“地球村个体”制度差异下LIHTC对私营住宅挤出效果研究—基于美澳各州数据的分析

文/宋博通、程思斯、仵世友 深圳大学 广东深圳 518000

低收入家庭的住房问题是决定社会和谐及经济可持续发展的核心问题，它是绝大多数发达国家在城市化过程中都经历过的住房问题。美国和澳大利亚采用的以LIHTC为基本构型的公租房建设模式，在解决可负担住房的建设、管理及低收入家庭住房保障方面取得了良好的效果。

LIHTC项目是美国目前提供保障性住房最重要的来源，自1986年该项目实施至今，始终受到国内外专家及学者的关注。Murray（1999）指出，基于LIHTC的公租房项目并没有对公共住宅产生挤出效应，与此同时对于私营住宅存在挤出效应，但是，LIHTC公租房对私营住宅并没有产生明显的挤出效应。Eriksen与Rosenthal（2010）在其研究中得出结论指出，LIHTC公租房为中低收入家庭在提供一定程度上的住房选择自由度，，在产生的影响方面，对于政策性出租住宅其产生的影响较小，对于市场出租住宅尤其是非补贴性住宅，其产生了较大住房挤出效应。由此表明，对于LIHCT项目产生的挤出效应的效果预判存在着一定的研究价值。

诺斯（1981）认为，制度是规范人们行为的准则，是人们创造的用以限制人们互相交往的行为框架，制度因素会对经济的发展产生影响。马宏伟（2003）在文章中指出制度是影响经济发展的根本因素，国与国之间竞争，实际上是制度的竞争，有效的制度可以大大地促进异国经济的发展。本文通过构建“地球村”模型，将每个已实施的地区（如各州）视为每个“地球村个体”，将国家概念淡化，强化个体概念，并假设个体特征决定该政策的挤出效果，同时也导致各个个体的实施效果差异。本文运用已实施该项目的各州数据，构建一个适用于整个“地球村”的挤出效果预判模型，从而对未实施区域进行效果预判。

1、LIHTC项目

LIHTC项目是根据1986年的《税务改革法案》而设立的保障低收入家庭住房的项目，是美国目前保障性住房的最主要来源。在LIHTC最初创建时，只有15年的合同期，后根据1989年的《收入调和法案》该年限修改为30年。该计划的核心是投资者从国家筛选的开发商处购买所得税抵免权，用于冲抵其纳税的额度。作为交换，在30年内，其必须以特定租金（通常低于市场）向符合资质的租户（经过审核的低收入住户群体）租赁特定数量的房屋。投资者（公司或个人）受益于所得税的抵免，开发商（公司，非营利组织或个人）受益于出售抵免权从投资者收到的现金输入，联邦政府受益于保障性住房的实施、推广与普及，国税局（IRS）按照每个州的人均资金来计算分配金额。LIHTC项目通过对于税收的补贴机制，激励了公司，非营利组织和个人对于可负担住房的投资热情2008年，澳大利亚政府借鉴LIHTC项目，通过改进出台了具有本国特色的国家保障房租用计划(National Rental Affordability Scheme，简称 NRAS)，鉴于NRAS计划是基于LIHTC项目的改进，所以本文主要选取LIHTC项目为例进行详细阐述。

1.1 发展历程

1986年，国会通过了税制改革法案，推行了低收入住房返税项目，该项目对之后美国的保障房产生了深远的影响，1990年开始，该项目得到了广泛推广，1993年时任美国总统克林顿将该项目正式写入了法令中，也由此吸引了大量的开发商和投资者参与到了该项目的投资，随着LIHTC成为税收的正式法令，从1993年至2007年，该项目得到了快速的发展，基础设施得到了建设，配套设施与法规法案也得到了完善，2007年由于次贷危机的影响，该项目的推广受到了一定阻碍，此后随着经济形势的好转，该项目也逐步回暖。从1995年到2015年，平均每年完成超过1460个项目，年均11万个住房单位投入使用，目前，美国保障房中LIHTC贡献了将近90%的住房单位。

1.2 LIHTC项目返税额度的方法计算

基于房屋建设的不同情况，LIHTC的有以下两种不同的返还方式。

1）9%税收返还项目

9%项目通常被用于新建的保障性住房，在10年期限中，由联邦政府每年返还该项目建设成本的9%，最终，保证该项目建设成本的70%得到返还，需要说明的是该项目中每年9%的税收返还并不是固定利率，而是基于时间价值和通货膨胀率所计算出来的，从1986年至今，该利率浮动范围在7.35% 和9.27% 之间，2008年初为了避免金融危机的影响，9%被设定为临时最低阈值，该利率浮动不能低于9%，2015年，9%最低阈值被正式添加入永久条款。

2）4%税收返还项目

4%项目通常被用于翻新的保障性住房或者是获得其他形式的政府资助（比如享受免税债券等）的新建保障性住房 ，与9%税收返还项目相同，4%返还项目也是为期十年，利率也是浮动利率，最终，保证该项目建设成本的30%得到返还。

1.3 LIHTC项目的分配流程

LIHTC首先是从联邦政府根据人口数量分配至各州政府。2017年，各州收到LIHTC分配返税额度为每人2.35 美元，人口最少的州得到了271万美元的总返税配额。需要注意的是，该配额并不适用于4%税收返还项目。然后，各州住房金融局（HFAs） 按照联邦政府分配返税额度创建各个LITHC项目的资格分配计划（QAP），并对其进行打分排序。最后，开发商得到的分配返税额度可以用来出售或者冲抵个人所得税额，通常，投资者倾向于直接冲抵个人所得税，开发商则会优先选择用该分配额度冲抵其他项目的资金或者出售给投资者变现。

1.4 LIHTC项目现状分析

据最新统计数据显示，从1987年至2015年，该项目为美国累计提供了超过297万套的低收入家庭住宅，每年有将近80亿美元的税收返还资金用于推广该项目。仅在2004年一年中，基于该项目美国政府提供了145218套的住宅，达到了该项目住宅投放的史上最大值，详见图1。

图1 1995年-2015年每年投放的LIHTC项目数量以及建设单元

2、理论模型与制度指标

2.1 基本模型的选取

Malpezzi和Vandell在其2002年发表文章中对于美国各州1987年-2000年的住房数据进行了面板回归分析，通过分析得到的结论显示LIHTC住房新建量对私营住宅市场存在着完全挤出。本文选取Malpezzi与Vandell（2002）的静态住房市场分析框架为基本模型开展相关研究。

2.2 “地球村个体”挤出效应模型的构建

由于LIHTC及其相关住房政策目前仅在美国和澳大利亚实施，无法对其效果进行预判，所以在本文中我们将国家概念淡化，将美国各个政策实施州看做独立的个体，也即“地球村个体”，着重强调个体差异，通过“地球村个体”组成了整个“地球村”。

本文假设个体特征决定了该政策的挤出效果，正因个体制度特征导致了各个个体的实施效果差异，运用已有数据构建一个通用的模型对未实施区域进行效果预判，从而解决因数据缺失而产生的未知实施效果困境。构建融入制度因素的“地球村个体”住房挤出效应模型，对不同地区的LIHTC住房实施效果进行研究。

本文采取仵世友（2016）中的研究方法，将制度指数设置为变量进行研究，从而基于地球村整体构建相应的住房挤出效应模型，模型表述如下：

其中，prs为新建私营住宅量，lis为新建LIHTC住房量，cc为建设成本，d为人口密度，income为人均年收入，van为住宅总空置率，i为各国制度指数，in为各地区制度指数。r为不同地区，t为时间。

本文的研究目标为LIHTC住房新建量系数 ， 的符号代表LIHTC项目对私营住宅的挤出或挤入效应，如 ＜0则说明存在着挤出效应，反之则为挤入效应，而该值的大小代表挤出效应或挤入效应的程度。

2.3 制度指标因素的选取

2.3.1 国家层面制度因素的选取

本文选取经济自由度指数（EFI）、民主指数（DI）、全球清廉指数（CPI）以及全球治理指数（WGI）进行国家层面制度的研究。

经济自由度指数（EFI）：经济自由度指数是由《华尔街日报》和美国传统基金会发布的年度报告，涵盖全球179个国家和地区，是全球权威的经济自由度评价指标。该指数的得分是根据经济自由度50个指标对各个国家和地区进行评估，每一个指标的最高得分为100分，最低得分为1分。该得分反映了政府对经济的干预水平，即经济自由度，因此分数越低表示经济自由度越低。

民主指数（DI）：由于政治约束指数的缺失，本文采用民主指数进行数据分析。民主指数为解析世界上大多数国家或地区政权的民主程度的指数。它通过分析政治参与度、选举的程序及其多样性、运作情况以及政治文化水平五个方面，从而量化各个国家的民主质量。

腐败感知指数（CPI）：是总部位于德国柏林的非政府组织——透明国际自1995年起每年发布的评估，就世界各国民众对于当地腐败状况的主观感知程度予以评估及排名。评级从0到100，其中0表示最腐败，100代表最清廉。

全球治理指数（WGI）：全球治理指数由世界银行所建立的一种评价指标体系，它是由“机制”、“绩效”、“决策”、“责任”四个部分及各自具体指标构成，从全球数据出发，客观反映世界一百八十九个国家对全球治理的参与和贡献度。《全球治理指数报告》直观的反映了世界各国参与全球治理的基本情况，能够起到协调促进各国完善全球治理的作用，对各国应对全球治理重要挑战做出引导。

2.3.2 地区层面制度因素分析

钟心桃和龚唯平（2008）在研究中，以广东为例，将制度效应分解为市场化程度，所有制结构，经济开放度，分配格局和科技体制创新机制五个因子，借助柯布-道格拉斯函数和主成分分析法，计算多元线性回归，分析了各个制度因素和总制度因素所产生的影响。本文借鉴该研究的结论，亦选取五个方面指标对各个地区制度因素进行量化分析。

1）市场化程度

市场化程度是对资源分配能力的体现。樊纲和王小鲁（2011）在研究中指出，市场化程度与政府分配资源程度成负相关，即市场化程度越高，政府分配资源程度越低。因此，可采用政府预算和当地GDP的比重作为衡量指标，对市场化程度进行量化分析本文参考上述研究经验，得到：市场化程度=政府的公共开支/某地区的GDP。

2）所有制结构

所有制结构即是产权界定与分配问题，所有制结构主要由国有经济和个体经济所构成。所以，国有经济成分所占比重可用来表示所有制结构，即：所有制结构=规模以上国有工业的企业产值/规模以上的工业企业总产值。

3）经济的开放度

经济的开放度的主要体现为贸易，特别是对外贸易，商品进出口总额则是对外贸易的最主要部分，故：经济的开放度=进出口的总额/某地区的GDP。

4）分配格局

收入分配可以分为初次分配和再次分配，而制度的影响主要体现在再次分配方面。分配格局可以提现国家财政税收对企业再生产和个人所得收入的影响，所以，分配格局=企业的利润所得税/企业的产值。

5）创新机制

创新是各国家地区经济增长的强大动力，鉴于创新机制衡量的复杂性，本文选择科研投入的研究经费进行量化分析计算，即：创新机制=科技投入经费/某地区的GDP。

在本文中，收集了美国、澳大利亚和中国下属的各个地区2010年-2015年的制度代理变量，通过主成分分析法构建区域制度方程模型。

表 1 KMO 和 Bartlett 的检验

3、实证研究

3.1 数据来源

首先本文搜集并整理了2010年-2015年全球158个国家和地区的国家层面制度因素，即经济自由度指数（EFI）、民主指数（DI）、腐败感知指数（CPI）、全球治理指数（WGI），并对2010年-2015年里，美国各个州以及澳大利亚各个州的私营住房新建量、LIHTC计划住房新建量、私营住房建造成本、人均年收入、人口密度、住房空置率以及2010年-2015年各个州的达到一定规模的国有企业及私营企业的企业概况、利润、支出、税收、科研情况等进行了搜集及整理。最终以美国的21个州以及澳大利亚的2个州的数据，作为本文的数据来源。

3.2 制度指数的获取

制度指数存在多样性，每个制度指数不同，所贡献的制度总效应以及重要程度也不同，除此之外，每个制度因素可能在某种程度上存在相关性。因此本文在分析制度指数时，采用主成分分析法。主成分分析法，一是可以消除各个制度因素的多重共线性；二是能够客观的测算各个制度因素的权重，从而能够直观地展现各个制度因素对制度总效应的重要性。本节采用国家层面制度指数进行主成分分析法的计算。

介于数据的可得性以及模型的要求，文章选取2010年—2015年158个国家和地区的制度指标，以主成分分析法进行计算分析和模型构建。本文将以2015年国家制度数据为例进行分析。

1）KMO 和 Bartlett检验

在KMO 和 Bartlett检验中，若一组数据的KMO ≥0.5且Bartlett的球形检验中的显著性概率小于5%，则主成分分析研究可以应用于这组数据。笔者通过软件SPSS 19.0来计算，分析结果得出2015年的国家层面的制度数据KMO值为0.701，Bartlett 的显著性概率值等于0,则该组数据符合要求，可以往下进行主成分分析，如表1所示。

2）特征值提取

通过表2我们可以发现位于前两个主成分的初始特征值＞1的，分别为2.438和1.013。其中，第一主成分的解释方差达到总方差的62.561%，第二主成分的解释方差达到总方差的24.157%，二者的综合主成分累积贡献率达到了86.718%，大于临界值80%，则可说明这两个主成分能够解释原有的指标数据的大部分信息。因此，可以用前两个的主成分作为评价总体的制度指数的综合指标。荷载矩阵分布表见表3。

从表3中，我们可以直观地看到两个主成分对国家层面制度指标的载荷数值。例如，第一主成分和第二主成分对全球经济自由度指数的载荷数值分别为0.882和0.84。

3）权重计算

本文通过主成分分析法确定权重。假设表3中的主成分1为m1，主成分2为m2，根据计算公式可计算得到：特征向量值=因子荷载量（m1，m2）/特征根开平方，令特征向量分别为n1，n2，可以求得特征向量值，如表4所示。

因此，该主成分分析的表达式可表示如下：

根据上式，可以得到主成分1和主成分2 的数值，通过它们可更进一步的去表示整个数据指标。根据计算公式

将数据代入即可得知制度指标：

归一指数权重，可得到：

最后，通过带入各个地区的各项制度因素，即可得出结果，如2015年，美国、澳大利亚和中国的国家制度指数值分别为75.26、82.42和44.68。

同样，我们可以得到2010年-2015年的美国、澳大利亚以及所选23个区的制度指数。

3.3 “地球村个体”模型的回归及检验

3.3.1 “地球村个体”住房挤出模型的数据统计

澳大利亚政府2008年起首次引入基于LIHTC的住房返税项目，本文选用2010年—2015年的美国和澳大利亚各个州的数据，各变量如上表所示，本文随机选取美国佐治亚（Georgia）州数据作为模型的验证数据组。

3.3.2 “地球村个体”住房挤出模型的检验与选择

受澳大利亚政府实施LIHTC项目的年份所限，本文采用宽截面短时间数据作为研究的，鉴于数据年限只有6年，根据以往学者经验可知，短时间面板数据不需做单位根检验及协整检验，因此，本文仅做豪斯曼检验。

1）豪斯曼（Hausman）检验

根据计算可得，豪斯曼统计量值为36.452101，p值为0.000，证明在此情况下，固定效应模型优于随机效应模型，因此，对面板数据的回归选用固定效应模型。

2）F值检验

H1：模型中的不同个体的截距项不相同。（即备择假设为个体固定效应模型）

利用Stata12.0计算F值的结果如下：

以上分析结果可以得出，，固定效应还是随机效应模型上，由于F值＞临界值，所以由分析结果可以得出，固定效应模型优于随机效应模型，应选择固定效应模型进行数据回归计算。

综合豪斯曼检验以及F检验的结果，本文采用固定效应模型进行面板数据的回归分析。鉴于截面异方差问题的存在，最终，本文构建的固定效应回归模型将截面异方差性也纳入考虑范围。

3.3.3 模型系数分析

带入上述模型回归结果可得方程3-6。文章采用的固定效应模型考虑截面异方差，因此本文各个地区的截面数据项统一用Cr表示。将模型进行进一步检验与筛选后，本文将融入制度因素的LIHTC项目的挤出效应通过考虑截面异方差的固定效应模型来表达，并且从以上分析可以得出以下结论：

1）在新建私营住宅中，建造成本每增加一个单位，私营住宅的新建量会相应的减少0.281314个单位。此结果符合预期，因为总资金量稳定不变时，建造成本增加，会使开发商相应地减少开发新的私营住宅。

2）在新建LIHTC项目住宅中，LIHTC住宅每新建一个单位，，新建私营住宅量则相应的减少0.954234个单位，社会的总住宅新建量为0.03012个单位。这就表示LIHTC项目住宅新建量对私营住宅新建量存在挤出效应，并且挤出程度为0.954234，即该项目住宅对私营住宅存在很大的挤出。

3）在每年人均收入中，每增加一个单位的人均收入，将会导致私营住宅新建0.305104个单位，此结果符合预期。由于人均收入的增加，住房便会得到更大的需求，市场将会根据人们的需求新建私营住宅以求达到新的供需平衡。

4）在人口密度中，人口密度每增加一个单位，私营住宅则会相应地新建0.135014个单位，此结果符合现实。因为人口与住房密切相关，住宅需求量会因为人口的增长而增长，从而私营住宅新建量会增加。

5）在住宅空置率中，住房空置率每上升一个单位，私营住宅新建量则相应的减少0.194016个单位，此结果符合预期。因为住宅空置率的大小反应现实生活中空置房屋的多少，住宅空置率增加则说明空置的房屋数量增加，从而也进一步的说明了市场上房屋供给过多，开发商积极性降低，从而会相应的减少房屋开发。

6）在地区层面和国家层面的制度系数中，地区层面的制度系数为-0.924506，国家层面的制度系数为-0.270401。由于制度变量只是作为表示一个地区挤出效应的调节变量，并不表现制度本身的优劣，因此LIHTC政策在某个地区的挤出效果可根据当地的制度指数进行预判，国家级制度指数同理。

3.4 “地球村个体”住房挤出模型的有效性分析

Eriksen与Rosenthal（2010）通过将美国划分为不同的地理单元进行实证分析，运用面板数据进行挤出效应的实证研究发现美国大都市级单元统计区域挤出效应、县级单元统计区域挤出效应以及单元级统计区域挤出效应分别为-0.35、-0.98以及-1.07。

由于澳大利亚个别地区制度数据的缺失，本文随机选取美国Georgia州的数据进行模型的有效性检验，看其是否有效。

由上式可得制度变量与LIHTC新建量的关系如下：

以Georgia州数据来分析，2014年和2015年LIHTC项目住房新建量为1.91套/万人、2.83套/万人, 2014年和2015年州制度数据为11.62、10.54。于是我们可得出LIHTC项目新建量变化的理论值和实际值：

LIHTC项目新建量变化理论值=（10.54-11.62）＊(-0.969) =1.047

LIHTC项目新建量变化实际值=(2.83-1.91)=0.92

通过比较LIHTC项目新建量变化的理论值与实际值，发现其变动方向一致，但由于统计数据可能存在偏差，导致上述结果存在一定偏差，但偏差较小，由此证明模型是有效的。

本文运用学者对LIHTC项目的挤出效应的研究以及运用已实施LIHTC项目区域的数据，发现LIHTC项目的新建量对私营住宅新建量存在挤出效应，此结果符合本文研究，且国外学者研究发现挤出效应较大，此结果与本文的实证研究结果-0.954234基本相符。本文在建立LIHTC项目的挤出效应模型时量化了制度这一因素并将其转化为调节变量进行分析，这可为以后其他未实施LIHTC项目的地区在引进该政策时提供一种参考思路。

结论：

（1）“地球村个体”挤出模型对于不同制度体系下的LIHTC项目实施后的挤出效果存在适用性。

建立模型后，带入随机选取的美国Georgia州的各项数据进行检验且与已有的该项目挤出效应研究结果进行总结，可得出此住房挤出模型的检验结果符合本文研究结果，从而验证了模型有效性即该模型可应用于不同制度地区的LIHTC实施效果分析。

（2）制度因素与LIHTC项目住房新建量呈现负相关关系。

研究分析表明， LIHTC项目住房新建量与制度因素之间存在负相关关系，在将该项目引入未实施区域时，若想增加LIHTC新建量，则可以优先挑选制度指数低的地区进行实施，从而可以有效地减少相关的政府部门的运营管理工作量。

参考文献：

[1]MurrayMP.Subsidizedandunsubsidiz ed housing stocks1935——1987：crowdingo utand cointegration[J].Journal of Real Estate Finance & Economics,1999,18(1)：107-124.

[2]Eriksen M D,Rosenthal S S.Crowd out effects of place-based subsidized rental housing：New evidence from the LIHTC program[J].Journal of Public Economics,2010,94(11-12)：953-966.

[3]NorthD.C.Structure and Change in Economic History[M].New York,1981.

[4]韩立鑫.制度与经济发展[D].吉林大学,2002.

[5]马宏伟.经济发展与制度创新[J].经济评论 ,2003(1)：31-35.

[6]Malpezzi S,Vandell K.Does the lowincome housing tax credit increase the supply of housing?[J].Journal of Housing Economics,2002,11(4)：360-380.

[7]仵世友.“地球村个体”制度差异下LIHTC对私营住宅挤出效果研究[D].深圳大学，2016.

[8]龚唯平,钟心桃.广东经济增长中制度因素对要素效率影响的实证研究[J].南方经济,2008(4).

[9]张鹏.基于主成分分析的综合评价研究[D].南京理工大学,2004：83.

[10]虞晓芬,曾辉,任天舟.保障房对商品住宅的挤出效应：理论与经验研究——基于浙江省11地市面板数据的分析[J].学术月刊 ,2015(07)：57-65.