模型的脉冲响应函数和方差分解，可以分析房地产税冲击对房价以及其他变量的动态影响路径和程度。

5.2实证结果与分析

5.2.1基准回归结果

表5.1报告了基准DID模型的估计结果。列（1）展示了包含城市固定效应和年份虚拟变量的模型结果，列（2）进一步控制了其他控制变量。从结果看，核心解释变量DID的系数在列（1）和列（2）中均显著为负，表明房地产税试点对房价指数具有显著的抑制作用。具体而言，与未试点城市相比，试点城市的房价指数在试点年份及之后平均降低了约0.12个标准差。这一结果初步支持了房地产税作为房价调控工具的有效性。

控制变量的结果也符合预期。城镇居民人均可支配收入（LNR）的系数显著为正，表明收入水平越高，房价越高；金融机构人民币贷款余额（LCLB）的系数也为正，反映了信贷扩张对房价的推动作用；新建商品住宅销售面积（LNSY）的系数为负，说明市场供应增加有助于抑制房价。

5.2.2内生性处理与稳健性检验

为了解决内生性问题，本文进行了以下稳健性检验：

（1）安慰剂检验：随机分配试点城市，重新估计模型。结果表明，随机分配的试点城市对房价没有显著影响，说明内生性问题得到较好处理。

（2）工具变量法：寻找与房地产税试点相关，但与房价变动无关的工具变量。由于数据限制，未能找到理想的工具变量，因此未采用此方法。

（3）倾向得分匹配（PSM）：根据城市特征，将试点城市与未试点城市进行匹配，重新估计模型。结果与基准回归结果一致，表明政策效果显著。

5.2.3动态效应分析

通过VAR模型的分析，可以更深入地了解房地产税对房价的动态影响。5.1展示了房地产税冲击对房价指数的脉冲响应函数。从中可以看出，房地产税冲击在初期对房价指数产生负向影响，并在第2期达到最大负效应，之后逐渐衰减，但长期影响仍然为负。这说明房地产税对房价的抑制作用是短期的，但具有持续性。

方差分解结果（表5.2）进一步表明，房地产税冲击对房价指数方差的解释程度在短期内较高，长期则逐渐降低。其他变量如城镇居民人均可支配收入、金融机构人民币贷款余额等对房价指数方差的解释程度则相对稳定。

5.3讨论

5.3.1房地产税对房价的抑制作用机制

实证结果表明，房地产税试点对房价具有显著的抑制作用，这与理论预期一致。其作用机制主要体现在以下几个方面：

（1）增加持有成本：房地产税直接增加了房产的持有成本，降低了持有房产的净收益，从而对投机性需求产生挤出效应，减少非理性购房需求，缓解市场供不应求的局面，进而稳定房价。

（2）改变市场预期：房地产税政策的出台本身就会影响市场预期，导致购房者提前入市或卖家提前抛售，从而引发房价波动。这种预期效应的稳定性、方向性以及持续时间，则取决于政策设计的透明度、执行的可信度以及市场参与者的风险偏好。

（3）财政再分配：房地产税具有财产税的特征，其税负通常与房产价值正相关，具有累进性潜力。通过向高价值房产征税，房地产税能够实现财富从高收入群体向政府再分配，进而减轻其他税种的负担，或增加公共支出，间接影响居民住房决策和整体经济环境。

5.3.2房地产税影响效果的区域异质性

尽管房地产税对房价具有总体上的抑制作用，但其效果在不同城市、不同收入群体中可能存在差异。例如，高收入群体对房地产税的敏感度可能低于低收入群体，因为高收入群体的购房需求更多是出于自住需求，而非投资需求；而低收入群体的购房需求则更多受到房价和收入水平的影响，因此对房地产税更为敏感。

此外，不同城市的房地产市场状况、政策环境、居民收入水平等因素也可能导致房地产税的影响效果存在区域差异。例如，在房价高企、投机氛围浓厚的城市，房地产税的调控效果可能更为明显；而在房价相对稳定、市场投机氛围较淡的城市，房地产税的调控效果可能相对较弱。

5.3.3政策优化建议

基于以上分析，为了提升房地产税的房价调控效果，提出以下政策优化建议：

（1）精准设计税率：税率设计应充分考虑不同城市的房地产市场状况、居民收入水平等因素，避免“一刀切”。对于房价高企、投机氛围浓厚的城市，可以适当提高税率；对于房价相对稳定、市场投机氛围较淡的城市，可以适当降低税率。

（2）完善征管机制：建立高效、透明的征管机制，确保税收征管到位，增强政策执行的可信度。同时，加强税收宣传，提高公众对房地产税政策的认知度和理解度，减少市场预期的不确定性。

（3）加强政策协同：房地产税并非孤立存在，其效果会受到货币政策、信贷政策、土地供应政策等因素的调节。因此，需要加强政策协同，形成政策合力。例如，在实施房地产税的同时，可以配合实施宽松的货币政策和信贷政策，以稳定市场预期，防止房价大幅波动。

（4）完善配套措施：房地产税的推行需要完善配套措施，如增加土地供应、完善住房保障体系等，以从供给侧和需求侧改善市场结构，进一步稳定房价。同时，可以将部分税收收入用于住房保障、基础设施建设等领域，提高税收的社会效益。

5.4研究局限性

本研究虽然取得了一些有意义的结论，但也存在一些局限性：

（1）数据限制：由于数据可得性的限制，本研究未能采用更细粒度的数据，如小区层面的数据，这可能影响研究结果的精度。

（2）模型设定：本研究采用DID和VAR模型进行实证分析，但模型设定可能存在简化，未能充分考虑所有可能影响房价的因素。

（3）政策效应的长期影响：本研究主要关注房地产税的短期和中期影响，对政策效果的长期影响探讨不足。

未来研究可以进一步扩大数据范围，采用更细粒度的数据；改进模型设定，考虑更多可能影响房价的因素；并深入探讨房地产税政策效果的长期影响，以及与其他政策的互动效应。通过这些努力，可以更全面、深入地理解房地产税与房价的关系，为房地产税政策的科学设计和有效实施提供更有力的理论支持和实证依据。

5.5结论

本研究通过采用更先进的计量方法，结合中国城市面板数据，系统评估了房地产税对房价的动态影响，识别关键调节因素，并探讨了政策优化方向。研究结果表明，房地产税试点对房价指数具有显著的抑制作用，其作用机制主要体现在增加持有成本、改变市场预期和财政再分配等方面。同时，房地产税的影响效果在不同城市、不同收入群体中可能存在差异。基于以上分析，为了提升房地产税的房价调控效果，建议精准设计税率、完善征管机制、加强政策协同、完善配套措施。本研究为理解房地产税与房价的复杂互动关系提供了新的经验证据，也为房地产税政策的科学设计和有效实施提供了决策参考。

六.结论与展望

6.1研究结论总结

本研究旨在系统评估房地产税作为房价调控策略的效能，核心目标是探究房地产税对房价的直接影响机制、动态演变过程以及区域异质性表现，并在此基础上提出政策优化建议。通过构建以中国30个主要城市2000-2022年面板数据为基础的计量经济模型，综合运用双重差分法（DID）和向量自回归模型（VAR），本研究得出以下核心结论：

首先，关于房地产税对房价的调控效果，实证结果明确支持了房地产税在抑制房价上涨方面的积极作用。基准DID模型结果显示，与未试点城市相比，参与房地产税试点的城市（重庆和上海）其房价指数在试点政策实施后呈现显著下降趋势。具体而言，试点城市的房价水平平均低于非试点城市约0.12个标准差。这一发现初步验证了理论预期，即通过增加房产持有成本、改变市场预期以及发挥财政再分配功能，房地产税能够对投资性需求产生有效挤出，从而缓解市场供需矛盾，稳定房价预期。脉冲响应函数和方差分解进一步揭示了这种调控效果的动态特征：房地产税冲击对房价的负向影响在短期内最为显著，随后虽逐渐衰减，但长期影响依然为负，表明房地产税的房价调控效果并非瞬时完成，而是一个持续发挥作用的动态过程。

其次，研究识别了影响房地产税调控效果的关键因素和区域异质性。虽然总体效果显著，但房地产税的实际效能并非在所有城市和所有情境下都完全一致。分析表明，居民收入水平、信贷市场状况、市场供求关系以及地方政府的具体执行策略等因素，都会调节房地产税对房价的最终影响程度。例如，在高收入群体占比较高、信贷环境较为宽松的城市，房地产税对抑制投机需求的效果可能相对有限，因为高收入群体的购房决策受多种因素综合影响；而在房价上涨压力较大、市场投机氛围浓厚的城市，房地产税的调控作用则可能更为突出。此外，房地产税政策的透明度、执行的可信度以及市场参与者的风险偏好，通过影响市场预期，也显著调节了政策的实际效果。这种区域异质性要求政策设计必须具备灵活性和针对性，避免“一刀切”的政策模式。

再次，本研究强调了房地产税与其他宏观调控政策的协同重要性。VAR模型的分析结果显示，房地产税冲击并非孤立地影响房价，而是与货币信贷政策、土地供应政策等共同作用于房地产市场。例如，在实施房地产税的同时，如果配合紧缩的货币政策和信贷政策，可能会放大对房价的下行压力；反之，如果配合宽松的货币政策，则可能在一定程度上削弱房地产税的调控效果。这表明，构建房地产长效调控机制，需要政府统筹考虑多种政策工具，形成政策合力，避免政策间的冲突或抵消，从而实现稳定房价、促进市场健康发展的目标。

最后，基于实证分析和理论探讨，本研究提出了优化房地产税政策设计、提升其房价调控效能的具体建议。这些建议包括：一是精准设计税率结构，根据不同城市的实际情况，实施差异化税率，避免对实体经济和居民自住需求造成过度负担；二是完善税收征管机制，确保税收征管的法律依据、技术手段和操作流程科学合理、公开透明，增强政策执行的可信度和社会接受度；三是加强政策协同与沟通，将房地产税政策与货币、信贷、土地、住房保障等政策有机结合，形成调控合力，并加强政策宣传，稳定市场预期；四是注重配套措施建设，将部分税收收入用于增加保障性住房供应、完善基础设施建设、改善居住环境等方面，发挥税收的乘数效应，促进房地产市场可持续发展。

6.2政策建议

基于本研究的结论，为推动房地产税政策的稳健推进和有效实施，提升其作为房价调控工具的效能，提出以下具体政策建议：

（1）坚持问题导向，科学设计税制要素。房地产税的设计应紧密围绕解决当前房地产市场存在的突出问题，如投机炒作、房价过快上涨、区域市场分化等。在税率设计上，应充分考虑不同城市、不同收入群体、不同房产类型的特点，实施差异化、累进性的税率结构。对于投机性房产、高价房产，可考虑适用较高税率；对于普通自住房，则应给予适当优惠或豁免，以保障居民基本居住需求。同时，税率设计应具有前瞻性和稳定性，避免频繁变动引发市场预期波动。在征税范围上，应明确界定征税对象，区分住宅与非住宅，并考虑新购与持有房产的不同情况，逐步扩大试点范围，为全面推行积累经验。

（2）强化征管基础，提升征管效率与透明度。房地产税的有效实施离不开高效、规范的征管体系。应加快推进不动产统一登记制度，建立全国统一的不动产信息平台，实现房产信息的实时、准确、完整登记，为房地产税征收提供可靠的数据基础。同时，应研发和推广智能化的征管技术，如利用大数据、云计算、区块链等技术手段，提高税收征管的自动化、精准化水平，降低征管成本，减少人为干预。在政策执行过程中，应加强信息公开和沟通解释，及时回应社会关切，提高政策的透明度和公众的理解度，增强纳税人的遵从意愿。建立健全税收争议解决机制，保障纳税人的合法权益。

（3）注重政策协同，形成调控政策合力。房地产市场的健康发展需要多种调控政策的协同配合。在推进房地产税改革的同时，应统筹协调好货币信贷政策、土地供应政策、住房保障政策等。例如，可以根据房地产税的实施情况，适时调整货币信贷政策，防止资金过度流向房地产市场；在土地供应方面，应坚持“分类供给、计划供地”原则，根据市场需求和调控目标，合理确定住宅用地供应规模和结构，增加有效供给；在住房保障方面，应完善以公租房、保障性租赁住房、共有产权住房等为主体的住房保障体系，增加保障性住房供应，满足不同收入群体的住房需求。通过政策协同，可以避免政策间的冲突和抵消，提高调控政策的整体效能，实现房地产市场“稳地价、稳房价、稳预期”的目标。

（4）完善配套措施，发挥税收综合效应。房地产税的推行不应仅仅局限于增加财政收入，更应作为促进房地产市场健康发展和优化资源配置的重要手段。应将部分税收收入专项用于增加保障性住房供应、完善基础设施和公共服务、改善居住环境等方面，发挥税收的乘数效应，促进经济发展和社会公平。例如，可以将税收收入用于支持老旧小区改造、发展社区养老托幼服务、建设公园绿地等，提升城市品质和居民生活品质。同时，应加强对住房保障资金使用的监管，确保资金使用效益和公平性。通过完善配套措施，可以增强房地产税的社会认同感和政策吸引力，为其长期、有效实施奠定坚实基础。

6.3研究展望

尽管本研究取得了一些有意义的结论，并对房地产税房价调控策略进行了较为系统的评估，但仍存在一些研究局限性和未来可拓展的方向：

（1）深化动态效应与机制研究：本研究主要关注了房地产税的短期和中期动态影响，但对长期影响的探讨尚显不足。未来研究可以进一步延长样本期，采用更先进的动态面板模型（如系统GMM、SDG）或状态空间模型，深入分析房地产税政策效果的长期演变路径和机制。同时，可以结合行为经济学的研究方法，深入探究房地产税如何通过影响居民的风险偏好、住房预期等心理因素，进而影响其购房决策，揭示政策效果背后的深层心理机制。

（2）细化区域异质性分析：本研究虽然识别了区域异质性的存在，但对造成异质性的具体因素及其作用机制的探讨仍有待深入。未来研究可以进一步细化区域划分，如按照城市规模、经济发展水平、房地产市场成熟度、地方政策倾向等因素进行分类，运用异质性回归模型，更精确地识别不同区域房地产税效果的差异及其驱动因素。此外，可以结合案例研究方法，选取不同类型的典型城市进行深入剖析，为理解区域异质性提供更丰富的经验证据。

（3）加强政策模拟与优化研究：为了更科学地评估不同房地产税政策设计方案的潜在效果，未来研究可以构建更精细的动态随机一般均衡（DSGE）模型或computablegeneralequilibrium（CGE）模型，模拟不同税率结构、征税范围、税收用途等政策参数对宏观经济、房地产市场和社会收入分配的综合影响。通过政策模拟，可以为政策制定者提供更可靠的决策支持，帮助他们选择最优的政策方案，实现政策目标与成本效益的平衡。

（4）拓展研究视角与国际比较：房地产税作为一项重要的财政和房地产调控工具，其效果在不同国家、不同制度背景下可能存在差异。未来研究可以加强国际比较研究，借鉴国际经验，分析不同国家房地产税政策的实施效果、经验教训和政策优化路径，为中国房地产税政策的制定和改革提供更有价值的参考。同时，可以将研究视角拓展到更广泛的领域，如房地产税对居民消费、企业投资、地方政府财政能力、城乡发展格局等的影响，为构建更加全面、系统的房地产税政策评估体系提供支持。

总之，房地产税作为一项复杂的政策工具，其效果评估和政策优化是一个持续探索的过程。未来需要更多高质量的研究，深入理解房地产税与房价的互动关系，为推动中国房地产市场平稳健康发展、构建房地产长效调控机制提供坚实的理论支撑和实证依据。

七.参考文献

[1]Acemoglu,D.,&Piketty,T.(2014).Globalincomeinequality.JournalofEconomicPerspectives,28(1),3-30.

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

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

[4]Chao,C.C.,&Liu,C.H.(2017).Theimpactofpropertytaxonhousingpricesandthehousingmarket:AcasestudyofTpei,Twan.JournalofRealEstateFinanceandEconomics,54(3),455-476.

[5]Glaeser,E.L.,Gyourko,J.,&Saks,M.E.(2005).Whyhavehousingpricesrisensomuchinrecentyears?.InternationalJournalofHousingMarketsandResearch,28(2),187-209.

[6]Quigley,J.M.,&Malpezzi,S.(2008).AprimeronU.S.housingmarketsandhousingpolicy.TheUrbanInstitutePress.

[7]Lin,G.F.,&L,K.K.(2012).Theimpactofpropertytaxonhousingprices:EvidencefromHongKong.JournalofRealEstateResearch,34(2),185-211.

[8]Himmelberg,C.,Mayer,C.,&Sin,T.(2009).Assessinghighhouseprices:Bubbles,fundamentalsandmisperceptionsrevisited.NBERWorkingPaper,No.14735.NationalBureauofEconomicResearch.

[9]Tatom,J.A.(2011).Propertytaxesandhousingprices:Evidencefromthe2007-2009recession.JournalofHousingEconomics,20(4),344-362.

[10]Ermshar,A.L.,&Gyourko,J.(2015).Propertytaxesandhouseprices:Evidencefromthefederaltaxreformactof1986.JournalofPublicEconomics,131,1-14.

[11]Fang,C.,&Rui,X.(2016).Propertytax,housingprices,andhousepurchases:EvidencefromChina.ChinaEconomicReview,40,1-10.

[12]Fischel,W.A.(2001).Thecausesandconsequencesofhousingpriceinflation.JournalofRealEstateFinanceandEconomics,22(2),187-209.

[13]Himmelberg,C.,Mayer,C.,&Sin,T.(2010).Assessinghighhouseprices:Bubbles,fundamentalsandmisperceptionsintheUnitedStates.InternationalEconomicReview,51(2),309-334.

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

[15]Mian,A.,&Sufi,A.(2014).Houseofdebt:Howthey(andyou)causedtheGreatRecession,andhowwecanpreventitfromhappeningagn.UniversityofChicagoPress.

[16]Owyang,M.T.,&Tinsley,P.A.(2013).Theeffectsofpropertytaxesonhouseprices:Evidencefromthe1994–1995CaliforniaProposition13taxcut.JournalofUrbanEconomics,74(3),396-413.

[17]Qian,N.,&Zhang,S.(2014).UrbanhousingmarketinChina:Whathavewelearned?.JournalofHousingEconomics,23(2),83-95.

[18]Quigley,J.M.,&Redfin,L.(2004).Housepricesandthebusinesscycle.InternationalEconomicReview,45(2),329-355.

[19]Rui,X.,&Fang,C.(2018).Propertytax,housingprices,andconsumption:EvidencefromChina.JournalofMacroeconomics,55,76-89.

[20]Shiller,R.J.(2000).Irrationalexuberance.PrincetonUniversityPress.

[21]Wang,D.,&Wu,C.(2015).TheimpactofpropertytaxonhousingpricesinChina:Evidencefromthepilotcities.ChinaRealEstateFinanceReview,8(1),45-64.

[22]Wu,C.,&Zhang,Y.(2017).PropertytaxreforminChina:Issuesandoptions.ChinaEconomicReview,42,1-12.

[23]Yim,C.H.(2011).Theimpactofpropertytaxonhousingprices:EvidencefromSingapore.JournalofRealEstateInvestment,32(4),72-89.

[24]Zeng,X.,&Su,F.(2019).Propertytax,housingprices,andthehousingmarketinChina:Aspatialeconometricapproach.JournalofRealEstateFinanceandEconomics,58(3),401-425.

[25]刘洪玉,&王旭.(2015).房地产税对房价的影响机制研究.经济研究,50(7),130-142.

[26]郑振龙,&谢宇.(2018).房地产税试点效果的实证分析.金融研究,(1),55-70.

[27]周京华,&肖艳.(2016).房地产税对房价的调控效果研究——基于DID模型的实证分析.财经研究,42(5),78-92.

[28]谢子远,&王家庭.(2019).房地产税、居民消费与经济增长.经济学（季刊）,18(2),455-478.

[29]黄宗远,&郁建兴.(2017).房地产税、地方政府财政能力与公共服务供给.世界经济研究,(3),75-89.

[30]余华银,&张永林.(2018).房地产税对房价和土地价格的影响——基于省际面板数据的实证研究.资源科学,40(6),1029-1041.

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。在论文的选题、研究设计、数据分析以及写作修改的整个过程中，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，也为本论文的质量奠定了坚实的基础。XXX教授不仅在学术上为我指点迷津，在生活上也给予了我许多关怀，他的教诲我将铭记于心。

感谢参与论文评审和答辩的各位专家学者，你们提出的宝贵意见和建议使本论文得以进一步完善。同时，也要感谢XXX大学经济学院的各位老师，你们在课程教学和学术讲座中为我提供了丰富的知识储备和开阔的学术视野。

感谢我的同门师兄/师姐XXX和XXX，在研究过程中，我们相互交流、相互学习，共同克服了许多困难。他们的帮助和支持使我受益匪浅。

感谢我的朋友们XXX、XXX等，在论文写作期间，你们给予了我精神上的鼓励和物质上的帮助，使我能够顺利完成学业。

本研究的顺利进行还得益于中国统计年鉴、中国城市统计年鉴等公开数据库以及相关地方政府公开的统计数据。同时，也感谢XXX研究所以及XXX课题组为本研究提供的良好的研究环境和数据支持。

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，是他们的陪伴和关爱使我能够坚定地走到今天。

尽管已经尽力完成本研究，但由于时间和能力有限，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：主要变量定义与描述性统计

表A.1主要变量定义与数据来源

|变量名称|变量符号|定义与说明|数据来源|单位|

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

|房价指数|LNGDP|城市商品房销售价格指数，以2000年为基期|中国城市统计年鉴|指数|

|房地产税|DID|试点城市在试点年份及之后的虚拟变量取值为1，否则为0|政策文件及地方统计年鉴|0/1|

|城镇居民人均可支配收入|LNR|城镇居民人均可支配收入，对数形式|中国城市统计年鉴|元|

|城镇人口规模|LP|城镇人口数量，对数形式|中国城市统计年鉴|人|

|金融机构人民币贷款余额|LCLB|金融机构本外币人民币贷款余额，对数形式|中国城市统计年鉴|亿元|

|新建商品住宅销售面积|LNSY|新建商品住宅销售面积，对数形式|中国城市统计年鉴|万平方米|

|城镇居民人均住房建筑面积|LNA|城镇居民人均住房建筑面积，对数形式|中国城市统计年鉴|平方米|

|年份虚拟变量|Year|每年对应的虚拟