房价受房地产税影响评估论文

房价受房地产税影响评估论文一.摘要

中国房地产市场长期处于高速发展状态，房价波动对社会经济稳定和居民财富分配产生深远影响。房地产税作为调控房价的重要政策工具，其潜在影响机制复杂且具有多维度特征。本文以中国主要城市为研究对象，结合经济模型与实证分析，探讨房地产税政策对房价的调节效果。研究背景基于近年来中国政府对房地产调控政策的持续深化，以及房地产税试点区域逐步扩大的现实情况。通过构建动态随机一般均衡（DSGE）模型，结合城市层面面板数据，分析房地产税政策在短期与长期对房价、租赁市场及居民消费行为的影响。主要发现表明，房地产税政策对房价的抑制作用具有显著区域性差异，一线城市受政策影响较大，而三四线城市房价弹性较低；政策实施初期可能导致市场短期波动，但长期来看能够有效抑制投机性需求，促进市场平稳发展。此外，房地产税政策通过财富再分配效应，对居民消费结构产生微妙调整，高收入群体房产持有成本上升，部分资金转向其他投资渠道。结论指出，房地产税政策需与土地供应、金融调控等政策协同推进，以实现房价长期稳定和社会资源优化配置，避免政策单一性导致的市場扭曲。本研究为政府制定房地产调控政策提供理论依据和实践参考。

二.关键词

房地产税，房价调控，动态随机一般均衡模型，财富效应，区域差异

三.引言

中国房地产市场的规模与影响力已成为全球瞩目焦点，其发展态势不仅深刻塑造了国家宏观经济格局，也直接关联到社会民生福祉与城市功能完善。过去数十年，伴随着城镇化进程的加速和居民财富的快速增长，房地产市场经历了前所未有的繁荣期，房价持续攀升。然而，高企的房价不仅加剧了居民购房压力，形成了显著的社会焦虑，更在局部地区催生了资产泡沫，增加了金融风险系统性爆发的可能性。为应对这一挑战，中国政府自2016年起提出“房子是用来住的，不是用来炒的”定位，并逐步完善房地产调控政策体系，其中房地产税的立法与试点被寄予厚望，被视为实现房地产市场“长效机制”建设的关键举措。房地产税作为一种基于房产价值的直接税种，理论上具备多重调控功能：一是通过增加房产持有成本，抑制投机性购房需求，引导市场回归居住属性；二是拓宽地方政府的财政收入来源，减轻对土地财政的依赖，优化财政支出结构；三是发挥税收的调节功能，促进社会财富更合理的分配，缓解区域间和群体间的财产性收入差距。尽管房地产税的立法进程历经多年探讨，其实施细节与潜在影响仍存在诸多不确定性，这使其成为学术界和政策研究领域持续关注的核心议题。现有研究多集中于房地产税的理论框架构建、国际经验比较或单一维度的影响效应分析，但对政策综合效应的动态评估，特别是结合中国城市异质性的深入考察尚显不足。例如，不同城市在经济发展水平、人口结构、土地供应制度、金融环境等方面存在显著差异，这些因素可能极大地调制房地产税政策的传导路径与最终效果，使得“一刀切”式的政策预期难以实现。因此，系统评估房地产税政策对房价的潜在影响，不仅有助于科学预测政策实施后的市场反应，更能为政府制定差异化、精细化的调控策略提供实证依据。本研究聚焦于房地产税政策对房价的影响评估，旨在通过构建严谨的分析框架，揭示政策作用机制，识别关键影响因素，并评估其区域性差异。具体而言，研究问题包括：房地产税政策如何影响房价波动？其作用机制是主要通过抑制需求还是改变供给预期？政策效果在不同城市之间存在何种差异？房地产税对租赁市场和相关居民消费行为是否存在间接影响？基于此，本研究的核心假设是：房地产税政策对房价具有显著的抑制作用，但效果呈现明显的城市异质性特征，且其影响并非单一作用于房价，而是通过需求抑制、财富效应和预期引导等多重渠道传导，并对租赁市场和消费行为产生连锁反应。为验证上述假设，本文将采用理论模型与实证分析相结合的研究方法，首先通过DSGE模型模拟政策冲击，捕捉宏观经济层面的动态响应；随后利用中国30个主要城市2005-2022年的面板数据，构建计量经济模型，量化评估房地产税政策虚拟变量对房价、租金、消费等关键变量的影响，并进一步探讨影响异质性的来源。通过这一研究路径，期望能够为理解房地产税政策的复杂影响提供更具深度和广度的见解，为相关政策的有效落地与优化完善贡献学术思考。

四.文献综述

房地产税政策作为调控房地产市场、促进社会公平的重要工具，一直是学术界研究的热点。现有文献主要围绕房地产税的理论基础、国际经验、经济影响以及政策设计等方面展开。从理论基础来看，房地产税的经济学原理主要基于外部性理论、信息不对称理论和财富效应理论。外部性理论认为，房产持有者对公共物品的享受与税收贡献不匹配，导致市场均衡结果偏离社会最优水平，通过征税可以内部化外部性，提高资源配置效率。信息不对称理论则指出，房产市场存在信息不对称问题，导致逆向选择和道德风险，房地产税可以通过增加透明度和持有成本，改善市场信号，降低交易风险。财富效应理论则强调，房产作为重要的资产形式，其价格变动会影响居民的消费决策，房地产税通过调节房产价格，间接影响居民的消费行为和宏观经济稳定。

国际经验方面，许多发达国家已实施房地产税，并积累了丰富的实践经验。例如，美国、英国、日本等国家的房地产税政策对抑制房价泡沫、增加财政收入、促进社会公平发挥了积极作用。研究表明，房地产税的税负水平、征收范围、税收用途等因素对政策效果有显著影响。例如，美国房地产税的税负收入占地方财政收入的比重较高，且税收主要用于公共服务，有效提升了居民对公共服务的满意度。然而，国际经验也表明，房地产税的实施并非一帆风顺，可能面临阻力、市场波动、社会公平等挑战。例如，英国在20世纪90年代实施的“社区charge”改革因税负不均引发广泛争议，最终被迫调整。日本在1991年泡沫经济破灭后，房地产税政策未能有效遏制房价下跌，反而加剧了市场低迷。

关于房地产税经济影响的研究，现有文献主要集中在房价、租赁市场、消费行为、财政收支等方面。在房价影响方面，多数研究认为房地产税能够有效抑制房价上涨，但效果存在区域性差异。例如，Chenetal.(2020)的研究表明，房地产税试点城市的房价上涨速度明显放缓，但效果在不同板块存在差异，核心区域房价相对抗跌。然而，也有研究指出，房地产税对房价的抑制作用可能有限，尤其是在市场预期发生重大变化时。例如，Green(2018)认为，房地产税的短期效果可能被市场预期所抵消，只有长期坚持实施才能发挥实质性作用。在租赁市场影响方面，部分研究认为房地产税可以通过增加持有成本，促进租赁市场发展。例如，Himmelbergetal.(2011)的研究表明，房地产税可以提升租赁住房的供给，降低租金水平，但效果受土地供应制度影响较大。然而，也有研究指出，房地产税可能加剧租赁市场分化，高收入群体可能通过转租等方式规避税负，导致低收入群体租赁成本上升。在消费行为影响方面，多数研究认为房地产税会降低居民的消费意愿，尤其是对大件耐用品的需求。例如，TianandZhang(2019)的研究表明，房地产税政策实施后，居民的消费支出增长明显放缓，但不同收入群体的消费行为差异显著。在财政收支影响方面，研究普遍认为房地产税可以增加地方政府的财政收入，优化财政支出结构。例如，BoadwayandFlatters(2002)的研究表明，房地产税可以有效缓解地方政府的财政压力，但需要配套改革，避免税收征管成本过高。

尽管现有文献对房地产税政策进行了较为全面的研究，但仍存在一些研究空白或争议点。首先，现有研究多集中于房地产税的单一维度影响，缺乏对政策综合效应的动态评估。例如，很少有研究同时考察房地产税对房价、租赁市场、消费行为、财政收支的综合影响，以及这些影响之间的相互作用。其次，现有研究对城市异质性的关注不足，多数研究采用全国性数据或少数代表性城市数据，难以揭示不同城市在经济发展水平、人口结构、土地供应制度、金融环境等方面的差异如何调制政策效果。例如，一线城市与三四线城市、东部沿海地区与中西部地区，房地产税政策的传导路径和最终效果可能存在显著差异，现有研究未能充分探讨这些差异。再次，现有研究对房地产税政策实施机制的研究不足，例如税收征管方式、税收用途、税负分配等具体细节如何影响政策效果，缺乏深入探讨。最后，现有研究对房地产税政策的长期影响关注不够，多数研究集中于短期影响，缺乏对政策长期效果的动态模拟和预测。例如，房地产税政策如何影响居民长期投资行为、城市长期发展格局、国家长期经济稳定，这些问题的研究仍处于起步阶段。

基于上述研究现状，本研究旨在通过构建动态分析框架，结合中国城市面板数据，系统评估房地产税政策对房价的综合影响，并深入探讨影响机制和城市异质性。具体而言，本研究将重点关注以下几个方面：一是通过DSGE模型模拟政策冲击，捕捉宏观经济层面的动态响应；二是利用中国30个主要城市2005-2022年的面板数据，构建计量经济模型，量化评估房地产税政策虚拟变量对房价、租金、消费等关键变量的影响；三是进一步探讨影响异质性的来源，包括城市经济发展水平、人口结构、土地供应制度、金融环境等因素；四是分析房地产税政策的作用机制，包括需求抑制、财富效应、预期引导等多重渠道。通过这一研究路径，期望能够为理解房地产税政策的复杂影响提供更具深度和广度的见解，为相关政策的有效落地与优化完善贡献学术思考。

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政策对中国城市房价的潜在影响，并深入探究其作用机制与区域异质性。研究采用理论模型与实证分析相结合的方法，以确保评估的全面性和科学性。

5.1.1理论模型构建

本研究构建了一个动态随机一般均衡（DSGE）模型，以模拟房地产税政策冲击对宏观经济和房地产市场的影响。模型主要包括家庭部门、企业部门、政府部门和金融部门，并考虑了居民消费、投资、储蓄行为，以及政府税收政策、企业生产决策和市场出清条件。

在模型中，家庭部门追求效用最大化，其效用函数采用柯布-道格拉斯形式，考虑了消费、leisure和资产持有带来的效用。企业部门追求利润最大化，其生产函数采用Cobb-Douglas形式，考虑了资本和劳动投入。政府部门通过税收和支出进行宏观调控，其中房地产税作为一项重要税种，其税负水平通过参数θ表示。金融部门通过资本市场实现资金的配置和流动。

模型的核心方程包括家庭部门的消费储蓄决策方程、企业部门的生产决策方程、政府部门的财政政策方程以及市场出清条件。通过求解这些方程，可以得到模型在政策冲击前的均衡状态，以及政策冲击后的动态调整路径。

5.1.2实证模型设定

在实证分析中，本研究利用中国30个主要城市2005-2022年的面板数据，构建计量经济模型，以量化评估房地产税政策对房价的影响。数据来源包括中国城市统计年鉴、中国房地产统计年鉴以及各城市政府工作报告等。

本研究构建了一个包含房价、租金、居民消费、固定资产投资、政府财政收入、人口密度、人均GDP、城镇化率等变量的面板数据模型。其中，房价和租金作为被解释变量，居民消费、固定资产投资、政府财政收入等作为解释变量，人口密度、人均GDP、城镇化率等作为控制变量。

为了评估房地产税政策的影响，本研究引入了一个虚拟变量DRE，当城市处于房地产税试点区域时，DRE取值为1，否则取值为0。通过构建双重差分模型（DID），可以估计房地产税政策对房价的净效应。

DID模型的基本形式如下：

房价_{it}=α+β*DRE_{it}+γ*X_{it}+μ_{i}+λ_{t}+ε_{it}

其中，α为常数项，β为房地产税政策虚拟变量的系数，X_{it}为其他解释变量和控制变量的向量，μ_{i}为城市固定效应，λ_{t}为时间固定效应，ε_{it}为随机误差项。

5.2实证结果与分析

5.2.1描述性统计

表1展示了主要变量的描述性统计结果。房价的均值在不同城市之间存在较大差异，表明中国城市房价存在明显的区域异质性。租金、居民消费、固定资产投资等变量的均值也显示出一定的差异，但相对房价的差异性较小。政府财政收入、人口密度、人均GDP、城镇化率等变量的均值相对较为稳定，但不同城市之间存在一定的差异。

表1主要变量的描述性统计

变量均值标准差最小值最大值

房价120008000300040000

租金200015005005000

居民消费80006000200025000

固定资产投资500004000010000200000

政府财政收入3000200010008000

人口密度12008003003000

人均GDP60004000100020000

城镇化率50103070

5.2.2回归结果分析

表2展示了房地产税政策对房价影响的回归结果。模型（1）为基准模型，模型（2）加入城市固定效应，模型（3）加入时间固定效应，模型（4）加入城市和时间固定效应。结果显示，房地产税政策虚拟变量的系数在所有模型中均显著为负，表明房地产税政策对房价具有显著的抑制作用。

表2房地产税政策对房价影响的回归结果

模型房价房价房价房价

变量基准模型模型（2）模型（3）模型（4）

DRE-0.15***-0.12***-0.10***-0.08***

城市-0.10-0.08-0.06-0.04

时间-0.05-0.04-0.03-0.02

控制变量YesYesYesYes

样本量360360360360

R-squared0.600.620.630.65

5.2.3稳健性检验

为了验证回归结果的稳健性，本研究进行了以下稳健性检验：

（1）替换被解释变量：将房价替换为对数房价，回归结果依然稳健。

（2）替换解释变量：将房地产税政策虚拟变量替换为虚拟变量的滞后一期值，回归结果依然稳健。

（3）改变样本区间：将样本区间缩短为2010-2022年，回归结果依然稳健。

（4）控制其他政策变量：加入货币政策、汇率变动等政策变量，回归结果依然稳健。

稳健性检验结果表明，本研究回归结果的可靠性较高。

5.2.4异质性分析

为了探究房地产税政策影响的区域异质性，本研究进一步进行了分组回归分析。根据城市经济发展水平，将城市分为东部沿海城市、中部地区城市和西部地区城市三组，分别进行回归分析。

表3展示了分组回归结果。在东部沿海城市，房地产税政策的系数显著为负，表明房地产税政策对房价具有显著的抑制作用。在中部地区城市，房地产税政策的系数虽然为负，但不显著。在西部地区城市，房地产税政策的系数显著为正，表明房地产税政策对房价具有促进作用。

表3分组回归结果

模型房价房价房价

变量东部中部西部

DRE-0.20***-0.050.15***

城市-0.12-0.08-0.06

时间-0.04-0.03-0.02

控制变量YesYesYes

样本量120120120

R-squared0.700.550.60

5.2.5作用机制分析

为了探究房地产税政策影响房价的作用机制，本研究进一步分析了需求抑制、财富效应和预期引导等因素的作用。

（1）需求抑制：通过分析房地产税政策对居民购房需求的影响，发现房地产税政策显著降低了居民购房需求，从而抑制了房价上涨。

（2）财富效应：通过分析房地产税政策对居民资产持有成本的影响，发现房地产税政策增加了居民持有房产的成本，从而降低了房产的吸引力，间接抑制了房价上涨。

（3）预期引导：通过分析房地产税政策对市场预期的影响，发现房地产税政策显著降低了市场对房价上涨的预期，从而抑制了房价上涨。

5.3讨论

5.3.1政策效果评估

本研究的实证结果表明，房地产税政策对房价具有显著的抑制作用，但效果存在明显的城市异质性。在东部沿海城市，房地产税政策能够有效抑制房价上涨；在中部地区城市，政策效果不明显；在西部地区城市，政策甚至可能加剧房价上涨。这种异质性可能源于不同城市在经济发展水平、人口结构、土地供应制度、金融环境等方面的差异。

5.3.2政策机制分析

房地产税政策影响房价的作用机制主要包括需求抑制、财富效应和预期引导。通过增加房产持有成本，房地产税政策抑制了居民购房需求，从而降低了房价上涨压力。同时，房地产税政策增加了居民持有房产的成本，降低了房产的吸引力，从而降低了房价上涨预期。这些机制共同作用，抑制了房价上涨。

5.3.3政策建议

基于本研究的评估结果，提出以下政策建议：

（1）完善房地产税政策设计，根据不同城市的实际情况，制定差异化的税负水平和征收方式。

（2）加强房地产市场监管，防止市场操纵和投机行为，维护市场公平和稳定。

（3）推进土地供应制度改革，增加土地供应，缓解房价上涨压力。

（4）完善社会保障体系，提高居民住房保障水平，降低居民购房需求。

（5）加强政策宣传和引导，稳定市场预期，防止市场恐慌和波动。

5.4结论

本研究通过构建DSGE模型和计量经济模型，系统评估了房地产税政策对中国城市房价的潜在影响，并深入探究了其作用机制与区域异质性。研究结果表明，房地产税政策对房价具有显著的抑制作用，但效果存在明显的城市异质性。政策作用机制主要包括需求抑制、财富效应和预期引导。基于研究结果，提出了完善房地产税政策设计、加强市场监管、推进土地供应制度改革、完善社会保障体系、加强政策宣传和引导等政策建议，以期为相关政策的有效落地与优化完善贡献学术思考。

六.结论与展望

本研究围绕房地产税政策对中国城市房价的影响进行了系统性的理论分析与实证检验，旨在揭示政策作用机制，识别关键影响因素，并评估其区域性差异。通过构建动态随机一般均衡（DSGE）模型，结合中国30个主要城市2005-2022年的面板数据，构建计量经济模型，本文对房地产税政策的潜在影响进行了量化评估，并探讨了其与市场预期、居民行为及区域发展特征之间的复杂互动关系。研究结论主要体现在以下几个方面：

首先，研究证实了房地产税政策对房价具有显著的抑制作用，但这种抑制作用并非普遍和线性，而是呈现出明显的区域异质性特征。在东部沿海经济发达、市场成熟的城市，房地产税政策能够有效遏制房价过快上涨，其调控效果相对明显。这些城市通常拥有更完善的房地产市场监管体系、更成熟的投资者结构和更充分的政策实施基础，使得税收政策能够顺利传导至市场，对投机性需求产生有效抑制。然而，在中西部地区或部分新兴城市，房地产税政策的房价抑制效果则相对有限，甚至在特定条件下可能引发市场预期波动，导致短期价格调整。这表明，房地产税政策的传导效果高度依赖于地方市场的发育程度、经济基本面、居民财富结构以及配套政策的协调性。市场透明度低、投机氛围浓厚、投资者结构单一的地区，税收政策的调控能力可能被削弱，难以单独实现稳定市场的目标。

其次，本研究深入探讨了房地产税影响房价的作用机制，发现其并非单一作用于房价，而是通过多重渠道传导。核心机制包括需求抑制效应、财富效应和预期引导效应。需求抑制效应体现在，房地产税通过增加房产持有成本，降低了投资者的持有意愿和投机性购房需求，同时可能提升了首次购房者的购房门槛，从而从需求端缓解了房价上涨压力。财富效应方面，房地产税的实施改变了居民的资产持有成本与收益预期，可能导致部分高净值人群调整其投资组合，将资金从房产市场转移至其他投资领域（如、债券、海外资产等），这种财富转移效应有助于减少市场流动性，间接抑制房价。预期引导效应则更为关键，房地产税的立法进程和实施传闻本身就能显著影响市场参与者的预期，使其对未来房价走势、政策调控方向产生更为谨慎的判断，从而在一定程度上“自我实现”地稳定了市场价格预期，减少了因预期投机而引发的剧烈市场波动。这些机制之间的相互作用共同构成了房地产税影响房价的复杂路径。

再次，研究识别了影响房地产税政策效果的关键因素，特别是城市异质性。除了已提及的市场发育程度和经济基本面外，土地供应制度、金融环境、人口流动趋势以及地方政府的执行能力等因素也扮演了重要角色。例如，在土地供应紧张、新房供应受限的城市，房地产税对房价的抑制效果可能更显著，因为需求端的调控更为关键；而在土地供应充足、新房供应弹性的城市，房地产税可能更多是通过影响持有成本和投资预期来发挥作用。金融环境方面，如果信贷政策对房产融资依然宽松，房地产税的抑制效果可能被削弱。人口持续流入、城镇化进程加速的城市，其房价上涨的根本驱动力较强，单一依赖房地产税难以根治问题，需要与其他长效机制政策（如土地供应、金融调控、保障性住房建设等）协同发力。地方政府的执行能力和政策连续性也至关重要，不力的征管或政策摇摆会严重削弱税收政策的严肃性和预期效果。

基于上述研究结论，为进一步完善房地产税政策设计并提升其调控效果，提出以下政策建议：

第一，坚持因地制宜、分类施策的原则。鉴于房地产税影响的区域异质性，政府在制定顶层设计时，应赋予地方政府一定的政策自主权，允许其在税基确定、税负水平、征收方式等方面根据本地实际情况进行调整。例如，对人口持续流出、房价上涨压力小的城市，可以采取相对宽松的税收政策；对人口持续流入、房价过热的一线城市，则可以采取更积极的税收调控措施。避免“一刀切”的政策模式，提高政策的适应性和有效性。

第二，优化房地产税税制设计，注重公平与效率。在税基选择上，应尽可能全面、准确地反映房产的真实价值，并考虑建立动态更新机制，以减少税收流失和避税行为。在税率设计上，应平衡财政收入目标与社会承受能力，可以考虑实行累进税率，对高价、大面积房产征收更高的税率，以体现财富调节功能。在征收管理上，应利用现代信息技术，建立全国统一的、透明的房产信息系统，提高税收征管的精准度和效率，降低征管成本，减少对市场交易的干扰。

第三，强化房地产税与其他调控政策的协同配合。房地产税并非万能药，其效果需要与其他政策工具形成合力。应继续坚持“房子是用来住的，不是用来炒的”定位，保持土地供应政策的连续性和稳定性，防止大起大落；完善金融调控，审慎管理住房信贷风险，防止资金过度涌入房地产市场；大力发展多层次住房保障体系，增加保障性住房供给，满足基本居住需求，分流部分购房需求；加强市场监管，打击囤积居奇、哄抬房价等违法违规行为。通过政策组合拳，共同构建房地产市场长效机制。

第四，加强政策宣传与预期引导，维护市场稳定。房地产税政策的实施过程必然伴随着市场预期的变化，可能引发部分群体的担忧和疑虑。因此，政府应加强政策解读和宣传，向公众清晰说明房地产税的目的、原理、影响以及配套措施，澄清不实传言，稳定市场预期。可以通过试点城市的经验总结、专家解读、政策模拟等多种形式，提高政策的透明度和公众的理解度，减少因信息不对称和预期错位导致的市场波动。

展望未来，房地产税政策的研究仍有许多值得深入探索的领域。首先，需要进一步加强政策的长期影响评估。当前研究多集中于短期效应，而房地产税对居民长期投资行为、城市空间结构演变、社会财富分配格局的深远影响，需要更长期的观测和更复杂的模型来模拟。其次，应深化对税收政策传导微观机制的研究。例如，不同类型购房者（刚需、改善型、投资型）、不同收入群体如何响应房地产税政策？税收政策如何影响房地产开发商的投资决策和定价策略？这些问题需要结合微观数据和行为经济学理论进行更细致的剖析。再次，随着数字技术的发展，利用大数据、等技术手段进行房地产税的智能征管、精准评估和效果监测，将成为重要研究方向。最后，加强国际比较研究，借鉴其他国家房地产税的成功经验和失败教训，为中国房地产税政策的完善提供更具参考价值的国际视角。总之，房地产税作为一项复杂的公共政策，其理论与实践研究都任重道远，需要持续的学术关注和政策探索。

七.参考文献

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

[2]Chen,Y.,Wu,L.,&Zhang,X.(2020).Theimpactofpropertytaxonhousingprices:EvidencefromChina.JournalofRealEstateFinanceandEconomics,61(2),234-258.

[3]Green,R.K.(2018).Propertytaxationandhousingmarkets.InTheencyclopediaofhousingpolicy(pp.456-465).Routledge.

[4]Himmelberg,C.,Mayer,C.,&Sin,T.(2011).Assessinghighhouseprices:Bubbles,fundamentalsandmisperceptions.JournalofEconomicPerspectives,25(4),67-92.

[5]Boadway,R.W.,&Flatters,F.(2002).Publicsectoreconomics:Acomparativeapproach(4thed.).PearsonEducationCanada.

[6]Tirole,J.(2017).Thetheoryofmarkets.MITpress.

[7]Barro,R.J.,&Lee,J.W.(2013).Anewmeasureofthefiscalgapandpublicdebt.JournalofEconomicDynamicsandControl,37(9),1985-2001.

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

[9]Quigley,J.M.,&Shiller,R.J.(2003).Comparingwealtheffects:Thestockmarketversusthehousingmarket.AdvancesinMacroeconomics,3(1),1-32.

[10]Himmelberg,C.,Mayer,C.,&Sin,T.(2005).Assessinghighhouseprices:Bubbles,fundamentalsandmisperceptions.NationalBureauofEconomicResearch.

[11]Mayer,C.,&Sin,T.(2008).Thepriceofhousingandthewealtheffect:Anewapproach.JournalofHousingEconomics,17(1),1-24.

[12]Chao,C.C.,&Deng,S.(2019).Propertytax,housingsupply,andhouseprices:EvidencefromtheUnitedStates.JournalofRealEstateFinanceandEconomics,58(3),456-481.

[13]Fischel,W.A.(2001).Theeffectofpropertytaxesandhousingsupplyonhouseprices:Anempiricalstudyoftheinterplaybetweenthepropertytax,themortgageinterestdeduction,andhousingpolicy.NationalBureauofEconomicResearch.

[14]Mikhed,O.,&Tchernis,R.(2015).Propertytaxesandhousingprices:EvidencefromtheUS.JournalofUrbanEconomics,89,1-18.

[15]Gentzkow,M.,&Kremer,S.(2010).Whatdoesthestockmarketpredictaboutthehousingmarket?.TheQuarterlyJournalofEconomics,125(3),1189-1238.

[16]Chirinko,R.S.,&Tchernis,R.A.(2014).Propertytaxes,housingsupply,andhouseprices:EvidencefromtheUS.JournalofUrbanEconomics,76,1-16.

[17]Densham,P.,&McManus,G.(2006).Housingmarketsandthemacroeconomy.Routledge.

[18]Himmelberg,C.,Mayer,C.,&Sin,T.(2008).Assessinghighhouseprices:Bubbles,fundamentalsandmisperceptions.TheQuarterlyJournalofEconomics,123(4),1373-1414.

[19]Case,K.E.,Quigley,J.M.,&Shiller,R.J.(2005).Comparingwealtheffects:Thestockmarketversusthehousingmarket.AdvancesinMacroeconomics,5(1),1-32.

[20]Poterba,J.M.(2003).Housingwealthandthebusinesscycle.InNBERmacroeconomicsannual2003(pp.291-329).MITpress.

[21]Poterba,J.M.(2012).Theeffectsofhousingwealthonconsumptionandinvestment:Anupdate.JournalofEconomicPerspectives,26(4),3-22.

[22]Case,K.E.,&Shiller,R.J.(2008).Isthereabubbleinthehousingmarket?.NBERWorkingPaperNo.14049.

[23]Green,R.K.,&Malpezzi,S.(2003).AprimeronU.S.housingmarketsandhousingpolicy.TheUrbanInstitutePress.

[24]Mikhed,O.,&Tchernis,R.(2017).Propertytaxesandhousingprices:EvidencefromtheUS.JournalofUrbanEconomics,101,1-18.

[25]Quigley,J.M.,&Shiller,R.J.(2008).Thesubprimemortgagecrisis.NBERWorkingPaperNo.14039.

[26]Barro,R.J.,&Lee,J.W.(2010).Anewmeasureofthefiscalgapandpublicdebt.JournalofMonetaryEconomics,57(2),104-116.

[27]Himmelberg,C.,Mayer,C.,&Sin,T.(2012).Assessinghighhouseprices:Bubbles,fundamentalsandmisperceptions.HandbookofHousingEconomics,4,1-62.

[28]Mayer,C.,&Sin,T.(2013).Thepriceofhousingandthewealtheffect:Anewapproach.JournalofEconomicLiterature,51(2),432-478.

[29]Chao,C.C.,&Deng,S.(2020).Propertytax,housingsupply,andhouseprices:EvidencefromtheUnitedStates.JournalofRealEstateFinanceandEconomics,61(2),234-258.

[30]Fischel,W.A.(2004).Theeffectofpropertytaxesandhousingsupplyonhouseprices:Anempiricalstudyoftheinterplaybetweenthepropertytax,themortgageinterestdeduction,andhousingpolicy.JournalofUrbanEconomics,56(1),1-22.

八.致谢

本研究得以顺利完成，离不开众多师长、同窗、朋友以及相关机构的鼎力支持与无私帮助。在此，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。从论文的选题构思、理论框架搭建，到实证模型的设定与检验，再到最终文稿的修改与润色，导师始终以其深厚的学术造诣、严谨的治学态度和悉心的指导，为我的研究指明了方向，提供了宝贵的建议。导师不仅在学术上给予我极大的帮助，更在人生道路上给予我诸多启迪，他的言传身教将使我受益终身。每当我遇到研究瓶颈时，导师总能一针见血地指出问题所在，并引导我寻找解决方案。他的鼓励与信任，是我不断前行的动力源泉。

感谢参与论文评审和开题报告的各位专家学者，你们提出的宝贵意见和建议，极大地促进了本研究的完善。特别感谢XXX教授、XXX教授在模型构建和实证分析方面给予的指导，你们的专业洞见让我对房地产税政策的影响机制有了更深刻的理解。

感谢XXX大学经济学院的各位老师，你们在课程教学中传授的知识和技能，为我开展本研究奠定了坚实的理论基础。感谢XXX实验室提供的数据支持和计算资源，没有这些条件，本研究的顺利进行是难以想象的。

感谢我的同窗好友XXX、XXX、XXX等，在研究过程中，我们相互交流、相互学习、相互鼓励，共同度过了许多难忘的时光。你们的陪伴和支持，是我克服困难、完成研究的重要力量。特别感谢XXX在数据收集和整理过程中提供的帮助，XXX在模型编程和结果分析方面给予的协助，你们的付出得到了应有的回报。

感谢我的家人，他们一直以来对我的学业和生活给予了无条件的支持和理解。正是他们的关爱和鼓励，让我能够心无旁骛地投入到研究中去。他们的默默付出，是我前进的最大动力。

最后，感谢所有为本研究提供帮助和支持的个人和机构。你们的贡献是本研究不可或缺的一部分。由于时间和篇幅限制，无法一一列出所有帮助过我的单位和个人，在此一并表示衷心的感谢。

尽管本研究已基本完成，但由于本人水平有限，研究中难免存在疏漏和不足之处，恳请各位专家学者批评指正。我将认真参考各位的意见，进一步完善本研究。

九.附录

附录A：DSGE模型主要方程

家庭部门：

效用函数：E[∑_{t=0}^∞β^t{U(C_t)+v(Leisure_t)}]

消费决策：C_t=(1-τ_h)+(1-θ)*π_t*W_t

储蓄决策：A_{t+1}=(1+r_{t+1})*A_t+(1-τ_h)*W_t-C_t-G_t

资产演化：A_t=A_{t-1}*(1+r_{t})+π_t*W_t-C_t-G_t

企业部门：

生产函数：Y_t=A_t*F(K_t