開征房產(chǎn)稅與抑制房地產(chǎn)價格波動的相關(guān)性研究——以7個OECD國家為實證樣本
發(fā)布時間:2021-09-02 12:15
以1990-2018年7個OECD國家為研究對象,利用結(jié)構(gòu)向量自回歸模型(SVAR模型)和基于VAR模型的脈沖響應(yīng)函數(shù)對房產(chǎn)稅和房價之間的關(guān)系進行脈沖響應(yīng)分析,并通過方差分解判斷出房產(chǎn)稅的沖擊對房價波動的影響以及影響房價的主要因素。研究發(fā)現(xiàn),從長期效果來看,房產(chǎn)稅對于房價的影響并不十分顯著;從短期效應(yīng)來看,房產(chǎn)稅的征收會造成房價在一定時期內(nèi)的波動;從波動幅度與房產(chǎn)稅稅率之間的關(guān)系分析來看,并不能說明房產(chǎn)稅對房價的影響的大小與房產(chǎn)稅稅率的高低有關(guān)。我國開征房產(chǎn)稅的政策思路:制定并完善相關(guān)房產(chǎn)稅法律制度;房產(chǎn)稅的開征應(yīng)該兼顧短期與長期效應(yīng);加大對房產(chǎn)持有環(huán)節(jié)的增稅力度。
【文章來源】:福建論壇(人文社會科學(xué)版). 2020,(07)北大核心CSSCI
【文章頁數(shù)】:11 頁
【部分圖文】:
加拿大脈沖響應(yīng)分析圖
《福建論壇·人文社會科學(xué)版》2020年第07期圖9澳大利亞脈沖響應(yīng)分析圖通過上述對7個OECD國家房產(chǎn)稅、利率、GDP增長率和物價指數(shù)(CPI)四個變量對房價的脈沖響應(yīng)分析,我們可以發(fā)現(xiàn):(1)從長期來看,房產(chǎn)稅的沖擊對房價的影響會逐漸衰減直至消失,證明開征房產(chǎn)稅并不能對長期房價產(chǎn)生影響,這與多數(shù)國內(nèi)外學(xué)者研究的結(jié)論也是一致的。(2)從短期來看,房產(chǎn)稅的征收確實會在一定時間內(nèi)使房價出現(xiàn)不同程度的波動。而且房價波動的方向也是有差異的,有的國家為先升后降,如美國、英國、德國,也有的國家卻是先降后升,如日本、韓國、加拿大、澳大利亞。(3)房產(chǎn)稅作為一種地方稅,在包括OECD在內(nèi)的大多數(shù)發(fā)達國家并不作為調(diào)節(jié)房價的政策工具,而是作為增加地方財政收入的重要財源。(六)方差分解分析通過對7個OECD國家VAR模型的方差分解,我們可以從表3中看出,5個不同變量對房價指數(shù)的沖擊呈現(xiàn)出不同的貢獻度。從表3方差分解的結(jié)果我們可以明顯看出,在5個變量中,房價指數(shù)(HPI)對房價波動的貢獻率最大,除了美國處于33-44外,其余各國均高于42,其中英國更是達到了95以上的貢獻度。這表明,大部分國家的房價波動主要原因是房價自身的沖擊,其他4個變量雖然也是影響房價波動的因素,但影響程度均不如房價(HPI)自身的沖擊。雖然美國、澳大利亞的房產(chǎn)稅(PT)沖擊貢獻度達到了30-41,但是其余5個國家的房產(chǎn)稅(PT)對房價波動的貢獻率均低于18,日本、韓國、英國甚至不足5。從時間維度來看,各國早期的房價指數(shù)對房價波動程度的影響解釋度均比較高,甚至遠遠超過了其他因素對房價的影響。從表3可見韓國在第5期時,房價指數(shù)(HPI)對房價波動程度的影響貢獻度高達94.05,遠超過另外4個因素的總和。然而隨著時間的演進,房價指數(shù)自身對房價波動的?
五個指標作為自變量,分別用HPI、PT、GDPR、CPI、LI來表示,其中房價指數(shù)以2015年為基期(2015=100),房產(chǎn)稅的單位為百萬美元,GDP的增長率是本期相比前一期的增長率,長期利率是10年以上貸款的年利率。需要指出的是,本文選取1990-2018年這7個樣本國在宏觀經(jīng)濟和房地產(chǎn)市場的數(shù)據(jù)資料均來源于經(jīng)濟合作與發(fā)展組織(OECD)的官方數(shù)據(jù)庫。(三)描述性統(tǒng)計為了能夠更好地觀察此次作為研究樣本中因變量的7個國家的房價指數(shù)波動狀況,以及更直觀地體現(xiàn)出房價指數(shù)的變動趨勢,我們以2015年為基數(shù)(2015=100)進行描述性統(tǒng)計。圖11990-2018年7個OECD國家房價指數(shù)趨勢圖81
【參考文獻】:
期刊論文
[1]房地產(chǎn)稅改革能抑制房價嗎——基于VAR模型的實證分析[J]. 童大龍,王秋武. 吉林工商學(xué)院學(xué)報. 2017(04)
[2]中國房產(chǎn)稅試點的效果評估:基于合成控制法的研究[J]. 劉甲炎,范子英. 世界經(jīng)濟. 2013(11)
[3]房產(chǎn)稅對房價的影響:來自O(shè)ECD國家的證據(jù)[J]. 況偉大,朱勇,劉江濤. 財貿(mào)經(jīng)濟. 2012(05)
本文編號:3378992
【文章來源】:福建論壇(人文社會科學(xué)版). 2020,(07)北大核心CSSCI
【文章頁數(shù)】:11 頁
【部分圖文】:
加拿大脈沖響應(yīng)分析圖
《福建論壇·人文社會科學(xué)版》2020年第07期圖9澳大利亞脈沖響應(yīng)分析圖通過上述對7個OECD國家房產(chǎn)稅、利率、GDP增長率和物價指數(shù)(CPI)四個變量對房價的脈沖響應(yīng)分析,我們可以發(fā)現(xiàn):(1)從長期來看,房產(chǎn)稅的沖擊對房價的影響會逐漸衰減直至消失,證明開征房產(chǎn)稅并不能對長期房價產(chǎn)生影響,這與多數(shù)國內(nèi)外學(xué)者研究的結(jié)論也是一致的。(2)從短期來看,房產(chǎn)稅的征收確實會在一定時間內(nèi)使房價出現(xiàn)不同程度的波動。而且房價波動的方向也是有差異的,有的國家為先升后降,如美國、英國、德國,也有的國家卻是先降后升,如日本、韓國、加拿大、澳大利亞。(3)房產(chǎn)稅作為一種地方稅,在包括OECD在內(nèi)的大多數(shù)發(fā)達國家并不作為調(diào)節(jié)房價的政策工具,而是作為增加地方財政收入的重要財源。(六)方差分解分析通過對7個OECD國家VAR模型的方差分解,我們可以從表3中看出,5個不同變量對房價指數(shù)的沖擊呈現(xiàn)出不同的貢獻度。從表3方差分解的結(jié)果我們可以明顯看出,在5個變量中,房價指數(shù)(HPI)對房價波動的貢獻率最大,除了美國處于33-44外,其余各國均高于42,其中英國更是達到了95以上的貢獻度。這表明,大部分國家的房價波動主要原因是房價自身的沖擊,其他4個變量雖然也是影響房價波動的因素,但影響程度均不如房價(HPI)自身的沖擊。雖然美國、澳大利亞的房產(chǎn)稅(PT)沖擊貢獻度達到了30-41,但是其余5個國家的房產(chǎn)稅(PT)對房價波動的貢獻率均低于18,日本、韓國、英國甚至不足5。從時間維度來看,各國早期的房價指數(shù)對房價波動程度的影響解釋度均比較高,甚至遠遠超過了其他因素對房價的影響。從表3可見韓國在第5期時,房價指數(shù)(HPI)對房價波動程度的影響貢獻度高達94.05,遠超過另外4個因素的總和。然而隨著時間的演進,房價指數(shù)自身對房價波動的?
五個指標作為自變量,分別用HPI、PT、GDPR、CPI、LI來表示,其中房價指數(shù)以2015年為基期(2015=100),房產(chǎn)稅的單位為百萬美元,GDP的增長率是本期相比前一期的增長率,長期利率是10年以上貸款的年利率。需要指出的是,本文選取1990-2018年這7個樣本國在宏觀經(jīng)濟和房地產(chǎn)市場的數(shù)據(jù)資料均來源于經(jīng)濟合作與發(fā)展組織(OECD)的官方數(shù)據(jù)庫。(三)描述性統(tǒng)計為了能夠更好地觀察此次作為研究樣本中因變量的7個國家的房價指數(shù)波動狀況,以及更直觀地體現(xiàn)出房價指數(shù)的變動趨勢,我們以2015年為基數(shù)(2015=100)進行描述性統(tǒng)計。圖11990-2018年7個OECD國家房價指數(shù)趨勢圖81
【參考文獻】:
期刊論文
[1]房地產(chǎn)稅改革能抑制房價嗎——基于VAR模型的實證分析[J]. 童大龍,王秋武. 吉林工商學(xué)院學(xué)報. 2017(04)
[2]中國房產(chǎn)稅試點的效果評估:基于合成控制法的研究[J]. 劉甲炎,范子英. 世界經(jīng)濟. 2013(11)
[3]房產(chǎn)稅對房價的影響:來自O(shè)ECD國家的證據(jù)[J]. 況偉大,朱勇,劉江濤. 財貿(mào)經(jīng)濟. 2012(05)
本文編號:3378992
本文鏈接:http://sikaile.net/jingjilunwen/hongguanjingjilunwen/3378992.html
最近更新
教材專著