开征房产税能够降低房价并替代土地财政吗？

柴国俊++王希岩

摘要：以往文献认为，征收房产税会抑制房价，但鲜有学者探究该政策作用的具体时间效应及土地市场综合效果。基于2008—2013年上海和南京、重庆和成都两组城市的区级数据，利用双重差分及事件研究方法实证考察研究发现，实施房产税总体上对住房价格有显著的提升作用，但会随着时间推移而下降；征税还能够降低住房成交量，同时对土地均价和土地出让金具有负向影响；房产税在上海的试点效果和总体一致，但对重庆的影响不显著甚至与预期相反。

关键词：房产税；土地财政；房地产市场；双重差分法；事件研究

中图分类号：F293.3 文献标识码：A 文章编号：1007-2101（2017）06-0055-08

一、引言

21世纪以来，我国房地产市场得到快速发展，结果造成房价居高不下、住房空置现象严重，同时过度依靠土地出让金运转的“土地财政”行为盛行。为此，中央政府多次出台限购、限价、限贷等房地产宏观调控政策，其中包括探讨已久的房产税试点。2011年1月27日，上海市政府发布《上海市开展对部分个人住房征收房产税试点的暂行办法》的通知。同一时间，重庆市政府也出台《重庆市人民政府关于进行对部分个人住房征收房产税改革试点的暂行办法》和《重庆市个人住房房产税征收管理实施细则》。次日起，上海市和重庆市正式启动对个人住房征收房产税的试点工作，将房产税改革从“空转”推进到“实转”阶段。

历史上，我国地方政府已开征各类基于房地产的税收，包括（以往）房产税、城镇土地使用税、契税、土地增值税和耕地占用税，但这些税收一来比重小，二来征收对象主要是企业而非居民（除了契税），三来基本属于交易环节税收。本次房产税试点方向就是从企业到家庭、从开发和销售环节到保有环节。其直接效果是，将一次性土地出让金支付转变为“分期付款”，从而规避买房者和开发商对金融系统的不稳定风险并抑制房地产市场投机性行为[1]。这种购房“门票”下降的间接影响包括，减小劳动力流动的门槛并改善社会公平，以及鼓励地方政府重视民生和公共投资的长期效益[2]。到目前5年多的时间过去了，人们不禁要问：这次房产税改革的实际效果如何，房产税的开征能够抑制高昂的房价、替代不可持续的“土地财政”吗？

事实上，学术界一直不乏房产税政策效果的探讨，基本认为上述问题的答案是肯定的，甚至乐观地推断房产税会形成地方政府新的财源[3] [4]。然而，当我们对比两试点城市房产税政策细则后很快发现，沪渝在征税对象、税率、税基和起征点方面或多或少存在差别。例如对象上，上海只针对增量房征收，凡本地户籍居民在本市新购第二套及以上住房，非户籍居民新购第一套及以上住房征收房产税。重庆的房产税不仅面向新购住房，还针对主城区的存量独栋住宅进行征收。因此，尽管以往文獻丰富了大家对房产税政策效应的认识，但基于非试点真实数据且笼统地讨论政策效果所得结论可能会出现偏差，也鲜有研究同时考察住房市场和土地市场的互动。

笔者利用真实的数据检验试点城市房产税开征对住房市场和土地市场的综合经济效果，方法上双重差分（difference in difference，DID）和事件研究（event study）相结合不仅能够考察政策实施整体效果，还可以深入分析时间效应，具有一定的创新性。

二、文献回顾及理论分析

（一）文献回顾

一项政策或外部环境的变化对房价具有重要影响。例如，Wang等人[5]通过分析1998—2006年我国35个大中城市数据发现，城市开放度每提升1%，当地房价显著上涨0.282%，城市开放度大约解释房价上涨的15.9%。Wu等[6]则利用2003—2011年度同样数据研究地方政府财政亏空对当地房价的影响，发现尽管地方亏损和土地价格正相关，但房价高企更多归因于当地收入等需求方面因素。事实上，人口、工资收入、土地供给等基本因素的变动能够解释我国绝大多数城市的房价高涨现象[7]。

早期有关房产税的影响集中在发达国家试验。如Rosen[8]通过美国加利福尼亚减税这一外生政策变化，研究发现房产税每降低1美元，住房价值大约上升7美元。OECD国家住房市场的经验研究则从相反方向证实，1980—2009年期间房产税对房价具有显著抑制作用，但成本不是房价主要因素[9]。Song和Zenou[10]的理论模型及实证分析还表明，美国房产税的提升能够缩小城市规模从而遏制城市蔓延现象，这一结论与中国模拟结果一致[11]。

我国属于发展中国家，早些年房产税征收范围和目标尚不完善，新一轮房产税于2011年刚开始改革和试点，故开征房产税有何影响仍处于数据预测或理论分析阶段。例如2010年在北京、上海、深圳和成都开展的一项民意调查数据显示，有40%左右的家庭总体上支持房产税的征收，并且如果房产税的用途能够给人们带来切身福利或者符合人们的利益，赞成的人数会更多[12]。进一步来看，房产税与住房面积、所在城市均有密切联系，故兼顾住房价值的复合征收法可能更为合适[13]。

理论上讲，开征房产税能够避免各方利益扭曲并压制房价，还能解决地方政府财政收入问题[14]。韦志超和易纲[3]宏观数据测算表明，开征物业税能够形成地方财政新的税源。类似地，刘蓉等[16]基于中国家庭金融调查微观数据测算得出，房产税征收税额能够占到地方政府财政收入的31%，故可替代土地出让金作为新的政府财源。但也有观点认为，现行房产税短期内难以成为地方政府主要税种[17]。

除了上述开展房产税前期调研和对财政收入影响进行测算外，还有一项文献着重分析中国房产税征收对房价的影响。如通过对全国35个大中城市数据进行实证测算，有人发现在短期内供给缺乏弹性情形下，物业税的实施必然导致房价下跌[3]。况伟大[18]也发现，无论是消费者还是投资者，政府实施物业税均能够有效抑制房价上涨，并用35个大中城市数据证实全国和东部地区的确符合这一推断。但他根据市民调查数据，预测北京开征房产税对房价抑制影响总体有限，且因住房所有者特征而异[19]。也有研究将房产税和住房价格引入动态随机一般均衡模型（DSGE）框架中，通过校准和贝叶斯估计方法得出房产税实施在长期内会降低房价，还可以发挥其自动稳定器功能[20]。endprint

与本文最相关的是Bai等[4]、王家庭和曹清峰[21]以及白文周等[22]的研究。前者利用1998—2012年31个城市数据和Hsiao等人[23]方法测算发现，开征房产税能够降低上海房价11%～15%，但增加重庆房价10%～12%，具体还发现，重庆征收房产税的价格具有从高端房产向低端扩散的特点。然而，他们研究依然建立在数据推算上，未能利用实际数据验证两城市房产税试点效果。尽管王家庭和曹清峰[22]基于2006—2012年35个大中城市数据采用DID方法已发现沪渝“不存在明显的政策预期效应”，白文周等人[22]利用Hsiao等人[23]及CIC方法发现房产税试点导致重庆房价下跌而上海上涨的结论，但遗憾的是，他们并未对征税的时间效应做细致探讨，也未能考察土地市场的互动。笔者正是在上述文献基础上，深入探究开征房产税对试点城市住房市场和土地市场的经济影响。

（二）理论分析

房产税本质上是住房所有者为享受和消费各种城市公共服务所支付的费用，这构成城市政府提供宜居性特征的有效激励动机[24]。公共财政理论指出，只要房产税部分资本化到房价当中，开征房产税就会降低房价。背后逻辑在于，房产税可看做附加在消费者身上的额外的使用成本，住房市场价值相当于扣除房产税后的未来若干年住房价值流量（住房服务）的折算值之和，故房产税开征或提升能够降低住房价值。现假定Pt是第t年住房价值（或价格），Ys是第s年住房价值流量，？子为房产税率，i为折现率，则有如下等式成立：

Pt=■■（1）

因此，房产税率对住房市值的影响可以推导为负向的：

■=■■<0（2）

值得指出的是，这里的理论分析仅能说明房产税征收对房价的最终影响，但并未告诉我们其对住房价值的影响在时间上如何具体表现，即开征前几年是否上涨，后续影响是否减弱直至变为负向，也未能够指出应如何与土地出让金联系起来，这里借助图1a和图1b分析征税对住房市场和土地市场的静态影响，关于动态影响将运用事件研究的方法在实证中进一步分析。

如图1所示，开征房产税首先会抬高住房供给成本，使得住房供给曲线向上移动，在保持住房需求曲线不变的情形下，均衡房价上升，住房均衡数量（成交量）下降；其次，均衡房价的上涨吸引土地供给增加，表现为土地供给曲线下移，在保持土地需求曲线不变的情形下，均衡地价下跌，土地均衡数量增加；土地价格下降进一步引起住房价格的下跌，住房市场与土地市场相互作用，直至达到新的均衡。至于土地出让金收入（=土地价格×土地均衡数量）的变动，取决于土地价格下跌的程度和土地均衡数量上涨的程度对比，很大程度上属于实证的问题。

综上所述，以往文献对房产税征收影响做了很好的理论分析与数据测算，为本文研究奠定坚实的研究基础。然而囿于数据原因，研究者并未使用我国开征房产税后的真实数据分析房价和财政收入变化，也未细致分析这种影响的时间效应。笔者基于搜房网等中观数据实证考察2011年上海、重庆两试点城市开征房产税的经济影响。

三、数据与模型

（一）数据说明

本文住房、土地市场的数据来源于搜房网中国指数研究院（http：//fdc.soufun.com/creisdata/）、克而瑞信息集团（www.cric.com）和《中国房地产》杂志社三个渠道，前者是主要数据源，他两个数据源作为补充。搜房网是全球最大的房地产家居网络平台，在中国100多个城市拥有分公司和办公室，于2010年9月在美国纽约证券交易所成功上市。其名下的中国指数研究院整合中国房地产指数系统、搜房研究院、中国别墅指数系统、中国房地产TOP10研究组等研究资源，成为我国目前最大的房地产专业研究院，具有较强的信誉度。

基于上述资料源，我们整理出2008年到2013年区级层次的住房和土地市场交易汇总数据。笔者选择这一时间段是与开征房产税时点相关的。由于我国房产税试点开征时间为2011年初，故2008—2010年可界定为开征前阶段，2012—2013年为开征后。众所周知，国家选择试点城市为上海和重庆，两地均为直辖市。各自对比的城市笔者选定为南京和成都。选择南京对比上海是因为两个城市均处于长三角，经济发展程度和人文环境很类似，这比以往研究选择北京对比上海更有说服力，毕竟作为首都的北京具有更多的政治性；选择成都对比重庆的理由是，两地均处于内陆地区，有着类似的巴蜀文化和现代经济基础。当然，这里不同点也是明显的，如成都和南京均不属于直辖市。笔者需要检验两组城市在政策发生前是否具有类似的时间趋势。

住房市场数据包括住房单价和均衡数量，土地市场数据包括土地单价、均衡数量及土地出让金。根据征税范围，我们选择商品住宅（上海样本不含保障性住房）信息，住房单价对应“销售价格”，住房均衡数量对应“销售面积”；土地信息方面选择“土地招拍挂”的住宅用地栏目，土地单价对应“成交土地均价”，土地均衡数量对应“建设用地面积”，二者乘积为土地出让金。在稳健性检验中，笔者还专门从上海市区内整理出二手房和商品房数据，分别作为不受政策影响的存量房和受政策影响的增量房。①

此外，为控制上述四城市的个体特征，笔者还根据各城市历年统计年鉴收集了户籍城镇人口、常住城镇人口及GDP增长率等信息，与以上区级的住房市场和土地市场数据相匹配，最终构成本文实证研究的数据基础。

（二）计量模型

笔者所用的主要计量方法为经典的双重差分模型：

ln（Outcomeit）=？琢0+？琢1×Districti+？琢2×Yeart+？琢3×Treati×Periodt+？茁×Zit+？著it （3）

这里i代表某个地理单位（本文为区），t代表某个时间点（本文为年份）。Outcome代表结果变量，具体为单位房价或单位地价或均衡销售量、土地出让金。District是地区固定效应，用于吸收不同区之间的结果变量变化以及空间上共同存在的因素的平均值，Year则是时间固定效应，用于吸收不同年份之间的结果变量变化以及时间上共同存在的因素的平均值。Treat为某地区是否受房产税政策影响的虚拟变量，1代表受影响的实验组（treatment group）上海或重庆某区，0为不受影响的控制组（control group）南京或成都，Period为时间上房产税实施与否的虚拟变量，2011年实施后为1，前为0，具体实施时间为2011年。Treat和Period交叉项系数？琢3就是本文感兴趣的系数，若其显著为负，则表明房产税实施后显著抑制房价或地价或土地出让金。Z是控制变量，这里考察住房市场时主要控制户籍城镇人口/常住城镇人口的影响，以便捕捉人口流动对结果变量的影响[7]；考察土地市场时主要控制当年当地的GDP增长率，用于捕捉我国地方政府“政治集权、经济竞争”的治理方式对结果变量的影响。当然，这里的i还可以是楼盘项目或者街道办等单位。一个单位对应一个样本，地方越小，样本越多，上述模型的实证分析效果越好。endprint

模型（3）是DID模型的常见形式②，其成立的隐含条件是，房产税政策出台前，房价等结果变量（outcome variable）要保持类似的趋势，这可由事件研究方法来检验[26]，具体如模型（4）所示：

ln（Outcomeit）=？琢0+？琢1×Districti+？琢2×Yeart+■？啄k×Treati×1{Yrt=k}+？茁×Zit+？着it（4）

这里1{Yrt=k}是指示变量，对应年份取值为1，否则为0。k取值可以为-3、-2、-1、0、1、2，分别对应Yr2008、Yr2009、Yr2010、Yr2011、Yr2012、Yr2013，也就是说，政策推出前k年为负数，推出时的2011年为0，推出后为正数。由此，我们很容易获得事件研究的估计系数？啄k，将其描绘在图上能够直观地检验政策发生前控制组和实验组的结果变量是否具备类似的特征，同时还可以观察到房价等受房产税出台政策影响的具体时间变化趋势。

四、实证分析

首先给出主要变量的描述性统计，然后是DID模型结果，最后做事件研究检验。

（一）描述性统计

上海、重庆两地试点房产税，势必引起房价的变化。图2直观地描绘出上海和南京以及重庆和成都的住房价格趋势对照图。可以看出，在征收房产税后，上海和重庆住房价格指数分别相对南京和成都表现出不一致的变化：上海首先略有下降，然后多次相互交叉，后基本定格在较低水平；重庆首先略有上升，然后多次相互交叉。尽管存在同期其他因素的影响，这些事实仍初步反映出房产税开征对两试点城市的不同影响。

表1列出本文主要变量的描述性统计特征。很容易看出，不论住房市场还是土地市场，价格和均衡数量的均值及标准差都很大，均值与中位数差距较大，表明这两个市场处于急剧变化、蓬勃发展的时期。土地出让金为土地单价与土地均衡数量的乘积，亦表现出可观的政府财政收入。户籍城镇人口/常住城镇人口以及GDP增长率等控制变量统计特征符合日常观察。

（二）DID回归结果

开征房产税能否起到抑制房价、扩大地方财源的作用需要分别实证考察住房市场和土地市场。表2列出经典的双重差分模型的回归结果。笔者发现，总体上看，在控制户籍城镇人口/常住城镇人口比例前提下，开征房产税首先会提升房价、降低住房均衡数量。特别地，第1列系数0.143表示，相对南京或成都而言，受房产税政策影响的上海或重庆房价每平方米将上升15.37%（e0.143-1），但均衡数量下降29.30%。根据表1平均房价15 431.332元信息，上述上涨幅度意味着住房单价增加2 371.80元，这是较大的影响效果。具体而言，上海开征房产税对房价具有显著的正向影响，但重庆显著为负，第二、三列系数分别对应0.128、-0.109，也就是说，上海房价上涨13.66%（e0.128-1），重庆房价下降10.33%（e0.109-1）。对于住房销售量，在上海房产税开征显著降低了均衡数量，在重庆则反过来显著提升了均衡数量。尽管笔者选取非常相近的两对城市组做对比并控制各城市重要特征，但可能还存在某些不可比较异质性，这里选取同一时间段上海市区内的增量房和存量房做对比，回归结果为表2最后一列。不难看出，在同一城市内部，受政策影响的增量房和不受政策影响的存量房在住房单价方面显著为正，住房均衡数量系数虽不显著，但符号与第三列一致，显示出结果的稳健性。根据住房单价和住房均衡数量的变化，以及开征房产税后两城市住房单价和均衡数量均值，笔者利用开征后试点城市住房均价×住房平均均衡数量×（1-1/（1+住房单价变化））×（1-1/（1+住房均衡数量变化）），能粗略计算出住房市场受房产税影响的综合效果。由此，笔者估算出受房产税开征影响，总体、上海、重庆住房市场分别下降10.25亿元人民币、9.63亿元人民币、7.30亿元人民币。

在土地市场，控制GDP增长率后，呈现土地单价下跌、土地均衡数量增加倾向，这主要是住房价格高涨导致土地供给增加所致。土地出让金是土地单价和土地均衡数量的综合作用结果，上海样本结果反应为负，其他样本不明显。也就是说，上海开征房产税一定程度上会抑制原来的土地出让金财源，转变为地方政府新的财政收入。事实上就对地方财政的贡献而言，开征房产税效果有限。公开资料显示，在不区分法人财产税和个人财产税条件下，上海2011年、2012年房产税税收分别为22.1亿元和24.6亿元，分别占当年上海市本级财政收入的0.64%和0.66%。重庆市2011年征收个人住房房产税将近1亿元，而当年重庆国有土地使用权出让收入为801.5亿元，地方本级财政收入为2 908.8亿元，土地出让收入占同期地方财政收入达到27.55%，相对地，个人房产税仅占同期地方财政收入的0.03%。

综合而言，房产税开征导致房价上升，住房成交量、地价和土地出让金呈现下降趋势，住房市场和土地市场的实际政策效果基本验证了理论推测。

（三）事件研究分析

為了确保上述回归结果的可靠性，笔者根据模型（4）的事件研究方法来检验房产税改革前住房价格的特征对于控制组和实验组是否是类似的。结果如图3所示，a、b、c分别描绘全部、上海与南京、重庆与成都的情形。各子图中间连线为各年点估计系数的时间趋势，上下虚线为95%置信区间估计区域，当然上面high为“系数+1.97×标准误”的结果，下面low为“系数-1.97×标准误”的结果。这里Yr2010=-1为参照组或称基准年（baseline year），故省去且不反映在事件研究图表内。不难发现，对于上海样本b图，模型（4）中2008—2010年交叉项系数的95%置信区间估计包括水平线0，即各年系数均不显著，表明房产税出台前控制组和实验组增长趋势是类似的；政策发生时和发生后有明显跳跃，这和上述回归估计结果是一致的；随着时间的推移，政策效果在减弱，甚至在未来更长时间内将减小为负值，符合常理。细看c图笔者发现，房产税政策出台前重庆、成都的房价共同趋势并不明显，这也导致全部样本结果（图a）较为混杂。类似地，开征房产税前总体上对住房均衡数量并无类似趋势，即控制组和实验组无法比较，同样符合表2估计结果。endprint

土地市场情况总体不乐观。土地价格、均衡数量在房产税征收前个别年份无共同趋势。对于土地出让金而言，房产税征收前后y=0这条水平线始终处于95%置信区间估计以内，即两组样本征收前增长趋势类似，但开征房产税对土地出让金的影响并不显著（见图4）。

综上，在开征房产税前，住房市场的房价以及土地市场的土地出让金很好地符合DID模型潜在假定，但征收房产税后住房均衡数量及土地市场变量并无明显规律可循。时间效应来看，开征房产税首先会提高房价，随着时间推移会减弱影响，但能否抑制土地出让金这一传统的财源尚需时间考察。

五、结论与政策启示

房产税开征短期内会推高房价并降低住房成交量，但房价效果随时间推移而减弱；对土地市场的传导影响很弱，但土地出让金收入有所下降；这些效果对上海更为明显，对重庆效果不佳甚至相反。综合而言，试点城市房产税开征短期内未能降低房价，也未能明显扭转“土地财政”趋势而转为地方政府长期稳定的新财源。

若同时考虑住房消费属性和投资属性，上述实证检验结果将不难理解。多年来房地产业在我国一直处于重要地位，住房投机现象普遍，多数城市房地产价格不断偏离其基本面价值，房地产的资本品成分逐步增加。在这种宏观环境中，由于试点城市房产税税率偏低（上海的基准税率为0.4%，重庆为0.5%）、税收的覆盖面偏窄（重庆仅对高档住宅征收，上海侧重于增量，虽然增量在第二年会转变为存量，覆盖面仍有限）、减免范围过宽（上海规定人均60平方米的免税面积，重庆对存量独栋商品住宅给予180平方米的免税优惠，新购高档住房给予100平方米的免税优惠）、计税依据不科学（两市均采用交易价格而非评估价值作为计税依据），房产税开征根本不足以打击市场的投资热情，反而因税负转嫁推高了房价。随后之所以出现房产税推高房价的影响逐年递减的趋势，是因为房产税本身传递的信号改变了投资者对市场的预期，房地产的投资需求持续得到抑制，部分空置房会进入租房市场或二手房市场，房地产市场更趋向消费品市场，进而因房产税资本化到房价中，加大使用者成本（user cost）导致房价下跌。动态地看，住房市场的变动势必导致土地市场的调整，房价的上涨先会吸引土地供给增加，进而地价的下跌引起房价最终下跌并趋于新的均衡，故逻辑上房产税对土地出让金存在挤出效应。

本文的研究结论具有重要的政策含义。全国不动产登记业已在2015年3月开始，房产税如何全面开征需要理论基础。首先，开征房产税需要考察具体的时间效应。以往文献通常忽视政策发挥作用的时间效果。实证表明，总体而言，房产税征收先会推高房价，后几年会减弱直至起到抑制房价的作用，这也符合骆永民和伍文中[20]的理论模拟。事实说明，虽然房产税短期内不能降低房价甚至推高房价，但强烈的政策信号能够长远影响房价走向。同时也从侧面启示我们，鼓励中低收入家庭租房行为，可降低当前住房空置率，从而扩大市场有效供给，提高住房资源配置效率[1]。其次，不同的征收策略可能导致不同的政策效果，权衡城市不同群体利益至关重要[2]。上海倾向于征收增量房房产税，重庆则侧重存量房。文章数据显示，上海房产税征收范围的实际效果更佳，细节上更为符合现实，这印证白文周等人[22]的结论，但区别于Bai等人[4]，很可能与选取的数据和方法有关。最后，房产税征收不仅会影响到住房市场，还能传递到土地市场。理想状态下，房产税改革可以把长期在公共财政体系外循环的巨额土地出让收入纳入预算管理，进而将地方政府的角色从土地市场的重要交易者真正转变为房地产市场的监管者[1]。尽管本文的研究表明开征房产税对住房市场影响相对明显，土地市场的经济效果日后仍需更多实证考量，是否将房产税和地产税合并实施亦需要探讨。

值得指出的是，本文的不足之处也是不可回避的。如笔者已利用DID模型去除共同的时间趋势等遗漏变量，并控制城市年份异质性，但受数据所限，尚无法找到外生的工具变量消除选择试点城市本身导致的估计偏误（selection bias）。相对而言，Bai等[4]借鉴的Hsiao等人[23]方法在这一点上对模型假定要求较弱。此外，合成控制方法（Synthetic Control Methods）对两城市构成的实验组情形更为合适[28] ，笔者期待做更多实证检验。

参考文献：

[1]田国强.房产税改革的监管及长效机制的建立[J].改革，2011（2）：136-138.

[2]符育明.房地产税改革：动力和阻力[J].中国改革，2010（8）：1-2.

[3]韋志超，易纲.物业税改革与地方公共财政[J].经济研究，2006（3）：15-24.

[4]BaiC，Li Q，Ouyang M.Property Taxes and Home Prices：ATale of Two Cities[J]. Journal of Econometrics，2014（180）：1-15.

[5]WangS，Yang Z，Liu H.Impact of Urban Economic Openness on Real Estate Prices：Evidence from Thirty-five Cities in China[J]. China Economic Review，2011（22）：42-54.

[6]WuG，FengQ，Li P. Does Local Governments Budget Deficit Push up Housing Prices in China？[J]. China Economic Review，2015（35）：183-196.

[7]WangZ，Zhang Q. Fundamental Factors in the Housing Markets of China [J]. Journal of Housing Economics，2014（25）：53-61.endprint

[8]RosenK T.The Impact of Proposition 13 on House Prices in Northern California：ATest of the Interjurisdictional Capitalization Hypothesis[J]. Journal of Political Economy，1982，90 （1）：191-200.

[9]况伟大，朱勇，刘江涛.房产税对房价的影响：来自OECD国家的证据[J].财贸经济，2012（5）：121-129.

[10]SongY，Zenou Y. Property Tax and Urban Sprawl：Theory and Implications for US Cities[J]. Journal of Urban Economics，2006（60）：519-534.

[11]Liang L.Local Taxes and Government Choice of Public Goods in a Spatial Equilibrium Model[D]. PhD dissertation in National University of Singapore，2014.

[12]郑思齐，孙伟增，满燕云.征收房产税的民意调查——对四个重点城市的调研数据分析[R]. 北京大学林肯研究中心工作论文No.W110，2012.

[13]郑思齐，孙伟增，满燕云.房产税征税条件和税收收入的模拟测算与分析[J].广东社会科学，2013（4）：5-15.

[14]Cho S，Choi P.Introducing Property Tax in China as an Alternative Financing Source[J]. Land Use Policy，2014（38）：580-586.

[15]刘洪玉.房产税改革的国际经验与启示[J].改革，2011（2）：84-88.

[16]刘蓉，张巍，陈凌霜.房地产税收入测算与地方财政收入可持续增长——基于中国家庭金融调查数据[R].2014年“中国房地产市场的现状与未来”学术论坛会议论文，2014.

[17]李文.我国房地产税收入数量测算及其充当地方税主体税种的可行性分析[J]. 财贸经济，2014（9）：14-25.

[18]况伟大.住房特性、物业税与房价[J]. 经济研究，2009（4）：151-160.

[19]况伟大.房产税开征对预期房价的影响：来自北京市调查问卷的证据[J]. 世界经济，2013（6）：145-160.

[20]骆永民，伍文中.房产税改革与房价变动的宏观经济效应——基于DSGE模型的数值模拟分析[J]. 金融研究，2012（5）：1-14.

[21]王家庭，曹清峰.房产税能够降低房价吗——基于DID 方法对我国房产税试点的评估[J]. 当代财经，2014（5）：34-44.

[22]白文周，刘银国，卢学英.沪渝房产税扩围房价效应识别——基于反事实分析的经验证据[J].财贸研究，2016（1）：70-79.

[23]Hsiao C，ChingH S，WanSK.A Panel Data Approach for Program Evaluation：Measuring the Benefit of Political and Economic Integration of Hong Kong with Mainland China[J]. Journal of Applied Econometrics，2012（27）：705-740.

[24]王轶军，郑思齐，龙奋杰.城市公共服务的价值估计、受益者分析和融资模式探讨[J]. 城市发展研究，2007（4）：46-53.

[25]況伟大，马一鸣.物业税、供求弹性与房价[J]. 中国软科学，2010（12）：25-37.

[26]Angrist J D，Jorn-SteffenPischke.Mostly Harmless Econometrics[M]. New Jersey：Princeton University Press，2008.

[27]Bertrand M，Duflo E，MullainathanS.How Muchshould We Trust Difference-in-Difference Estimates？[J]. The Quarterly Journal of Economics，2004（119）：249-275.

[28]Abadie A，DiamondA，HainmuellerJ.Synthetic Control Methods for Comparative Case Studies：Estimating the Effect of Californias Tobacco Control Program[J]. Journal of the American Statistical Association，2010（6）：493-505.

责任编辑：艾 岚endprint