房地产税改革试点形势下的公共服务质量与房地产税税基评估

陈蕾　周艳秋　何晴

摘 要：房地产税税基评估是积极稳妥推进房地产税改革的基础和技术前提。其现实路径之一，是确定影响房地产税税基评估值的重要变量，构建动态修正视角的税基评估模型。文章选取中国35个大中城市2003-2019年的经验数据，将最优激励影响与激励偏差影响引入实证模型，研究公共服务质量变动下房地产税税基评估的误差影响及模型修正，为房地产税改革试点推进及其征税过程中的税基确定提供理论依据和路径参考。研究发现，公共服务质量变化对房地产税税基评估值的影响整体显著，评估误差所产生的激励偏差影响大于最优激励影响，综合影响为负，并在时间趋势和区域分布上具有异质性;环境类公共服务质量在经济高质量发展阶段成为区位因素的重要修正项，交通、教育、医疗等公共服务的质量呈现空间分布差异，房地产税税基评估模型的修正及其区位因素变量的选取应因时而变、因地而异。

关键词：房地产税;改革试点;公共服务质量;税基评估;模型修正

一、引言

自沪、渝两地于2011年实施房产税试点改革以来，中国房地产税改革方案一直处于探索实践阶段，从“研究推进房地产税改革”到“加快房地产税立法并适时推进改革”;从“做好房地产税立法相关工作”到“完善地方税体系，稳妥、稳步推进房地产税立法”。不难看出，有序推进并择时出台房地产税，是当前中央与地方政府的共识和未来方向（刘华等，2020）。2021年10月23日，全国人大常务委员会第三十一次会议作出决定：为积极稳妥推进房地产税的立法与改革，授权国务院在部分地区开展房地产税改革试点工作;试点地区的征税对象为居住用和非居住用等各类房地产，不包括依法拥有的农村宅基地及其上住宅。与此同时，推进房地产税“良法善治”的基本前提之一，是对房地产税税基进行科学评估（陈蕾等，2021）。批量评估技术兼顾成本与效率，已成为世界各国开展房地产税税基评估工作的主要手段（Grover，2016;王奇超和刘玉平，2014），但是，批量评估模型需要根据客观环境变化、以评估周期为界进行动态修正，如何通过这一动态修正，科学测度房地产税税基的动态变化，减小评估误差，在房地产税税基评估领域一直备受关注。

论及房地产税税基评估模型的核心变量，建筑类型、建筑结构、建筑年代、房屋结构、房屋朝向、建筑面积等个体因素在房地产持有及征税环节相对稳定，而医疗服务、教育服务、交通设施、通信设施、环境绿化等区位因素则随政府公共服务供给的变动而相对易变，政府公共服务供给的变化会导致房地产税税基评估值的变化。着眼于批量评估模型的动态修正视角，公共服务质量成为影响房地产税税基评估值的重要变量。假设征收房地产税是以税基评估值作为计税基础，且不考虑税收优惠等因素，那么，通过合理修正的评估模型测算房地产税税基，有助于“捕获”公共服务产生的价值增量，并通过构建收支相联的决策机制，激励地方政府进一步提升公共服务质量（朱为群等，2019），同时减少“重基本建设，轻公共服务”（王胜华，2021）和“重新项目，轻日常维护”的公共服务供给偏向（汤玉刚等，2015）。此外，中国目前已进入“税感时代”（王韬和吕碧君，2018），房地产税虽然具有受益性质，但受益“良税”与纳税人“厌恶”情绪共存，使得房地产税改革需要解决纳税人可接受程度的问题（刘金东等，2019）。这除了依赖于合理的税制设计，更有赖于地方政府以高质量的公共服务满足纳税人对优质公共服务的需求（邓悦，2014;林闽钢和杨钰，2016），以此引导纳税人建立起“受益支付”意识、减小纳税抵触心理（何杨，2018）、提高纳税遵从度。因此，房地产税税基评估的科学性和合理性还关系到房地产税的税制公平性、纳税人遵从度和征管效率。聚焦公共服务质量变动视角下的房地产税税基评估模型及其区位因素修正问题，能够为房地产税改革试点推进及其征税过程中的税基确定提供理论依据和路径参考。

本文的基本逻辑是，理论上最优的房地产税税基评估值最优的房地产税税基评估值是指当评估误差为零时的税基评估结果，房地产税税基的实际评估值可无限接近该最优评估值。有助于最大化地激励地方政府持续供给和维护公共服务，产生最优激励影响;房地产税税基的实际评估值如果与最优评估值存在较大差异，可能造成对地方政府的激励不足，产生激励偏差影响理论上，激励偏差影响可以分为激励不足和激励过度;但实务中，常见情形是政府公共服务的供给质量不断提升，如果房地产税基评估模型修正不及时，会导致税基评估结果无法及时涵盖和反映这一变化，进而造成税基低估、激励不足。故基于现实情况，本文所研究的激励偏差主要针对激励不足这一影响。

;两种影响相互作用所产生的综合影响，即为评估误差的量化表示。在此基礎上，本文创新性地将最优激励影响与激励偏差影响引入实证模型，研究地方政府的公共服务质量变化对房地产税税基评估值的影响，由此探索房地产税税基评估模型的动态化校准和修正路径。基于对中国35个大中城市经验数据的模拟测算结果显示，公共服务质量变化对房地产税税基评估值的影响整体显著，评估误差所产生的激励偏差影响大于最优激励影响，综合影响为负，并呈现出时间与区域差异：从时间趋势看，随着中国经济进入高质量发展阶段，地方政府对绿化、大气等环境公共支出的增加，呈现出激励偏差影响的标准差第二次扩大的趋势，表明在房地产税税基评估的区位因素选取中，应增设绿化、大气等环境类公共服务指标，必要时可以进一步细化大气污染、噪音污染、水污染等环境类变量;从区域角度看，中国东部地区激励偏差影响的标准差较高，西部地区最优激励影响的标准差较低，东西部地区之间及其区域内部呈现出的公共服务供给结构差异均对房地产税税基评估值产生影响，表明对房地产税税基评估的区位因素选取应因地而异。

本文的架构安排如下：第二部分是文献回顾与评述;第三部分是理论模型、变量说明与数据来源;第四部分是实证结果与分析;第五部分是研究结论及政策建议。

二、文献回顾与评述

国外关于公共服务影响房地产价格的研究最早可追溯至20世纪60年代的特征价格模型。Ridker和Henning（1967）突破性地将该模型引入房地产领域，建模分析大气质量的改善对房价的影响。特别是Lancaster和Kelvin（1966）、Rosen（1974）等学者从市场供需角度出发，对房地产市场的特征价格模型进行完善，特征价格模型在房地产领域得到了广泛应用。例如，Efthymiou和Antoniou（2013）、Nazir等（2015）、Collins和Kaplan（2017）等构建特征价格模型，分别论证了交通、环境、教育等基本公共服务对房价的影响。此外，还有学者构建多元回归等数量统计模型，实证研究城市基本公共服务质量对房价的影响（Rosenthal，1999）、交通基础设施对房价的影响（Kaanp，2001）、学校对住房偏好及房价的影响（Clapp等，2008）、水源和大气等环境污染对房价的负面影响（Guignet等，2016）。国内学者关于公共服务与房地产价格的研究集中于建模分析，一类研究集中讨论城市整体公共服务对房地产价格的影响（梁若冰和汤韵，2008;张涛等，2008;邓慧慧等，2013;朱思宇和谢叙祎，2020）;另一类研究集中于某项特定公共服务对房地产价格的影响（罗欣然等，2019;邵磊等，2020）。此外，还有学者从研究方法角度研究公共服务与房地产价格，例如，张东和秦俊武（2013）、汤玉刚等（2015）、丛颖等（2020）分别构建VAR模型、GMM模型、SDM模型，研究公共服务基础设施对房价的影响。

受益理论认为，辖区间具有竞争性，在辖区内居民可自由流动的假设前提下，居民可根据辖区内政府提供的公共物品与服务，选择符合自身偏好的辖区居住（Tiebout，1956）;征收房地产税不会改变居民偏好，不扭曲市场行为，为中性税收（Hamilton， 1976）。国外学者基于“政府能够对辖区进行有效管理”的政治因素假设，将公共物品与服务的收益和成本资本化为房地产价格，例如辖区内高质量的医疗、教育、治安、环境和具有潜力的城市发展空间等（Fischel，1992）。其中，部分学者从行政分区（Martin等，2018）、教育（Kwok和Yip，2018）等角度，研究某项具体公共服务对房地产的影响;少数学者从税收遵从角度，解释公共服务对房地产税的影响，例如从居民对于公共服务的获得感知（Hallsworth等，2017）研究房地产税，认为优质的公共服务、公共服务提供效率可保持房地产税税额的稳定（Hall和Koumpias，2018）。受国外受益论思想的影响，国内立足公共服务角度的房地产税相关研究认为，房地产税是地方政府提供公共服务的等价物，即房地产税与居民对公共服务的获取程度相匹配，这体现出房地产税的本质，有助于实现公共服务的成本分摊机制（任强等，2017）;征收房地产税可提高地方公共福利（程瑶和高波，2008），政府应加强公共服务的充足性、公平性、便利性与普惠性（廖福崇，2020），从而构建收支相联的政府决策机制（朱为群和许建标，2019;刘金东等，2019;马蔡琛和朱旭阳，2020），提升公众对公共服务的感知（郭春甫等，2016）。这既可以降低税收征管成本，又可以减少税收对经济活动的扭曲，还能够提高经济运行效率，进而显著地增强公众纳税遵从度，提升民众有效参与公共服务质量共治的意识（刘敏等，2020），最终实现地方政府“善治”（何杨和林子琨，2018）。

可见，既有文献对公共服务与房地产价格的关系以及公共服务视角的房地产税理论已开展较为丰富的研究，形成了以特征价格思想为基础的多元回归等数量统计模型，但鲜有文献针对房地产税税基评估值的误差测度以及评估模型的动态修正进行深入论证。因此，本文具体从公共服务质量变动视角，聚焦研究房地产税税基评估的误差影响和模型修正问题。

三、理论模型、变量说明与数据来源

（一）理论模型

假设征收房地产税是以评估值作为计税基础，且不考虑税收优惠等因素，理论上存在通过最优评估模型测算得到的最优评估值，能够及时、科学地反映公共服务质量的变化，而征税实践中的实际评估值难免存在差异，实际评估值与理论上的最优评估值即为评估误差。本文将基本模型设定为：

其中，taxbaseit为房地产税税基的最优评估值，taxbaseit为房地产税税基的实际评估值，K为实际评估值偏离最优评估值而产生的评估误差对应的差异额。为进一步引入最优激励影响和激励偏差影响，本文将差异额这一绝对值表示形式转化为差异影响的相对值表示形式，式（1）进一步转化为该研究思路被广泛应用于劳动经济学、金融学、财政学、环境生态学等领域，本文在现有研究的基础上，将其引入税基评估领域。考虑到文章研究主题与推导过程的相关性，在正文中列示关键公式，具体详细的推导过程可向作者索取。：

其中，f（xit）是影响taxbaseit的特征变量，δ为待估参数向量，xit表示i地区在第t年度政府提供的一系列公共服务，it为复合残差项，可进一步分解为彼此独立的复合干扰项ωit、uit和υit。其中，ωit为最优激励影响，且ωit≥0;uit为激励偏差影响，且uit≥0;υit为一般意义上的干扰项。为测算出这两种影响，本文假定残差分布为：ωit ～ i.i.d.Exp（σω，σ2ω），uit ～ i.i.d.Exp（σu，σ2u）wit和uit亦可假设为服从其他分布，此处采用Kumbhakar和Parmeter（2009）、卢洪友等（2011）和李琛等（2019）等学者的做法，采用较为简单的指数分布予以说明。，υit ～ i.i.d.N（0，σ2υ）;为同时测度δ参数向量和两种影响，本文拟采用最大似然估计（MLE）来估计式（2），并用实际房地产税税基评估值发生变化的百分比表示各项影响对实际房地产税税基评估值影响的大小，式（3）～式（5）分别为最优激励影响、激励偏差影响、综合影响的估计值：

（二）变量选取

1.被解释变量

本文选取的被解释变量是单位房地产税税基的实际“评估值”（taxbase）。房地产税税基评估值等于单位房地产税税基评估值与住房面积的乘积。基于公共服务质量视角，为了识别评估误差对房地产税税基评估模型的影响，合理校准和修正房地产税税基评估模型，本文选用商品房年平均销售价格（P）作为房地产税税基的实际“评估值”在模拟测算中，只要异于最优房地产税税基评估值的价格均可被选用。由于房地产税尚未实施，本文综合参考李文（2014）、程瑶和伍洲（2016）、陈平等（2018）、史桂芬和楚涵宇（2019）等学者的相关研究，以及数据的可获得性，选用商品房年平均销售价格作为“评估值”。。同时，为突出单位房地产税税基的实际“评估值”与公共服务质量的对应性，本文将住房面积单位化为1，研究公共服务质量对每一单位（每平方米）房地产税税基的实际“评估值”的影响。

2.核心解释变量

本文的核心解释变量是政府为纳税人提供各项公共服务的水平。参照李继玲（2017）、林梨奎和江民星（2019）等已有研究，选取以下变量作为核心解释变量：医疗服务水平指标（hospital），用医院、卫生院床位数衡量;教育服务水平指标（edu），用初中高等学校数量衡量;环境绿化水平指标（green），该指标也表示地区政府对城市环境的重视程度，用建成区绿化率概率衡量;城市大气质量水平指标（environment），用工业二氧化硫排放量衡量;交通设施服务水平指标（bus），用年末實有公共汽（电）车营运车辆数衡量;通信设施服务水平指标（internet），用国际互联网用户数衡量。

3.其他控制变量

除公共服务外，人口、政策等其他因素同样影响单位房地产税税基的实际评估值。参照杨慧和李超（2019）、洪勇（2020）等已有研究，选取的其他控制变量具体包括：金融机构信贷政策指标（loan），用年末金融机构各项贷款余额衡量;人口密度指标（density_pop），用年末总人口与所在区域面积之比衡量;住宅存量指标（compl_area），用住宅竣工面积衡量;住房政策管控指标（policy），用是否实施限购政策衡量，1为实施，0为未实施。最后，控制了不同城市的地区影响因素（Area）以及不同年份的时间影响因素（Year）。基于以上理论模型分析及变量选取，本文设定的模型如下：

taxbaseit=δ0+δ1hospitalit+δ2eduit+δ3greenit+δ4environmentit+δ5busit+δ6internetit+δ7loanit+δ8density_popit+δ9compl_areait+δ10policyit+∑Area+∑Year+ωit+uit+υit（6）

（三）数据来源

随着经济的发展及城镇化水平的提高，城市公共服务质量不断提升。例如，以北京、上海等城市为代表的地方政府率先建设一刻钟服务圈，涉及养老、医疗、教育文化等方面的公共服务。因此，基于区域的代表性以及模拟测算的准确性，本文选取中国35个大中城市为研究对象35个大中城市房地产市场在本区域内（如省内）相对发达，故研究样本具有代表性和模拟测算的准确性。35个大中城市分别为：北京、天津、石家庄、太原、呼和浩特、沈阳、大连、长春、哈尔滨、上海、南京、杭州、宁波、合肥、福州、厦门、南昌、青岛、济南、郑州、武汉、长沙、广州、深圳、南宁、海口、重庆、成都、贵阳、昆明、西安、兰州、西宁、银川、乌鲁木齐。，采用2003-2019年20世纪80年代起，住房呈商品化发展趋势，特别是2001年5月和2002年8月，国家先后出台《关于加强國有土地资产管理的通知》和《关于加强房地产市场宏观调控促进房地产市场健康发展的若干意见》逐步规范房地产市场行业发展。因此，本文选取2003年以后的数据作为研究区间，模拟测算公共服务质量对单位房地产税税基评估值的影响。合计17年的统计数据，样本容量为595。住宅商品房年平均销售价格、住宅竣工面积来自《中国房地产统计年鉴》，其余交通、通信、医疗、教育、城市环境、城市大气质量、年末金融机构各项贷款余额、年末总人口、城市面积等指标数据主要来源于《中国城市统计年鉴》。此外，本文对部分缺失值通过查阅《中国统计年鉴》及各地国民经济和社会发展统计公报进行补充，对其他缺失值进行线性插值处理;对离群值较为严重的住宅存量指标、教育服务、医疗服务、城市环境重视程度、通信设施服务、城市大气环境等指标变量进行前后2.5%的缩尾处理;同时，为保证数据的平稳性以及降低异方差的影响，本文对除住房政策管控指标以外的非二值选择变量进行取对数处理。表1为主要变量的基本描述性统计。

四、实证结果与分析

本部分将模拟测算各项公共服务质量变化对单位房地产税税基评估值出现评估误差的整体影响，并从中对各项影响进行分解测算和量化。

（一）模型估计

本文首先对式（6）进行回归，回归结果如表2所示，模型1为OLS估计，模型2～模型6为MLE估计。其中，模型2为不考虑两种影响（σω=σu=0）的MLE估计结果，模型3为在模型2的基础上考虑了两种影响（σω和σu均不为0）的MLE估计结果，模型4～模型6为进一步加入时间和地区效应后的MLE估计结果。

估计结果显示：模型1、模型2可以看出，两个模型各变量的系数值相差较小，这既表明模型1的随机误差项近似为正态分布，同时也在一定程度上证明模型3～模型6评估结果的稳健性。具体来看，不考虑时间及地区因素时，公共服务质量对被解释变量均具有显著影响。进一步加入时间和地区因素后，单独在时间维度，以及在时间与地区联合维度上，城市大气质量因素对被解释变量有显著影响，这表明随着经济发展水平的提高，城市大气质量因素是房地产税税基评估模型中需要重视的区位因素修正项。在地区维度上，教育、环境绿化和城市大气质量、通讯设施等公共服务水平对被解释变量的影响最显著。这表明，以上公共服务资源的空间分布差异会更显著地影响单位房地产税税基评估值。因此，房地产税税基评估模型的区位因素选取中应特别关注以上公共服务质量的影响。

从模型拟合结果来看，模型5的拟合结果最佳。因此，本文后续主要基于模型5的变量及MLE估计结果进行分析。此外，需要说明的是，房地产税为地方性税收，模型设置中仅需控制地区，即控制个体差异变化。模型4和模型6均是加入了时间虚拟变量，导致过度拟合，为达到最终模型的强制收敛，系统随机自动删除某些变量。考虑到实证分析过程的完整性，将模型4和模型6列入报告结果进行对比列示。这同时说明，作为地方性税收的房地产税，在征税环节进行房地产税税基评估时，房地产税税基评估模型中区位因素的设置需因地而异，具体应根据地区差异而有所调整。

（二）方差分解

在明确各项公共服务质量对被解释变量的影响之后，本部分将进一步测算公共服务质量变化导致的评估误差变动水平。通过系数测算和方差分解，得到的结果如表3所示，即，激励偏差影响系数大于最优激励影响系数。从影响比重来看，lntaxbase未能解释部分的总方差为（σ2υ+σ2ω+σ2u）0.0564。其中，有82.32%是由于两种影响所致。评估误差的两种影响对被解释变量的影响中，激励偏差的占比较大，为59.60%;最优激励影响占比为40.40%。可见，选取房屋均价作为“评估值”测算出的激励偏差对被解释变量的影响较大。这再次说明，在房地产税征税过程中应合理、科学地评估房地产税税基，房屋均价仅可作为评估前量化和模拟测算评估误差，合理修正评估区位因素的前期参考，不可直接将房地产均价作为房地产税税基评估值。

（三）各项影响的估计值

这里进一步测算各项影响对被解释变量的影响值，具体基于式（3）和式（4）进行单边估计，得到两种影响在现有公共服务水平上使被解释变量发生变化的百分比。表4呈现了各项影响使被解释变量发生变动的估计结果。

总体而言，教育、医疗、环境绿化、大气质量、交通和通讯设施等公共服务产生的最优激励影响，使得在现有公共服务水平上的单位房地产税税基评估值变动12.09%;产生的激励偏差影响使得在现有公共服务水平上的单位房地产税税基评估值变动14.23%;两种影响相互作用产生的综合影响，最终使得在现有公共服务水平上的单位房地产税税基评估值变动2.14%，评估误差加大。这说明在房地产税税基评估工作中，应重视公共服务质量变化的影响，及时调整房地产税税基评估区位因素，修正评估模型以减小评估误差;表4中的第4～6列更为详细地报告了在不同百分位数上两种影响和综合影响的分布状况，表明各项影响具有较强的异质性，下文将进一步从年度分布和城市地区分布等角度进行分析。

（四）进一步分析

前已叙及，各项影响具有较强的异质性，故本文从年度分布、区域分布两方面进一步分组统计和深入分析。

1.年度分布特征

由于地方政府提供的公共服务质量会随城市规划、区域发展、财政收入水平等因素的变化而变化，因此，有必要在控制地区的情况下，分析政府提供的公共服务产生的年度综合影响的变化趋势。在经济高速增长转向高质量发展阶段，评估专业人员有必要了解政府提供的公共服务质量对房地产税税基评估值产生的影响，从而更好地选取和调整区位因素，构建评估模型，提高房地产税税基评估水平。表5显示，政府提供公共服务产生的综合影响平均值波动较大。从标准差方面来看，2003-2015年是中国经济快速发展时期，政府提供的各项公共服务产生的综合影响标准差整体呈缩小趋势。2015年之后，政府提供的各项公共服务产生的综合影响标准差呈扩大趋势，这是由于中国经济进入稳中有升的高质量发展时期，环境及大气质量因素开始显著影响单位房地产税税基评估值，因而再次证实在进行房地产税税基评估时，环境因素是评估模型中重要的区位因素修正项。

2.城市地区分布特征

城市所处区域会在一定程度上影响政府的公共服务质量，故本文从地区角度本文在国家统计局2011年6月公布的《东西中部和东北地区划分方法》基础上，结合研究需要，及参照现有研究（邓悦和詹添丞，2013;吉生保和姜美旭，2020），东北三省采用1986年由全国人大六届四次会议通过的《中华人民共和国国民经济和社会发展第七个五年计划》中的划分方法，将辽宁划入东部地区，黑龙江和吉林划入中部地区。因此，东部地区为：北京、天津、石家庄、上海、南京、杭州、宁波、福州、厦门、青岛、济南、广州、深圳、海口、沈阳、大连;中部地区为：太原、合肥、南昌、郑州、武汉、长沙、长春、哈尔滨;西部地区为：呼和浩特、南宁、重庆、成都、贵阳、昆明、西安、兰州、西宁、银川、乌鲁木齐。进行分析。表6显示：就平均值而言，东部地区的各项影响最高，表明东部地区经济发展程度高，公共服务质量相对中西部地區来说较优。可见，公共服务质量对房地产税税基评估值的影响因地而异，在房地产税税基评估中，不同地区应依据本区域的公共服务实际供给情况选取和调整区位因素变量，构建税基评估模型。标准差方面，东部地区的标准差最大，表明东部地区的公共服务质量存在的空间差异较大，对房地产税税基评估值影响较大，故在房地产税税基评估工作中，应科学划分区域内的评税分区，在各评税分区内选取不同的房地产税税基区位因素变量进行模型的构建与调整。

五、研究结论及政策建议

（一）研究结论

本文选取中国35个大中城市2003-2019年的经验数据，研究公共服务质量变动下房地产税税基评估的误差影响及模型修正问题。研究发现：

第一，地方政府提供的教育、医疗、绿化、交通等公共服务的质量对房地产税税基评估值的影响整体显著，公共服务质量变动下房地产税税基评估误差所产生的激励偏差影响大于最优激励影响，综合影响为负。这表明在设定和校准房地产税税基评估模型的过程中，应着重考虑公共服务质量对房地产税税基区位因素产生的影响，及时、动态地修正评估模型。

第二，公共服务质量对区位因素产生的影响具有异质性，房地产税税基评估模型的修正及其区位因素变量的选取应因时而变、因地而异。从时间趋势来看，随着经济发展水平的提高，特别是在经济高质量发展阶段，环境类公共服务质量成为区位因素的重要修正项，也是减小评估误差的关键;从区域分布看，不同城市提供交通、教育、医疗等公共服务的质量呈现空间分布差异，中国东西部地区之间及其内部的公共服务质量也呈现空间分布差异。这表明在进行房地产税税基评估时，应在区域内部科学划分评税分区，并依据不同区域的实际情况合理选取税基评估的区位因素变量。

（二）政策建议

积极稳妥推进房地产税立法和改革，是进一步完善现代税收制度的重要内容，对实现共同富裕目标的意义更加深远。除立法与税制设计等基础条件外，房地产税税基评估是积极稳妥推进房地产税改革的基础和技术前提，其科学性和合理性直接关系到房地产税的税制公平性、纳税人遵从度和征管效率。因此，房地产税改革过程中应当将税基评估置于优先推进位置。

第一，厘清影响房地产税税基的重要变量，是减小评估误差和促进征纳双方积极性的关键。通过实证测算可知，在房地产持有环节，教育、医疗、绿化、交通等公共服务是影响房地产税税基的主要因素。以上因素在模型量化过程中至关重要，若评估模型随政府公共服务质量变化的修正及时且合理，使房地产税税基评估值能够及时捕获和反映公共服务的价值变化，既可以激励地方政府优化财政支出结构，提高公共服务供给质量，又可以使纳税人直观地量化了解公共服务的社会区位价值，增强公共服务的受益感知，进而提高纳税遵从度。

第二，将房地产税税基评估工作纳入动态化征管工作，是减小评估误差和增强评估模型合理性的保障基础。房地产税税基价值会受周边区域的市政规划、公共设施、教育等公共服务供给情况等因素的影响，税务机关应组织专家开展房地产税税基批量评估工作，具体以评估周期为界，定期对房地产税税基评估模型进行持续动态的校准修正，并随公共服务供给的变化，增减和细化影响房地产税税基评估的各项变化因素，提高评估结果的合理性。

第三，从税基评估的角度看，“因城施策”、“一城一策”同样适用于房地产税的改革推进，分地区开展房地产税税基评估工作，是减小评估误差和提升评估模型适用性的保障路径。一方面，评估专业人员应充分了解被评估地区公共服务的空间分布差异，必要时在区域内进一步划分评税分区，对各评税分区内发生变化的区位因素分别进行调整，以减小空间差异的影响，保障房地产税税基评估修正模型的科学性。另一方面，房地产税征管应赋予地方更多自主权，支持地方在税基评估、确定使用税率、减免税政策方面开展探索实践，积累征管经验，更好地推进现代税收制度的进一步完善。

参考文献：

[1]陈蕾、周艳秋、秦琦智，2021：《房地产税税基批量评估的基准修正路径：创新与实践》，《中国资产评估》第7期。[Chen Lei，Zhou Yanqiu and Qin Qizhi，2021，Benchmark Correction Path for Mass Appraisal of Real Estate Tax Base：Innovation and Practice，Appraisal Journal of China，7.]

[2]陈平、李建英、庄海玲，2018：《房地产税改革对地方财政收入的影响预测——基于广州市数据的模拟测算》，《税务研究》第9期。[Chen Ping，Li Jianying and Zhuang Hailing，2018，Prediction of the Impact of Real Estate Tax Reform on Local Fiscal Revenues：Based on Simulation Calculations Based on Guangzhou Data，Taxation Research，9.]

[3]程瑤、高波，2008：《房地产税对地方政府的激励效应研究》，《中央财经大学学报》第7期。[Chen Yao and Gao bo，2008，Research on the Incentive Effects of Property Tax to Local Government，Journal of Central University of Finance and Economics，7.]

[4]程瑶、伍洲，2016：《完善我国房地产税收制度研究》，《上海经济研究》第7期。[Cheng Yao and Wu Zhou，2016，A Stuay on Chinese Real Estate Tax System Rrform，Shanghai Journal of Economics，7.]

[5]丛颖、杜泓钰、杨文静，2020：《公共服务资本化对房价影响的空间计量分析——基于我国269个地级市的经验研究》，《财经问题研究》第7期。[Cong Yin，Du Hongyu and Yang Wenjing，A Spatial Econometric Analysis of the Impact of Public Service Capitalization on House Prices：Based on the Empirical Research of 269 Prefecture-level Cities in China，Research on Financial and Economic Issues， 7.]

[6]邓慧慧、虞义华、龚铭，2013：《空间溢出视角下的财政分权、公共服务与住宅价格》，《财经研究》第4期。[Deng Huihui，Yu Yihua and Gong Ming，2013，Fiscal Decentralization，Public Services and Housing Prices from the Angle of Spatial Spillover，Journal of Finance and Economics，4.]

[7]邓悦，2014：《我国质量公共服务评价结果差异及其分析——基于消费者满意度的评价》，《武汉大学学报（哲学社会科学版）》第5期。[Deng Yue，2014，Difference and Analysis of the Evaluation of Chinese Quality Public Service：An Evaluation Based on the Satisfactory of Consumers，Wuhan University Journal（Philosophy and Social Science），5.]

[8]邓悦、詹添丞，2013：《地方财政支出与区域经济发展关系的实证分析——以地市级城市面板数据为例》，《江西财经大学学报》第3期。[Deng Yue and Zhan Tiancheng，2013，An Empirical Analysis of the Relationship between Local Fiscal Expenditure and Regional Economic Development：A Case Study of the Prefecture-Level City Panel Data，Journal of Jiangxi University of Finance and Economics，3.]

[9]郭春甫、苟粒媛、吴世坤，2016：《基于公众感知的贫困县公共服务质量影响要素实证分析——以国家级扶贫工作重点县P县为例》，《宏观质量研究》第4期。[Guo Chunfu，Gou Liyuan and Wu Shikun，2013，An Empirical Analysis on the Factors Influencing the Public Service Quality in Poor Counties Based on the Public Perception：A Case Study of P County in the Key Counties for National Poverty Alleviation，Journal of Macro-quality Research，4.]

[10]何杨、林子琨，2018：《基于公共服务均等化目标的房地产税税率研究》，《税务研究》第5期。[He Yang and Lin Zikun，2018，Research on Real Estate Tax Rate Based on the Target of Equalization of Public Services，Taxation Research，5.]

[11]洪勇，2020：《中国区域房价联动度测度及其影响因素分析——基于35个大中城市面板数据的研究》，《管理评论》第6期。[Hong Yong，2020，The Measurement of Regional Housing Price Linkage and Its Influencing Factors in China：Based on the Research of Panel Data of 35 Large and Medium Cities，Management Review，6.]

[12]吉生保、姜美旭，2020：《FDI与环境污染：溢出效应还是污染效应？——基于异质性双边随机前沿模型的分析》，《生态经济》第4期。[Ji Shengbao and Jiang Meixu，2020，FDI and Environmental Pollution：Spillover Effect or Pollution Effect？ Analysis of Heterogeneous Bilateral Stochastic Frontier Model，Ecological Economy，4.]

[13]李琛、赵军、李喜洲，2019：《财政分权、政府行为与对外直接投资：抑制还是促进》，《财政研究》第5期。[Li Chen，Zhao Jun and Li Xi Zhou，2019，Fiscal Decentralization，Local Government Behavior and Outward Foreign Direct Investment Growth：Restraining or Promoting，Public Finance Research，5.]

[14]李继玲，2017：《房价波动影响因素研究——基于2005-2015年数据的实证分析》，《经济问题探索》第9期。[Li Jiling，2017，Research on the Influencing Factors of House Price Fluctuation：Empirical Analysis Based on Data From 2005 to 2015，Inquiry into Economic Issues，9.]

[15]李文，2014：《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》，《财贸经济》第9期。[Li Wen，2014，On the Estimation of the House Property Tax Revenue and the Feasibility of the House Property Tax Acting as the Main Tax of the Local Tax System in China，Finance and Trade Economics，9.]

[16]梁若冰、汤韵，2008：《地方公共品供给中的Tiebout模型：基于中國城市房价的经验研究》，《世界经济》第10期。[Liang Ruobing and Tang Yun，2008，The Tiebout Model in the Supply of Local Public Goods：An Empirical Study Based on Chinese Urban Housing Prices，The Journal of World Economy，10.]

[17]廖福崇，2020：《基本公共服务与民生幸福感：来自中国综合社会调查的经验证据》，《兰州学刊》第5期。[Liao Fuchong，2020，Basic Public Services and Peoples Well-being：Empirical Evidence from Chinas Comprehensive Social Survey，Lanzhou Academic Journal，5.]

[18]林梨奎、江民星，2019：《中国房地产交易真的是卖方市场吗？——基于双边随机边界模型的实证研究》，《审计与经济研究》第2期。[Lin Likui and Jiang Mingxing，2019，Is the Transaction of Real Estate in China Really a Sellers Market？—Empirical Study Based on Two-Tier Stochastic Frontier Model，Journal of Audit and Economics，2.]

[19]林闽钢、杨钰，2016：《公共服务质量评价：国外经验与中国改革取向》，《宏观质量研究》第3期。[Lin Mingang and Yang Yu，2016，Evaluation of Public Service Quality：Foreign Experience and Reform Orientation in China，Journal of Macro-quality Research，3.]

[20]刘华、陈力朋、魏娟，2020：《房地產税收入用途对居民纳税意愿的影响》，《财贸经济》第10期。[Liu Hua，Chen Lipeng and Wei Juan，2020，Influence of Purpose of Real Estate Tax Revenue on Residents' Willingness to Pay the Tax，Finance and Trade Economics，10.]

[21]刘金东、高凤勤、陶然，2019：《房地产税的支付意愿与纳税能力分析——基于130个城市的家庭调查》，《税务研究》第8期。[Liu Jindong，Gao Fengqin and Tao Ran，2019，Analysis of Willingness to Pay and Tax Ability of Real Estate Tax：Based on Household Survey in 130 Cities，Taxation Research，8.]

[22]刘敏、刘人怀、闫俊强，2020：《公共服务动机、公共服务质量和“相关公众”的有效参与——基于珠海、深圳口岸零售跨境贸易“质量共治”的实证检验》，《宏观质量研究》第6期。[Liu Min，Liu Renhuai and Yan Junqiang，2020，Public Service Motivation，Public Service Quality and the Effective Participation of the ‘Relevant public：An Empirical Test Based on the ‘Quality Co-governance of Cross-border Retail Trade at Zhuhai ang Shenzhen Ports，Journal of Macro-quality Research，6.]

[23]卢洪友、连玉君、卢盛峰，2011：《中国医疗服务市场中的信息不对称程度测算》，《经济研究》第4期。[Lu Hongyou，Lian Yujun and Lu Shengfeng，2011，Measurement of the Information Asymmetric in Medical Service Market of China，Economic Research Journal，4.]

[24]罗欣然、岳邦佳、林爱文、陈飞燕，2019：《武汉市中心城区公共服务设施可达性对住宅价格的影响——基于三网融合交通系统的分析》，《地域研究与开发》第2期。[Luo Xinran，Yue Bangjia，Lin Aiwen and Chen Feiyan，2019，Impact of Accessibility of Public Service Facilities on Housing Price in Central District of Wuhan City：Based on Analysis of Tri-network Transport System，Areal Research and Development，2.]

[25]马蔡琛、朱旭阳，2020：《关于我国房地产税收问题的若干思考》，《税务研究》第4期。[Ma Caichen and Zhu Xuyang，2020，Thoughts on the Real Estate Tax Reform in China，Taxation Research，4.]

[26]任强、侯一麟、马海涛，2017：《公共服务资本化与房产市值：对中国是否应当开征房地产税的启示》，《财贸经济》第12期。[Ren Qiang，Hou Yilin and Ma Haitao，2017，Public Service Capitalization and Real Property Value：The Case for a Local Property Tax in China，Finance and Trade Economics，12.]

[27]邵磊、任强、侯一麟，2020：《基础教育均等化措施的房地产资本化效应》，《世界经济》第11期。[Shao Lei，Ren Qiang and Hou Yilin，2020，Capitalization of Education Equalization Measures：Evidence from Beijing，The Journal of World Economy，11.]

[28]史桂芬、楚涵宇，2019：《中国房地产税征收的经济效应分析》，《东北师大学报：哲学社会科学版》第5期。[Shi Guifen and Chu Hanyu，2019，An Analysis of the Economic Effect of Chinas Real Estate Tax Collection，Journal of Northeast Normal University（Philosophy and Social Sciences），5.]

[29]汤玉刚、陈强、满利苹，2015：《资本化、财政激励与地方公共服务提供——基于我国35个大中城市的实证分析》，《经济学季刊》第1期。[Tang Yugang，Chen Qiang and Man Liping，2015，Capitalization，Fiscal Incentive and the Provision of Local Public Services：Evidence from 35 Large and Medium Sized Cities of China，China Economic Quarterly，1.]

[30]王奇超、刘玉平，2014：《借鉴国际经验完善我国房地产税税基评估体系》，《国际税收》第4期。[Wang Qichao and Liu Yuping，2014，Improving Tax Base Assessment System of the Real Estate Tax in China by Referring to International Experiences，International Taxation in China，4.]

[31]王勝华，2021：《经济赶超、公共支出偏向与城乡公共服务差距》，《广东财经大学学报》第1期。[Wang Shenghua，2021，The Complementary Effect of Service Transition and Product Innovation on the High：Quality Development of Manufacturing Enterprises，Journal of Guangdong University of Finance and Economics，1.]

[32]王韬、吕碧君，2018：《从税收公平角度看纳税人的“税负痛苦”》，《财会通讯》第29期。[Wang Tao and Lv Bijun，2018，Viewing the “Tax Burden” of Taxpayers from the Perspective of Tax Fairness，Communication of Finance and Accounting，29.]

[33]杨慧、李超，2019：《中国城市房价影响因素及贡献度研究——基于R2的相对重要性分解》，《经济问题探索》第11期。[Yang Hui and Li Chao，2019，Research on Influencing Factors and Contribution Degree of Urban House Prices in China：Based on R2 Relative Importance Decomposition，Inquiry into Economic Issues，11.]

[34]张东、秦俊武，2013：《城市基础设施投资约束下住房开发投资效益变动研究》，《中国房地产金融》第3期。[Zhang Dong and Qin Junwu，2013，Research on the Changes of the Investment Benefit of Housing Development under the Constraint of Urban Infrastructure Investment，China Real Estate Finance，3.]

[35]张涛、王学斌、陈磊，2008：《公共设施评价中的异质性信念与房产价格——中国房产泡沫生成的可能解释》，《经济学季刊》第1期。[Zhang Tao， Wang Xuebin and Chen Lei，2008，Heterogeneous Beliefs in Public Infrastructure Valuation and Real Estate Bubbles in China，China Economic Quarterly，1.]

[36]朱思宇、谢叙祎，2020：《公共服务供给对房地产价格影响的实证检验》，《统计与决策》第3期。[Zhu Siyu and Xie Shuwei，2020，An Empirical Test of the Impact of Public Service Supply on Real Estate Prices，Statistics and Decision，3.]

[37]朱为群、许建标，2019：《构建房地产税改革收支相连决策机制的探讨》，《税务研究》第4期。[Zhu Weiqun and Xu Jianbiao，2019，Discussion on Constructing the Decision-making Mechanism of Real Estate Tax Reform Linking Revenue and Expenditure，Taxation Research，4.]

[38]Clapp， J. M.， Nan， D. A. and Ross， S. L.， 2008， Which School Attributes Matter？ The Influence of School District Performance and Demographic Composition on Property Values， Journal of Urban Economics， 63（2）： 451-466.

[39]Collins， C. A. and Kaplan， E. K.， 2017， Capitalization of School Quality in Housing Prices： Evidence from Boundary Changes in Shelby County， Tennessee， The American Economic Review， 107（5）： 628-632.

[40]Efthymiou， D. and Antoniou， C.， 2013， How do Transport Infrastructure and Policies Affect House Prices and Rents？ Evidence from Athens， Transportation Research Part A Policy and Practice， 52（2）： 1-22.

[41]Fischel， W. A.， 1992， Property Taxation and the Tiebout Model： Evidence for the Benefit View From Zoning and Voting， Journal of Economic Literature， 30（1）： 171-177.

[42]Grover， R.， 2016， Mass Valuations， Journal of Property Valuation and Investment， 34（2）： 191-204.

[43]Guignet， D.， Walsh， P. J. and Northcutt， R.， 2016， Impacts of Ground Water Contamination on Property Values： Agricultural Run-off and Private Wells， Agricultural and Resource Economics Review， 45（2）： 293-318.

[44]Hall， J. C. and Koumpias， A. M.， 2018， Growth and Variability of School District Income Tax Revenues： Is Tax Base Diversification a Good Ides for School Financing？， Contemporary Economic Policy， 36（4）： 678-691.

[45]Hallsworth， M.， List， J. A. and Metcalfe， R. D.， 2017， The Behavioralist as Tax Collector： Using Natural Field Experiments to Enhance Tax Compliance， Journal of Public Economics， 148（2）： 14- 31.

[46]Hamilton， B. W.， 1976， Capitalization of Intrajurisdictional Differences in Local Tax Policies， The American Economic Review， 66（5）： 743-753.

[47]Kumbhakar， S. C. and Parmeter， C. F.， 2009， The Effects of Match Uncertainty and Bargaining on Labor Market Outcomes： Evidence from Firm and Worker Specific Estimates， Journal of Productivity Analysis， 31（1）： 1-14.

[48]Kwok， B. and Yip， R.， 2018， Is Tax Education Good or Evil for Boosting Tax Compliance？ Evidence from Hong Kong， Asian Economic Journal， 32（4）： 359-386.

[49]Lancaster， C. and Kelvin， J.， 1966， A New Approach to Consumer Theory， Journal of Political Economy， 74（2）： 132-157.

[50]Liu， X. and Chen， X.， 2021， Can “Concerted” Macroprudential Policies Mitigate Cross-border Contagion of Financial Risks？ Evidence from China and Its Financially Connected Economies， China and World Economy， 29（3）： 26-54.

[51]Martin， M.， Jan， R. and Jasper， D.， 2018， Border Effects in House Prices， SSRN Electronic Journal， 4： 2-45.

[52]Nazir， N.， Othman， N. and Nawawi， A. H.， 2015， Role of Green Infrastructure in Determining House Value in Labuan Using Hedonic Pricing Model， Procedia-Social and Behavioral Sciences， 170（1）： 484-493.

[53]Ridker， R. and Henning， J.， 1967， The Determinants of Residential Property Values with Special Reference to Air Pollution， The Review of Economics and Statistics， 49， 246-257.

[54]Rosen， S.， 1974， Hedonic Prices and Implicit Markets： Product Differentiation in Pure Competition， Journal of Political Economy， 82（1）： 35-55.

[55]Rosenthal， L.， 1999， House Prices and Local Taxes in the UK，Fiscal Studies， 20（1）： 61-76.

[56]Tiebout， C. M.， 1956， A Pure Theory of Local Expenditures， Journal of Political Economy， 64（5）： 416-424.

Public Service Quality and Real Estate Tax Base Assessment

under the Situation of Real Estate Tax Reform Pilot

—Simulation Calculation from Empirical Data of 35 Large and

Medium Sized Cities in China

Chen Lei， Zhou Yanqiu and He Qing

（School of Public Finance and Taxation of Capital University of Economics and Business）

Abstract：The basic prerequisite for advancing the real estate tax reform actively and steadily is to conduct a scientific assessment of the real estate tax base. One of its realistic paths is to determine the important factors that affect the assessment of the tax base and construct a tax base assessment model with a dynamic correction perspective. This paper selects the empirical data of 35 large and medium-sized cities in China from 2003 to 2019， introduces the optimal incentive effect and the incentive bias effect into the model， and then studies the error effect of the real estate tax base assessment under the change of public service quality and the model correction， which can provide a theoretical basis and reference path for advancing the real estate tax pilot reform and determining the tax base in the taxation process. The research shows that the change in public service quality has a significant overall impact on the assessment value of real estate tax base. The incentive bias caused by assessment errors is bigger than the optimal incentive impact， and the comprehensive impact is negative， showing temporal and regional differences. The quality of environmental public services has become an important correction item for location factors in the quality development stage， and the quality of public services such as transportation， education， and medical care has spatial distribution differences. Therefore， the amendment of real estate tax base assessment model and the selection of location factor variables should be adjusted from time to time and from place to place.

Key Words：Real Estate Tax; Reform Pilot; Public Service Quality; Tax Base Assessment; Model Amending

責任编辑 邓 悦

陈蕾，首都经济贸易大学财政税务学院，电子邮箱：chenlei@cueb.edu.cn;周艳秋（通讯作者），首都经济贸易大学财政税务学院，电子邮箱：nmgzhouyanqiu@163.com;何晴，首都经济贸易大学财政税务学院，电子邮箱：heqing@cueb.edu.cn。本文受北京市社会科学基金决策咨询项目（21JCC063）、北京市社会科学基金规划项目（20JJB017）、首都经济贸易大学研究生科技创新项目（202028）的资助。感谢匿名审稿人对本文提出的意见，文责自负。