为了正常的体验网站,请在浏览器设置里面开启Javascript功能!
首页 > 中国房产税试点的效果评估 基于合成控制法的研究

中国房产税试点的效果评估 基于合成控制法的研究

2017-12-10 25页 doc 230KB 88阅读

用户头像

is_215732

暂无简介

举报
中国房产税试点的效果评估 基于合成控制法的研究中国房产税试点的效果评估 基于合成控制法的研究 中国房产税试点的效果评估: 基于合成控制法的研究 i 刘甲炎 范子英 【内容提要】本文利用2011年2月在重庆实施的房产税试点作为自然实验,采用项目评估中的合成控制法估计了房产税对试点城市房价的影响。本研究发现,房产税对试点城市的房价上涨有显著的抑制作用,房产税使得试点城市的平均房价相对于其潜在房价下降了156.61,350.80元/平方米,下降幅度达到5.27%。通过对这种效应的进一步分解可发现,受房产税政策影响的主要是大面积的住房,小户型住房由于受到大面积住房市场挤出...
中国房产税试点的效果评估 基于合成控制法的研究
中国房产税试点的效果评估 基于合成控制法的研究 中国房产税试点的效果评估: 基于合成控制法的研究 i 刘甲炎 范子英 【内容提要】本文利用2011年2月在重庆实施的房产税试点作为自然实验,采用项目评估中的合成控制法估计了房产税对试点城市房价的影响。本研究发现,房产税对试点城市的房价上涨有显著的抑制作用,房产税使得试点城市的平均房价相对于其潜在房价下降了156.61,350.80元/平方米,下降幅度达到5.27%。通过对这种效应的进一步分解可发现,受房产税政策影响的主要是大面积的住房,小户型住房由于受到大面积住房市场挤出的需求冲击,价格出现了更大幅度的上涨,这提醒我们要谨慎考虑现阶段的房产税政策。 关键词 房产税 试点区房价 合成控制法 重庆 一 引言 自2000年以来,中国的住房价格持续走高,平均每年增长8.58%,远远超过了同期的CPI增长率和银行存款利率。过高的房价带来了一系列的影响,如消费不足、收入差距、结构失衡和投资泡沫等(况伟大,2011;陈彦斌和邱哲圣,2011;高波等, 2012;王永钦和包特,2011)。在这样的背景下,国家多次出台调控政策以缓和房价的上涨势头,早期房地产调控主要是从供给角度着手,如先后出台的减免税费、调整住房供给结构等措施。最近几年政府转向需求管理,如限购限贷、提高首付比例等,同时还加大对保障性住房的投入,尝试建立多维度的住房供给结构。不过以上这些政策都是短期的,旨在短时间内抑制房价的上涨,为了能够建立一个长期稳定的房地产市场,国家开始考虑对房地产的持有环节征税。由于商品房价格的增速远远高于CPI的增长率和银行利率,加上普通居民的投资渠道有限,住房不仅是消费品,而且更多的是投资品,对持有环节进行征税能够使得投资需求成本上升,降低房地产投资的收益,进而在长期中抑制房价的上涨。不仅如此,由于房产税在绝大多数国家都属于地方税种,在中国征收房产税还能够在一定程度上缓解地方政府的土地财政困境,规范地方政府的行为,并建立一个可持续的地方政府收入来源(刘洪玉,2011)。 2011年1月28日,国务院在上海和重庆开始试点房产税的征收,距今已有两年多,焦点问题集中于房产税对房价是否有影响,以及影响程度是多少。到目前为止,学术界并没有对该政策影响的量化研究,主要的障碍有两个:一是评估方法的缺陷,在传统的政策评估中,倍差法(difference-in-difference,DID)是最常用的一种方法,该方法处理组(试点城市)和对照组(非试点城市)在改革之前是可比的,但是由于试点城市的特殊性,传统的DID方法在这里并不适用;二是多种政策的干扰,在房产税试点的同时,政府还采取了其他多种调控政策,如限购、限贷等,这些政策的效果与房产税混在一起,很难将其剥离出来。 本文采用Abadie和Gardeazabal(2003)提出的合成控制法(synthetic control methods) 来估计房产税政策的影响,合成控制法弥补了DID方法的上述缺陷,充分考虑到处理组的特殊性,通过其他城市的加权平均来构造一个“反事实”的参照组,真实房价水平与反事实房价之间的差距则是该政策的作用。基于2010年6月至2012年2月40个大中城市的月度平衡面板数据,在控制了土地价格、经济发展水平、人口密度、限购政策及产业结构等因素后,我们发现房产税使得试点城市房价相对于潜在房价下降幅度达5.27%,并且通过了一系列稳健性检验。 与房产税的价格效应相比,更为重要的是其产生的结构性扭曲。当我们将价格效应进一步分解后,发现不同面积类型的住房价格走势完全相反,在大面积住房(144平方米以上)价格下降的同时,小面积住房(90平方米以下)价格反而出现了更大幅度的上涨,这至少说明两个问题:一是住房平均价格的下降主要是由大面积住房导致的;二是房产税政策将大面积 住房市场需求挤出到小面积住房市场,导致这些类型的住房价格增长更快。这种结构性扭曲一方面与现阶段试点的“窄税基”房产税政策有关,另一方面也与户籍直接相关。这种扭曲政策的结果产生了巨大的福利分配效应,由于小面积住房对应的是城市的中低收入阶层,房产税的本意是要减轻他们的购房负担,但实际结果却完全相反。 本文其他部分的组织如下:第二节是理论分析和研究假说,简要介绍房产税的政策背景和作用机制;第三节是关于合成控制法的介绍;第四节是基本的结果分析和稳健性检验;第五节是关于作用机制的进一步分解;最后是全文的结论。 二 理论分析及研究假说 传统的房地产税收理论主要从要素流动的角度来考虑税收对房价的影响。由于资本的流动性一般都比较高,因此资本并不承担任何税负,房产税最终会转嫁给消费者,从而以更高的房价现出来(Simon,1943;Netzer,1966)。在此基础之上,以Tiebout(1956)为代表的财政学文献开始将房产税与公共服务联系起来,认为在劳动力自由流动的情况下,“用脚投票”的机制会匹配辖区的房产税与公共服务,那些提供更多公共服务的地区所制定的房产税税负更重,反之亦然。因此房产税是一种收益税,影响当地的公共支出,不直接影响住房价格和资源配置(Tiebout,1956;Hamilton,1975;Fischel,1992、2001)。 虽然不同理论在房产税对房价的影响方面没有得出一致结论,但是大部分的经验文献都发现两者是一种负向关系。例如,Oates(1969)通过对美国新泽西州东北部53个城镇的调查发现房地产价值与财产税呈负相关,与地区的公共支出水平呈正相关。Kenneth(1982)对北 ii加利福尼亚推出的13号法案对房价影响的研究发现,在当地公共服务没有下降的情况下,平均每年下降1美元的财产税相应增加7美元的财产价值。Rosenthal(1999)对英国马其赛特郡(Merseyside)等县市的研究发现税收对房价有抑制作用。中国早期的房产税征税范围并不包括居民自用住房,一些学者研究了这种房产税与房价的关系。杜雪君等(2009)利用中国31个省(市自治区)的数据资料为研究样本,发现中国房地产税对房价有抑制作用,而地方公共支出则对房价有促进作用,且后者的影响较大,因此房地产税负和地方公共支出对房价的净影响为正;况伟大(2009)的研究表明,在其他条件不变时,开征房产税将导致房价下降。 与发达国家不同的是,由于房价的快速上涨,中国的住房市场不仅是一个消费市场,而且更是一个投资市场,预期及投机需求对中国城市房价波动具有较强的解释力(况伟大,2010)。在现实中,收入、要素成本等经济基本面在短期内发生较大变动的可能性小,而购房者的预期和投机对房价短期波动的影响更大。Malpezzi和Wachter(2005)以住房存量调整模型和适应性预期为基础,建立了房地产投机模型,他们发现不仅供给会对房价波动产生重大影响,而且投机也会对房价波动产生重大影响,尤其是当供不应求时,投机对房价波动影响更大。沈悦和刘洪玉(2004)利用1995,2002年中国14个城市的经验研究表明,在不添加年度虚拟变量的情形下,城市经济基本面能够解释住宅价格变动,如果加入年度虚拟变量,城市经济基本面的解释力大幅度下降,这说明适应性预期对住宅价格变动具有显著影响。况伟大(2010)考察了预期和投机对房价的影响,虽然他认为经济基本面对房价波动影响要大于预期和投机,但预期和投机对中国城市房价也有很强的解释力。 根据理性泡沫理论,当投资者期待未来资产价格上涨时,会囤积资产,从而获取更大的收益(Wong,2001)。房产税是针对住房持有环节进行征税,不仅加大了房地产投资者的持有成本,而且也影响投资者预期收益,投资需求的降低会进一步拉低房价。况伟大(2009、2012)通过建立投资者和开发商的理论模型,证实了开征房产税对住宅价格有抑制作用。昌忠泽(2010)分析了房地产泡沫形成的根源,并提出开征房产税和住宅空置税能够抑制房地产市场的过度投机行为。 现行的房产税来源于1986年9月15日国务院颁布的《中华人民共和国房产税暂行》,不过当时的房产税主要针对商业用房,个人所有的非营业用房产则免征房产税,因此 对房地产的影响较小。自2004年开始,中国主要城市的房价一直处于高速增长阶段,住房市场上的投机炒作行为盛行,两极分化严重,高收入人群拥有多套住房,而工薪阶层却面临买房难的局面。因此中央政府希望通过对住房持有环节进行征税,一方面通过增加住房持有成本、打击投机炒作,引导居民合理性住房消费,另一方面还可以取得稳定的税收来源,用于保障房的建设,从而调节住房供给结构。最早进入决策层的不是房产税,而是物业税,不过很快物业税就面临立法上的难题。因此,在2010年5月国务院提出要推进房产税改革, iii扩大原有的房产税征收范围,将个人所有的居住房产也作为征收对象,从而绕开了物业税所面临的难题。2011年1月国务院开始在部分城市试点房产税的征收,重庆和上海成为首批试点城市,这两个城市的入选主要有两个方面的原因:一是两者都是直辖市,在行政上更有利于管理;二是两者的房价具有很好的代表性,上海市作为东部沿海城市,房价水平是最高的几座城市之一,重庆作为西部城市,房价处于全国平均水平。 虽然上海和重庆同时入选试点城市,不过两者在征收细则方面存在巨大差异,如表1所示。从实施细则来看,上海在征收对象上采取“新人新办法,老人老办法”的做法,只对新建住房征收房产税,而重庆对新房和存量住房同时征收房产税。在税率方面,重庆的税率高于上海的税率,并且重庆按全额征税,上海有70%的税额折扣。上海和重庆作为这次房产税的试点城市,虽然征税细则不同,但是两个试点城市都有很强的针对性,对高档住房和超标准多套住房开征房产税。这对限制住房市场的投机炒作、抑制住房消费的两极分化等起到一定的积极作用,理论上不会影响居民合理的白住性需求。这里值得重点注意的是,虽然房产税试点政策在一定程度上考虑了中低收入者的自住性需求,如重庆允许每个家庭新购的商品房享有100平方米的免税面积,但这对低收入家庭却是不利的,那些原本准备购买大面积住房的家庭,在房产税政策免税条款的影响下会转向小户型住房,当短期内供给结构未出现大幅度变化时,小户型住房市场上高涨的需求会显著推高其价格。因此,那些原本可以购买小户型住房的家庭,在新房产税政策的影响下,反而无法满足其自住性的住房需求。 重庆市在此期间还实施了其他房地产政策,特别是在保障房建设方面有较大的投入,廉租房和公租房的建设都居前列,不过这些住房都是小面积住房,与房产税锚定的目标不同,对房产税政策干扰较小。因此,本文待检验的两个假说是:(1)房产税改革降低住房价格,试点城市通过对住房征收房产税,提高了住房的持有成本,进一步抑制住房的投资性需求,在短期内会抑制房价的上涨。(2)房产税改革的免税条款对住房市场产生挤出效应,由于房产税改革主要针对的是大面积住房,在房产税政策免税条款的影响下,导致房产税挤出的需求会进一步抬高小户型住房的价格,因此房产税还将产生结构效应。 三 估计方法 重庆和上海于2011年1月28日开始试点房产税的征收,由于其他城市未受此次改革的影响,我们把房产税改革看作是对试点城市实施的一项自然实验。根据项目评估理论,试点城市2011年2月之后为处理组,国内其他城市为对照组,比较处理组和对照组之间的差异,可以估计房产税改革对房价影响。一个直观的想法就是利用DID对比房产税改革之后试点城市房价水平的变化和其他地区房价的变化,二者的差距就反映了房产税改革对试点城市房价的影响。不过DID方法在处理此问题时有两大障碍:(1)参照组的选取具有主观性和随意性,不具有说服力;(2)政策是内生的,试点城市与其他城市之间有系统性差别,而这种差别恰好是该城市成为试点城市的原因(Abadie等,2010)。特别是第二个障碍,我们并没有充足的理由能够排除政策的内生性,因而直接用DID进行估计会产生有偏的结果。 针对DID的这些缺陷,Abadie和Gardeazabal(2003)以及Abadie等(2010)提出用合成控制法来估计政策的效果,其背后的基本逻辑是通过对多个参照组进行加权要优于主观选定的一个参照组。该方法的基本思路如下:虽然寻找和处理组完全类似的对照组是困难的,但是我们可以根据没有房产税改革的其他地区的组合来构造出一个良好的对照组。合成控制法在最近几年得到了广泛的应用,例如,Abadie和Gardeazabal(2003)利用西班牙其他地区的组合来模拟没有恐怖活动的巴斯克地区的潜在经济增长,进而估计恐怖活动对巴斯克地区经济的影响。Abadie等(2010)用同样的方法研究加州的控烟法对烟草消费的影响,他们利用其他州的数据加权模拟了加州在没有该法案时的潜在烟草消费水平。最近几年,国内学者也逐渐采用该方法,如王贤彬和聂海峰(2010)利用合成控制法将全国其他省份作为对照组的集合,分析了重庆1997年被划分为直辖市对相关地区经济增长的影响;余静文和王春超(2011)研究了海峡两岸关系演进对福建省经济发展的影响。 合成控制法的基本特征是清楚地知道对照组内每个经济体的权重,即每个经济体根据各自数据特点的相似性,构成“反事实”事件中所做的贡献;按照事件发生之前的预测变量来衡量对照组和处理组的相似性。合成控制法提供了一个根据数据选择对照组来研究政策效应的方法,该方法具有以下两个优点:(1)扩展了传统的双重差分法,是一种非参数的方法;(2)在构造对照组的时候,通过数据来决定权重的大小,从而减少了主观判断。该方法是通过所有对照组的数据特征构造出反事实状态(counteffactual state),可以明确地展示处理组和合成地区政策实施之前的相似程度,这一反事实状态是根据对照组各自贡献的一个加权平均,权重的选择为正数并且之和为1,这样就避免了过分外推(Temple,1999)。 假设我们观测到J+1个地区的房价增长情况,其中第l个地区(试点城市)在T受到了0房产税改革的影响,其他J个地区为对照组地区。我们可以观测到这些地区T期的房价增长情况。表示城市i在时间t没有房产税改革的房价,表示有房产税改革时的房价。 这里我们设定模型是试点城市没有进行房产税改革时的房价增长情况,D为是否接受试点的虚拟变量,如果地区i在时刻t接受试点,那么该变量等it 于1,否则等于0。对于不受房产税改革影响的城市,我们有。因为只有第1个地区在时刻T之后开始受到房产税改革实验的影响,我们的目标就是估计α。在t,T时,0it0 。P是试点城市住宅均价,是可以观测到的。为了得到α,我itit们需要估计,它无法观测到,我们就通过构造“反事实”的变量表示。 (1)式为潜在房价的决定方程,其中Z是不受房产税改革影响的控制变量,是时间趋i 势,λ是一个(1×F)维观测不到的共同因子,μ则是(F×1)维观测不到的地区固定效应误ti 差项,ε是每个地区观测不到的暂时冲击,均值为0。为了得到房产税改革的影响,我们it 必须估计房产税试点城市假设没有进行房产税改革时的,解决是通过对照组城市的加权来模拟处理组的特征。为此,我们的目的就是求出一个(J×1)维权重向量 ,满足对任意的J,,W?0,并且W+„+w=1。 J2J+1 ivv 四 房产税对房价影响的平均效应 由于合成控制法是利用对照组城市来拟合一个处理组的反事实状态,通过处理组和对照组的一些性质进行匹配,该方法要求处理组可以通过对照组加权估计,但是上海地区住宅均价在中国住宅均价中基本处于第一位置,并且其他经济特征也比较特殊,无法通过其他城市 vivii进行加权平均。不过,幸运的是重庆符合本方法的要求。 viii 本文使用的数据为2010年6月至2012年2月40个大中城市的平衡面板数据,房价和土地成交均价数据来自于中国指数研究中心,其他数据来自《中国城市统计年鉴》以及各城市统计局网站。我们的目标是用其他城市的加权平均来模拟没有进行房产税改革的重庆市潜在房价,然后与真实的重庆市房价进行对比来估计房产税改革对其房价波动的影响。根据合成控制法的思想,我们选择权重时要使得在房产税改革前,合成重庆各项决定房价的因素 ix和重庆尽可能的一致。我们选择的预测控制变量包括土地成交均价、人均GDP、人口密度、限购变量、第三产业比重以及本文的被解释变量城市住宅均价作为当地房价的代理变量。其中土地成交均价属于房地产市场重要的成本因素,地价的高低对房地产市场供给方面有重要影响,地价上涨将导致房地产商开发成本上升,从而会使房价上涨(陈超,2011)。人均GDP和人口密度属于房地产市场需求方面的重要影响因素,人均GDP越高的城市,其房价也会越高;人口密度越大的城市,会导致房地产市场的需求增长大于供给增长,所以房价也会越高。自2010年4月北京出台“国十条”后,中国部分城市先后公布限购细则,限购政策在一定程度上抑制了房地产市场的购房需求,从而抑制房价的上涨;本文将限购城市赋值为1,未限购城市赋值为0。 (一)房产税对重庆房价的影响 通过合成控制法的计算,表2展示了构成合成重庆的权重组合,共选取6个城市,其中 x湛江为权重最大城市。表3给出了在2011年2月重庆房产税改革之前真实重庆和合成重庆 的一些重要经济变量的对比,其中我们关注的房价数据,真实重庆和合成重庆的差异度仅为1?。此外,我们还随机选取试点前的4个月来检验该方法的拟合效果,这4个月的房价差 2异度极小,仅为2?左右,拟合优度R高达到0.99,可以说合成重庆的房价增长路径很好拟合了真实的增长路径。在所选取的影响房价因素的变量中,从表3可以看出土地成交均价、xi人均GDP、人口密度、限购变量和第三产业比重真实变量与预测变量都比较接近,其差距与重庆的真实变量和40城市的平均真实变量的差距都要小,其中土地成交均价、人均GDP、人口密度和第三产业比重两者差异度对比为14.7%,43.78%,20.93%,78.45%,35.14%,130%和5.3%,41.33%,限购变量也比较接近真实的情况,这说明在较好地拟合房价的基础上,其表现的影响房价因素变量的相似度也比较高。因此,合成控制法比较好地拟合了重庆在房产税改革之前的特征,该方法适宜于估计房产税政策的效果。 图1是在表3基础之上扩展到所有的月份,从图中我们可以看到,在房产税改革之前,合成重庆和真实重庆的房价路径几乎能够完全重合,说明合成控制法非常好地复制了房产税改革之前重庆房价的增长路径。在房产税改革之后,前4个月重庆的房价高于合成重庆,但是其上涨的幅度很小,最高只有45元,其原因可能是房产税改革对房价的影响有一定的滞后性。2011年5月重庆房价出现拐点开始下降,并在6月份以后持续低于合成重庆的住宅样本均价,二者的差距逐步拉大。两者之间的差距意味着相对于没有实施房产税改革的重庆,开征房产税降低了重庆的住宅样本均价。由图1我们也可以看出,假设没有实施房产税政策,2012年2月重庆的潜在房价为6676.11元,与实际样本房价均值相差334.11元,下降幅度为5.27%。 为了更直观地观察房产税改革对重庆房价增长路径的影响,我们计算了房产税改革前后实际重庆和合成重庆的样本房价均值的差距。图2显示,2010年6月到2011年2月,两者房价差距在正负40元范围内波动,波动幅度仅为6?。自2011年6月开始两者的差距为负,并且差距持续扩大,2011年6月至2012年2月,重庆的样本房价均值分别比合成重庆低37.04、52.38、118、250.64、326.73、325.65、350.8、320.3、334.11元/平方米。自房产税改革后1周年内,平均每月样本房价均值低于合成重庆样本房价均值156.61元。可见2011年2月后,由于房产税的实施使得高档房的持有成本升高,一方面抑制了高档房屋的需求,另一方面使得投资者预期收益下降,抑制了高档房的投资,从而使得房价泡沫被挤出。该政策显著降低了重庆的房价水平。 (二)稳健性检验 虽然我们发现重庆市实际住宅样本均价与合成重庆住宅样本均价存在显著差异,但这种差异是不是由房产税改革造成的,或者说是不是一个偶然?即这种现象也可能是一些未观测到的外在因素导致的,比如当地政府部门限购令的执行程度、炒房团资金的撤离或进入等。为此,我们将通过三个检验来排除其他政策的干扰和偶然性。 稳健性检验一:DID方法与合成控制法的对比。 合成控制法相对于DID更有效,是因为前者在选取参照组时更加科学,为了证实这种科学性,我们在本节按照DID的识别估计房产税政策的影响,并将之与合成控制法的结果进行对比。DID模型设定如下: 其中P是住房价格。我们将处于处理组的城市赋值Reform=1,参照组的城市赋值Reform=0。重庆和上海于2011年1月28日开始试点房产税的征收,我们将房产税执行前后赋值,自2011年2月起赋值Month=1,之前赋值Month=0。其中Reform与Month交互项的系数即为房产税改革对房价的净效应。X为控制变量,分别包括人均GDP、土地价格以及限购变量。这里的限购变量为虚拟变量,当月限购的城市赋值为1,未限购的城市赋值为0。δ为个体固定效应,γ为时间固定效应。数据选取为2010年6月至2011年12月,样本it 为上节所选取的40个大中城市。 从表4我们可以看出,房产税改革的平均效应使房价下降153.9元,其中重庆房产税改革导致重庆房价下降182.04元。DID的结果与合成控制法的结果符号一致,进一步说明上述方法的稳健性。但是在房产税改革后即2011年2月至2011年12月,合成控制法得出在房产税改革平均水平上重庆房价下降了125.6元。通过合成控制法与DID方法的对比,DID方法对房产税改革的效果高估44.94%,高估的原因可能是当共同冲击出现时,如国家紧缩银根,处理组和参照组的反应幅度不同,特别是处理组的幅度大于参照组时,DID就会出现高估的问题。 稳健性检验二:处置组变换。 我们借鉴Abadie和Gardeazabal(2003)、Abadie等(2010)在稳健性检验中的安慰剂检验方法(placebo test),这一方法类似于虚假实验(falsification test),基本思想如下:选择一个没有房产税改革的城市进行同样的分析,如果发现该城市的实际样本房价均值和合成样本房价均值之间有很大的差距,并且和重庆的情况一样,那就说明合成控制法并没提供一个有力的证据来说明房产税改革对重庆市房价的影响。 这里我们考虑两个城市,一个为合成重庆权重最大的城市湛江,权重最大说明在所有的城市中,湛江与重庆最为相似,另外一个是没有权重的城市北京,没有权重即表明北京与重庆在各种特征上都相差较远,将湛江和北京两个极端情况作为处置组来检验房产税改革前后,实际样本房价均值和合成样本房价均值的情况。表5反映了湛江和北京预测变量与重庆的比较,其中,湛江和重庆都没有公布限购细则,并且这两个城市的土地价格非常接近,其他变量的差距与40城市平均值比较来看也不是很大,说明在所有的城市中,湛江与重庆最相似,反之,北京的预测变量和重庆相比差异程度较大。 图3显示了对湛江进行的安慰剂检验结果,图4显示了北京的结果。我们可以看到,对于湛江和北京在房产税改革前后,实际样本房价均值始终沿着合成样本房价均值的走势变化,即使有所波动也是围绕着合成样本房价上下波动,与图1相比这种波动的幅度都相对小。这说明合成控制法非常好地拟合了两者的房价走势,并且两个城市在房产税改革前后的拟合情况没有发生突变,因此在一定程度上证明了是房产税改革影响了重庆的实际住宅样本均价,而不是其他共同的偶然因素。 稳健性检验三:排序检验。 虽然我们在上述的估计中发现重庆的房产税使得房价下降幅度为5.27%,但并不清楚这种效应是否在统计上显著异于0。Abadie等(2010)提出了一种类似统计中秩检验的排序检验方法,该方法可以用于检验估计政策效果是否在统计上显著,判断是否还有其他城市的样本房价均值与合成样本房价均值出现和重庆一样的特征,并且其概率为多少。其思想是分别假设对照组内的城市在2011年2月经历了房产税的改革,使用合成控制法构造它的合成样本房价,估计在假设情况下产生的政策效果;然后比较重庆实际的效果和对照组城市假设的效果。如果两者的政策效果有足够大的差异,说明房产税改革对重庆房价的影响是显著的,并不是偶然的现象,反之亦然。因为所选取城市房价的绝对水平差距较大,我们改进Abadie的方法,通过计算每个城市样本房价的均值和合成城市样本房价的均值之差除以当期的房价再乘以100%来衡量房价的变动程度,如果这一变动程度的分布有显著不同,就说明我们在重庆房价变化的发现是显著的。 我们模拟了2011年2月之前的样本住宅均价和一些影响因素来构造合成版本的房价,如果一个城市在2011年2月之前的平均标准变动程度(实际的样本房价均值和预测的样本房价均值差距与房价的百分比,再取平方根)比较大,这在一定程度上意味着模型对该城市近似的程度比较差,进而利用2011年2月之后的房价差距作为对比的作用就比较弱。通过计算,重庆的平均标准变动程度为0.29%,我们在对照组中去掉了平均标准变动程度为0.65% xii以上的城市,这些城市的数量为18个。这些城市在2011年2月之前的平均标准变动程度比较大,都是重庆的2倍之上,也就是说在房产税改革之前这些城市的房价特征并没有被很好地拟合出来,从而对房产税改革之后房价的变化解释力下降。其中深圳最大,是重庆的16倍,上海也达到10倍。图5显示了去掉这18个城市之后的变动程度分布情况,我们可以看出重庆的变动程度在2011年2月以前和其他城市的差距并不大,但是2011年2月以后,重庆与其他城市的差距开始变大,其分布位于其他城市的外部。这表明房产税改革对重庆的房价有一定的影响,也表明只有1/22,即4.55%的概率出现重庆和合成样本房价均值之间这么大的变动程度,这类似于传统统计推断的显著性水平,因此,我们可以认为重庆市样本房价均值的下降是在5%水平上显著的。 此外,我们还计算出2011年2月以后和以前平均变动程度的比值,考察这一比值的分布。因为2011年2月以前的变动程度越小表示合成样本房价均值对实际样本房价均值拟合的越好,而2011年2月后的变动程度越大,则表示受到房产税改革的影响越大。如果我们预测的房产税改革对重庆的样本房价均值有重要影响,并且这一影响是显著的,那么我们前面所说的比值应当是比较大的。图6描述了所有城市在2011年2月前后平均标准变动程度的比值,其横轴表示这一比值(这里我们进行了四舍五入),纵轴则表示位于这一比值的城市个数。我们发现大多数城市的比值都在两倍以内,而比值最高的两个城市是重庆和厦门,高达13倍。但是如图7所示,厦门是因为在2011年2月后房价上涨而不是房价下降,所以没有一个城市平均标准变动程度比值达到该水平并且房价是下行的。如果通过随机给予处置的方法,那么要获得和重庆一样情况的概率为1/40,即2.5%,这表示我们可以在97.5%的显著水平下接受房产税改革对重庆样本房价产生显著负影响的原假设并不是偶然因素引起。 通过上述稳健性检验,我们可以认为房产税改革对重庆的房价产生了影响,与重庆潜在的房价增长趋势相比有一定程度的下降。而且从2011年5月至2012年2月,二者的差距呈现出不断扩大的趋势,表明重庆市的样本房价增长情况与潜在的样本房价增长情况偏离越来越大,随着时间的推移房产税政策的效果正在逐步显现。 五 房产税影响了谁? 大多数国家实施的都是“宽税基”的房产税,即在征收时不区分住户类型和房屋类型统 一征收,然后按照各自税收优惠条件进行减免。中国2011年试点的房产税是典型的“窄税基”房产税,如重庆的房产税主要是针对大面积和均价较高的住宅,对小面积并且价格较低的住宅没有开征房产税,更为重要的是,房产税还规定了免税面积,重庆将100平方米作为免税面积。这意味着即使是均价较高的住宅,只要房屋面积小于100平方米也可以免征房产税。窄税基的房产税意味着居民可以通过改变自身的购买行为进行避税,再加上与户籍挂钩的限购政策,那些原本准备购买大面积住房的居民预期会承受较大的税负,同时又无法到非试点城市购置住房,因此他们出于避税的动机将主动转向其他类型的住房市场,进而住房市场产生结构性扭曲。对于重庆来说,100平方米以下的住房依然是投资的热点,房产税挤出的需求会进一步抬高小户型住房的价格。 这一猜测得到了重庆房管局的证实,重庆房管局的公告中显示,房产税改革后主城区高档住房项目访客量下降30%,50%,截至2011年11月30日,主城区建筑面积200平方米以上的住房新开工面积与上年相比下降了4.5%,与此相反的是,建筑面积在100平方米以下的住房上市量同比增加了17.8%。将重庆与全国平均水平进行对比更能说明该问题,2011年重庆高档住宅的销售面积同比下降了36.3%,而全国高档住房销售面积的下降幅度仅为11%,重庆的下降幅度明显高于全国平均水平。在大面积住房销售面积下降的同时,其价格也大幅度下降,2012年1季度重庆的应税住房均价为13140元/平方米,较房产税实施前的14678元/平方米下降了10%。 不过重庆大面积住房价格的下降并不足以说明全部问题,全国很多城市受信贷政策和限购政策的影响,其大面积住房价格都出现了不同程度的下降。国家统计局自2011年开始公 xiii布主要城市90平方米以下和144平方米以上的住房价格指数,我们在图8中比较了重庆 与全国144平方米以上的住房价格指数。从中可以很明显看出,房产税实施之前至之后的3个月中,重庆大面积住房保持了与全国一致的增长势头,不过自第5个月开始,房产税政策的效果开始显现出来,重庆大面积住房价格的增长势头显著低于全国平均水平,并且此后的差距持续扩大,表明重庆实施的房产税大幅度挤出了大户型的住房需求。 不过令人遗憾的是,重庆的小户型住房市场价格没有出现与大面积住房类似的下降趋势,却呈现出完全相反的走势。图9显示重庆的小户型住房价格相比全国平均水平增长更快,这种增幅的差距自房产税改革初期就一直存在,在我们观察到的样本期间内没有出现明显的逆转。由于这里关注的是房价的增速,因而其对房价绝对水平的累积效应是巨大的。 两种住房面积价格走势的差异也说明第四部分的研究结论不是其他特殊因素造成的。重庆实行房产税改革期间还有其他房地产相关政策同步实施,特别是在保障房的建设方面居全国前列,而保障房的价格一般都低于市场平均价格,大量保障房投入市场会显著降低住房价格,因此我们看到同期住房价格下降就不一定是房产税政策的作用。不过大多数保障房面积都偏小,理论上小户型住房的价格应该出现更大幅度的下降,而我们在重庆看到相反的情况,说明如果保障房在一定程度上抵消了大面积住房市场的挤出需求,那么房产税对小户型住房市场的实际影响应该更大。而重庆的大面积住房价格大幅度下滑与保障房市场没有关系,纯粹是由房产税政策导致的,因此,我们通过合成控制法得到的平均效应也不是其他特殊政策所导致的。 两种不同面积的住房价格增速对比说明3个问题:(1)房产税确实降低了重庆的住房价格;(2)这种作用在大面积住房市场上更为明显,房产税的平均效应主要是由大面积住房市场构成的;(3)由于存在挤出的需求,小面积住房市场价格反而增长更快。如果房产税政策的出发点是为了增进低收入群体的福利,那么应该通过房产税的征收挤出市场投机,从而降低房价,使得那些低收入者也能买得起住房。上述的分析至少表明该政策没有达到预期效果,反而降低了低收入群体的福利。 六 结论 本文利用重庆房产税改革这一案例,首次经验分析了房产税改革对房地产住宅价格的影响,并且研究结果验证了本文提出的假说。 在案例研究中存在如何选取对照组和如何统计推断的问题。本文采用的合成控制法,通过挖掘数据的信息赋予对照组适当的权重,得到一个事件发生前拟合最优的对照组,再将合成控制法构造出的“反事实”现象与真实的重庆房价进行比较。研究表明重庆的房产税改革在针对高档房屋征税时,提高了房屋持有者的成本,影响了购房者的需求、投资者的预期收益和投资需求。重庆地区实际样本住宅均价与没有出现房产税改革的样本住宅均价出现了负的差距,并且最大差距为-350.8元,平均每月的差距值为-156.61元,月均差距率约为2.39%。也就是说重庆在实施房产税后,房价最高下降了350.8元,平均每月要比没有实施房产税的情况下房价低156.61元,平均每月低2.39%。可以认为在2011年2月到2012年2月期间,重庆市的房价增长水平比潜在房价增长水平平均低了2.39%,最高达到5.52%。 更为重要的是,本文的研究还发现房产税政策的免税方案产生了扭曲效应。房产税主要是降低了大面积住房价格,同时由于从大面积住房挤出的需求流向了小户型住房,从而却提高了小面积的住房价格。房产税的本意是要通过增加持有成本降低房价,特别是要提高低收入群体购买住房的可能性,但实际效果却完全相反。因此,在未来大面积推广房产税时,需要谨慎评估现阶段的“窄税基”房产税对不同群体的影响,特别是对低收入群体的不利影响。 参考文献: 昌忠泽(2010):《房地产泡沫、金融危机与中国宏观经济政策的调整》,《经济学家》第7期。 陈彦斌、邱哲圣(2011):《高房价如何影响居民储蓄率和财产不平等》,《经济研究》第 10期。 陈超、柳子君、肖辉(2011):《从供给视角看我国房地产的“两难困境”》,《金融研究》第1期。 杜雪君、黄忠华、吴次芳(2009):《房地产价格、地方公共支出与房地产税负关系研究——理论分析与基于中国数据的实证检验》,《数量经济技术经济研究》第1期。 高波、陈建、邹琳华(2012):《区域房价差异、劳动力流动与产业升级》,《经济研究》第1期。 i刘甲炎:华中科技大学经济学院 ii上世纪70年代越战结束后,大批美国退役士兵回国后选择加州安家。这些退役士兵们购置土地,大兴土木,使加州房地产价格上涨,物业税的税基也随着上涨,虽然加州财政收入大幅度提高,但是很多居民不得不变卖家产,移民他乡,一些留下来的居民则和加州政府进行抗议斗争。1978年公共选择学派代表人物之一布坎南提出了第13号法案,该法案规定物业税税率不得超过市场价值的1,,并且税基由1974年公开市场价值为基准,每年税基增加量不得超过2,,同时不能增加其他额外税费。13号法案通过后,加州又陆续通过第4、6、98、218等多项与税收和支出相关的法案。 iii见《关于2010年深化经济体制改革重点工作的意见》(国发[2010]15号)。 iv这里我们不仅使在房产税改革前每个月份的房价与通过对照组加权得出的房价相同,而且使影响房价的因素也相同。 **v在求时,需要知道W。我们可以通过近似解来确定合成控制向量W。选择最小化X和1*XW之间的距离|X-XW|来确定权重向量W。其函数表达式为010 。W满足的条件为:对任意的j=2,„J+1,有w?0并且W-„+w=1。X是房产税改革试验前试点城市的(k×1)维特征向j2J+11 量;X是(k×J)矩阵,X的第j列为地区j的房产税改革试验之前的相应特征向量。特征向00 量为方程组(2)中决定房价增长的因素或者房价增长变量的任意线性组合。V是一个(k×k)的对称半正定矩阵。V的选择会影响估计均方误差,我们使用Abadie等(2010)开发的Synth程序包运行模型的估计。详见Abadie等(2010)。 vi这恰恰说明DID方法在评估房产税政策时是无效的,将其他城市加权平均的方法都无法获得可靠的参照组,主观选择单一的城市作为上海的对照组会造成更大的偏误。我们曾经采用普通的DID方法将上海和重庆作为处理组,其他所有城市作为对照组进行估计,结果发现显著高估了政策的效果,通过合成控制法与DID方法的比较,重庆的高估程度高达44.94,。 vii在稳健性检验中,王贤彬和聂海峰(2010)就将,海删除,其原因是上海是研究地区预测误差的36倍。还有Abide等(2010)删除了New Hampshire,原因是在烟草改革之前,该州是所有州中平均消费烟草最多的州。 viii40个城市包括所有省会城市(除拉萨、香港和澳门外),同时由于数据的可获得性,以及考虑到重庆没有实施限购政策,我们又选择了一些与重庆房价差别不大,并且未实施限购政策或限购政策实施较晚的城市,其中包括:北海、大连、惠州、泉州、温州、无锡、徐州、湛江、包头。 ix各个城市土地成交均价由中国指数研究中心提供,由于少数月份没有土地成交,我们通过插值法获得。 x这7个城市间的权重不是线性关系,当我们在这7个城市中更换一个目标城市进行模拟时,其合成的城市名称和权重都会发生变化,这说明不存在线性内推的问题,感谢审稿人指出此问题。 xi土地价格与房价可能出现内生性问题,房价的下降可能由土地价格下降导致而不是房产税改革的作用。但是本文所研究的时间是一个短期效应,同时土地成交均价中,房产税改革之前的土地价格是4834.18元,而改革之后为6301.96元。在房产税改革前后土地价格是上涨的,从而缓解了因房产税改革影响了地价而导致房价下降这一机制。感谢审稿人对此问题的 指正。 xii对于所用合成控制法的文献,对规定对照组平均标准变动的程度都不一样,没有一个统一的标准,本文选取的这一指标相对比较严格。我们在去掉合成期间标准变动程度较大的对照组后,保留了22个城市,有较多样本在对照组与处理组进行对比。而王贤彬和聂海峰(2010)在29个样本中去掉了22个,仅保留7个。Abadie等(20lo)有去掉11个左右保留28个对照组,也有去掉22个左右保留19个对照组的图,制定的标准也不一样。 xiii中华人民共和国统计局统计了全国70个大中城市的城市住宅销售价格指数。其中华北8个、华东13个、华南13个、华中15个、东北8个、西南8个和西北5个。
/
本文档为【中国房产税试点的效果评估 基于合成控制法的研究】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。 本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。 网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。

历史搜索

    清空历史搜索