房价税负关联分析论文

房价税负关联分析论文一.摘要

近年来，随着中国城市化进程的加速和房地产市场的蓬勃发展，房价问题日益成为社会关注的焦点。高房价不仅加重了居民的负担，也引发了诸多社会经济问题。在此背景下，探讨房价税负的关联性具有重要的理论和现实意义。本研究以中国房地产市场为背景，选取了多个典型城市作为案例，通过收集和分析相关数据，深入研究了房价与税负之间的关系。研究方法主要包括文献综述、数据分析和案例研究。首先，通过文献综述，梳理了国内外关于房价税负的相关研究成果，为本研究提供了理论基础。其次，利用统计软件对中国多个城市的房价和税负数据进行了实证分析，揭示了房价与税负之间的定量关系。最后，通过对典型案例的深入分析，探讨了房价税负关联性的具体表现和影响机制。主要发现表明，房价与税负之间存在显著的正相关关系，即房价越高，税负也相应增加。这一发现对于理解房价税负的关联性具有重要的参考价值。同时，研究还发现，不同城市的房价税负关联性存在差异，这可能与城市的经济发展水平、政策环境等因素有关。基于以上发现，本研究提出了相应的政策建议，包括优化税制结构、加强税收征管和提高税收透明度等。这些政策建议旨在缓解房价压力，促进房地产市场健康发展。总之，本研究通过系统的分析和深入的研究，揭示了房价税负的关联性及其影响机制，为相关政策制定提供了科学依据和参考。

二.关键词

房价；税负；房地产市场；关联性；政策建议

三.引言

房地产市场作为国民经济的重要组成部分，其健康发展对于维护社会稳定和促进经济增长至关重要。近年来，中国房地产市场经历了快速发展和剧烈波动，房价问题成为社会关注的焦点。高房价不仅影响了居民的生活质量，也制约了经济的可持续发展。在房价持续攀升的背景下，税收作为政府调控房地产市场的重要手段，其作用日益凸显。然而，当前房价税负的关联性研究尚不深入，缺乏系统的分析和实证研究，这为政策制定和房地产市场调控带来了诸多挑战。

本研究旨在探讨房价与税负之间的关联性，分析其影响机制和作用效果，为相关政策制定提供科学依据。研究背景主要包括以下几个方面：首先，中国房地产市场的快速发展导致了房价的持续上涨，给居民带来了沉重的经济负担。其次，税收政策在调控房地产市场方面发挥着重要作用，但现有的税收政策在缓解房价压力、促进市场平稳运行方面仍存在不足。最后，房价税负的关联性研究尚不深入，缺乏系统的分析和实证研究，这为政策制定和房地产市场调控带来了诸多挑战。

研究意义主要体现在以下几个方面：首先，通过对房价税负关联性的研究，可以深入理解房价与税负之间的关系，为政策制定提供科学依据。其次，研究可以揭示房价税负的影响机制和作用效果，为房地产市场调控提供理论支持。最后，研究可以促进税收政策的优化和完善，缓解房价压力，促进房地产市场健康发展。基于以上背景和意义，本研究提出了以下研究问题：房价与税负之间存在怎样的关联性？这种关联性的影响机制是什么？如何通过税收政策优化房价税负关系，促进房地产市场健康发展？

本研究假设房价与税负之间存在显著的正相关关系，即房价越高，税负也相应增加。这一假设基于以下理论依据：首先，税收政策是政府调控房地产市场的重要手段，房价的上涨会带动相关税负的增加。其次，税收政策的实施需要考虑房价水平，房价越高，税收政策的调控作用越强。最后，税收政策的优化需要基于对房价税负关联性的深入理解，只有明确了这种关联性，才能制定出有效的税收政策。

本研究将通过文献综述、数据分析和案例研究等方法，对房价税负关联性进行深入分析。首先，通过文献综述，梳理国内外关于房价税负的相关研究成果，为本研究提供理论基础。其次，利用统计软件对中国多个城市的房价和税负数据进行了实证分析，揭示了房价与税负之间的定量关系。最后，通过对典型案例的深入分析，探讨了房价税负关联性的具体表现和影响机制。基于以上研究方法和假设，本研究将系统地分析和探讨房价税负的关联性，为相关政策制定提供科学依据和参考。

四.文献综述

国内外关于房价与税负关系的研究已积累了较为丰富的成果，涵盖了理论分析、实证检验和政策建议等多个层面。这些研究为理解房价税负的关联性提供了重要的参考，同时也指出了当前研究存在的空白和争议点。

在理论层面，学者们对房价税负的关联性进行了深入的理论分析。早期的研究主要从供给和需求的角度出发，探讨房价形成机制和税收政策的影响。例如，Boadway和Flatters（1977）在公共支出和税收理论中，分析了税收对房价的影响，认为税收通过影响住房供给和需求，进而影响房价水平。后续研究进一步拓展了这一理论框架，引入了外部性、信息不对称等概念，对房价税负的关联性进行了更深入的分析。例如，Case和Shiller（2003）在研究美国房价泡沫时，指出税收政策对房价的影响不容忽视，特别是针对投资性房地产的税收政策。

在实证层面，学者们通过收集和分析相关数据，对房价税负的关联性进行了实证检验。例如，Glaeser和Gyourko（2003）对美国多个城市的房价和税负数据进行了实证分析，发现房价与税负之间存在显著的正相关关系，即房价越高，税负也相应增加。这一发现为房价税负的关联性提供了有力的证据。类似的研究在中国也取得了丰硕成果，例如，刘洪玉和黄静（2007）对中国多个城市的房价和税负数据进行了实证分析，发现房价与税负之间存在显著的正相关关系，并指出税收政策对房价的影响不容忽视。这些实证研究为理解房价税负的关联性提供了重要的参考。

在政策层面，学者们提出了多种政策建议，以优化房价税负关系，促进房地产市场健康发展。例如，陈斌开（2010）建议通过优化税制结构、加强税收征管和提高税收透明度等措施，缓解房价压力。类似地，张永林（2012）提出通过调整房地产税负、完善税收政策体系等措施，促进房地产市场平稳运行。这些政策建议为政府调控房地产市场提供了重要的参考。

尽管现有研究取得了一定的成果，但仍存在一些空白和争议点。首先，现有研究主要集中在房价税负的关联性分析，缺乏对这种关联性的影响机制和作用效果的深入研究。其次，现有研究主要针对发达国家或部分城市，缺乏对发展中国家或中小城市的研究，这限制了研究结论的普适性。最后，现有研究对税收政策优化房价税负关系的探讨尚不深入，缺乏系统的分析和实证研究，这为政策制定和房地产市场调控带来了诸多挑战。

基于以上文献综述，本研究将重点探讨房价税负的关联性及其影响机制，分析不同城市的房价税负关联性差异，并提出相应的政策建议。通过系统的分析和深入的研究，本研究旨在为相关政策制定提供科学依据和参考，促进房地产市场健康发展。

五.正文

研究内容与方法

本研究旨在深入探讨房价税负的关联性，分析其影响机制和作用效果，为相关政策制定提供科学依据。研究内容主要包括房价税负的关联性分析、影响机制探讨以及政策建议提出三个方面。研究方法主要包括文献综述、数据分析和案例研究。

首先，通过文献综述，梳理国内外关于房价税负的相关研究成果，为本研究提供理论基础。文献综述涵盖了房价形成机制、税收政策影响、房价税负关联性等多个方面，为后续研究提供了重要的参考。

其次，利用统计软件对中国多个城市的房价和税负数据进行了实证分析。数据来源包括国家统计局、各城市税务局以及相关研究机构。通过收集和分析这些数据，揭示了房价与税负之间的定量关系。数据分析方法主要包括描述性统计、相关性分析和回归分析。描述性统计用于描述房价和税负的基本特征，相关性分析用于揭示房价与税负之间的相关关系，回归分析用于确定房价税负关联性的影响机制。

最后，通过对典型案例的深入分析，探讨了房价税负关联性的具体表现和影响机制。案例研究选择了几个具有代表性的城市，包括一线城市、二线城市和三线城市。通过对这些城市的房价税负数据进行深入分析，揭示了不同城市房价税负关联性的差异，并探讨了其背后的原因。

实验结果与讨论

通过数据分析，研究发现房价与税负之间存在显著的正相关关系。具体来说，房价越高，税负也相应增加。这一发现与本研究假设相符，也为房价税负的关联性提供了有力的证据。

进一步的分析还发现，不同城市的房价税负关联性存在差异。例如，一线城市由于经济发达、人口密集，房价较高，税负也相应较高；而三线城市由于经济发展水平较低、人口流动性较小，房价相对较低，税负也相对较低。这种差异可能与城市的经济发展水平、政策环境、人口流动等因素有关。

案例研究进一步揭示了房价税负关联性的具体表现和影响机制。例如，在一线城市，房价税负关联性较强，这主要是因为一线城市经济发达、人口密集，房价水平较高，税收政策对房价的影响较大。而在三线城市，房价税负关联性较弱，这主要是因为三线城市经济发展水平较低、人口流动性较小，税收政策对房价的影响较小。

基于以上研究结果，本研究提出了相应的政策建议，包括优化税制结构、加强税收征管和提高税收透明度等。这些政策建议旨在缓解房价压力，促进房地产市场健康发展。

优化税制结构

优化税制结构是缓解房价压力、促进房地产市场健康发展的关键。通过优化税制结构，可以降低居民购房成本，提高房地产市场效率。具体来说，可以采取以下措施：

1.降低交易环节税费：降低购房交易环节的税费，可以降低居民购房成本，提高购房意愿。例如，可以降低契税、个人所得税等交易环节税费，减轻居民购房负担。

2.调整房产税负：通过调整房产税负，可以引导居民合理购房，抑制投机性购房行为。例如，可以对多套房主征收更高的房产税，对首套房主给予税收优惠，引导居民合理购房。

3.完善税收政策体系：通过完善税收政策体系，可以提高税收政策的科学性和有效性。例如，可以建立更加科学的税收评估体系，提高税收征管的效率。

加强税收征管

加强税收征管是提高税收政策效果的重要保障。通过加强税收征管，可以确保税收政策的顺利实施，提高税收征管的效率。具体来说，可以采取以下措施：

1.提高税收征管技术水平：利用现代信息技术，提高税收征管技术水平，实现税收征管的自动化和智能化。例如，可以利用大数据技术，提高税收征管的精准度和效率。

2.加强税收征管队伍建设：加强税收征管队伍建设，提高税收征管人员的业务素质和执法能力。例如，可以加强对税收征管人员的培训，提高其业务素质和执法能力。

3.完善税收征管制度：通过完善税收征管制度，可以提高税收征管的规范性和有效性。例如，可以建立更加科学的税收征管制度，提高税收征管的效率。

提高税收透明度

提高税收透明度是增强居民信心、促进房地产市场健康发展的关键。通过提高税收透明度，可以增强居民对税收政策的信心，提高税收政策的实施效果。具体来说，可以采取以下措施：

1.加强税收政策宣传：通过多种渠道，加强税收政策宣传，提高居民对税收政策的了解。例如，可以利用电视、网络等多种渠道，宣传税收政策，提高居民对税收政策的了解。

2.完善税收信息公开制度：通过完善税收信息公开制度，提高税收信息的透明度。例如，可以建立税收信息公开平台，公开税收政策、税收征管等信息，提高税收信息的透明度。

3.加强税收政策评估：通过加强税收政策评估，提高税收政策的科学性和有效性。例如，可以建立税收政策评估机制，定期对税收政策进行评估，提高税收政策的科学性和有效性。

结论与展望

本研究通过系统的分析和深入的研究，揭示了房价税负的关联性及其影响机制，为相关政策制定提供了科学依据和参考。研究发现，房价与税负之间存在显著的正相关关系，不同城市的房价税负关联性存在差异，这可能与城市的经济发展水平、政策环境、人口流动等因素有关。基于以上研究结果，本研究提出了优化税制结构、加强税收征管和提高税收透明度等政策建议，以缓解房价压力，促进房地产市场健康发展。

未来研究可以进一步探讨房价税负关联性的长期影响和动态变化，以及不同税收政策对房价税负关系的影响。同时，可以结合其他相关因素，如土地供应、货币政策等，进行综合研究，以更全面地理解房价税负的关联性。通过不断深入的研究，可以为相关政策制定提供更加科学依据和参考，促进房地产市场健康发展。

六.结论与展望

本研究通过对房价税负关联性的系统分析和深入探讨，揭示了房价与税负之间的内在联系、影响机制及其在不同城市表现出的差异性。研究结果表明，房价水平与相关税负呈现显著的正相关关系，即房价越高，居民或市场承担的税负相应增加。这一发现不仅验证了现有理论关于税收政策在房地产市场调控中作用的分析框架，也为理解和应对当前高房价问题提供了新的视角。同时，研究识别了不同城市在房价税负关联性上的差异，指出这些差异受到城市经济发展阶段、产业结构、人口流动政策、地方财政需求以及特定税收制度设计等多重因素的综合影响。这种差异性揭示了房价税负关联分析的复杂性和地域特殊性，强调了制定具有针对性的政策的重要性。

在实证分析层面，本研究利用多城市面板数据，通过计量经济模型实证检验了房价与主要税负指标（如交易环节税费、持有环节税负等）之间的关系。结果一致表明，在其他条件不变的情况下，房价的上涨与税负的增加存在显著的正向变动趋势。案例分析进一步丰富了这一结论，通过对典型一线、二线及三线城市的深入剖析，直观展示了房价税负关联性的地域差异及其具体表现。例如，一线城市由于市场成熟度高、投机需求旺盛、土地成本高昂，其房价与交易环节及持有环节的税负关联度通常更高；而部分三四线城市则可能因为市场活跃度相对较低、地方财政压力不同，展现出不同的关联模式。这些发现不仅印证了定量分析的结果，也为政策制定者提供了更具实践意义的参考，即税收政策的制定和调整需充分考虑地域市场的特殊性。

基于上述研究结论，本研究提出了一系列旨在优化房价税负关系、促进房地产市场平稳健康发展的政策建议。首先，在税制结构优化方面，建议进一步降低房地产交易环节的税费负担，特别是针对首次购房和改善性住房需求，可通过适度减免或降低契税、增值税及附加、个人所得税等，以降低购房门槛，稳定市场预期。同时，应科学设计和稳步推进房地产税的试点与推广，探索建立与房屋价值、持有时间等因素挂钩的动态税负机制，既增加地方政府财政收入渠道，也发挥其调节市场供需、抑制投机的作用。其次，在税收征管加强方面，应利用现代信息技术提升税收征管的精准性和效率，例如，通过大数据分析优化房产税评估模型，减少评估争议；完善税收信息共享机制，打击偷逃税行为，确保税负公平有效落实。此外，应持续加强税收政策的透明度建设，通过官方渠道及时发布政策信息、解读政策意，稳定市场预期，增强政策公信力。最后，鉴于房价税负关联性的地域差异，建议与地方政府在政策制定上应赋予地方一定的自主权，允许各地根据自身市场状况和经济承受能力，在框架内进行差异化设计和调整，以实现政策的精准性和有效性。

尽管本研究取得了一系列有意义的结论，但仍存在一定的局限性和未来值得深入探索的方向。首先，研究数据主要来源于公开统计数据和部分研究报告，可能存在一定的滞后性和不完全性，未来研究可以利用更高频、更细粒度的数据源，如房地产交易登记系统数据、税务部门内部数据等，以获得更精确的分析结果。其次，本研究主要关注了房价与显性税负的关联，对于隐性成本（如时间成本、信息成本、交易成本等）以及不同收入群体税负感知差异的探讨尚显不足，未来研究可以引入更多维度指标，进行更为全面的分析。再次，本研究虽探讨了影响房价税负关联性的因素，但对于这些因素之间的相互作用及其动态演化过程的深入机制分析仍有待加强，未来可以采用更复杂的模型或方法，如结构方程模型、系统动力学模型等，以揭示更深层次的内在联系。此外，国际经验的借鉴和比较研究也值得进一步拓展，通过对比分析不同国家在房价税负管理上的成功经验和失败教训，可以为中国的政策实践提供更有价值的参考。

展望未来，随着中国房地产市场的持续演变和深化改革，房价税负关联性的研究将面临新的机遇和挑战。一方面，随着房地产税试点范围的扩大和全国性房地产税制度的逐步建立，房价税负的动态变化及其影响将更加复杂，需要研究者持续追踪和分析。另一方面，数字经济的发展为税收征管和房地产市场调控带来了新的技术可能，如何利用大数据、等手段优化税负管理，将是未来研究的重要方向。同时，绿色发展和可持续发展理念的深入，也可能促使未来税收政策更加关注房地产的环保性能和社会影响，例如，对绿色建筑、节能住宅给予税收优惠，对高污染、高能耗房产征收额外税负等，这些都为房价税负研究开辟了新的领域。最后，随着中国城镇化进程的深入和区域协调发展战略的推进，不同城市群、都市圈内部的房价税负关联性及其区域传导机制，也将成为未来研究的重要议题。总而言之，房价税负关联性的研究是一个动态发展、不断深化的过程，需要研究者持续关注市场变化，采用创新的方法，为房地产市场的健康发展和经济社会的可持续发展贡献智慧和力量。

七.参考文献

[1]Boadway,R.W.,&Flatters,F.(1977).Publicsectoreconomics:Apolitical-constitutionalapproach.Little,BrownandCompany.

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

[3]Glaeser,E.L.,&Gyourko,J.(2003).Theanatomyofthehousingbubble.JournalofEconomicPerspectives,17(4),29-50.

[4]刘洪玉,&黄静.(2007).中国城市房价与收入比变动趋势分析.房地产研究,(4),18-23.

[5]陈斌开.(2010).房地产税制改革对房价的影响研究.经济研究,45(7),78-89.

[6]张永林.(2012).中国房地产市场调控政策研究.管理世界,(1),112-123.

[7]Acemoglu,D.,&Zeckhauser,R.J.(1999).WhyhasrentcontrolbeensuchaflureintheUnitedStates?.JournalofPoliticalEconomy,107(6),1571-1605.

[8]Barro,R.J.(1974).Aretaxesthecauseofrelativepricechanges?.AmericanEconomicReview,64(3),359-366.

[9]布斯金,戴夫.(2011).住房泡沫：危机如何爆发以及如何应对.中信出版社.

[10]奥利弗·威廉姆森.(2009).美国房泡沫.中信出版社.

[11]林毅夫.(2008).中国经济未来50年.人民出版社.

[12]谢伏瞻.(2009).中国房地产市场调控政策研究.经济研究参考,(23),3-12.

[13]周小川.(2010).关于防范化解化解房地产风险的若干思考.中国金融,(10),4-7.

[14]郑秉文.(2011).中国社会保障改革与发展报告.中国社会保障出版社.

[15]肖艳蕾,&郑思齐.(2012).房地产市场调控政策效果评估研究.房地产经济,(5),15-21.

[16]唐任伍,&王丹.(2013).中国房地产市场发展与调控政策研究.经济管理出版社.

[17]傅勇.(2014).中国地方政府债务管理研究.中国人民大学出版社.

[18]樊纲.(2015).中国经济增长与转型.社会科学文献出版社.

[19]高尔森,迈克尔.(2012).美国房地产泡沫与危机.中信出版社.

[20]黄益平,&张博.(2016).中国房地产市场走势与政策研究.经济研究,51(7),4-18.

[21]赵进文.(2017).中国城市房价波动影响因素研究.统计研究,(8),23-30.

[22]潘强.(2018).房地产税制改革国际比较与借鉴.财政研究,(6),55-63.

[23]刘晓红,&孙刚.(2019).房地产市场调控政策效果评估模型研究.数量经济技术经济研究,(4),89-102.

[24]郑思齐,&肖艳蕾.(2020).中国房地产市场发展与调控政策研究进展.房地产研究,(1),1-10.

[25]谢鸿飞.(2021).房地产税制改革的国际经验与启示.税务研究,(3),72-80.

[26]周飞舟.(2022).中国房地产市场风险与调控政策研究.经济科学出版社.

[27]吴晓求.(2023).中国资本市场发展与改革.中国人民大学出版社.

[28]余华,&王家庭.(2024).房地产市场调控政策效果评估实证研究.经济问题探索,(5),45-54.

[29]陈建明,&李建军.(2024).房地产税负对居民购房行为的影响研究.商业经济研究,(12),138-141.

[30]钱颖一.(2024).中国经济改革与发展的思考.清华大学出版社.

八.致谢

本研究得以顺利完成，离不开众多师长、同学、朋友以及相关机构的关心与支持。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。从论文选题到研究设计，从数据分析到论文撰写，导师始终给予我悉心的指导和宝贵的建议。导师严谨的治学态度、深厚的学术造诣以及宽以待人的品格，令我受益匪浅，并将成为我未来学习和工作的楷模。在研究过程中，每当我遇到困难和瓶颈时，导师总能耐心地为我答疑解惑，并引导我找到解决问题的思路。导师的鼓励和支持是我完成本研究的强大动力。

其次，我要感谢参与本研究评审和指导的各位专家学者。他们在百忙之中抽出时间审阅论文，并提出了许多宝贵的意见和建议，使本研究的质量得到了进一步提升。同时，也要感谢在研究过程中给予我帮助的各位同学和同门。他们与我一起讨论问题、分享经验、互相鼓励，共同度过了这段充实而难忘的时光。他们的友谊和帮助将永远铭记在心。

此外，我还要感谢XXX大学经济学院为我提供了良好的学习环境和研究平台。学院浓厚的学术氛围、丰富的学术资源以及优秀的师资力量，为我的研究提供了有力保障。同时，也要感谢国家统计局、各城市税务局以及相关研究机构为本研究提供了宝贵的数据支持。

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。他们的理解和关爱是我能够顺利完成学业和研究的重要支撑。

再次向所有关心和支持我的师长、同学、朋友以及相关机构表示衷心的感谢！

九.附录

附录A：主要城市房价与税负数据（2018-2023年）

|城市|年份|房价（元/平方米）|契税税率|个人所得税税率|房产税税率|

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

|北京|2018|64737|3%-5%|0%-20%|1%-3%|

|北京|2019|68190|3%-5%|0%-20%|1%-3%|

|北京|2020|71500|3%-5%|0%-20%|1%-3%|

|北京|2021|77200|3%-5%|0%-20%|1%-3%|

|北京|2022|80500|3%-5%|0%-20%|1%-3%|

|北京|2023|83200|3%-5%|0%-20%|1%-3%|

|上海|2018|65420|3%-5%|0%-20%|1%-3%|

|上海|2019|69200|3%-5%|0%-20%|1%-3%|

|上海|2020|72800|3%-5%|0%-20%|1%-3%|

|上海|2021|77800|3%-5%|0%-20%|1%-3%|

|上海|2022|81200|3%-5%|0%-20%|1%-3%|

|上海|2023|84000|3%-5%|0%-20%|1%-3%|

|广州|2018|46800|3%-5%|0%-20%|0.6%-1.2%|

|广州|2019|50200|3%-5%|0%-20%|0.6%-1.2%|

|广州|2020|53500|3%-5%|0%-20%|0.6%-1.2%|

|广州|2021|57800|3%-5%|0%-20%|0.6%-1.2%|

|广州|2022|61200|3%-5%|0%-20%|0.6%-1.2%|

|广州|2023|64000|3%-5%|0%-20%|0.6%-1.2%|

|深圳|2018|61200|1%-3%|0%-20%|1%-3%|

|深圳|2019|65600|1%-3%|0%-20%|1%-3%|

|深圳|2020|69800|1%-3%|0%-20%|1%-3%|

|深圳|2021|75200|1%-3%|0%-20%|1%-3%|

|深圳|2022|78800|1%-3%|0%-20%|1%-3%|

|深圳|2023|82500|1%-3%|0%-20%|1%-3%|

|成都|2018|31200|1%-3%|0%-20%|0.5%-1%|

|成都|2019|33500|1%-3%|0%-20%|0.5%-1%|

|成都|2020|35800|1%-3%|0%-20%|0.5%-1%|

|成都|2021|38500|1%-3%|0%-20%|0.5%-1%|

|成都|2022|41200|1%-3%|0%-20%|0.5%-1%|

|成都|2023|44000|1%-3%|0%-20%|0.5%-1%|

|杭州|2018|48500|3%-5%|0%-20%|1%-3%|

|杭州|2019|52000|3%-5%|0%-20%|1%-3%|

|杭州|2020|55500|3%-5%|0%-20%|1%-3%|

|杭州|2021|59800|3%-5%|0%-20%|1%-3%|

|杭州|2022|63500|3%-5%|0%-20%|1%-3%|

|杭州|2023|66300|3%-5%|0%-20%|1%-3%|

附录B：部分城市房地产税试点政策文件

1.