房地产税区域政策差异对居民收入差距的逆向影响——基于双重差分法(DID)的模拟分析

钱海燕,何 敏

(安徽大学 经济学院,合肥 230000)

近20年来,我国国内生产总值迅猛增长,从2002年的12万亿元,到2021年的114万亿元,同比增长了9.5倍。然而,这一经济繁荣的背景下,城乡居民收入差距快速扩大,中国的泰尔指数在2004年达到峰值0.26后开始下降,但仍然大于0.1。李实、罗楚亮指出,如果将公共福利项目(如住房公积金、养老保障等)计算在内,那么中国城乡居民收入差距将更大[1]。根据2021年的《中国家庭财富指数调研报告》,中国居民的财富以不动产、金融产品为主,而房地产的占比高于金融产品,这表明房地产在中国居民财富结构中占据着重要地位(1)https://chfs.swufe.edu.cn/info/1031/1602.htm.。尤其在房价高涨的情况下,拥有更多房产的纳税人也掌握着更丰富的财富。因此,对富人的财产征税可以有效地调节居民间收入差距。

实际上,中国在2011年对上海和重庆进行个人房产税试点工作的主要目的就是为了调控。2013年发布的《关于深化收入分配制度改革的若干意见》明确指出,房地产税制改革对调节居民收入分配具有重要作用(2)国务院批转《关于深化收入分配制度改革的若干意见》[EB/OL].http://politics.people.com.cn/n/2013/0206/c70731-20446871.html.。为了加快房地产税开征的步伐,2014年11月国务院颁布了《不动产登记暂行条例》。2021年1月1日起,房地产全行业全面推行房企融资“三条红线”,使开发商难以囤地;同年,10月23日的第十三届人大常委会第三十一次会议明确提出,将授权国务院在部分地区开展房地产税改革试点工作(3)第十三届全国人民代表大会常务委员第三十一次会议[EB/OL].http://www.npc.gov.cn/npc/d13j31c/13j31c.shtml.。此外,2022年10月22日,党的二十大会议也指出,要加快建立多主体供给、多渠道保障、租购并举的住房政策(4)中国共产党第二十次全国代表大会在京闭幕 习近平主持大会并发表重要讲话[EB/OL].http://www.npc.gov.cn/npc/kgfb/202210/d421965b03a24df487509b55075b67cb.shtml.。这一切都表明,中央政府开征房地产税的意图已经十分明朗。

自2010年“推进房地产税制改革”纳入国家“十二五”规划后,关于房地产的研究逐渐从“房产税”转变为“房地产税”,但我国尚未颁布正式的“房地产税法”,也没有试点城市。未来的房地产税制改革将主要针对存量房和新增住房,其主体与2011年重庆和上海实施的房产税试点改革的主体基本相同。因此,本文将重庆和上海的房产税试点改革作为未来房地产税改革的“探路石”,以此为基础研究中国房地产税税制改革对居民收入差距的净效应。

综上所述,有必要探讨房地产税的征收与居民收入差距之间是否存在内在联系,如果存在,两者的作用机制是什么?这是一个关系到我国经济结构调整和财产税税制完善的重大问题。为对两者之间的关系及其作用机制进行研究,本文利用2005—2019年间的29个省级面板数据,西藏、新疆由于数据不全没有包括在内。

一、文献综述

在现有文献中,关于房地产税如何影响居民收入差距已经有了丰富的研究成果。一些学者认为,实施房地产税可能会进一步拉大居民收入差距,调控效果不明显,从而否定了房地产税的调节功能。但更多的研究表明,实施房地产税有助于有效缩小城乡居民之间的收入差距。

在不支持房地产税具有调节作用方面,Tiebout提出,居民将根据缴纳的房产税来选择自己想要的税收—公共服务组合,并向能够满足其偏好的地区转移,从而加大了地区间差异,带来了不公平[2]。之后Oates、Hamilton等对Tiebout模型进行了扩展,提出房产税属于使用费的范畴,不会调减收入分配差距[3-4]。国内学者范子英和刘甲炎通过倍差法研究发现,重庆试点的房产税会使中低收入阶层对应的小面积住房价格上升,与缩小贫富差距这一政策目标背道而驰[5]。夏商末通过理论分析认为,由于中国地域广阔,税收征管成本高,房产税不仅不能调节收入分配不公,还会产生福利损失[6]。在支持房地产税调节作用方面,Zodrew对新论模型进行了修正,证实房地产税能够调节收入差距[7]。石子印持相同看法,他通过分析房地产税的属性与我国目前的经济背景否定了房地产税对财政收入的积极贡献和对抑制高房价的积极作用,认为该税种的主要职能是调节收入差距[8]。类似地,尹彦辉等通过构建三类异质性家庭和多部门的一般均衡模型,指出征收房地产税有利于缩小收入差距,但会在一定程度上造成经济收缩[9]。张平等通过对税负分布和再分配效应的测算,发现房产税可以显著调节财富差距;并且在诸多房产税征收方案下,高收入家庭均要承担50%以上的税负,而这可以通过完善房地产税税制使其发挥调节作用[10]。胡海生等通过分析税前、税后居民收入基尼系数的变化,指出开征房产税可以改善目前居民收入分配的不平衡状况[11]。陈平对广东的收入分配效应进行模拟测算,发现房地产税具有调节居民收入再分配的正效应作用[12]。赵艾凤、李云婷等对不同的免税办法进行比较,发现“面积价值”的综合免税方法比单一的人均房产面积免税或人均房产价值免税办法具有更好的收入分配效果[13],即随着税率的增加,减征的幅度会相应增加,从而使房地产税的税收分配职能得到更好的发挥。

从上述成果不难看出,学者们对房地产税对居民收入差距的影响存在不同看法。虽然有些学者认为房地产税不能有效调节居民收入差距,但其中大多数只是从理论层面进行分析,缺乏实证经验总结。基于此,本文结合中国目前财税制度背景,从理论分析和实证检验两方面入手,系统探讨房地产税政策的实施对居民收入差距的影响机制和效应,力求作出可能的边际学术贡献:一是研究视角上,将社会保障制度、转移支付等相关因素纳入房地产税对城乡居民收入差距影响的理论分析框架内,详细阐述税制改革对城乡居民收入差距的作用机制;二是研究策略上,通过采用双重差分法(DID)来实证房地产税对城乡居民收入差距的影响效应,并考察社会保障制度、转移支付等控制变量对城乡居民收入差距的影响,从实证研究的角度评估试点政策的效果,以期为我国房地产税的改革和完善提供理论依据。

二、房地产税政策与居民收入差距的影响机制分析

房地产税可通过两种方式调控居民收入差距:一是以居民财富为核心的直接调控,二是以政府为主导的公共服务、转移支付等间接调控。具体作用机理如下。

(一)以居民财富为核心的直接调节

根据中国人民银行2020年发布的《中国城镇居民家庭资产负债情况调查》,城镇居民家庭的资产结构呈现出明显的分化现象,金融资产占比低,而房产占比高达70%以上。拥有1套住房、2套住房和3套及以上住房的家庭占比分别为58.4%、31.0%和10.5%。这意味着房产已经成为大部分家庭主要的财富和资产配置手段。但是,不是所有人都能够平等地参与到这种资产分配方式当中。高收入家庭原本就比中低收入家庭拥有更多的财富,再通过“炒地皮”等手段获得巨大的财产增值收益,这进一步挤压了中低收入阶层的福利,难以满足基本的居住需求,更无法像富人一样获得财富积累。为此,政府可以通过开征房地产税来抑制房地产市场的投机行为,促使房地产开发商加大普通住房的供应,增加“房叔房姐”持有成本,减少对住房市场的投机投资,有助于实现财富的均衡分配。同时,一般住宅供应的增加也有利于抑制房价上涨。一旦房地产泡沫消退,炒房的利润将会降低,这将使炒房者难以囤积房屋。随着房源的增多,中低收入阶层选择余地也会越来越大,从而降低了他们的购房支出,居民收入差距得以调节。此外,房地产税税制可以借鉴个人所得税的累进税制,针对不同收入阶层施加不同税收负担,以调节居民间的收入差距。对拥有高档住宅、别墅等高收入阶层及囤积多套房坐等升值的富裕阶层征收高额房地产税;对中等收入阶层少征税;而对于住房条件较差的人或住在农村地区的人,则应充分考虑家庭的支付能力,不征税或少征税。

(二)以政府为主导的公共服务、转移支付等间接调节

在我国特殊的城乡二元体制和土地财政背景下,进城务工的农民在城市中留下大量剩余劳动力,而户籍制度又与住房绑定,农民工无法获得与城市居民同等的教育、医疗等公共服务,从而使我国城乡居民收入差距进一步拉大。由于税收和公共服务密切联系,同时,公共服务具有非排他性,因此,政府一方面可以通过征收房地产税对富人手中不劳而获的增值进行征税,获得的税款可投资在该区域的基础设施建设、城市发展和公共服务等领域,使低收入阶层在承受较低税负的情况下享受到同等公共服务;另一方面,地方政府可以通过征收房地产税来增加财政收入,有效地将高收入群体手中征收的税收收益转移到低收入群体手中,起到调节居民收入差距的作用。此外,由于经济发达的大城市对人口有较大的吸引力,我国人口长期向大都市区和城市群集聚。因此,中央政府应通过转移支付来促进社会公共服务的均等化,以保障那些经济落后、人口外流严重的城市有能力履行提供公共服务的职责,吸引人口流入,从而缩小发达地区与落后地区之间居民收入差距。国家还可以通过加大农村地区的投资和转移支付,改善农村居民的生活质量,缩小城乡差距,从而平衡我国区域间的经济发展水平。

三、模型设定和数据说明

(一)模型设定

双重差分(Difference In Difference,DID)模型主要用来评价一项政策带来的净效应,主要操作方法是先分别计算出处理组和对照组在政策实施前后的变化量,再求出这两个变化量的差值;其核心内容是将一项公共政策视为一次自然实验。房地产税的实施将对地方政府、企业和个人产生重大影响,该政策目前仅在重庆、上海两地试点,其他地区尚未实施,因此具有很好的准实验特征。双向固定效应模型如下:

thi,t=β0+β1didi,t+αXit+yt+ui+ξi,t

(1)

其中,将进行了房产税改革试点的重庆、上海作为实验组,其他省份作为对照组,在模型中引入实验组虚拟变量:

系数β1是用双重差分估计的房产税改革对收入分配的净效应,如果房产税政策确实缩小了居民收入差距,则β1应该显著为负;Xit为控制变量,包括人均GDP、城镇化水平、转移支付、人力资本、社会保障支出率、失业率等;yt为时间固定效应,用于捕捉时间变化对全部个体都产生影响的未知因素;ui为个体固定效应,用于捕捉影响居民收入差距但不随时间变化的个体特征;ξi,t为随机误差项。

(二)变量和数据说明

1.被解释变量。现有文献中,大部分都是直接采用城乡居民人均可支配收入之比作为衡量城乡居民收入差距的工具,但是这一指标并不能充分反映我国城镇和农村人口结构的变化。因此,将综合考虑了收入和人口在城市、农村、整体三者之间关系的泰尔指数(th)作为衡量我国城乡居民收入差距的指标。其具体计算公式为:

(2)

其中,i=1,2分别代表农村地区和城镇地区;I代表城乡居民总的可支配收入;N代表农村和城镇的总人口;I1为农村的居民可支配收入;I2为城镇的居民可支配收入;N1为农村的总人口;N2为城镇的总人口。

2.核心解释变量。根据所选择的双重差分模型,解释变量为实验组政策效应虚拟变量(did),即既是试点城市又是房产税试点年份(2011年)之后的样本虚拟变量取1,其他取0。

3.控制变量。影响城乡居民收入差距的因素众多,除了是否开征房地产税因素以外,还分别将经济发展水平(人均GDP)、城镇化水平(ul)、转移支付(tp)、人力资本(hc)、社会保障支出(ss)、失业率(ur)这6种变量引入到上述回归模型中,以此来控制这些变量对城乡居民收入差距可能产生的影响。

经济发展水平采用人均GDP来衡量。经济发展水平与城乡居民收入差距的关系很早就被学术界关注,最有代表性的是Kuznets,他在分析不同行业的产业结构差异对收入差距的影响时提出了“倒U型”假说[14]。国内众多学者以此理论为基础进行实证研究,如王小鲁[15]、何辉[16]、陶源[17]等。亦有学者根据偏向型经济发展理论指出有意识的政策干预会抑制城乡差距[18]。因此,将其纳入DID模型,考察它对中国城乡居民收入差距的影响。

城镇化率采用各地级市城镇人口/总人口来衡量。城镇化率对居民收入差距的影响较为复杂,学术界至今还没有统一的认识。在中国城乡二元体制背景下,有学者认为城镇化率越高越会激励农村人口进城务工,农民的剩余价值流向城市,造成城乡收入差距拉大。但是,王森通过实证分析认为,城镇化与城乡居民收入差距呈反比例关系,即城镇化水平的提高有利于缩小城乡居民收入差距[19]。

转移支付率采用各地区转移性支出/GDP来衡量。一般而言,在城乡发展差异较大的情况下,政府会在推动共同富裕的背景下行使再分配的职能,以缩小城乡居民收入差距。但是有学者通过对转移支付体系进行实证研究认为,我国现行的转移支付制度没有发挥缩小城乡收入差距的职能。比如,雷根强等实证结果表明,虽然中央财政对西部的转移支付水平高于中部,但西部地区的城乡居民收入差距非但没有缩小,相反还扩大了20%。此外,城镇居民从转移支付中受益程度高于农村居民[20]。

人力资本水平根据《中国人力资本报告2022》发布的人均人力资本来核算。胡志高等测算了各省份的城乡人力资本水平对城乡收入差距的影响,结果表明,人力资本的流动在整体上会导致城乡收入差距扩大,在这一过程中虽然存在负向调整机制可以减缓这种增长,但无法从根本上扭转这种趋势[21]。

社会保障支出的核算采用各地级市社会保障支出。目前,国内和国际上对社会保障制度在城乡居民收入差距中的作用存在较大争议。多数学者认为社保支出以及社会保障制度能够有效缩小城乡居民收入差距。比如,卢珊等通过在时间和响应两个维度的分析,得出了在时间维度上社保支出与收入分配之间存在着“W型”非线性动态变化,且二者的变动趋势趋于一致;响应维度表现为“倒U型”。由此得出,我国社会保障支出在一定程度上对居民收入分配差距具有反向调节作用[22]。但是耿晋梅认为,我国的社会保障支出对城乡居民收入差距在总体上起到了很大的调节作用,但是从地方层面来看,居民转移性收入存在着很大的城乡差异,从而造成了调控效果的严重失衡[23]。

失业率采用国家统计局公布的城镇登记失业率来衡量。失业率是反映社会经济状况的重要指标,该指标越高表明经济发展越低迷,对低技能劳动力的农村地区影响就越大。因此,失业率的上升很有可能加剧城乡居民收入差距,因此将就业率作为控制变量加入到了模型之中。

各变量的具体数据来源于《中国统计年鉴》、CHFS网站等。鉴于人均 GDP、人力资本和社会保障支出原数值的方差较大,所以采用取对数法,以便于下文实证分析。另外,在计算过程中,对所有的连续变量都作了1%的缩尾处理,以防止异常值对估计结果的影响。具体的变量设置和说明见表1。

表1 变量设置和说明

(三)描述性统计分析

使用Stata16对模型中相关变量进行了描述性统计,结果见表2。总的来看,2005—2019年,各省份泰尔指数的最大值为0.262,最小值是0.02,说明我国各地区居民收入两极分化明显,差距较大。

表2 描述性统计

(四)平行趋势检验

用DID模型估计平均处理效果的一个基本假设是:在政策冲击发生前,实验组和控制组有相同的增长趋势,所以需要对被解释变量进行平行趋势检验,即:如果不存在征收房产税的政策冲击,居民收入差距不存在系统性差异。但一个主要的威胁是,开征房产税的地区不是随机选择的,计算出的平均处理效应可能包含房产税和未征房产税之间系统性差异产生的效应。为解决这个问题,将2006—2010年每一年设置成一个虚拟变量,分别与实验组虚拟变量进行乘法运算,最后,将这5个乘积的虚拟变量和DID核心解释变量结合起来,对泰尔指数(th)进行回归。结果如图1所示。由图1可见,2011年之前控制组和实验组拥有相同的发展趋势。由此可以证明,所建立的模型满足平行趋势假设。

图1 平行趋势检验

(五)实证检验结果分析

表3为实施房产税改革对居民收入差距的DID回归结果。根据修正的拟合优度(R-squared)均高于80%,占比较高,表明回归结果是有效合理的。模型(1)为全样本回归,模型(2)与模型(3)为重庆的基准回归结果,其中模型(3)在模型(2)的基础上添加表1的控制变量;模型(4)模型(5)是上海的基准回归结果,在该回归分析中,模型(4)没有添加控制变量,而模型(5)添加了相关控制变量。

表3 基准回归结果

从整体来看,无论是否添加控制变量,所有模型中房产税改革都会对居民收入差距产生影响,但添加控制变量的结果更加精确稳健。由于模型(3)、模型(5)是添加控制变量的结果,下文的分析均以模型(3)、模型(5)为基准。从控制变量看,人均GDP、城镇化水平、转移支付率的估计系数均在1%的水平上显著为负,说明人均GDP、城镇化水平、转移支付率的提高将有助于缩小居民收入差距;而失业率的系数在5%的水平上显著为正,表明失业率是导致贫富差距扩大的一个因素。通过查看重庆的模型结果,模型(2)的did估计系数均在1%的水平上显著为负,即重庆的房产税政策效应使重庆的居民收入差距显著缩小了3.5个百分点;在加入控制变量后,即模型(3),did估计系数仍然在1%的水平上显著为负,同样说明重庆的房产税政策有较强的缩小居民收入差距的能力且该结果具有较高的置信度。而对于上海而言,模型(4)在不加控制变量时,房产税政策效应使居民收入差距扩大为0.9个百分点;添加控制变量后,上海房产税政策效应使居民收入差距扩大了1.8个百分点,在1%水平下显著,t值为3.94,这说明上海的房产税政策反而拉大了居民收入差距。

综上所述,重庆和上海的房产税对居民收入差距的政策效应存在差异,通过对比重庆和上海的房产税试点的具体规定发现,重庆对存量住房和增量住房都征收房产税,但上海只针对增量住房,所以上海试点的房产税对那些在改革之前拥有多处房产的富裕人群并无明显的影响,反而是中低收入人群承担了大部分的税收。在税率方面,上海普通住宅按比例税率0.6%计算,个别住宅市场交易均价低于上海市上一年新建商品住房平均销售价格2倍(含2倍)的暂按0.4%,评估率为70%,所以实际适用税率为0.28%～0.42%;而重庆的累进税率为0.5%～1.2%,重庆的最高税率是上海的3倍,显然重庆的征收税率更高,适用的范围较宽,政策的执行也比较严格。因此,各个区域的发展状况不同,政策的实施效果也不尽相同,不能一概而论。

(六)稳健性检验

1.安慰剂检验。为检验表3的估计结果是否会因时间的推移而有利于居民收入差距的缩小,并排除未观测到的城市样本特征对回归结果的影响,通过随机选取城市样本中房产税试点城市并改变试点时间作为安慰剂检验的“伪实验组”,将其与时间虚拟变量的乘积作为核心解释变量,按照表3的did指令再次进行回归,根据从“伪实验组”获得的回归系数来判断结论的可靠性。同时,为进一步提高安慰剂检验的准确性,采用重复随机取样的方法,对随机取样程序进行500次模拟,绘制出估算系数的分布图,以此来判断居民收入差距是否受到除房产税改革以外的其他因素的影响。图2是“伪实验组”的系数分布图,从图中可以看出随机选取的“伪实验组”变量对居民收入差距的影响不显著,系数分布都集中在0附近,与实际估算的系数相差甚远,表明模型设定中未遗漏其他重要的影响因素。这也意味着,随机抽样后的样本组合对居民收入差距没有产生影响,因此基准回归中通过是否进行房产税试点来区分实验组和控制组的回归结果是稳健的。

图2 安慰剂检验

2.PSM检验。各地区经济发展水平不同,可能会对样本的选取产生一定的偏差。为了更好地控制这种偏差,采用倾向得分匹配分析法(PSM-DID),在控制人均GDP、城镇化水平等变量的基础上,建立省份是否为房地产改革地区的Logit模型,检验房产税税制改革与居民收入差距之间的因果关系。PSM-DID模型检验结果表明,运用PSM方法检验的结果与之前DID模型结果无太大差异。检验的数据如表4所示,对于重庆,不加控制变量时即模型(6),实验组与对照组城市在房产税试点改革后调节效应下降了2.11个百分点,t值为0.006,效应显著;加入控制变量时即模型(7),调节效应下降了1.4个百分点,在1%水平上显著。对于上海,不加控制变量时即模型(8),did与th在1%的水平上显著正相关,系数为0.025,即上海在不加控制变量时,房产税政策改革扩大了居民收入差距,与前面DID模型结果一致,加控制变量时即模型(9),效应不显著。重庆和上海通过PSM方法匹配的样本数是不同的,从全国来看,能与上海适配的样本省份较少,即上海目前试点的房产税政策不适合全国大多数省份。重庆房产税改革不管加不加控制变量都在1%显著性水平下负相关,即重庆的房产税改革无论加不加调控,都在1%显著水平下呈现负相关关系,说明重庆的房产税改革明显缩小了城乡居民的收入差距。PSM回归的数据与基准回归相比,在精确匹配样本后政策效应变得更强,这与期望相符。

表4 PSM检验结果

四、结论与分析

本文基于2005—2019年29个省区市的面板数据,以重庆和上海两地为实验组,采用DID模型研究了房地产税的开征对居民收入差距的影响。研究结果表明,在考虑经济发展、失业率等控制变量的情况下,上海房地产税的实施会扩大居民收入差距,而重庆房地产税的实施对居民收入差距具有显著的缩小作用。此外,上述结论在平行趋势检验、安慰剂检验等一系列稳健性检验中仍然得到支持。

基于上述结论,提出以下政策建议以供参考。

第一,有序推进房地产税改革。目前,我国全面征收的房产税是沿用1986年的相关条例,对非经营性和居民个人住房都不征税。2011年,重庆、上海分别开展了个人住房房地产税试点工作,其中,上海对存量房产不征税,只对增量房产征税;重庆则对存量和增量房产同时征税,但只限于高档公寓和别墅。上海的征税范围过窄,且税率在优惠政策加成后的实际税率比重庆还低,财产税的调节功能没有得到完全发挥。因此,中央应当在渡过疫情对经济的冲击后有序开征房地产税,利用互联网大数据技术摸清居民住房实际情况,稳妥启动房地产税的征收[24]。

第二,在征收房地产税的过程中,要坚持“因地制宜、因地施策”的原则。根据前文实证研究结论,重庆的政策效应要比上海强,因此房地产税对居民收入差距的调节效应存在明显的地区差异。我国人口规模较大,各地之间经济发展程度、房地产市场规模存在较大差异。例如,2020年上海人均可支配收入为7万元,比同年重庆人均可支配收入3万元高出2.34倍。此外,东部、中部、西部地区在社会发展和财富总量上也存在巨大差异性,这些差异性也会影响商品价值和房产价格。因此,在我国的房地产税制设计中,可借鉴发达国家在房地产税权上的划分经验,来制定房地产税征收方案,各地可根据本地区的收入水平和住房情况制定相应的征收办法,以充分发挥其调节功能。

第三,为实现共同富裕、平衡区域发展和缩小贫富差距,中央应加大对房地产税基评估方面的监管力度。重庆、上海房产税试点的计税依据是建筑面积*新房单价,这种计价方式难以反映房屋真实的市场价值,导致税负不公平。为了调控房价,很多城市对二手房交易已经采取了政府指导价的方式。政府指导价可以根据市场变化合理评估房地产价值,反映房地产价值信息。因此,可以在二手房的基础上扩大政府指导价的使用范围,以政府指导价为基准征收房地产税,并且根据家庭成员、抚养负担、生育状况、特殊群体等情况给予抵扣面积或税收优惠,从而更好地实现房地产税的调节功能,实现收入的公平分配,促进经济的均衡发展。