房產稅調控政策對商品房價的影響研究
——基于合成控制法的分析

劉鳳娟，司言武

(1.無錫環境科學與工程研究中心，江蘇 無錫 214153；2.浙江財經大學財政稅務學院，浙江 杭州 310018)

八十年代開始的職工住房制度改革開啟了住房的商品化。1991年、1994年和1998年國務院下發的通知及決定等，推動了住房商品化發展，導致了上世紀九十年代末部分地區和本世紀近二十年的房地產產業迅猛發展，使之成為了我國的重要支柱產業，對國民經濟和社會發展起到了巨大的推動作用。而在此期間，房地產調控搖擺在房價穩步增長和控制房價增長之間，房價出現了越調越漲的現象。仔細探究，這種現象的背后不僅僅是剛性需求的作用，也是多種因素交織作用的結果。雖然中國的人均GDP還沒有達到發達國家的水平，但是，北上深等一線城市房價卻排在全球前列。這個結果一方面說明國家的經濟發展為不少人帶來了機會和財富；另一方面，也說明中國在住房上的投機性行為較強。

由于房價與經濟穩定和社會民生的關系密切，政府房地產調控政策和房地產價格的聯動性就成為了政府和學界密切關注的一個焦點問題。梳理近些年的房地產政策，一個大致的規律是，房地產市場盡管一直處于各級政府的密集調控下，但房價總體還是處于不斷上揚的態勢。盡管房產稅的調控政策初衷可能和房價之間沒有必然的聯系，但從政策的實施效果來看，無論是理論層面還是實踐層面，都把房地產的價格波動和政府調控的成功與否建立了一種關聯。因此，解讀和審視房地產調控政策，就繞不開房價的走勢和波動問題。為此，我們運用我國32個城市的2009年4月以來的與房價相關的月度面板數據，通過對上海重慶試點城市等運用合成控制法進行房產稅調控政策的效果及敏感度問題研究，提出更為適宜的房地產調控政策。

一、相關文獻回顧

國內外學者對房產稅與房價之間的關系做了很多方面的研究。綜合起來，主要體現在以下幾個方面：

(一)房產稅與房產價值之間呈現負相關關系

很多國內外研究者持有房產稅和房價之間存在負相關關系的觀點。就國外而言， Oates(1969)認為稅收和財政支出會對當地的房產價值產生直接影響，稅收與房產價值之間有很大的負相關，但是當地的房產價值卻與政府的財政支出有很大的正相關性[1]。Rosenthal(1999)的研究結果顯示，房產稅稅負與房價之間呈現負相關性[2]。Polinsky和Shavel(1976)認為假定其他情況相同，那么，如果一個社區的房產稅稅率高于平均水平，那么它的房產價值就會降低[3]。Bradbury等認為房產稅的下降促進房地產繁榮[4]。Lopez-Garcia(2004)、Lang(2004)和Van den Noord(2005)的實證結果顯示房地產稅對房價的影響為負[5][6][7]。胡洪曙(2007)指出征收房地產稅會導致房價由于稅收資本化而降低，又會因為地方公共服務資本化而提升。這些研究均肯定了中國房地產稅、地方公共支出和房價之間存在相關性[8]。杜雪君等(2009)實證結果也認為房產稅和地方公共支出對房價的影響，且后者的影響效果要大于前者；房地產稅對房價的影響存在顯著的區域差異，且各房地產稅種對房價的影響不盡相同，房產稅和契稅對房價的影響為負，而城鎮土地使用稅、土地增值稅和耕地占用稅對房價的影響為正[9]。況偉大等(2012)實證結果顯示房產稅對房價具有顯著負向作用，不過，對房價的調控政策預期對房價的影響高于房產稅的影響等[10]。并且他(2013)做了調查問卷后，得出的結論是在不考慮房產稅開征與房產持有者特征關系的情況下，開征房產稅越早，調控效果越好；擁有3套和4套住房以及有其他負債的居民則認為開征房產稅對預期房價的影響較??；絕大多數職業的住房所有者認為開征房產稅對預期房價的邊際效應很小。若考慮二者之間的關系，不同房產稅開征時間與住房數量的相互作用對預期房價的影響不同[11]。劉甲炎和范子英(2013)則開始運用合成控制法來研究重慶市進行房產稅試點的效果，結果發現房產稅對試點城市的房價上漲有顯著的抑制作用[12]。不過在安慰劑檢驗時，發現對于所選擇的數據，位于代表重慶市線下的城市比較多。

(二)稅收對自主房產的價值影響不大或者取決于其他因素

Hyman 和Pasour研究發現，北卡羅來納州的地方稅收和財政支出對業主自有住房價值的影響不明顯[13]。Millan和Carlson(1977)研究發現，小城鎮沒有證據說明當地房產稅和公共財政支出被資本化到業主擁有的房產價值，這也許不能證明小城鎮居民對財政差異不敏感，而是地區住房土地供給更有彈性的原因[14]。

還有的觀點認為房產稅對房價的影響因素較多，并不一定確定二者的關系。如睢黨臣和李牧然(2011)認為房產稅對房價的影響取決于多種因素，而房價主要取決于供求關系[15]。

另外的一些文獻則論證了房產稅對房價的影響甚微。比如王家庭和曹清峰(2014)利用倍差法實證結果顯示我國房產稅試點不存在明顯的政策預期效應；房產稅試點顯著降低了住宅價格，但對商品房價格和高檔住宅價格影響不顯著[16]。白文周等(2016)的實證結果顯示上海的房價高于房產稅試點前，重慶低于房產稅試點前，所以他們認為房產稅擴圍的影響與市場結構有密切關系，不能籠統給出房產稅擴圍有效或無效的簡單判斷[17]。

從以上的文獻綜述來看，現有的理論分析和實踐經驗無法給出房產稅和房價之間的關系判定。為了全面把握政策的實施影響，我們運用合成控制法來分析房產稅實施的經濟影響。合成控制法比較適用于所選擇的目標地區實施了某項政策，而其他地區在那個時間點沒有實施，這樣可以用其他地區的數據加權合成該目標地區從而較好地體現實施該項政策對該地區所帶來的影響，也就是能夠從反事實角度體現政策對當地城市的影響。如Abadie等(2003)首次采用合成控制法研究了巴斯克地區沖突的經濟成本[18]；Abadie等(2010)用合成控制法分析了加利福尼亞州通過了99號法案后，該控煙法案對該地區煙草消費的影響，主要借助于其他州的數據模擬該州在沒有實施該法案時的潛在煙草消費水平[19]。Abadie等(2014)用合成控制法估計了1990年德國統一對西德的經濟影響[20]。楊經國等采用合成控制法分析了我國設立經濟特區所帶來的經濟增長效應[21]。

本文的貢獻在于以下四個方面：第一，利用反事實的合成控制法對上海和重慶的房價在房產稅試點及之后出臺調控政策產生的反應做了研究；第二，考慮了影響商品房價的多個因素如土地價格和契稅、租金、經濟發達程度、健康保障及教育和科技投入等，且觀測期的增加使得分析結論的適用性和合理性增強；第三，針對實證結果，研究房產稅及調控政策對不同區域影響的不同，從而在政策面上為政府出臺差異化政策提供支持；第四，針對現有住房提出了差別化的管理處罰及拍賣等措施，針對特殊保障人群，提出住房的商品化轉為根據家庭的申請進行供給，降低市場對房屋交易的預期，并將之與調整完善智慧養老與社區養老相結合。

二、變量選取和模型構建

合成控制法的基本思路是：通過對現有備選的多個控制單元進行權重加總，合成的一個對照組與實驗組的特征就極為相似，因而能較好地作為實驗組的對照面來進一步展開反事實分析[22]。也就是說，如果要考察某個干擾項對某區域的影響，那么就將這個區域作為實驗組，選擇沒有受到該干擾項影響的其他若干區域加權合成與實驗組特征相似的對照組，這樣就可以通過對照組了解實驗組在沒有干擾項發生時該區域的狀況，以獲得干擾項對該區域的影響程度。

(1)

(2)

……

(3)

因此，只要通過權重向量W*就可以估計出α1t。

三、實證分析

(一)指標選擇及數據處理

房價的形成比較復雜，如當地的經濟發達程度、土地成交價、稅收、租金、居民收入、健康保障、科技投入、教育水平以及交通便利程度等等因素都會對商品房的價格形成產生一定的影響。這是因為如果當地的經濟比較發達、教育水平比較高、當地政府對科技投入的支持力度比較大以及醫療條件比較好，就很容易吸引人到該地區生活及進行個人發展。如果人才集聚達到了一定的程度，就會帶動相應產業的發展，從而提升當地從業者的收入水平。這樣又會吸引更多相關人才及形成相應產業集聚等等，形成良性循環。而集聚的人才多了，就會影響到居住的需求，因而帶動房價的上漲，而房價的高低又會影響到租房或買房的選擇，所以租金也是一個非常重要的替代因素。由于所涉及的數據范圍較廣，數據期間較長，有些指標在某時間段沒有相關的數據，所以本文選擇人均GDP、成交樓面價格、租金、居民可支配收入、人均醫生數、人均科學事業費支出以及人均教育事業費支出作為影響房價的指標。

各個指標的數據來自前瞻數據庫、各城市的統計年鑒、同花順數據庫以及國泰君安數據等，各類指標做了相應的數據處理，統計上一般都采用年度或者季度GDP的數據，本文根據季度累計數計算出當季GDP數據，然后利用Eviews軟件采用Quadratic mactchsum方法從低頻數據轉為高頻數據月度GDP，最后根據月度GDP數據及各個城市的常住人口數據，計算出月度人均GDP數據；人均醫生數、科學事業費支出及教育事業費支出都是根據年度數據及各個城市的常住人口數據直接折算成月度數據得到的。居民可支配收入由于有些月份沒有數據，所以直接用的累計數據進行分析的。

(二)指標數據的時間范圍選擇

在進行上?；蛑貞c與其他31個城市的房價均值做比較時，時間段為2009年4月到2015年12月。不過由于所用數據運行時的顯著性問題及合成控制法優化時占用內存問題還有搜索多指標數據的難度問題，進行合成控制法分析時，考慮的數據范圍為2009年4月到2014年12月。我國自從2010年12月房產稅試點獲批后到2014年12月以前，根據市場情況進行了多次的主要宏觀調控，相關的政策及發布時間點如表1所示：

表1 房產稅試點時間及后續的宏觀調控政策(截至2015年12月)

(三)上海房價及其他31個城市房價均值的現狀分析

上海的房產稅是從2011年1月開始征收的。由于房產稅僅在上海和重慶進行試點征收，所以符合合成控制法的適用條件。由于所選指標數據的要求，只能找到31個城市的相關指標數據合成上海與上海做比較。

首先分析上海和其他31個城市的商品房價在2009年4月到2015年12月之間的走勢。如圖1所示，受到征收房產稅的預期影響，上海的房價在2010年11月開始下跌，在房產稅征收試點獲批后，居民在房產稅征收前剛需購房的意愿有些強。所以房價小幅上升，然后在2011年2月以后開始下跌；在2012年2月國家出臺下調準備金率的政策后，房價又開始上漲；在2013年3月中央出臺“國五條”細則后房價開始下跌，一直下跌到2014年的2月份，也就是國家出臺了賦予地方政府更多自主權的政策后，止跌反彈。隨著其他政策如“央五條”、降準、地方救市、降息等的出臺，上海的樓市一直延續上漲。2015年商品房價的最高點已經比2013年3月的最高點上漲了28.64%，比2012年2月的最低點上漲了94.28%，在短短的3年多時間里，商品房價幾乎上漲了1倍之多。而其他沒有房產稅征收預期的31個城市的房價自2011年1月開始總的來說略有上漲，一直上漲到2013年2月(中央出臺“國五條”)后開始下跌，比上海提前跌了一個月，不過只是緩慢下跌到2013年12月，然后略有上漲。這說明上海的房價對國家出臺的各類相關政策比較敏感，同時房價反彈時上漲的也非常迅猛，而其他城市對政策的敏感度總體來說稍微差些。這種情況說明上海樓市投機性更強一些。

不過重慶與上海的房價走勢不同，重慶的房價一直處于較穩定的上升中，即使在開始征收房產稅的2011年1月，房價雖然略有下跌，但是仍舊高于征收前的價格；2012年2月下調準備金率的政策出臺時，其房價不漲反而跌了2個月，接著小幅上漲了4個月，然后開始小幅下跌4個月后又快速上升；2013年2月國家出臺了“國五條”限購政策，房價下跌2個月后又緩慢上漲到2014年的4月，然后和其他31個城市的下跌走勢一樣。這說明重慶市的房價并不容易受到外來政策的影響。同時也說明，國家的宏觀調控政策對于不同地域不同經濟環境及管理手段措施，效果是不同的。那么宏觀調控政策對上海及重慶的房價影響到底如何，下面利用合成控制法來解釋國家的政策前后對當地房價的影響。

圖1 上海和其他31個沒有進行房產稅試點城市的房價走勢

圖2 重慶和其他31個沒有進行房產稅試點城市的房價走勢

(四)基于合成控制法的政策對房價影響的分析

上海、重慶從2011年1月開展房地產稅試點，而其他31個城市則沒有進行房產稅征收。所以選擇其他31個城市分別對上海及重慶進行加權合成，這樣可以了解上海及重慶如果不征收房產稅時房價的走勢，從而分析出房產稅及其他宏觀經濟政策對上海及重慶房價的影響。

為了降低對短期效應的偏差以及現有數據搜集的問題，本文選擇31個城市2009年4月到2014年12月這段時間的指標數據加權合成上海和重慶。合成的結果更能夠反映出房產稅等各項政策對不同類型的城市如上海及重慶等房價長短期的真實影響。對于上海來說，這個時間段合成的城市情況如表2所示，在考慮多因素影響房價的情況下，合成的城市包括北京、深圳、杭州、溫州及大連，這些也體現了上海市的總體房價由不同區域房價構成，各區域的公共服務水平、地理位置、產業傾向、樓面價及租金的不同等，導致不同的房價，并影響了周邊區域如杭州、溫州等的商品房價走勢。還有，為了確保合成效果較好，要求統計結果相對顯著，這樣才更能夠說明房產稅征收對上海房價的影響程度。經過多次測算驗證，選擇2009年9月、2010年6月和12月份的商品房價相關指標數據合成，在2012年12月以前，其P-value除了2011年1月、2月外，從2011年3月到2012月12月，都是統計顯著的，其不顯著的數據有可能是由于運用插值法測算出來的結果，由于每年的商品房銷售價格在1月份和2月份的數據都不全，數據是通過插值法等方法補充完整的，所以與真實數據稍有差異。

表2 合成上海的城市及其權重(2009.4～2014.12)

表3 合成重慶的城市及其權重(2009.4～2014.12)

對于重慶來說，如表3所示，合成重慶的城市包括合肥、石家莊和蘭州，而合成重慶時進行優化的結果，包含的城市為長沙、石家莊和呼和浩特。P值在政策剛剛出臺的半年內是統計顯著有效的，過了這個時間后，政策的效果就不顯著了。

對于上海來說，合成結果如表4和圖3所示。在圖3中，可以看到，房產稅的征收導致上海的房價快速下跌到了2009年6月左右的時間的價格；而如果不征收房產稅，其房價可以通過合成上海的房價走勢看到在前期上海房價漲了一段時間后，也會出現下跌，只不過跌幅沒有征收房產稅后大；在2012年2月國家下調存款準備金率后，漲幅沒有以前那么高，不過房價卻最后超過了前期的價格；在2013年2月國家出臺“國五條”限購政策后，房價做出了下跌的反應，比上海實施房產稅后的真實房價提前下跌了1個月，但是跌幅在前2個月要大一些。也就是說，上海地區對政策的敏感性較強。每次國家出臺相應的宏觀調控政策如圖1在2011年1月、2012年2月和2013年3月(2013年2月國家出臺國五條，3月出臺細則)時間點的參考線所示，都會對上海地區的樓市起到一定的作用。

另外，因為社會民眾對上海和重慶將要征收房產稅有心理預期，所以房地產市場的反應就像圖2、圖3和圖4顯示的那樣，商品房價已經提前在市場上反映出來，在10月份就呈現下跌趨勢。2011年1月和2月的房價由于人為計算的結果，所以可能與市場實際走勢略有出入。不過因為房產稅政策的緣故商品房價市場仍呈現出2月份和3月份市場開始下跌。

表4 上海和合成上海的指標數據對照表(2009.4～2014.12)

圖3 合成控制法合成假設上海不設房產稅試點城市的房價走勢

對于重慶來說，重慶和合成重慶的指標數據以及其他31個城市的指標數據取均值的對照情況如表5所示，重慶及合成重慶的房價走勢如圖4所示。重慶市在房產稅試點公布時的前期預期激發了剛性需求的購買力，導致價格上升，然后出現房價回落，不過下降的趨勢和沒有實施房地產稅試點的城市的合成結果走勢近似。說明房產稅試點對重慶市房價的影響效果較小。2012年和2013年國家出臺宏觀調控政策的效果亦是如此，政策效果僅在非常短期內有效。這說明總體來說，國家的宏觀調整政策對于重慶市的影響甚微。

表5 重慶和合成重慶的指標數據對照表(2009.4～2014.12)

圖4 合成控制法合成假設重慶不設房產稅試點城市的房價走勢

所以說并不是所有的城市都像上海一樣，對政策有較高的敏感度。由表1顯示的上海和重慶2個城市的房產稅征收對象及稅率可以了解到，上海市的征收范圍明顯小于重慶市，稅率亦是如此。可是上海市商品房價的跌幅卻遠遠高于重慶市。進一步說明，一個稅收政策或者國家政策的出臺會因著不同地域環境、管理方式以及其他相關因素而產生不同的效果。國家的宏觀政策需要針對各地的不同情況而制定，而不能一概而論。

在本文中，由于考慮的時間跨度比較大，期間有各種政策的出臺，前面的量化結果是各種政策交錯作用的結果。那么如果單獨考慮房產稅對上海房價的影響，只需要考察截止到2012年2月下調準備金率政策前的合成控制法的合成效果就可以了。不過對這段時間進行合成后，由于在做合成控制法時，使用了優化功能，所以對這段時間單獨做合成控制法時，結果與截止到2014年12月是一樣的。

(五)穩健性檢驗

為了檢驗上面的合成結果是否有效，需要檢驗合成結果的統計顯著問題，以估計結果的穩健性。在Abadie等(2010)的論文中可知，基于經典的隨機化推理方法——安慰劑檢驗方法[11]，就是假設沒有實施房產稅的其他城市實施了該政策，逐一對每個假設實施該政策的城市通過合成控制法用其他沒有實施的對照組城市合成該城市，得到該城市與合成城市的商品房銷售價格的差距，然后把所有的處理結果全部排列出來，并與實證結果得到的上海房價與合成上海房價的差距相比較，如果大部分城市位于上海城市的上面，則認為房產稅及宏觀政策對上海商品房價影響的評估效果統計顯著，也就是說對上海的商品房銷售價格走勢的估計結果是穩健的。

如圖5所示，代表32個城市的線在2011年1月到2013年2月期間大部分位于代表上海市的線之上，即代表上海的黑色實線基本位于最下方，期間每個月份的P值如圖6所示。在2012年12月以前，除了2011年1月和2月，其他月份的ATE都在10%的水平上顯著。所以這個合成控制法的模擬效果是有效的。

然后依次去掉均方預測誤差太高的，得到如圖7所示的結果。在2013年2月尤其是2012年12月以前，幾乎所有的代表合成城市的線都位于代表上海的線之上。所以上海市的合成結果是穩健的。

而重慶市的檢驗結果如圖8和圖9所示，檢驗結果不穩健，而P值的統計結果也不顯著，即房產稅及其他宏觀調控政策效果對重慶的影響效果不顯著。進一步說明，對房價穩定的地區，或者沒有較強經濟優勢的區域，對房價的調控政策有限。

圖5 安慰劑檢驗(2009.4～2014.12)

圖6 實施房產稅及宏觀調控政策后的合成上海的P值檢驗

圖7 去掉較高均方預測誤差后的安慰劑檢驗結果

圖8 安慰劑檢驗(2009.4～2014.12)

圖9 實施房產稅及宏觀調控政策后的合成重慶的P值檢驗

四、政策建議

對關系國計民生的產業及領域，應該由國家相關負責部門聘請相關產業及領域的專家及學者進行研討，提出持續發展的相關政策草案，并向社會各界人士征詢建議，最后形成政策措施。同時這些產業及領域應該由國家管控，而不是向市場開放所有領域。否則會給國家的未來帶來難以估量的后果。根據上面的分析結果具體的政策建議如下：

1. 各類宏觀政策應因地制宜。由于各地區的地域、經濟環境、當地各級領導的管控能力、公共服務水平以及人口吸引力等等原因，同樣的宏觀政策所起的作用有所不同，有些甚至對當地相關方面的發展起反作用，所以國家在出臺各類相關宏觀政策前，應該對相應區域做調研，根據不同區域的情況進行政策實施后的測試，針對不同區域對不同政策的敏感度及當地的實際情況，出臺相適應的宏觀政策，以便起到良好的效果。

2. 土地的合理管制及現有住房管理。我國的耕地面積本來就不多，如果一直在以目前的速度開發下去，會給國家的后代帶來很多生存危機，或者這個國家為人所控。所以應該合理慎重管控國家土地用于商品房開發的需求。同時采用一定的信息化手段管理目前的住房。根據陳利鋒(2016)的研究顯示對房地產市場做出反應的政策機制均具有較高的社會福利水平[22]，所以國家出臺相應的住房政策有利于提高居民福利。為了降低商品房的投機炒作，對于目前在城市用于居住的房子，應統一進行實名登記。不管是否有當地戶籍，按照居住標準，一戶家庭可以擁有一套住房；第二套改善性住房按照房產稅率征收稅收，畢竟根據李永海和孫群力(2016)的研究結果顯示稅收負擔可以顯著擴大地區隱性經濟規模[23]；超過2套住房的，設定出售時間段，在時間段內沒有進行出售的，如沒有特殊原因，應該制定懲罰措施處置該處房產甚至對該房主人罰款。

3. 住房的統一配置及法律完備。我國是社會主義國家，保障百姓的生存環境是基本的必要前提，而住房是人們生存的基礎，不應該以投機的形式進行買賣。所以國家應該對保障性住房針對不同地塊進行招標，建設保障性住房。對于在當地有戶籍的居民從學校畢業后為了結婚的需求，可以向所在單位和所在街道派出所提出住房申請。這樣在保障家長的后顧之憂的同時，減少商品房的投機行為。建立調整完善住房方面的相關法律規定，建議對于外地人在當地城市炒作房產的，一旦查實，給予重罰。另外，設立相應的法律條款保障居民的各種權利和義務。

4. 公共服務水平的提升。各地政府應加大力度提升公共服務水平，如提高偏遠地區的義務教育設施及師資的投入，改進交通設施，通過新型城鎮化建設推動小型城鎮的特色產業發展，以特色產業帶動相關產業的發展，間接引導大城市打工人群回流，為家鄉的建設服務。對于家鄉建設有特殊貢獻的，國家可以出臺相關政策進行鼓勵，以便為各個產業的發展形成良性循環的基礎和條件。這樣可以逐步分流出居住在大都市的人群，緩解各個方面的壓力，并因而帶動房價的穩定。

5. 智慧養老與社區養老的配套。一個國家對于老年人的生活保障，體現著這個國家的管理水平及發達水平。所以應著手建立智慧養老社區，將醫療、生活及居住一體化，入住的老年人在允許的看護范圍內或者在身體上安裝一定的電子裝置，醫護人員可以遠程看護老人，當電子裝置有一定的提示時，醫護人員可以現場服務。同時，老年人還可以通過這些裝置在電子平臺上點擊社區超市出售的產品進行購買服務，超市人員送貨上門。另外，社區還為老年人提供定時的線上下線聯合會診服務，以保證老年人的身體健康。還有張晨寒和李玲玉(2016)建議的建立養老服務時間銀行模式有利于對人力資源的多方整合[24]。這樣，可以提高人口集聚度、第三產業的發展及住房使用率，對于房價也起到間接的穩定作用。

五、結 論

合成控制法從反事實的角度幫助研究者分析某項政策實施后對某個區域產生了何種影響，主要是利用了其他沒有實施該項政策的若干區域加權合成所要分析的區域，這樣可以在圖上顯現政策實施前后對該區域的影響。本文通過合成控制法，利用實施房產稅前的各城市指標數據，將除了實施房產稅的上海市和重慶市外的31個城市分別加權合成上海市和重慶市，再將上海和重慶的數據分別與房產稅實施后的兩市房價走勢相對比，從而發現房產稅對上海市和重慶市房價的影響程度。

在這個過程中我們也考慮了其他的相關宏觀政策。結果發現房產稅及其他相關宏觀政策對上海房價的影響較大，但對重慶市的影響較小。并利用安慰劑檢驗方法對合成結果做了穩健性檢驗，上海市的統計結果顯著，重慶市的統計結果則不顯著。這說明房價本身受到諸多因素的影響，尤其受到提供的公共服務水平、樓面價格、租金狀況、經濟發達程度、現有的和投入的科學事業費、教育事業費以及居民可支配收入水平等的影響。所以國家在出臺相應宏觀政策時，應該因地制宜；嚴格土地管制及住房管理；建立調整完善住房申請制和相關法律法規；通過提高公共服務水平分流人口，間接影響房價；智慧養老和社區養老相結合提高人口集聚度、第三產業的發展及住房利用率等間接穩定房價。

參考文獻:

[1] Oates W. E. The Effects of Property Taxes and Local Public Spending on Property Values: An Empirical Study of Tax Capitalization and the Tiebout Hypothesis[J]. Journal of Political Economy， 1969，77(6)：957-971．

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

[3] Polinsky A. M.， Shavell S. Amenities and Property Values in a Model of an Urban Area[J]. Journal of Public Economics， 1976， 5(1-2)：119-129．

[4] Bradbury K. L.， Mayer C J， Case K E. Property Tax Limits， Local Fiscal Behavior， and Property Values: Evidence from Massachusetts under Proposition 212 [J]. Journal of Public Economics， 2001，80(2)：287-311．

[5] Lopez-Garcia M. A. Housing， Prices and Tax Policy in Spain [J]. Spanish Economic Review， 2004，6(1)：29-52．

[6] Lang K.， Jian T. Property Taxes and Property Values: Evidence from Proposition 212 [J]. Journal of Urban Economics， 2004，55(3)：439-457．

[7] Van den Noord P. Tax Incentives and House Price Volatility in the Euro Area: Theory and Evidence [J]. économie Internationale， 2005，(1)：29-45．

[8] 胡洪曙. 財產稅、地方公共支出與房產價值的關聯分析[J]. 當代財經，2007，(6)：23-27

[9] 杜雪君，黃忠華，吳次芳. 房地產稅， 地方公共支出對房價影響——全國及區域層面的面板數據分析 [J]. 中國土地科學， 2009， (7)：9-13．

[10] 況偉大，朱勇，劉江濤. 房產稅對房價的影響:來自OECD國家的證據 [J]. 財貿經濟， 2012，(5)：121-129．

[11] 況偉大. 開征房產稅對預期房價的影響:來自北京市調查問卷的證據 [J]. 世界經濟， 2013，(6)：145-160．

[12] 劉甲炎，范子英. 中國房產稅試點的效果評估:基于合成控制法的研究 [J]. 世界經濟， 2013，(11)：117-135．

[13] Hyman D. N， Pasour E. C. Real Property Taxes， Local Public Services， and Residential Property Values [J]. Southern Economic Journal， 1973，39(4)：601-611．

[14] McMillan M.， Carlson R. The Effects of Property Taxes and Local Public Services upon Residential Property Values in Small Wisconsin Cities [J]. American Journal of Agricultural Economics， 1977，59(1)：81-87．

[15] 睢黨臣，李牧然. 房產稅是否等于房價下降？——聚焦上海， 重慶試點征收房產稅 [J]. 經濟體制改革， 2011，(3)：159-161．

[16] 王家庭，曹清峰. 房產稅能夠降低房價嗎——基于DID方法對我國房產稅試點的評估 [J]. 當代財經，2014，(5)：34-44．

[17] 白文周，劉銀國，盧學英. 滬渝房產稅擴圍房價效應識別——基于反事實分析的經驗證據 [J]. 財貿研究， 2016，(1)：70-79．

[18] Abadie A.， Gardeazabal J. The Economic Costs of Conflict: A Case Study of the Basque Country [J]. The American Economic Review， 2003，93(1)：113-132．

[19] Abadie A.， Diamond A.， Hainmueller J. Synthetic Control Methods for Comparative Case Studies: Estimating the Effect of California’s Tobacco Control Program [J]. Journal of the American statistical Association， 2010，105(490)：493-505．

[20] Abadie A.， Diamond A.， Hainmueller J. Comparative Politics and the Synthetic Control Method [J]. American Journal of Political Science， 2015，59(2)：495-510．

[21] 楊經國， 周靈靈， 鄒恒甫. 我國經濟特區設立的經濟增長效應評估[J]. 經濟學動態， 2017，(1)：41-51．

[22] 陳利鋒.金融沖擊、房價波動與貨幣政策[J]. 首都經濟貿易大學學報，2016，18(1):40-50．

[23] 李永海，孫群力.稅收負擔、政府管制對地區隱性經濟的影響研究[J]. 廣東財經大學學報，2016，31(2):88-100．

[24] 張晨寒，李玲玉.時間銀行:居家養老服務模式的新探索[J]. 河南師范大學學報(哲學社會科學版)，2016，43(5):80-85．