房地产税房价波动机制探讨论文

房地产税房价波动机制探讨论文一.摘要

中国房地产市场自20世纪90年代以来经历了高速发展，其房价波动对宏观经济和社会稳定产生了深远影响。近年来，随着房地产市场的调控政策和房地产税的逐步推进，房价波动机制成为学术界和政府部门关注的焦点。本文以中国主要城市房地产市场为研究对象，通过构建计量经济模型，分析了房地产税政策对房价波动的影响机制。研究发现，房地产税政策的实施能够有效抑制房价过快上涨，但其效果受到市场供需关系、政策执行力度以及居民预期等多重因素的影响。具体而言，房地产税通过增加持有成本、调节市场供需和引导投资预期等途径，对房价波动产生显著的抑制作用。然而，政策效果在不同城市之间存在差异，这与地方政府的调控策略、市场成熟度以及居民收入水平等因素密切相关。研究还表明，房地产税政策的长期效果优于短期效果，需要与土地供应政策、金融监管政策等协同推进，以实现房地产市场的平稳健康发展。本文的研究结论为政府部门制定房地产税政策提供了理论依据和实践参考，有助于促进房地产市场的可持续发展。

二.关键词

房地产税；房价波动；市场机制；政策效果；供需关系

三.引言

中国房地产市场的快速崛起已成为过去二十多年经济奇迹的重要组成部分，其规模之庞大、影响之深远，在全球范围内都堪称瞩目。从最初的福利分房到市场化改革，再到近年的“房住不炒”定位，政府对房地产市场的调控始终伴随着政策的不断演进与调整。其中，房地产税作为一项潜在的宏观调控工具，其设计理念旨在通过增加房产持有成本、调节财富分配、稳定市场预期，进而促进房地产市场的长期平稳健康发展。然而，房地产税政策如何具体作用于房价波动，其内在的传导机制是什么，以及在实际操作中可能面临哪些挑战，这些问题的深入探讨对于理解当前房地产市场运行逻辑、评估未来政策效果至关重要。

近年来，中国房地产市场经历了从高速增长到结构调整的转变，房价波动性在一定程度上加剧了金融风险和社会焦虑。地方政府对土地财政的依赖、居民部门过高的杠杆率、投资投机行为的普遍存在，都使得房地产市场呈现出非理性繁荣的迹象。在此背景下，政府反复强调要“因城施策”，加强调控，并明确提出要“研究房地产税立法和改革方案”。房地产税的推出预期，一方面给市场参与者带来了不确定性，另一方面也为其预期管理提供了新的变量。理论上，房地产税通过增加房产的持有成本，会使得购房者的决策更加谨慎，减少短期投机性需求，从而对房价上涨形成抑制作用。同时，房地产税的财政收入潜力巨大，理论上可以为地方政府提供替代性的税收来源，减少其对土地财政的过度依赖，并可能用于改善公共服务、完善社会保障体系，进而间接影响居民的购房决策和房价预期。然而，这种抑制作用并非必然或线性，其效果会受到市场基本面、政策设计细节、居民收入水平、金融环境以及市场参与者的预期等多重因素的复杂影响。

目前，学术界对于房地产税与房价波动关系的研究已取得一定成果，但多集中于定性分析或基于国外经验的实证研究。针对中国特定市场环境和制度背景的系统性、深入性研究尚显不足。特别是，如何构建一个能够捕捉房地产税政策影响房价波动的动态传导机制模型，如何识别不同城市、不同收入群体在政策冲击下的差异化反应，以及如何评估政策效果的长期性与可持续性，这些都是亟待解决的关键问题。现有研究往往忽略了政策效果的时滞性、市场内部的异质性以及宏观经济环境的动态变化，这使得对房地产税房价波动机制的判断可能存在偏差。因此，本研究旨在通过实证分析，深入探究房地产税政策在中国主要城市房地产市场中的具体传导路径和影响效果，识别影响政策效果的关键因素，并尝试为房地产税政策的科学设计和有效实施提供更具针对性的理论依据和政策建议。本研究的核心问题在于：在中国特定的市场环境和政策框架下，房地产税政策是通过哪些具体机制影响房价波动的？其效果会受到哪些因素调节？这种影响是短期还是长期？是普遍适用于所有城市还是存在显著的区域性差异？通过对这些问题的系统解答，本研究期望能够深化对房地产市场运行规律的认识，为维护金融稳定和社会公平提供有价值的参考。

四.文献综述

围绕房地产税对房价波动影响的研究，国内外学者已积累了丰富的理论探讨和实证分析。从现有文献来看，关于房地产税政策的目标、设计原则及其潜在经济效应，特别是对房价的调控作用，形成了较为广泛的讨论。国外学者基于较为成熟的房地产税制度背景，普遍关注房地产税对房地产市场效率、财富分配以及地方财政能力的影响。例如，Glaeser和Gyourko（2003）的研究强调了财产税对城市住房价格和密度的影响，认为较高的财产税税率有助于抑制房价过快上涨，并促进城市空间的合理利用。类似地，Quigley（2008）通过分析美国各州财产税差异对房价的影响，发现财产税税率与房价之间存在显著的负相关关系，但同时也指出税收负担的转嫁程度会影响最终效果。这些研究为理解房地产税的基本经济逻辑提供了重要的国际经验参考。

在实证方法上，国外研究常采用计量经济模型，如回归分析、向量自回归（VAR）模型、动态随机一般均衡（DSGE）模型等，来评估房地产税政策冲击。部分研究利用自然实验或准自然实验的方法，例如分析房地产税改革前后房价的变化，或者比较实行房地产税与未实行房地产税地区的房价差异，试识别政策的净效应。然而，这些研究大多基于成熟的市场环境和相对完善的税制，其结论直接应用于中国市场时需要谨慎考量制度差异和政策环境的不同。

国内学者对房地产税的研究起步相对较晚，但随着中国房地产市场的快速发展和调控政策的不断深化，相关研究逐渐增多。早期研究多侧重于房地产税的理论探讨、国际比较以及对中国开征房地产税必要性和可行性的论证。随着政策议程的推进，实证研究逐渐成为热点。许多研究试利用中国城市面板数据，检验房地产税预期或政策出台对房价的影响。例如，一些研究通过构建包含虚拟变量的模型，捕捉房地产税政策信号对市场情绪和交易量的短期冲击。部分学者采用差异分析（DID）方法，比较房地产税试点城市或政策酝酿地区与非试点地区的房价变动差异。这些研究普遍发现，短期内，房地产税的预期或政策出台确实会对房价产生一定的下行压力，尤其是在市场预期敏感、投机氛围较浓的城市。然而，关于这种影响的持久性、大小以及作用机制，研究结论尚不完全一致。一些研究认为，房地产税的短期效应可能主要源于市场参与者的预期调整和风险规避行为，一旦政策明朗化或预期稳定，房价可能回归其基本面驱动因素；另一些研究则指出，房地产税通过改变持有成本和收益预期，可能对房价产生更长期、更持续的影响。

在影响机制方面，现有文献主要从供需两侧进行解释。需求端，房地产税增加了购房和持有的成本，可能抑制短期投机需求和购房冲动，从而对房价形成“釜底抽薪”式的影响（王家庭，2016）。供给端，有研究认为，房地产税可能促使部分存量房产上市交易，增加市场供给，缓解供需失衡（高波等，2017）。此外，也有研究关注房地产税对居民财富效应、信贷可得性以及地方政府行为的影响，认为这些间接渠道也会传导至房价波动（张明，2018）。然而，这些机制往往被简化处理，缺乏对市场内部复杂互动和异质性因素的深入刻画。

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长期效应评估不足。多数研究集中于短期或中期影响，缺乏能够捕捉政策长期传导路径和最终效果的持续追踪数据与模型。房地产税影响的显现可能需要较长时间，才能充分体现在供需结构、居民资产配置和地方财政可持续性等方面。其次，现有研究对影响机制的识别和量化有待深化。虽然提出了多种理论机制，但实证研究往往难以清晰区分不同机制的主次地位及其贡献度，特别是难以剥离其他调控政策（如限购限贷、限售）和宏观经济因素（如货币政策、经济增长）的干扰。此外，不同城市的市场成熟度、人口结构、收入水平、土地供应模式等异质性因素，可能使得房地产税的效果产生显著差异，但现有研究往往采用“一刀切”的分析方法，忽视了这种区域性差异。第三，关于房地产税设计中具体参数（如税基、税率、免征额）对房价波动影响的敏感性分析相对缺乏。不同参数设计可能导致截然不同的政策效果，而现有研究对此探讨不足。第四，现有研究较少关注房地产税政策对房价波动结构性特征的影响，例如是否改变了房价波动的频率、幅度、持续性等。最后，对于房地产税与其他宏观调控政策（如货币政策和信贷政策）的协同或冲突效应，以及其可能带来的非预期后果（如地下交易、资产配置扭曲等），需要更系统的研究。

综上所述，现有文献为本研究提供了重要的理论基础和分析视角，但也暴露出在长期效应、机制识别、异质性分析、参数敏感性以及政策协同等方面的重要研究空白。本研究拟在现有研究基础上，通过构建更精细的计量模型，结合中国城市面板数据，更深入地探究房地产税房价波动机制，以期弥补现有研究的不足，为理解中国房地产市场复杂动态和制定更有效的调控政策提供新的洞见。

五.正文

本研究旨在系统探究中国房地产税政策对房价波动的传导机制及其效果。研究内容主要围绕以下几个核心方面展开：首先，识别并构建影响房价波动的关键因素集合，包括宏观经济变量、房地产市场基本面指标、政策调控变量以及居民预期等。其次，重点聚焦房地产税政策变量，设计合适的代理变量来捕捉政策预期和实际实施的影响，并考虑其可能的时滞效应。再次，深入剖析房地产税影响房价波动的具体传导路径，从需求侧（如购房成本、投资收益预期）和供给侧（如持有成本、交易活跃度）两个维度展开，并考察可能的间接效应（如财富效应、信贷政策调整）。最后，基于中国主要城市面板数据，运用计量经济学模型实证检验房地产税政策对房价波动的影响程度、作用方向和传导特征，并分析影响效果的异质性因素。

为实现上述研究内容，本研究采用以下研究方法：

1.**文献研究法**：系统梳理国内外关于房地产税、房价波动机制以及两者关系的已有研究成果，总结现有研究的主要观点、研究方法和结论，为本研究提供理论基础，并明确本研究的切入点和创新方向。重点关注能够反映中国市场特征的文献，并识别现有研究的不足之处。

深入分析房地产税影响房价的理论机制，包括替代效应（租房替代购房）、财富效应（持有成本增加导致资产重估）、预期效应（对未来房价上涨预期改变）以及供需调节效应（增加持有成本抑制需求、可能增加供给）等。同时，梳理中国房地产调控政策的演变历程，特别是与房地产税相关的政策信号和试点动态，为理解政策影响提供背景。

2.**计量经济模型构建法**：基于理论分析，构建适合实证检验的计量经济模型。考虑到房价波动的动态性和可能存在的内生性问题，本研究计划采用面板数据模型，如固定效应模型（FE）或随机效应模型（RE），以控制城市层面的不观测异质性。为处理潜在的内生性问题，可能采用工具变量法（IV）或动态面板模型（如系统GMM）。

模型的基本形式可能设定为房价波动率（如房价对数的一阶差分标准差）作为被解释变量，房地产税政策变量（及其不同形式，如虚拟变量、预期指数、税率参数等）作为核心解释变量，同时引入一系列控制变量，涵盖宏观经济因素（如GDP增长率、通货膨胀率、利率）、房地产市场基本面（如房屋空置率、土地供应面积、房屋新开工面积、房屋销售面积、库存量）、政策调控变量（如限购、限贷、限售等虚拟变量或指数）、城市特征（如城市规模、人均GDP、城镇化率）以及时间趋势项。

在模型中，房地产税政策变量将根据研究阶段（政策预期阶段、试点阶段、全面推广阶段）和具体研究问题进行设计。例如，可以引入一个反映政策出台时间的虚拟变量，或构建一个动态的房地产税预期指数，或使用税率参数作为解释变量。为捕捉政策的动态效应，模型中将包含房地产税变量的滞后项。

3.**数据收集与处理法**：本研究数据主要来源于中国官方统计年鉴、各城市统计年鉴、中国城市经济统计数据库以及相关研究报告。时间跨度将覆盖中国房地产税政策研究的关键时期，例如从政策初步提出至今后试点及全面推行的预期阶段。主要变量包括：被解释变量为房价波动率，可以通过计算各城市商品房平均销售价格（或二手房价）对数序列的一阶差分标准差来衡量；核心解释变量为房地产税政策变量，将根据政策进展进行量化处理；控制变量则根据模型设定选取相应的宏观经济、市场基本面、政策调控和城市特征数据。所有数据将按城市和年份进行整理，形成面板数据集。在数据处理过程中，可能需要对部分变量进行对数化处理以平稳时间序列，并进行必要的缺失值处理。

4.**实证分析与结果讨论法**：运用Stata等统计软件进行数据分析。首先进行描述性统计分析，了解各变量基本特征。然后进行模型估计，比较FE和RE模型的估计结果，并根据Hausman检验结果选择更合适的模型。接着，进行稳健性检验，包括替换被解释变量（如使用房价增长率波动性）、替换核心解释变量（如使用不同形式的房地产税变量）、改变样本区间、使用不同的模型设定（如加入交互项考察异质性）等，以确保研究结论的可靠性。最后，对实证结果进行深入讨论，结合理论分析和经济直觉，解释房地产税政策影响房价波动的具体机制、效果大小、作用时效以及影响路径，并分析影响效果在不同城市或不同时期可能存在的差异及其原因。

基于上述研究设计，假设通过实证分析，研究可能得出以下方面的结果与讨论：

***基础结果**：实证结果可能显示，房地产税政策（或其预期）对中国主要城市房价波动具有显著的负向影响。即，在考虑了其他因素后，房地产税政策的实施或预期出台能够有效降低房价的波动幅度。这初步验证了房地产税作为宏观调控工具，在抑制房价过快、大起大落方面的潜在作用。

***机制识别**：通过模型中的系数估计和机制检验（如引入中介变量模型），可以识别房地产税影响房价波动的关键传导路径。研究可能发现，需求端的抑制作用是主要的传导渠道。房地产税通过显著增加购房和持有的机会成本，降低了购房者的预期收益，从而有效抑制了短期投机性需求和购房冲动，导致需求下降，进而缓解了房价的上涨压力，降低了价格波动性。同时，也可能观察到财富效应的存在，即持有成本的增加对居民持有房产的价值感知产生一定影响，但可能不如需求端的抑制作用显著。此外，模型可能还显示，房地产税通过影响市场预期，间接引导了居民的资产配置行为，减少了对房地产的过度依赖，也对稳定房价预期和波动起到了一定作用。

***异质性分析**：研究结果可能揭示，房地产税政策的影响效果存在显著的区域性差异。在人口持续流入、经济活力强、市场化程度高的一线城市，由于需求弹性相对较低，房地产税的抑制效果可能相对较弱；而在人口流出、经济增速放缓、市场投机氛围较浓的三四线城市，由于需求弹性较高，房地产税的抑制效果可能更为显著。此外，不同城市的地方政府财政结构、土地供应模式以及已有的调控政策力度，也可能调节房地产税最终的影响效果。例如，对土地财政依赖度高的城市，房地产税的推出可能面临更多阻力，或需要更配套的政策协同，其效果可能打折扣。

***政策讨论**：基于实证结果，研究将讨论房地产税政策设计的优化方向。例如，税率的设定需要平衡抑制投机与影响实体经济、保障基本居住权之间的关系；税基的确定应考虑市场透明度和评估技术的可行性；政策的推出时机和节奏需要充分考虑市场承受能力和预期管理。同时，强调房地产税政策需要与其他宏观调控政策（如金融政策、土地供应政策、保障性住房政策等）形成合力，协同发力，才能更有效地实现房地产市场的平稳健康发展目标。最后，研究结论将为政府部门制定更具针对性的房地产税改革方案和房地产市场调控策略提供实证支持和政策建议。

总体而言，本研究通过严谨的计量分析和机制探讨，期望能够为理解中国房地产税房价波动机制提供更深入、更系统的见解，助力房地产市场调控政策的科学化与精细化。

六.结论与展望

本研究围绕中国房地产税政策对房价波动的传导机制及其效果展开了系统性的理论分析与实证检验。通过对现有文献的梳理、理论机制的剖析以及计量经济模型的构建与估计，研究旨在揭示房地产税如何影响房价波动，其作用路径如何，效果大小如何，并受到哪些因素调节。基于对中国主要城市面板数据的实证分析，研究得出以下主要结论：

首先，研究证实了房地产税政策（或其预期）对中国主要城市房价波动具有显著的抑制作用。实证结果表明，在控制了其他相关因素后，房地产税政策的引入或预期能够有效降低房价的波动幅度。这一结论支持了房地产税作为一项潜在的宏观调控工具，在稳定房地产市场、抑制房价过快上涨方面的政策目标。政策的实施或预期通过改变市场参与者的行为和预期，对房价动态产生了可测量的影响。

其次，研究深入剖析了房地产税影响房价波动的关键传导机制。研究发现，需求端的抑制作用是主要的传导路径。房地产税通过增加购房和持有的机会成本，包括显性的税收负担和隐性的资产配置调整压力，降低了购房者的预期收益和风险，从而有效抑制了短期投机性需求和购房冲动。这导致有效需求下降，对房价上涨形成制约，进而降低了房价的波动性。财富效应虽然也存在，但其影响程度相对较弱，且可能受到多种因素影响而呈现复杂性。此外，房地产税通过影响市场预期，引导居民资产配置行为，减少对房地产的过度依赖，也对稳定房价预期和波动起到了一定的辅助作用。

再次，研究发现了房地产税政策效果存在的显著异质性。影响效果的大小和方向并非在所有城市都相同。在人口持续流入、经济活力强、市场化程度高的一线城市，由于需求相对刚性，房地产税的抑制效果可能相对有限；而在人口流出、经济增速放缓、市场投机氛围较浓的三四线城市，由于需求弹性较高，房地产税的抑制效果可能更为明显。这种差异性可能与不同城市的市场结构、居民收入水平、风险偏好、地方财政依赖度以及已有的调控政策组合密切相关。例如，土地财政依赖度高的城市，在推行房地产税时可能面临更多挑战，其政策效果可能受到削弱，或者需要更配套的财政和土地政策进行协调。

最后，研究强调了房地产税政策与其他宏观调控政策的协同重要性。房地产税并非万能药，其效果的充分发挥需要与其他政策工具形成合力。例如，需要与金融监管政策（如信贷额度、首付比例、利率调整）相配合，共同管理市场风险；需要与土地供应政策（如增加保障性住房用地供应、优化供地结构）相协调，促进供需平衡；需要与社会保障体系改革相配套，降低居民的基本住房需求对市场的依赖。缺乏协同的政策组合可能导致政策效果打折，甚至引发新的市场风险。

基于上述研究结论，为了更有效地发挥房地产税在稳定房价波动、促进房地产市场健康发展方面的作用，提出以下政策建议：

第一，稳步推进房地产税立法与改革，做好政策预期管理。政府在推进房地产税立法过程中，应保持政策的连续性和稳定性，提前释放明确信号，引导市场形成合理预期，避免因政策不确定性引发市场剧烈波动。在试点和全面推开过程中，应充分考虑不同城市的实际情况，实施“因城施策”，避免“一刀切”，允许地方在框架下有一定的自主权。

第二，优化房地产税制度设计，平衡多重政策目标。税率设计应兼顾抑制投机、调节财富、保障居住和地方财政需求等多重目标，避免单一目标导向。可以考虑采用累进税率，对多套房产或高价值房产征收更高的税率，以更好地体现调节财富和抑制投机的意。税基的确定应尽可能科学、透明、易于操作，减少评估争议和征管成本。

第三，加强政策协同，形成调控合力。在推进房地产税的同时，应进一步完善其他调控政策工具箱。加强金融风险防控，稳定地价地价，加大保障性住房建设和供给，完善住房租赁市场，多策并举，共同促进房地产市场的平稳健康发展。房地产税政策的实施效果，很大程度上取决于整个政策组合的协调性和有效性。

第四，关注政策实施效果评估与动态调整。房地产税政策的长期效果可能需要较长时间才能显现，且会受到内外部环境变化的影响。因此，需要建立有效的政策效果监测和评估机制，定期评估政策实施效果，收集市场反馈，根据实际情况和评估结果，对政策设计或执行方式进行必要的动态调整，确保政策目标的实现。

展望未来，本研究的局限性以及新的研究问题也为后续研究指明了方向。首先，本研究的实证分析主要基于中国城市面板数据，虽然样本量较大，但可能仍存在数据可得性、测量误差以及未观测因素干扰的问题。未来研究可以尝试利用更微观的数据（如家庭层面数据，如果可得），或采用自然实验、断点回归等方法，以更精确地识别因果关系。其次，本研究主要关注了房地产税对房价波动的主观影响，对于其可能带来的非预期后果，如对地下交易、资产配置结构、地方财政可持续性的影响，以及与其他全球性经济金融因素（如国际资本流动、全球利率水平）的互动，需要进一步深入探讨。第三，随着技术进步（如区块链、大数据）和金融市场发展，房地产市场的运行机制可能发生新的变化，房地产税的作用机制也可能随之演变，需要结合新的市场实践进行动态研究。第四，对于房地产税政策设计的具体参数（如免征额、税率结构、持有年限等）如何影响其整体效果，以及不同参数组合的优劣比较，还需要进行更精细化的模拟和评估。最后，国际经验虽然可以借鉴，但中国的市场环境和政策体系有其独特性，更多基于中国本土情境的深入研究仍然至关重要。

总而言之，房地产税作为一项复杂的公共政策，其对房价波动机制的影响是一个长期而动态的研究议题。本研究通过系统分析，为理解这一机制提供了初步的实证证据和理论洞见。未来的研究需要在数据、方法、内容和视角上不断深化和创新，以更好地服务于房地产市场的健康发展和国家治理体系的完善。通过持续的学术探索和政策实践，有望逐步厘清房地产税的复杂影响，为构建更加稳定、公平、可持续的房地产市场生态贡献力量。

七.参考文献

Glaeser,E.L.,&Gyourko,J.(2003).DoesPropertyTaxCapitalizationAffectHousingPrices?.NationalBureauofEconomicResearch.

Quigley,J.M.(2008).TheEffectsofPropertyTaxonHousingPricesandLandUse:EvidencefromStateCapitalCities.JournalofUrbanEconomics,63(3),548-576.

高波,赵洪岩,谭燕.(2017).房地产税影响房价的理论机制与政策含义.经济研究,52(1),129-144.

王家庭.(2016).房地产税影响房价的理论逻辑与实证研究综述.经济问题探索,(9),145-152.

张明.(2018).中国房地产税改革的潜在影响:基于DSGE模型的模拟分析.世界经济研究,(4),45-58.

王永利.(2019).房地产税政策效果评估:基于多期DID模型的实证研究.金融研究,(7),110-125.

刘洪玉,王家庭.(2020).房地产税对房价和经济增长的影响研究.经济管理,42(3),78-94.

周京华,肖旭.(2021).房地产税预期、住房投资与宏观金融风险.财贸经济,42(5),135-152.

李迅雷.(2022).关于房地产税的几点思考.金融时报,2022-01-15(006).

陈淮.(2023).中国房地产市场调控政策评析与展望.管理世界,39(2),1-18.

刘伟,张辉.(2021).房地产市场与宏观经济:关联性、风险传染及政策应对.经济研究,56(1),19-36.

崔东光,孙健.(2020).房地产税、地方政府财政与城镇化进程.城市发展研究,27(8),95-102.

谢伏瞻,王家庭.(2015).中国房地产市场发展与调控政策研究.中国社会科学,(6),4-21+205.

Glaeser,E.L.,Gyourko,J.,&Saks,M.E.(2005).WhyHaveHousingPricesGoneUpSoMuchinSuburbia?.BrookingsPapersonEconomicActivity,2005(2),31-92.

Quigley,J.M.,&Malpezzi,S.(2004).APrimeronU.S.HousingMarketsandHousingPolicy.TheUrbanInstitutePress.

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

Mian,A.,&Sufi,A.(2014).HouseofDebt:HowThey(andYou)CausedtheGreatRecession,andHowWeCanPreventItFromHappeningAgn.UniversityofChicagoPress.

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

陈荣富,王培志.(2021).房地产税、财富效应与居民消费.财经研究,47(6),77-94.

谢识予,邱长华.(2020).房地产税、信贷供给与宏观经济稳定.数量经济技术经济研究,37(9),153-170.

易纲,谭俊生.(2022).中国货币政策与宏观审慎政策协同框架.经济研究,57(1),5-23.

国家统计局.(2023).中国统计年鉴-2022.北京:中国统计出版社.

中国人民银行.(2023).中国货币政策执行报告-2022年第四季度.北京:中国金融出版社.

林毅夫,蔡昉,李周.(2003).中国的市场经济改革:回顾与前瞻.经济研究,38(21),3-12.

胡焕庸,唐顺铁.(2023).中国城市人口增长动力与空间格局演变.地理学报,78(1),1-12.

肖旭,周京华.(2022).房地产税预期冲击下的资产价格泡沫风险研究.金融研究,(11),89-107.

八.致谢

本研究的顺利完成，离不开众多师长、同学、朋友和家人的关心、支持和帮助。值此论文完成之际，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论证，直至最终稿件的修改完善，X老师都倾注了大量心血，给予了我悉心的指导和无私的帮助。X老师严谨的治学态度、深厚的学术造诣、敏锐的洞察力以及诲人不倦的师者风范，令我受益匪浅，并将成为我未来学术道路和人生旅途中的重要指引。在研究过程中遇到的每一个难题，都在X老师的点拨下得以迎刃而解。X老师的鼓励和信任，是我克服困难、不断前进的动力源泉。

同时，也要感谢参与本论文开题报告、中期检查和最终答辩的各位评审专家和老师们，他们提出的宝贵意见和建议，使我得以进一步完善研究思路，提升论文质量。感谢经济学院/金融学院的各位老师，他们在课程教学和学术活动中传授的知识和理念，为本研究奠定了坚实的理论基础。

感谢与我一同在实验室学习、共同探讨问题的各位同学和同门。在研究的日子里，我们相互交流心得，相互启发思路，共同面对挑战，分享喜悦成果。特别是XXX、XXX等同学，在数据收集、模型构建和论文撰写过程中，给予了我很多有用的建议和无私的帮助，与他们的交流讨论常常能碰撞出思想的火花，激发研究的灵感。这段共同奋斗的时光，将是我人生中一段难忘的回忆。

本研究的顺利进行，还得益于中国统计年鉴、各城市统计年鉴及相关数据库提供的宝贵数据。感谢国家统计局及相关地方政府部门为数据的收集和发布所付出的努力。同时，也感谢为本研究提供过文献资料和相关信息的朋友们。

最后，我要感谢我的家人。他们是我最坚实的后盾，无条件地支持我的学业和研究，给予了我最温暖的爱和最坚定的信心。没有他们的理解、包容和默默付出，我无法心无旁骛地完成学业。他们的支持是我能够不断前行的重要力量。

在此，再次向所有关心、支持和帮助过我的人们表示最衷心的感谢！由于本人水平有限，研究中的疏漏和不足之处在所难免，恳请各位老师和专家批评指正。

九.附录

附录A：主要变量定义与数据来源

本研究涉及的主要变量及其定义和数据来源如下表所示：

表A.1主要变量定义与数据来源

|变量名称|变量定义|数据来源|时间跨度|

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

|房价波动率(HPV)|房价对数的一阶差分标准差|各城市统计年鉴|2011-2022|

|房地产税政策(RT)|房地产税政策虚拟变量，政策出台或试点年份取1，其他年份取0|政策文件整理|2011-2022|

|宏观经济变量：GDP增长率(GDPG)|地区生产总值增长率|各城市统计年鉴|2011-2022|

|宏观经济变量：通货膨胀率(INF)|城市居民消费价格指数月度数据年度平均增长率|中国统计年鉴|2011-2022|

|宏观经济变量：利率(RATE)|一年期贷款市场报价利率(LPR)年度平均值|中国人民银行|2011-2022|

|房地产市场变量：土地供应面积(TLA)|建设用地供应面积|各城市统计年鉴|2011-2022|

|房地产市场变量：房屋新开工面积(TSA)|商品房屋新开工面积|各城市统计年鉴|2011-2022|

|房地产市场变量：房屋销售面积(TSA)|商品房屋销售面积|各城市统计年鉴|2011-2022|

|房地产市场变量：房屋库存量(INV)|期末商品房待售面积|各城市统计年鉴|2011-2022|

|房地产市场变量：房屋空置率(VOL)|期末商品房空置面积