税收资本化、地方公共服务对房地产价值的影响——基于Tiebout- OateS模型的多组团式中心城市的实证检验，本文主要内容关键词为：实证论文,公共服务论文,中心城市论文,税收论文,模型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
［中图分类号］F061.5 ［文献标志码］A ［文章编号］1007—5097（2009）10—0027—05
一、引言
近年来，随着中国各地房地产需求的不断膨胀，房地产市场已成为社会各界普遍关心的问题。数据显示，2006年国内70个大中城市房屋销售价格上涨5.5％，其中北京房价一度走出了连续7个月呈两位数的增长势头。面对这种情况，两会召开以来，有些代表委员呼吁出台房地产税，期望房地产税能成为房地产业发展的“稳定器”。不过，对房地产税在何时开征、将对房地产业带来多大影响等一系列问题，还存在一些争议。关于房地产价格上涨的原因，有关部门和专家大多强调的是土地和资金供给减少、预期变化、需求膨胀以及投机炒作等等，但如果考虑到房地产价格上涨过程中的地域差别，那么，财政支出水平，特别是公共产品供给方面的支出水平，也是影响房地产价格上涨的一个重要因素。
而如何确定公共产品的支出水平，一直是公共经济学的核心问题。Buchanan[1]的公共选择理论认为，居民缺乏为选择合适的公共管理者而获取信息的积极性，公共管理者也缺乏有效提供公共产品的积极性。但Samuelson认为：“市场失灵并没有否认以下事实：如果具备充分的知识，只要对各种可能状态进行搜索，并根据假定的伦理福利函数来选择最优状态，我们就总能找到最优决策。这个解是存在的，关键是如何找到它”[2]。Tiebout发现“在历史上，地方支出一直高于联邦政府支出”[3]。他提出了以下问题：“在地方政府这一层次上是否存在某种运行机制，使得花费在公共产品上的支出近似地接近于适当的水平。”为了解答这个问题，Tiebout提出了一个著名模型，其中有一条重要假设：具有消费者和投票者双重身份的人，作为“理性消费者”，他们掌握不同社区或地区的收入—支出模式差异的完全信息，并能够对差异作出反应（即“用脚投票”），选择符合自己收入—支出偏好的地区居住。模型中收入主要是能够获得的公共服务收益以及公共服务水平提高所带来的财产价值增加，支出则主要指其税收负担和居住成本。
奥茨（Oates）[4]以美国新泽西州社区为样本，通过回归方程表明，居民的财产价值主要通过其所拥有的房地产价值体现出来。在Oates之后，Orr[5]以波斯顿地区的三十一个社区为样本，得出了社区财产税对财产价值的影响与Oates大致相同的结论。
但是，Oates等人所得到的支持Tiebout模式的定量结论也遭到了不少非议。Edel与Sclar（1996）[6]、Hamilton（2005）[7]、Pauly（2004）[8]分别著文反驳Oates的结果。他们认为，在一个Tiebout机制能充分发挥效应的世界中，将不存在税收与支出被资本化的问题。Meadows（2006）[9]扩展了Oates对Tiebout机制的实证研究，得出以下结论：如果将所有的间接影响考虑在模型内，则税收与房地产的支出水平对房地产价格的总体影响将大大小于Oates模式所得到的结果。Buchanan和Wagner（1990）[10]，Buchanan和Goetz（2005）[11]Henderson（2002）[12]，Mieszkowski（2002）[13]，Wildsin（2003）[14]等所做的一系列研究指出：在一个分权化的联邦体制中，个人在社区间的移民可能会产生外在性，从而导致无效率的结果，而只有当合理地开征地方税以纠正这些外在性，才能保证效率原则的实现。Ronald C.Fisher（2006）[15]指出Tiebout模型假设的公共服务主要通过一次性税收来提供资金，而现实中公共服务经常是通过财产税来筹资的，但他没有深入研究财产税资本化的程度。Mieszkowski和George R，Zodrow（2002）[16]把财产税率对地上建筑物和土地价值的影响区分开来进行研究，但对于地上建筑物资本化的程度大小，没有给出进一步的说明。Mattew Edel和Elliott Sclar[6]（1985）认为，税收增加的50％将被资本化，而得出与Oates的研究结果——税收增加的2／3被资本化不同的结论。Edel、Sclar（1974）、Hamilton（1975）[7]、Epple、Zelenitzhe（2004）[17]和Visscher（1998）等人集中考虑了供给对租金差异的影响，并认为资本化从长远看将会消失。David N.Hyman和E.C.Pasour（2000）[18]（1998）在对美国卡罗莱纳州的样本进行横截面研究后发现：财产税的资本化程度很小，但地方公共服务对住房价值有正的影响。
以上都是国外学者在国外的城市结构背景下考察了税收或公共服务资本化的大小，然而针对我国城市结构所作的定量研究，该领域尚属空白。鉴于此，本论文采用横截面数据的研究方法，考察重庆地区财产税和公共服务的资本化程度，以弥补该领域的一个空白。
二、基于Tiebout- Oates假说的实证研究
重庆地区共40个城区和县城，由于城区的商业繁华程度和人口规模与县城有显著区别，我们把经济较发达的九个主城区和原来从属于四川省的万州、涪陵、黔江这三个区域性中心城市一共十二个城区排除在样本外，以其余的28个县城为样本。把九个主城区看作一个中心城市，与万、涪、黔三个城区一起作为四个标准城市统计地区，各县城到哪个统计地区的直线距离最近，就以那个地区作为该县城的城市中心。
（一）重庆地区背景——“组团式”结构
本文作以下假设：中央以重庆直辖市为试验区，对县一级的地方政府赋予制定财产税率的权力。在此假设下检验重庆地区的税收和公共服务对房地产价值的影响，即税收和公共服务的资本化程度。文中的税收资本化，是指一个地区税率的改变对当地住房价值的影响；公共服务的资本化是指一个地区公共服务的改变对当地住房价值的影响。如果一个地区所提供的公共服务水平越高，如有良好的基础设施、高质量的学校、安全的社区环境等，则这个地区的住房价值相应被抬高。
首先，需要确定美国的财产税和我国目前税制的区别。在美国地方一级税收收入中，财产税占75.43％，财产税（尤其是其中的房地产税）是美国地方政府税收收入的主要来源[19]。而在我国，财产税占地方税收收入的比重微不足道。从1999年的财产税占地方税收总收入的8.16％，逐步降低到目前的6.8％。加之现行的财产税的税负普遍较低，使得财产课税占整个财政收入的比重很小。
其次，Oares的样本是以纽约市为中心，样本中只有一个中心劳动力市场，为“单一中心”结构。但重庆市是“组团式”的结构，即城市呈块状分布，每一个县城都以附近的一个更大的都市为城市中心，在重庆直辖市这个行政区域里有四个这样的城市中心——重庆主城区和万、涪、黔。
本文的研究工作与Oates等人研究背景有显著差异，这些差异是否会导致重庆地区财产税和地方公共服务对区域性房地产价值的影响与Oates等人的结论显著不同，我们将用下面的实证模型来检验。
（二）实证模型设计
我们对样本数据进行了横截面分析，其目的是在其他方面相同的前提下，确定财产价值与地方财产税和地方支出之间的关系。房主亲自居住的房屋价值是以下变量的函数：总人口、有效的财产税率、公共服务的粗略衡量以及与房屋本身特征相关的变量。与房屋特征相关的变量有：房屋的质量、位于这个社区的居民特征、此社区能否便利地到达附近的中心城市、是否位于风景区以及消费者的收入，假定这五个变量的系数都为正。本文采用的实证检验模型：
V——2006年重庆28个县城的平均住房价值（万元）（以下简称平均房价）
TP——2006年各县城总人口（万人）（简称总人口）
T——有效的财产税率（％）（简称财税）
HPI——各县城1996年以后修建的房屋百分比（％，1996年到2006年）（简称房屋百分比）
R——各县城自有住房的家庭每套住房的平均房间数量（间）（简称平均房数）
AHR——2006年各县城平均家庭年收入（元）（简称平均年收入）
ACE——2006年各县城人均基本建设支出（元）（简称人均基建）
DV——位于风景旅游区的哑变量（简称哑变量）
DIS——各县城到中心城市的接近度，即最近的中心城市的人口除以各县城到该中心城市的距离，这是人口与距离的比率（简称接近度）
OWN——2006年各县城自有住房家庭占总户数的百分比（％）（简称自住房百分比）
ACR——2006年各县城人均社会消费品零售额（元）（简称人均零售额）
（三）变量设计
（1）总人口（TP）
通常情况下，随着人口数量的增加，需求曲线沿供给曲线向上移动，住房价格也随之增加，所以假定房屋价值与人口数量呈正相关。
（2）财税（T）
一般说来，一个地区的财产税率越高，居民越不愿意在该地买房，由于需求量的下降，便会降低该地区的住房价值，所以假定房屋价值与财产税率负相关
（3）1996年以后修建的房屋百分比（HPI）和平均房数（R）
通常情况下，一套住房修建的时间较近，或是房间数量较多，则住房的价格也会越高，所以用现有住房的年数和每套住房的平均房间数量这两个特征来衡量住房的质量。本研究中没有得到各县城现有住房的平均修建年数，为了衡量现有住房的年数，我们将1996年以后修建的房屋百分比作为一个解释变量；用每套住房的平均房间数量来衡量房屋的大小。
（4）平均年收入（AHR）和自住房百分比（OWN）
房屋的无形特征也会对价格产生影响，比如一套住房位于风景更好、交通位置更好的社区，其价格也会越高。假定富有的家庭选择在质量更高、更吸引人的地方选择更好的住房。这样，该社区的平均家庭年收入就代表了一种对社区内住房价值的无形特征的测量。但贫困的家庭更有可能租房居住，其收入也比较低，如果用社区中全部家庭的平均年收入来代表房主亲自居住住房家庭的平均年收入就会有一个偏差，所以我们用自有住房的家庭占社区总户数的百分比作为变量来调节收入变量的向下偏差。这是因为一个社区中自己拥有住房的家庭所占的比例越大，则全部家庭的平均年收入能更精确的代表自有住房家庭的平均年收入。
（5）人均基建（ACE）
当人们预期一个地区日后的发展潜力时往往会考虑到此地区对基本设施的投入力度，所以地方政府对基本建设的支出大小也会也会影响到该地的住房价格。
（6）哑变量（DV）
由于旅游风景区有较多的娱乐设施，人流量也较大，这也可能会导致当地的住房价值更高。于是用哑变量来描述住房相关于娱乐场所的无形要素，若一个县城是旅游区取值为1，非旅游区则取值为0。
（7）接近度（DIS）
假定一个县城到中心城市的距离越近，住房价值越高。在Oates的研究中，衡量每个城镇到城市中心的距离这个指标是相对于同一个中心城市纽约而言的。而在我们的研究中，由于有四个城市中心，所以衡量各县城与中心城市的接近度这一指标就不是基于同质的中心城市而言的，每个城市中心都有不同的特征。从对住房价值的效应这个角度来看，人口规模的差异也许最为重要，中心城市中人口数量最少的是黔江区，只有49万，最多的是重庆主城区，为542万。由于人口规模差异很大，我们用最近的中心城市的人口除以各县城到该中心城市的距离这个比率作为解释变量。这样既考虑了县城附近中心城市的人口规模，又考虑了该县城到中心城市的距离。本文采用的距离是直线距离。
（8）人均零售额（ACR）
如果一个地区经济更发达，商业更繁荣，社会消费品零售额会更大，对住房价值也有正的影响，因此我们把人均社会消费品零售额这个变量也包含进模型。
本文采用重庆地区的数据，变量来源如表1。
实证结果显示：模型的解释度为76％，除了接近度以外，所有变量的系数都在0.01的水平下显著。
（1）总人口（TP）——0.056的系数表示了在其他条件不变时，人口每增加10000会使住房价值增加560元，此结果与住房价值和人口呈正相关的假设一致。
（2）财税（T）——－1.02的系数表明，财产税率每增加1％，住房价格便降低10000元左右。说明财产税率被资本化到更低的住房价值中去，这意味着如果在重庆地区征收居民财产税确实会降低当地的住房价格。
（3）1996年以后修建的房屋百分比（HPI）和平均房数（R）。衡量房屋新旧程度的变量HPI——正的系数表示了现有住房的年数越短，住房价值越高；衡量房屋大小的变量——房屋的平均房间数量R，其1.901的系数表示了在其他条件不变时，一套住房每多一间房，住房价值便增加19010元。
（4）平均年收入（AHR）和自住房百分比（OWN）。AHR——0.0001005的系数表示家庭平均年收入每多1元，住房价值便增加1.005元，与住房价值正相关。但平均家庭收入统计的是全部家庭而不是只针对自己有住房的家庭，这会导致一个向下的偏差，就需要用与收入变量相关度不高（相关系数为r＝0.18）的变量——自有住房的家庭占总户数的百分比（19WN）来调节。它的－0.006的系数表示了自有住房的家庭每增加1％，在其他条件保持不变时，住房价值便减少60元。这里没有一个合理的解释理由，因为从常理来说，一个社区中自己有住房的家庭越多，对房屋的需求量越大，需求量的上升会把该社区的住房价值抬高。
（5）人均基建（ACE）——0.0059系数表示当其他条件不变时，人均基本建设支出每增加1元，将导致住房价值增加59元。证实了重庆地区的人均基本建设支出对住房价值影响为正的假设，也意味着各县城居民在某种程度上对基本建设支出差异确实有反应，这一点正好导致与Tiebout结论相符——居民愿意为了提供公共服务水平更高的社区而花费更多。
（6）哑变量（DV）——0.178的系数表示了住房如果位于风景旅游区，其价值比其他地区高出约1780元。这看似一个较大的数据，但考虑到一套住房的价值都是上万元，则每套住房之间一两千元的价格差异是很小的。说明住房是否位于旅游风景区对住房价值没有太大的影响，这与重庆地区的实际情况是相符合的，重庆地区的五个主要旅游风景区——万盛、南川、大足、丰都、武隆，其住房价格并不明显偏高，这可能是由于重庆地区的旅游业起步较晚，其娱乐配套设施还未完全跟上时代步伐而造成的。
（7）接近度（DIS）——这个系数的t值不显著。这是由于我们的样本不是围绕某“一个”中心城市的环状居住结构，而是以四个城市为中心的“块状”结构，大多数居民的就业场所和经济活动都是在在本县城内进行的，所以这个结果也在情理之中。
（8）人均零售额（ACR）——0.0204的系数表明人均社会消费品的零售额每增加1元，会导致该地区的每套住房价值增加大约200元。说明人均社会消费品零售额确实衡量了一个地区的经济繁荣程度，它对该地区住房价值的影响为正。
方程（2）是用单方程回归技术来估计的。但有效税率T和人均基本建设支出ACE不能看成完全独立于财产价值。因为在一定的公共支出水平下，一个县城的财产价值越高，为满足支出方案的需要而制定的税率就会越低。一个更彻底的模型应该包括另外一个将税率作为被解释变量来处理的方程。其中，假定税率是地方公共支出水平、计税基数的大小、公共负债的程度（如果有）的函数。此外，如果一个县城的财产价值越高，这个县城用于基本建设的支出就会越多，所以财产价值会反过来影响税率和基本建设支出。这就意味着，方程（2）包含了某些联立方程偏差。这个问题意味着需要使用联立方程的回归技术[20]。我们也用两阶段最小二乘法重新对方程（2）进行了估计，然而得到的结果并不令人满意。这是由于解释变量在各社区之间的差异不大而造成的。
三、结论及政策建议
本文实证结果表明：尽管重庆地区的地理环境和位置特征与Oates等人的研究背景有重要差异，在研究中将这些差异考虑进模型，除了解释变量的系数与Oates模型中的系数有差异之外，我们也得出了重庆地区的财产税和公共服务的支出会对自有住房家庭的财产价值产生重要影响的结论。其影响如下：财产税与住房价值负相关，即发生了税收的负的资本化；代表公共支出的近似变量与住房价值正相关，即发生了公共服务的正的资本化。
结论的政策涵义如下：首先，重庆地区的财产税率将降低住房价值，这说明如果对我国重庆地区的县一级地方政府赋予制定财产税率的权利（但对于税率的范围中央政府应有一个统一的规定），会起到降低当地住房价值的作用，从而可以遏制房地产价格过热的态势。让绝大多数家庭都能买得起房子，解决了一个重要的民生问题；其次，提高公共服务的水平对住房价值有正的影响，这说明各地方政府应根据实际情况提供相应的公共服务。因此，本文针对我国正在进行的地方财政体制改革，提出如下建议：
1.由于房地产税课税对象稳定，不同地方政府的税源易于区分；地方政府可以根据自己的事权需要，制定财产税差别税率；最重要的是房地产税收入主要用于为本地区提供公共服务，负担与受益的对应关系比较明确，即可以避免税款使用与地方生活福利脱节。所以建议把房地产税归属为地方税。
2.房地产税的分享就在地级市、区县、乡镇三级政府之间。具体而言，就是税源所在地的基层财政享有产生于当地的不动产税，但市辖区财政需与地级市财政之间进行分享，分享比例可为五五分成。
3.税率范围可设定在1％～5％之间。税率的设计要使结果大体符合二八原则，也就是80％的税收来自于20％的纳税主体，各地方处于平均居住水平以下的居民无须纳税或只须缴纳很少的税。
4.从我国的实际情况来看，大多数居民所购买的房产，既不是投机，也不是投资的目的，而是基本生活住房，如果将城镇居民住房全部纳入房地产税，会加重普通人生活负担。因此，可以允许一个家庭中每人有20到30平米的免税住宅面积，或者是允许居民住房在价值评估后从评估价值中按家庭人口数乘以人均免税额的方式，扣除一定的总体免税额，以保障公民的基本生存权利。
5.由于公共服务对重庆地区的住房价值有正的影响效果，建议重庆市地方政府着眼于长期发展的观点，不盲目追求经济增长速度和依靠行政力量扩大投资规模，而是切实为居民提供他们所需要的公共产品，优化投资结构，努力为经济增长方式的转变和经济社会的协调发展作出积极贡献。