劉 璐 石 慧

（中國人民銀行長春中心支行，吉林長春 130051；中國人民銀行白城市中心支行，吉林白城 137000）

一、引言

近二十年來，我國的房地產(chǎn)市場經(jīng)歷了高速發(fā)展。在過去的十年中，我國主要城市房地產(chǎn)價格翻了幾番，有的地方甚至達到10倍左右。這種現(xiàn)象在“北上廣深”等一線城市的黃金地段尤其明顯。為了抑制房地產(chǎn)市場過熱房價過快上漲，從中央到地方推出了一系列限貸、限購、限價等調(diào)控政策和措施，基本遏制住了房價快速攀升的勢頭，但房價總體仍處于高位。2010年，中國政府網(wǎng)發(fā)布的《國務(wù)院批轉(zhuǎn)發(fā)展改革委關(guān)于2010年深化經(jīng)濟體制改革重點工作意見的通知》（國發(fā)【2010】15號）中首次提出“逐步推進房產(chǎn)稅改革”，2011年1月28日，上海、重慶兩市率先啟動了個人住房房產(chǎn)稅改革試點工作，從此拉開了我國房產(chǎn)稅改革的序幕。近年來隨著房地產(chǎn)業(yè)的持續(xù)升溫，房產(chǎn)價格波動和房產(chǎn)稅改革問題成為研究討論的焦點。中國的房產(chǎn)稅對房價波動的影響作用如何？影響機理是什么？本文將試圖分析和解釋這些問題。

二、房產(chǎn)稅改革國內(nèi)外研究現(xiàn)狀

從國外研究來看，Katrina Lewiston（2001）從房地產(chǎn)行業(yè)的特點出發(fā)，依據(jù)房地產(chǎn)行業(yè)的特點對納稅進行分析，創(chuàng)新性地提出用博弈論方法研究納稅問題。David M.S（2007）做了大量的調(diào)查研究分析了美國房地產(chǎn)市場發(fā)現(xiàn)，稅收優(yōu)惠政策會影響房地產(chǎn)市場的發(fā)展。Niels Johannesen（2010）認(rèn)為房地產(chǎn)項目在建設(shè)過程中會受到當(dāng)?shù)囟愂照叩挠绊?，因此要充分考慮當(dāng)?shù)毓娎嫒ミM行納稅。Gina L DeRosa（2016）在對以往的研究分析發(fā)現(xiàn)，房地產(chǎn)行業(yè)對于稅收政策的敏感度較高，銷售價格會隨著稅收政策的變化而變化，充分了解稅收政策有利于房地產(chǎn)企業(yè)提高銷售量。

從國內(nèi)研究來看，戚克梅（2013）指出房地產(chǎn)具有私人商品和公共商品的“雙重屬性”。崔光燦（2018）也同樣闡述了住房是兼具社會屬性和經(jīng)濟屬性的“雙重屬性”的結(jié)合體。李成和于海東（2020）發(fā)現(xiàn)住房按揭貸款會放大經(jīng)濟政策不確定性對消費的負面作用，受新冠疫情影響居民的預(yù)防性儲蓄增加，消費傾向降低。伍文中和李燕（2021）通過實證研究發(fā)現(xiàn)商業(yè)銀行的資本充足率、總資產(chǎn)收益率、資產(chǎn)負債率以及貨幣供應(yīng)量等因素與我國房價正相關(guān)，而利率與房價呈負相關(guān)。鄒士年（2022）從國房景氣指數(shù)、投資銷售面積等方面分析房地產(chǎn)行業(yè)的業(yè)務(wù)收縮現(xiàn)狀。

三、基于動態(tài)面板模型的實證分析

通過上文的分析，基本確定了房產(chǎn)稅抑制房價波動的作用。接下來，我們需要構(gòu)建一個計量模型，選擇合適的數(shù)據(jù)指標(biāo)，對以上結(jié)論進行實證檢驗。實證分析采用的是動態(tài)面板數(shù)據(jù)模型差分GMM和系統(tǒng)GMM估計方法。

（一）模型構(gòu)建與數(shù)據(jù)統(tǒng)計分析

首先，構(gòu)建房產(chǎn)稅影響房價波動的計量模型。由于房價波動具有較強的自相關(guān)效應(yīng)，所以本章構(gòu)建的計量模型將房價的滯后項也納入到解釋變量中來。具體的計量模型為：

其次，對計量模型中的關(guān)鍵變量選擇合適的數(shù)據(jù)指標(biāo)，本文采用的數(shù)據(jù)是中國31個省市區(qū)的面板數(shù)據(jù)，所有數(shù)據(jù)都經(jīng)過GDP平減指數(shù)進行了真實化處理。由于我國目前房產(chǎn)稅征收的主要對象是商業(yè)用房，因此，這里的房價數(shù)據(jù)分別選取了全國各省市地區(qū)的商業(yè)營業(yè)用房平均銷售價格（y）、商品住宅平均銷售價格（y1）、商品房銷售平均價格（y2），時間跨度為1999-2020年。房產(chǎn)稅稅率指標(biāo)主要是用全國各省每年征收的房產(chǎn)稅（x1）、耕地占用稅（x2）除以商品房銷售額，時間跨度同樣從1999-2020年。

表2為各項指標(biāo)的描述性統(tǒng)計分析結(jié)果。從結(jié)果可以看出，房價波動與房產(chǎn)稅稅率之間呈負相關(guān)關(guān)系，相關(guān)系數(shù)分別為-0.3478、-0.2677、-0.3406、-0.3125、-0.3421、-0.3154，這說明房產(chǎn)稅稅率從統(tǒng)計分析的角度來看與房價波動的變動趨勢相反，大概可以推斷房產(chǎn)稅稅率具有抑制房價波動的作用。

表2 各項指標(biāo)的描述性統(tǒng)計結(jié)果

（二）模型估計

Blundell，Bond(1998)提出的系統(tǒng)廣義矩估計方法（以下簡稱SYS-GMM估計）與Arellano，Bond（1991）提出的差分廣義矩估計方法相比，可以在有效減輕內(nèi)生性問題以及殘差異方差性的同時，提高估計效率，在實證檢驗中得到廣泛的應(yīng)用。本文為了確保模型估計的有效性和穩(wěn)健性，同時進行了差分廣義矩估計和系統(tǒng)廣義矩估計兩種方法進行回歸。此外，在使用系統(tǒng)廣義矩估計方法進行實證分析時，需要進行兩個重要的檢驗：過度識別檢驗和干擾項序列相關(guān)檢驗。其一，過度識別檢驗需要采用Sargan檢驗判斷工具變量的使用是否合理，該檢驗的原假設(shè)為工具變量使用合理；其二，干擾項序列相關(guān)檢驗需采用Hansen檢驗，其原假設(shè)是不存在序列相關(guān)。Hansen檢驗要求一階序列相關(guān)，二階不相關(guān)，即一階檢驗拒絕原假設(shè)，二階檢驗接受原假設(shè)。

在具體實踐過程中，為了全面考察房產(chǎn)稅改革政策推出前后的變化和影響，本文還分別對不同時間段和不同地區(qū)進行分別回歸?？紤]到2011年我國開始實施房產(chǎn)稅試點改革，因此，在2011年前后，房產(chǎn)稅對房價的影響可能會受到改革的沖擊而發(fā)生變化，因而我們將1999-2010年劃為一個時間段，將2011-2020劃為另一個時間段進行分別回歸分析。在對比不同區(qū)域時，主要是將全國31個省區(qū)市劃分成東、中、西三大區(qū)域進行分別回歸。

根據(jù)表3可知，回歸結(jié)果既通過了自相關(guān)檢驗，也通過了Hansen和Sargan檢驗，說明結(jié)果較為理想。通過篩選，最終選定房價波動的一階滯后項作為解釋變量，同時在具體回歸過程中，考慮到房產(chǎn)稅稅率與房價波動之間可能存在的內(nèi)生性問題，進而降房產(chǎn)稅稅率設(shè)定為模型的內(nèi)生變量進行一階差分和系統(tǒng)廣義矩估計。下面對回歸結(jié)果的系數(shù)進行具體分析。

表3 全時段、房產(chǎn)稅改革前后分時段回歸結(jié)果匯總表

首先，全時段的回歸結(jié)果分析。根據(jù)表3可知，普通最小二乘法、固定效應(yīng)模型、一階差分矩估計和系統(tǒng)廣義矩估計模型中，房價波動滯后一期的估計系數(shù)為正，系數(shù)大小分別為0.870、0.710、0.575和0.860，且高度顯著，這說明上一期房價波動每增加1%，本期房價波動就會增加0.860%（系統(tǒng)廣義矩估計sGMM估計結(jié)果，下文分析重點對比一階差分矩估計和系統(tǒng)廣義矩估計模型，普通最小二乘和固定效應(yīng)模型僅作為參考，不再贅述），說明房價波動具有自我調(diào)節(jié)的正向反饋效應(yīng)。房產(chǎn)稅稅率的估計系數(shù)為負。sGMM模型估計系數(shù)為-0.017，均在1%的水平上顯著，這意味著房產(chǎn)稅稅率提高1%，本期房價波動就會減少0.017%。這說明房產(chǎn)稅對房價波動具有抑制作用。房貸利率估計系數(shù)為負，人均GDP增長率估計系數(shù)為正，說明利率與房價波動負相關(guān)，對房價產(chǎn)生抑制作用，人均GDP增長率與房價波動正相關(guān)，會加劇房價波動。

其次，分析房產(chǎn)稅試點改革前后的回歸結(jié)果。根據(jù)表3中（4）sGMM估計結(jié)果可知，房價波動的滯后一期在房產(chǎn)稅改革試點前后的估計系數(shù)都為正，分別為0.784和0.902，且高度顯著，說明房產(chǎn)稅改革前后，上一期房價波動增加1%，本期房價波動會相應(yīng)的增加0.784%和0.902%。再來看房產(chǎn)稅稅率的估計結(jié)果，從（3）列dGMM估計結(jié)果來看改革前后房產(chǎn)稅稅率的估計系數(shù)均為負，分別為-0.027和-0.035，且高度顯著；而（4）列sGMMM估計結(jié)果來看，改革前房產(chǎn)稅稅率的系數(shù)為正但不顯著，改革后房產(chǎn)稅稅率的系數(shù)在5%水平上顯著為負，是-0.060。通過以上房產(chǎn)稅試點改革前后的結(jié)果與全時段結(jié)果進行對比分析發(fā)現(xiàn)，房價波動的滯后一期與房產(chǎn)稅稅率對房價波動的影響均有所增加，說明房產(chǎn)稅改革后房產(chǎn)稅對房價波動的抑制作用更明顯。這同時也說明，隨著中國房地產(chǎn)市場的發(fā)展，房價波動自身的調(diào)節(jié)、房產(chǎn)稅對房價的抑制以及經(jīng)濟發(fā)展水平對房價的影響都在發(fā)生變化。下面，本文將進一步從不同的區(qū)域展開房產(chǎn)稅對房價波動的影響分析。

表4 全樣本與分地區(qū)回歸結(jié)果匯總表

具體來看，三大區(qū)域房價波動的滯后一期系數(shù)均為正，且都高度顯著，系數(shù)最大的東部地區(qū)，分別是0.761和1.041，系數(shù)最小的是西部地區(qū)，分別是0.512和0.671，這說明東部地區(qū)房價波動的自我正向反饋效應(yīng)最強，西部最弱。從房產(chǎn)稅的估計系數(shù)來看，東部和中部地區(qū)都不顯著，只有西部地區(qū)在10%的水平上顯著為負。因此，以上分析進一步肯定了房產(chǎn)稅對房價波動的抑制作用，同時對不同地區(qū)的回歸結(jié)果也肯定了西部地區(qū)房產(chǎn)稅對房價波動的抑制作用更為顯著。這也說明，房產(chǎn)稅對房價波動的抑制作用存在地區(qū)效應(yīng)。

（三）穩(wěn)健性檢驗

為了保證回歸結(jié)果的穩(wěn)健性，本文從以下兩個途徑對上述回歸結(jié)果進行穩(wěn)健性檢驗：一是采用更加適用于小樣本且截面和時間相差不大的面板數(shù)據(jù)模型的BCFE估計方法對上述結(jié)果進行重新估計；二是更換被解釋變量的衡量指標(biāo)，采用y、y1、y2作為衡量房價波動的被解釋變量分別對全時段、分時段和分區(qū)域進行回歸。相比較于差分GMM，系統(tǒng)GMM能夠更好地解決弱工具變量問題。但是，當(dāng)面對小樣本數(shù)據(jù)結(jié)構(gòu)時，BCFE估計不會受到條件異方差的影響，回歸結(jié)果要優(yōu)于dGMM和sGMM。

四、結(jié)論和啟示

通過上文分析和穩(wěn)健性檢驗，得出以下結(jié)論：一是房產(chǎn)稅具有抑制房價波動的作用。理論分析表明，房產(chǎn)稅稅率越高房價波動越小，實證分析也支持了理論分析的結(jié)論。通過分區(qū)域的實證分析發(fā)現(xiàn)，三大區(qū)域中西部地區(qū)房產(chǎn)稅的抑制作用最為顯著。二是房產(chǎn)稅對房價波動的抑制作用隨著房產(chǎn)稅改革的推進會變得更加有效。

對我國未來房產(chǎn)稅改革的幾點啟示：一是將房產(chǎn)稅改革與房地產(chǎn)市場結(jié)構(gòu)優(yōu)化相結(jié)合。推進租購?fù)瑱?quán)改革，優(yōu)化租房市場與購房市場之間的關(guān)系。二是將居民用房與商業(yè)用房的房產(chǎn)稅進行組合改革。堅持因地制宜的靈活改革模式，避免“一刀切”的改革模式。三是將房產(chǎn)稅改革與寬松的利率政策相結(jié)合。短期內(nèi)房產(chǎn)稅改革對宏觀經(jīng)濟的負面影響得到對沖，同時房產(chǎn)稅改革對房價的長期調(diào)控作用得到保留。