陳蕾　周艷秋　何晴

摘 要：房地產(chǎn)稅稅基評(píng)估是積極穩(wěn)妥推進(jìn)房地產(chǎn)稅改革的基礎(chǔ)和技術(shù)前提。其現(xiàn)實(shí)路徑之一，是確定影響房地產(chǎn)稅稅基評(píng)估值的重要變量，構(gòu)建動(dòng)態(tài)修正視角的稅基評(píng)估模型。文章選取中國(guó)35個(gè)大中城市2003-2019年的經(jīng)驗(yàn)數(shù)據(jù)，將最優(yōu)激勵(lì)影響與激勵(lì)偏差影響引入實(shí)證模型，研究公共服務(wù)質(zhì)量變動(dòng)下房地產(chǎn)稅稅基評(píng)估的誤差影響及模型修正，為房地產(chǎn)稅改革試點(diǎn)推進(jìn)及其征稅過(guò)程中的稅基確定提供理論依據(jù)和路徑參考。研究發(fā)現(xiàn)，公共服務(wù)質(zhì)量變化對(duì)房地產(chǎn)稅稅基評(píng)估值的影響整體顯著，評(píng)估誤差所產(chǎn)生的激勵(lì)偏差影響大于最優(yōu)激勵(lì)影響，綜合影響為負(fù)，并在時(shí)間趨勢(shì)和區(qū)域分布上具有異質(zhì)性;環(huán)境類(lèi)公共服務(wù)質(zhì)量在經(jīng)濟(jì)高質(zhì)量發(fā)展階段成為區(qū)位因素的重要修正項(xiàng)，交通、教育、醫(yī)療等公共服務(wù)的質(zhì)量呈現(xiàn)空間分布差異，房地產(chǎn)稅稅基評(píng)估模型的修正及其區(qū)位因素變量的選取應(yīng)因時(shí)而變、因地而異。

關(guān)鍵詞：房地產(chǎn)稅;改革試點(diǎn);公共服務(wù)質(zhì)量;稅基評(píng)估;模型修正

一、引言

自滬、渝兩地于2011年實(shí)施房產(chǎn)稅試點(diǎn)改革以來(lái)，中國(guó)房地產(chǎn)稅改革方案一直處于探索實(shí)踐階段，從“研究推進(jìn)房地產(chǎn)稅改革”到“加快房地產(chǎn)稅立法并適時(shí)推進(jìn)改革”;從“做好房地產(chǎn)稅立法相關(guān)工作”到“完善地方稅體系，穩(wěn)妥、穩(wěn)步推進(jìn)房地產(chǎn)稅立法”。不難看出，有序推進(jìn)并擇時(shí)出臺(tái)房地產(chǎn)稅，是當(dāng)前中央與地方政府的共識(shí)和未來(lái)方向（劉華等，2020）。2021年10月23日，全國(guó)人大常務(wù)委員會(huì)第三十一次會(huì)議作出決定：為積極穩(wěn)妥推進(jìn)房地產(chǎn)稅的立法與改革，授權(quán)國(guó)務(wù)院在部分地區(qū)開(kāi)展房地產(chǎn)稅改革試點(diǎn)工作;試點(diǎn)地區(qū)的征稅對(duì)象為居住用和非居住用等各類(lèi)房地產(chǎn)，不包括依法擁有的農(nóng)村宅基地及其上住宅。與此同時(shí)，推進(jìn)房地產(chǎn)稅“良法善治”的基本前提之一，是對(duì)房地產(chǎn)稅稅基進(jìn)行科學(xué)評(píng)估（陳蕾等，2021）。批量評(píng)估技術(shù)兼顧成本與效率，已成為世界各國(guó)開(kāi)展房地產(chǎn)稅稅基評(píng)估工作的主要手段（Grover，2016;王奇超和劉玉平，2014），但是，批量評(píng)估模型需要根據(jù)客觀環(huán)境變化、以評(píng)估周期為界進(jìn)行動(dòng)態(tài)修正，如何通過(guò)這一動(dòng)態(tài)修正，科學(xué)測(cè)度房地產(chǎn)稅稅基的動(dòng)態(tài)變化，減小評(píng)估誤差，在房地產(chǎn)稅稅基評(píng)估領(lǐng)域一直備受關(guān)注。

論及房地產(chǎn)稅稅基評(píng)估模型的核心變量，建筑類(lèi)型、建筑結(jié)構(gòu)、建筑年代、房屋結(jié)構(gòu)、房屋朝向、建筑面積等個(gè)體因素在房地產(chǎn)持有及征稅環(huán)節(jié)相對(duì)穩(wěn)定，而醫(yī)療服務(wù)、教育服務(wù)、交通設(shè)施、通信設(shè)施、環(huán)境綠化等區(qū)位因素則隨政府公共服務(wù)供給的變動(dòng)而相對(duì)易變，政府公共服務(wù)供給的變化會(huì)導(dǎo)致房地產(chǎn)稅稅基評(píng)估值的變化。著眼于批量評(píng)估模型的動(dòng)態(tài)修正視角，公共服務(wù)質(zhì)量成為影響房地產(chǎn)稅稅基評(píng)估值的重要變量。假設(shè)征收房地產(chǎn)稅是以稅基評(píng)估值作為計(jì)稅基礎(chǔ)，且不考慮稅收優(yōu)惠等因素，那么，通過(guò)合理修正的評(píng)估模型測(cè)算房地產(chǎn)稅稅基，有助于“捕獲”公共服務(wù)產(chǎn)生的價(jià)值增量，并通過(guò)構(gòu)建收支相聯(lián)的決策機(jī)制，激勵(lì)地方政府進(jìn)一步提升公共服務(wù)質(zhì)量（朱為群等，2019），同時(shí)減少“重基本建設(shè)，輕公共服務(wù)”（王勝華，2021）和“重新項(xiàng)目，輕日常維護(hù)”的公共服務(wù)供給偏向（湯玉剛等，2015）。此外，中國(guó)目前已進(jìn)入“稅感時(shí)代”（王韜和呂碧君，2018），房地產(chǎn)稅雖然具有受益性質(zhì)，但受益“良稅”與納稅人“厭惡”情緒共存，使得房地產(chǎn)稅改革需要解決納稅人可接受程度的問(wèn)題（劉金東等，2019）。這除了依賴(lài)于合理的稅制設(shè)計(jì)，更有賴(lài)于地方政府以高質(zhì)量的公共服務(wù)滿(mǎn)足納稅人對(duì)優(yōu)質(zhì)公共服務(wù)的需求（鄧悅，2014;林閩鋼和楊鈺，2016），以此引導(dǎo)納稅人建立起“受益支付”意識(shí)、減小納稅抵觸心理（何楊，2018）、提高納稅遵從度。因此，房地產(chǎn)稅稅基評(píng)估的科學(xué)性和合理性還關(guān)系到房地產(chǎn)稅的稅制公平性、納稅人遵從度和征管效率。聚焦公共服務(wù)質(zhì)量變動(dòng)視角下的房地產(chǎn)稅稅基評(píng)估模型及其區(qū)位因素修正問(wèn)題，能夠?yàn)榉康禺a(chǎn)稅改革試點(diǎn)推進(jìn)及其征稅過(guò)程中的稅基確定提供理論依據(jù)和路徑參考。

本文的基本邏輯是，理論上最優(yōu)的房地產(chǎn)稅稅基評(píng)估值最優(yōu)的房地產(chǎn)稅稅基評(píng)估值是指當(dāng)評(píng)估誤差為零時(shí)的稅基評(píng)估結(jié)果，房地產(chǎn)稅稅基的實(shí)際評(píng)估值可無(wú)限接近該最優(yōu)評(píng)估值。有助于最大化地激勵(lì)地方政府持續(xù)供給和維護(hù)公共服務(wù)，產(chǎn)生最優(yōu)激勵(lì)影響;房地產(chǎn)稅稅基的實(shí)際評(píng)估值如果與最優(yōu)評(píng)估值存在較大差異，可能造成對(duì)地方政府的激勵(lì)不足，產(chǎn)生激勵(lì)偏差影響理論上，激勵(lì)偏差影響可以分為激勵(lì)不足和激勵(lì)過(guò)度;但實(shí)務(wù)中，常見(jiàn)情形是政府公共服務(wù)的供給質(zhì)量不斷提升，如果房地產(chǎn)稅基評(píng)估模型修正不及時(shí)，會(huì)導(dǎo)致稅基評(píng)估結(jié)果無(wú)法及時(shí)涵蓋和反映這一變化，進(jìn)而造成稅基低估、激勵(lì)不足。故基于現(xiàn)實(shí)情況，本文所研究的激勵(lì)偏差主要針對(duì)激勵(lì)不足這一影響。

;兩種影響相互作用所產(chǎn)生的綜合影響，即為評(píng)估誤差的量化表示。在此基礎(chǔ)上，本文創(chuàng)新性地將最優(yōu)激勵(lì)影響與激勵(lì)偏差影響引入實(shí)證模型，研究地方政府的公共服務(wù)質(zhì)量變化對(duì)房地產(chǎn)稅稅基評(píng)估值的影響，由此探索房地產(chǎn)稅稅基評(píng)估模型的動(dòng)態(tài)化校準(zhǔn)和修正路徑?；趯?duì)中國(guó)35個(gè)大中城市經(jīng)驗(yàn)數(shù)據(jù)的模擬測(cè)算結(jié)果顯示，公共服務(wù)質(zhì)量變化對(duì)房地產(chǎn)稅稅基評(píng)估值的影響整體顯著，評(píng)估誤差所產(chǎn)生的激勵(lì)偏差影響大于最優(yōu)激勵(lì)影響，綜合影響為負(fù)，并呈現(xiàn)出時(shí)間與區(qū)域差異：從時(shí)間趨勢(shì)看，隨著中國(guó)經(jīng)濟(jì)進(jìn)入高質(zhì)量發(fā)展階段，地方政府對(duì)綠化、大氣等環(huán)境公共支出的增加，呈現(xiàn)出激勵(lì)偏差影響的標(biāo)準(zhǔn)差第二次擴(kuò)大的趨勢(shì)，表明在房地產(chǎn)稅稅基評(píng)估的區(qū)位因素選取中，應(yīng)增設(shè)綠化、大氣等環(huán)境類(lèi)公共服務(wù)指標(biāo)，必要時(shí)可以進(jìn)一步細(xì)化大氣污染、噪音污染、水污染等環(huán)境類(lèi)變量;從區(qū)域角度看，中國(guó)東部地區(qū)激勵(lì)偏差影響的標(biāo)準(zhǔn)差較高，西部地區(qū)最優(yōu)激勵(lì)影響的標(biāo)準(zhǔn)差較低，東西部地區(qū)之間及其區(qū)域內(nèi)部呈現(xiàn)出的公共服務(wù)供給結(jié)構(gòu)差異均對(duì)房地產(chǎn)稅稅基評(píng)估值產(chǎn)生影響，表明對(duì)房地產(chǎn)稅稅基評(píng)估的區(qū)位因素選取應(yīng)因地而異。

本文的架構(gòu)安排如下：第二部分是文獻(xiàn)回顧與評(píng)述;第三部分是理論模型、變量說(shuō)明與數(shù)據(jù)來(lái)源;第四部分是實(shí)證結(jié)果與分析;第五部分是研究結(jié)論及政策建議。

二、文獻(xiàn)回顧與評(píng)述

國(guó)外關(guān)于公共服務(wù)影響房地產(chǎn)價(jià)格的研究最早可追溯至20世紀(jì)60年代的特征價(jià)格模型。Ridker和Henning（1967）突破性地將該模型引入房地產(chǎn)領(lǐng)域，建模分析大氣質(zhì)量的改善對(duì)房?jī)r(jià)的影響。特別是Lancaster和Kelvin（1966）、Rosen（1974）等學(xué)者從市場(chǎng)供需角度出發(fā)，對(duì)房地產(chǎn)市場(chǎng)的特征價(jià)格模型進(jìn)行完善，特征價(jià)格模型在房地產(chǎn)領(lǐng)域得到了廣泛應(yīng)用。例如，Efthymiou和Antoniou（2013）、Nazir等（2015）、Collins和Kaplan（2017）等構(gòu)建特征價(jià)格模型，分別論證了交通、環(huán)境、教育等基本公共服務(wù)對(duì)房?jī)r(jià)的影響。此外，還有學(xué)者構(gòu)建多元回歸等數(shù)量統(tǒng)計(jì)模型，實(shí)證研究城市基本公共服務(wù)質(zhì)量對(duì)房?jī)r(jià)的影響（Rosenthal，1999）、交通基礎(chǔ)設(shè)施對(duì)房?jī)r(jià)的影響（Kaanp，2001）、學(xué)校對(duì)住房偏好及房?jī)r(jià)的影響（Clapp等，2008）、水源和大氣等環(huán)境污染對(duì)房?jī)r(jià)的負(fù)面影響（Guignet等，2016）。國(guó)內(nèi)學(xué)者關(guān)于公共服務(wù)與房地產(chǎn)價(jià)格的研究集中于建模分析，一類(lèi)研究集中討論城市整體公共服務(wù)對(duì)房地產(chǎn)價(jià)格的影響（梁若冰和湯韻，2008;張濤等，2008;鄧慧慧等，2013;朱思宇和謝敘祎，2020）;另一類(lèi)研究集中于某項(xiàng)特定公共服務(wù)對(duì)房地產(chǎn)價(jià)格的影響（羅欣然等，2019;邵磊等，2020）。此外，還有學(xué)者從研究方法角度研究公共服務(wù)與房地產(chǎn)價(jià)格，例如，張東和秦俊武（2013）、湯玉剛等（2015）、叢穎等（2020）分別構(gòu)建VAR模型、GMM模型、SDM模型，研究公共服務(wù)基礎(chǔ)設(shè)施對(duì)房?jī)r(jià)的影響。

受益理論認(rèn)為，轄區(qū)間具有競(jìng)爭(zhēng)性，在轄區(qū)內(nèi)居民可自由流動(dòng)的假設(shè)前提下，居民可根據(jù)轄區(qū)內(nèi)政府提供的公共物品與服務(wù)，選擇符合自身偏好的轄區(qū)居?。═iebout，1956）;征收房地產(chǎn)稅不會(huì)改變居民偏好，不扭曲市場(chǎng)行為，為中性稅收（Hamilton， 1976）。國(guó)外學(xué)者基于“政府能夠?qū)爡^(qū)進(jìn)行有效管理”的政治因素假設(shè)，將公共物品與服務(wù)的收益和成本資本化為房地產(chǎn)價(jià)格，例如轄區(qū)內(nèi)高質(zhì)量的醫(yī)療、教育、治安、環(huán)境和具有潛力的城市發(fā)展空間等（Fischel，1992）。其中，部分學(xué)者從行政分區(qū)（Martin等，2018）、教育（Kwok和Yip，2018）等角度，研究某項(xiàng)具體公共服務(wù)對(duì)房地產(chǎn)的影響;少數(shù)學(xué)者從稅收遵從角度，解釋公共服務(wù)對(duì)房地產(chǎn)稅的影響，例如從居民對(duì)于公共服務(wù)的獲得感知（Hallsworth等，2017）研究房地產(chǎn)稅，認(rèn)為優(yōu)質(zhì)的公共服務(wù)、公共服務(wù)提供效率可保持房地產(chǎn)稅稅額的穩(wěn)定（Hall和Koumpias，2018）。受?chē)?guó)外受益論思想的影響，國(guó)內(nèi)立足公共服務(wù)角度的房地產(chǎn)稅相關(guān)研究認(rèn)為，房地產(chǎn)稅是地方政府提供公共服務(wù)的等價(jià)物，即房地產(chǎn)稅與居民對(duì)公共服務(wù)的獲取程度相匹配，這體現(xiàn)出房地產(chǎn)稅的本質(zhì)，有助于實(shí)現(xiàn)公共服務(wù)的成本分?jǐn)倷C(jī)制（任強(qiáng)等，2017）;征收房地產(chǎn)稅可提高地方公共福利（程瑤和高波，2008），政府應(yīng)加強(qiáng)公共服務(wù)的充足性、公平性、便利性與普惠性（廖福崇，2020），從而構(gòu)建收支相聯(lián)的政府決策機(jī)制（朱為群和許建標(biāo)，2019;劉金東等，2019;馬蔡琛和朱旭陽(yáng)，2020），提升公眾對(duì)公共服務(wù)的感知（郭春甫等，2016）。這既可以降低稅收征管成本，又可以減少稅收對(duì)經(jīng)濟(jì)活動(dòng)的扭曲，還能夠提高經(jīng)濟(jì)運(yùn)行效率，進(jìn)而顯著地增強(qiáng)公眾納稅遵從度，提升民眾有效參與公共服務(wù)質(zhì)量共治的意識(shí)（劉敏等，2020），最終實(shí)現(xiàn)地方政府“善治”（何楊和林子琨，2018）。

可見(jiàn)，既有文獻(xiàn)對(duì)公共服務(wù)與房地產(chǎn)價(jià)格的關(guān)系以及公共服務(wù)視角的房地產(chǎn)稅理論已開(kāi)展較為豐富的研究，形成了以特征價(jià)格思想為基礎(chǔ)的多元回歸等數(shù)量統(tǒng)計(jì)模型，但鮮有文獻(xiàn)針對(duì)房地產(chǎn)稅稅基評(píng)估值的誤差測(cè)度以及評(píng)估模型的動(dòng)態(tài)修正進(jìn)行深入論證。因此，本文具體從公共服務(wù)質(zhì)量變動(dòng)視角，聚焦研究房地產(chǎn)稅稅基評(píng)估的誤差影響和模型修正問(wèn)題。

三、理論模型、變量說(shuō)明與數(shù)據(jù)來(lái)源

（一）理論模型

假設(shè)征收房地產(chǎn)稅是以評(píng)估值作為計(jì)稅基礎(chǔ)，且不考慮稅收優(yōu)惠等因素，理論上存在通過(guò)最優(yōu)評(píng)估模型測(cè)算得到的最優(yōu)評(píng)估值，能夠及時(shí)、科學(xué)地反映公共服務(wù)質(zhì)量的變化，而征稅實(shí)踐中的實(shí)際評(píng)估值難免存在差異，實(shí)際評(píng)估值與理論上的最優(yōu)評(píng)估值即為評(píng)估誤差。本文將基本模型設(shè)定為：

其中，taxbaseit為房地產(chǎn)稅稅基的最優(yōu)評(píng)估值，taxbaseit為房地產(chǎn)稅稅基的實(shí)際評(píng)估值，K為實(shí)際評(píng)估值偏離最優(yōu)評(píng)估值而產(chǎn)生的評(píng)估誤差對(duì)應(yīng)的差異額。為進(jìn)一步引入最優(yōu)激勵(lì)影響和激勵(lì)偏差影響，本文將差異額這一絕對(duì)值表示形式轉(zhuǎn)化為差異影響的相對(duì)值表示形式，式（1）進(jìn)一步轉(zhuǎn)化為該研究思路被廣泛應(yīng)用于勞動(dòng)經(jīng)濟(jì)學(xué)、金融學(xué)、財(cái)政學(xué)、環(huán)境生態(tài)學(xué)等領(lǐng)域，本文在現(xiàn)有研究的基礎(chǔ)上，將其引入稅基評(píng)估領(lǐng)域。考慮到文章研究主題與推導(dǎo)過(guò)程的相關(guān)性，在正文中列示關(guān)鍵公式，具體詳細(xì)的推導(dǎo)過(guò)程可向作者索取。：

其中，f（xit）是影響taxbaseit的特征變量，δ為待估參數(shù)向量，xit表示i地區(qū)在第t年度政府提供的一系列公共服務(wù)，it為復(fù)合殘差項(xiàng)，可進(jìn)一步分解為彼此獨(dú)立的復(fù)合干擾項(xiàng)ωit、uit和υit。其中，ωit為最優(yōu)激勵(lì)影響，且ωit≥0;uit為激勵(lì)偏差影響，且uit≥0;υit為一般意義上的干擾項(xiàng)。為測(cè)算出這兩種影響，本文假定殘差分布為：ωit ～ i.i.d.Exp（σω，σ2ω），uit ～ i.i.d.Exp（σu，σ2u）wit和uit亦可假設(shè)為服從其他分布，此處采用Kumbhakar和Parmeter（2009）、盧洪友等（2011）和李琛等（2019）等學(xué)者的做法，采用較為簡(jiǎn)單的指數(shù)分布予以說(shuō)明。，υit ～ i.i.d.N（0，σ2υ）;為同時(shí)測(cè)度δ參數(shù)向量和兩種影響，本文擬采用最大似然估計(jì)（MLE）來(lái)估計(jì)式（2），并用實(shí)際房地產(chǎn)稅稅基評(píng)估值發(fā)生變化的百分比表示各項(xiàng)影響對(duì)實(shí)際房地產(chǎn)稅稅基評(píng)估值影響的大小，式（3）～式（5）分別為最優(yōu)激勵(lì)影響、激勵(lì)偏差影響、綜合影響的估計(jì)值：

（二）變量選取

1.被解釋變量

本文選取的被解釋變量是單位房地產(chǎn)稅稅基的實(shí)際“評(píng)估值”（taxbase）。房地產(chǎn)稅稅基評(píng)估值等于單位房地產(chǎn)稅稅基評(píng)估值與住房面積的乘積?；诠卜?wù)質(zhì)量視角，為了識(shí)別評(píng)估誤差對(duì)房地產(chǎn)稅稅基評(píng)估模型的影響，合理校準(zhǔn)和修正房地產(chǎn)稅稅基評(píng)估模型，本文選用商品房年平均銷(xiāo)售價(jià)格（P）作為房地產(chǎn)稅稅基的實(shí)際“評(píng)估值”在模擬測(cè)算中，只要異于最優(yōu)房地產(chǎn)稅稅基評(píng)估值的價(jià)格均可被選用。由于房地產(chǎn)稅尚未實(shí)施，本文綜合參考李文（2014）、程瑤和伍洲（2016）、陳平等（2018）、史桂芬和楚涵宇（2019）等學(xué)者的相關(guān)研究，以及數(shù)據(jù)的可獲得性，選用商品房年平均銷(xiāo)售價(jià)格作為“評(píng)估值”。。同時(shí)，為突出單位房地產(chǎn)稅稅基的實(shí)際“評(píng)估值”與公共服務(wù)質(zhì)量的對(duì)應(yīng)性，本文將住房面積單位化為1，研究公共服務(wù)質(zhì)量對(duì)每一單位（每平方米）房地產(chǎn)稅稅基的實(shí)際“評(píng)估值”的影響。

2.核心解釋變量

本文的核心解釋變量是政府為納稅人提供各項(xiàng)公共服務(wù)的水平。參照李繼玲（2017）、林梨奎和江民星（2019）等已有研究，選取以下變量作為核心解釋變量：醫(yī)療服務(wù)水平指標(biāo)（hospital），用醫(yī)院、衛(wèi)生院床位數(shù)衡量;教育服務(wù)水平指標(biāo)（edu），用初中高等學(xué)校數(shù)量衡量;環(huán)境綠化水平指標(biāo)（green），該指標(biāo)也表示地區(qū)政府對(duì)城市環(huán)境的重視程度，用建成區(qū)綠化率概率衡量;城市大氣質(zhì)量水平指標(biāo)（environment），用工業(yè)二氧化硫排放量衡量;交通設(shè)施服務(wù)水平指標(biāo)（bus），用年末實(shí)有公共汽（電）車(chē)營(yíng)運(yùn)車(chē)輛數(shù)衡量;通信設(shè)施服務(wù)水平指標(biāo)（internet），用國(guó)際互聯(lián)網(wǎng)用戶(hù)數(shù)衡量。

3.其他控制變量

除公共服務(wù)外，人口、政策等其他因素同樣影響單位房地產(chǎn)稅稅基的實(shí)際評(píng)估值。參照楊慧和李超（2019）、洪勇（2020）等已有研究，選取的其他控制變量具體包括：金融機(jī)構(gòu)信貸政策指標(biāo)（loan），用年末金融機(jī)構(gòu)各項(xiàng)貸款余額衡量;人口密度指標(biāo)（density_pop），用年末總?cè)丝谂c所在區(qū)域面積之比衡量;住宅存量指標(biāo)（compl_area），用住宅竣工面積衡量;住房政策管控指標(biāo)（policy），用是否實(shí)施限購(gòu)政策衡量，1為實(shí)施，0為未實(shí)施。最后，控制了不同城市的地區(qū)影響因素（Area）以及不同年份的時(shí)間影響因素（Year）?；谝陨侠碚撃Ｐ头治黾白兞窟x取，本文設(shè)定的模型如下：

taxbaseit=δ0+δ1hospitalit+δ2eduit+δ3greenit+δ4environmentit+δ5busit+δ6internetit+δ7loanit+δ8density_popit+δ9compl_areait+δ10policyit+∑Area+∑Year+ωit+uit+υit（6）

（三）數(shù)據(jù)來(lái)源

隨著經(jīng)濟(jì)的發(fā)展及城鎮(zhèn)化水平的提高，城市公共服務(wù)質(zhì)量不斷提升。例如，以北京、上海等城市為代表的地方政府率先建設(shè)一刻鐘服務(wù)圈，涉及養(yǎng)老、醫(yī)療、教育文化等方面的公共服務(wù)。因此，基于區(qū)域的代表性以及模擬測(cè)算的準(zhǔn)確性，本文選取中國(guó)35個(gè)大中城市為研究對(duì)象35個(gè)大中城市房地產(chǎn)市場(chǎng)在本區(qū)域內(nèi)（如省內(nèi)）相對(duì)發(fā)達(dá)，故研究樣本具有代表性和模擬測(cè)算的準(zhǔn)確性。35個(gè)大中城市分別為：北京、天津、石家莊、太原、呼和浩特、沈陽(yáng)、大連、長(zhǎng)春、哈爾濱、上海、南京、杭州、寧波、合肥、福州、廈門(mén)、南昌、青島、濟(jì)南、鄭州、武漢、長(zhǎng)沙、廣州、深圳、南寧、?？?、重慶、成都、貴陽(yáng)、昆明、西安、蘭州、西寧、銀川、烏魯木齊。，采用2003-2019年20世紀(jì)80年代起，住房呈商品化發(fā)展趨勢(shì)，特別是2001年5月和2002年8月，國(guó)家先后出臺(tái)《關(guān)于加強(qiáng)國(guó)有土地資產(chǎn)管理的通知》和《關(guān)于加強(qiáng)房地產(chǎn)市場(chǎng)宏觀調(diào)控促進(jìn)房地產(chǎn)市場(chǎng)健康發(fā)展的若干意見(jiàn)》逐步規(guī)范房地產(chǎn)市場(chǎng)行業(yè)發(fā)展。因此，本文選取2003年以后的數(shù)據(jù)作為研究區(qū)間，模擬測(cè)算公共服務(wù)質(zhì)量對(duì)單位房地產(chǎn)稅稅基評(píng)估值的影響。合計(jì)17年的統(tǒng)計(jì)數(shù)據(jù)，樣本容量為595。住宅商品房年平均銷(xiāo)售價(jià)格、住宅竣工面積來(lái)自《中國(guó)房地產(chǎn)統(tǒng)計(jì)年鑒》，其余交通、通信、醫(yī)療、教育、城市環(huán)境、城市大氣質(zhì)量、年末金融機(jī)構(gòu)各項(xiàng)貸款余額、年末總?cè)丝?、城市面積等指標(biāo)數(shù)據(jù)主要來(lái)源于《中國(guó)城市統(tǒng)計(jì)年鑒》。此外，本文對(duì)部分缺失值通過(guò)查閱《中國(guó)統(tǒng)計(jì)年鑒》及各地國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)進(jìn)行補(bǔ)充，對(duì)其他缺失值進(jìn)行線性插值處理;對(duì)離群值較為嚴(yán)重的住宅存量指標(biāo)、教育服務(wù)、醫(yī)療服務(wù)、城市環(huán)境重視程度、通信設(shè)施服務(wù)、城市大氣環(huán)境等指標(biāo)變量進(jìn)行前后2.5%的縮尾處理;同時(shí)，為保證數(shù)據(jù)的平穩(wěn)性以及降低異方差的影響，本文對(duì)除住房政策管控指標(biāo)以外的非二值選擇變量進(jìn)行取對(duì)數(shù)處理。表1為主要變量的基本描述性統(tǒng)計(jì)。

四、實(shí)證結(jié)果與分析

本部分將模擬測(cè)算各項(xiàng)公共服務(wù)質(zhì)量變化對(duì)單位房地產(chǎn)稅稅基評(píng)估值出現(xiàn)評(píng)估誤差的整體影響，并從中對(duì)各項(xiàng)影響進(jìn)行分解測(cè)算和量化。

（一）模型估計(jì)

本文首先對(duì)式（6）進(jìn)行回歸，回歸結(jié)果如表2所示，模型1為OLS估計(jì)，模型2～模型6為MLE估計(jì)。其中，模型2為不考慮兩種影響（σω=σu=0）的MLE估計(jì)結(jié)果，模型3為在模型2的基礎(chǔ)上考慮了兩種影響（σω和σu均不為0）的MLE估計(jì)結(jié)果，模型4～模型6為進(jìn)一步加入時(shí)間和地區(qū)效應(yīng)后的MLE估計(jì)結(jié)果。

估計(jì)結(jié)果顯示：模型1、模型2可以看出，兩個(gè)模型各變量的系數(shù)值相差較小，這既表明模型1的隨機(jī)誤差項(xiàng)近似為正態(tài)分布，同時(shí)也在一定程度上證明模型3～模型6評(píng)估結(jié)果的穩(wěn)健性。具體來(lái)看，不考慮時(shí)間及地區(qū)因素時(shí)，公共服務(wù)質(zhì)量對(duì)被解釋變量均具有顯著影響。進(jìn)一步加入時(shí)間和地區(qū)因素后，單獨(dú)在時(shí)間維度，以及在時(shí)間與地區(qū)聯(lián)合維度上，城市大氣質(zhì)量因素對(duì)被解釋變量有顯著影響，這表明隨著經(jīng)濟(jì)發(fā)展水平的提高，城市大氣質(zhì)量因素是房地產(chǎn)稅稅基評(píng)估模型中需要重視的區(qū)位因素修正項(xiàng)。在地區(qū)維度上，教育、環(huán)境綠化和城市大氣質(zhì)量、通訊設(shè)施等公共服務(wù)水平對(duì)被解釋變量的影響最顯著。這表明，以上公共服務(wù)資源的空間分布差異會(huì)更顯著地影響單位房地產(chǎn)稅稅基評(píng)估值。因此，房地產(chǎn)稅稅基評(píng)估模型的區(qū)位因素選取中應(yīng)特別關(guān)注以上公共服務(wù)質(zhì)量的影響。

從模型擬合結(jié)果來(lái)看，模型5的擬合結(jié)果最佳。因此，本文后續(xù)主要基于模型5的變量及MLE估計(jì)結(jié)果進(jìn)行分析。此外，需要說(shuō)明的是，房地產(chǎn)稅為地方性稅收，模型設(shè)置中僅需控制地區(qū)，即控制個(gè)體差異變化。模型4和模型6均是加入了時(shí)間虛擬變量，導(dǎo)致過(guò)度擬合，為達(dá)到最終模型的強(qiáng)制收斂，系統(tǒng)隨機(jī)自動(dòng)刪除某些變量?？紤]到實(shí)證分析過(guò)程的完整性，將模型4和模型6列入報(bào)告結(jié)果進(jìn)行對(duì)比列示。這同時(shí)說(shuō)明，作為地方性稅收的房地產(chǎn)稅，在征稅環(huán)節(jié)進(jìn)行房地產(chǎn)稅稅基評(píng)估時(shí)，房地產(chǎn)稅稅基評(píng)估模型中區(qū)位因素的設(shè)置需因地而異，具體應(yīng)根據(jù)地區(qū)差異而有所調(diào)整。

（二）方差分解

在明確各項(xiàng)公共服務(wù)質(zhì)量對(duì)被解釋變量的影響之后，本部分將進(jìn)一步測(cè)算公共服務(wù)質(zhì)量變化導(dǎo)致的評(píng)估誤差變動(dòng)水平。通過(guò)系數(shù)測(cè)算和方差分解，得到的結(jié)果如表3所示，即，激勵(lì)偏差影響系數(shù)大于最優(yōu)激勵(lì)影響系數(shù)。從影響比重來(lái)看，lntaxbase未能解釋部分的總方差為（σ2υ+σ2ω+σ2u）0.0564。其中，有82.32%是由于兩種影響所致。評(píng)估誤差的兩種影響對(duì)被解釋變量的影響中，激勵(lì)偏差的占比較大，為59.60%;最優(yōu)激勵(lì)影響占比為40.40%?？梢?jiàn)，選取房屋均價(jià)作為“評(píng)估值”測(cè)算出的激勵(lì)偏差對(duì)被解釋變量的影響較大。這再次說(shuō)明，在房地產(chǎn)稅征稅過(guò)程中應(yīng)合理、科學(xué)地評(píng)估房地產(chǎn)稅稅基，房屋均價(jià)僅可作為評(píng)估前量化和模擬測(cè)算評(píng)估誤差，合理修正評(píng)估區(qū)位因素的前期參考，不可直接將房地產(chǎn)均價(jià)作為房地產(chǎn)稅稅基評(píng)估值。

（三）各項(xiàng)影響的估計(jì)值

這里進(jìn)一步測(cè)算各項(xiàng)影響對(duì)被解釋變量的影響值，具體基于式（3）和式（4）進(jìn)行單邊估計(jì)，得到兩種影響在現(xiàn)有公共服務(wù)水平上使被解釋變量發(fā)生變化的百分比。表4呈現(xiàn)了各項(xiàng)影響使被解釋變量發(fā)生變動(dòng)的估計(jì)結(jié)果。

總體而言，教育、醫(yī)療、環(huán)境綠化、大氣質(zhì)量、交通和通訊設(shè)施等公共服務(wù)產(chǎn)生的最優(yōu)激勵(lì)影響，使得在現(xiàn)有公共服務(wù)水平上的單位房地產(chǎn)稅稅基評(píng)估值變動(dòng)12.09%;產(chǎn)生的激勵(lì)偏差影響使得在現(xiàn)有公共服務(wù)水平上的單位房地產(chǎn)稅稅基評(píng)估值變動(dòng)14.23%;兩種影響相互作用產(chǎn)生的綜合影響，最終使得在現(xiàn)有公共服務(wù)水平上的單位房地產(chǎn)稅稅基評(píng)估值變動(dòng)2.14%，評(píng)估誤差加大。這說(shuō)明在房地產(chǎn)稅稅基評(píng)估工作中，應(yīng)重視公共服務(wù)質(zhì)量變化的影響，及時(shí)調(diào)整房地產(chǎn)稅稅基評(píng)估區(qū)位因素，修正評(píng)估模型以減小評(píng)估誤差;表4中的第4～6列更為詳細(xì)地報(bào)告了在不同百分位數(shù)上兩種影響和綜合影響的分布狀況，表明各項(xiàng)影響具有較強(qiáng)的異質(zhì)性，下文將進(jìn)一步從年度分布和城市地區(qū)分布等角度進(jìn)行分析。

（四）進(jìn)一步分析

前已敘及，各項(xiàng)影響具有較強(qiáng)的異質(zhì)性，故本文從年度分布、區(qū)域分布兩方面進(jìn)一步分組統(tǒng)計(jì)和深入分析。

1.年度分布特征

由于地方政府提供的公共服務(wù)質(zhì)量會(huì)隨城市規(guī)劃、區(qū)域發(fā)展、財(cái)政收入水平等因素的變化而變化，因此，有必要在控制地區(qū)的情況下，分析政府提供的公共服務(wù)產(chǎn)生的年度綜合影響的變化趨勢(shì)。在經(jīng)濟(jì)高速增長(zhǎng)轉(zhuǎn)向高質(zhì)量發(fā)展階段，評(píng)估專(zhuān)業(yè)人員有必要了解政府提供的公共服務(wù)質(zhì)量對(duì)房地產(chǎn)稅稅基評(píng)估值產(chǎn)生的影響，從而更好地選取和調(diào)整區(qū)位因素，構(gòu)建評(píng)估模型，提高房地產(chǎn)稅稅基評(píng)估水平。表5顯示，政府提供公共服務(wù)產(chǎn)生的綜合影響平均值波動(dòng)較大。從標(biāo)準(zhǔn)差方面來(lái)看，2003-2015年是中國(guó)經(jīng)濟(jì)快速發(fā)展時(shí)期，政府提供的各項(xiàng)公共服務(wù)產(chǎn)生的綜合影響標(biāo)準(zhǔn)差整體呈縮小趨勢(shì)。2015年之后，政府提供的各項(xiàng)公共服務(wù)產(chǎn)生的綜合影響標(biāo)準(zhǔn)差呈擴(kuò)大趨勢(shì)，這是由于中國(guó)經(jīng)濟(jì)進(jìn)入穩(wěn)中有升的高質(zhì)量發(fā)展時(shí)期，環(huán)境及大氣質(zhì)量因素開(kāi)始顯著影響單位房地產(chǎn)稅稅基評(píng)估值，因而再次證實(shí)在進(jìn)行房地產(chǎn)稅稅基評(píng)估時(shí)，環(huán)境因素是評(píng)估模型中重要的區(qū)位因素修正項(xiàng)。

2.城市地區(qū)分布特征

城市所處區(qū)域會(huì)在一定程度上影響政府的公共服務(wù)質(zhì)量，故本文從地區(qū)角度本文在國(guó)家統(tǒng)計(jì)局2011年6月公布的《東西中部和東北地區(qū)劃分方法》基礎(chǔ)上，結(jié)合研究需要，及參照現(xiàn)有研究（鄧悅和詹添丞，2013;吉生保和姜美旭，2020），東北三省采用1986年由全國(guó)人大六屆四次會(huì)議通過(guò)的《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第七個(gè)五年計(jì)劃》中的劃分方法，將遼寧劃入東部地區(qū)，黑龍江和吉林劃入中部地區(qū)。因此，東部地區(qū)為：北京、天津、石家莊、上海、南京、杭州、寧波、福州、廈門(mén)、青島、濟(jì)南、廣州、深圳、?？?、沈陽(yáng)、大連;中部地區(qū)為：太原、合肥、南昌、鄭州、武漢、長(zhǎng)沙、長(zhǎng)春、哈爾濱;西部地區(qū)為：呼和浩特、南寧、重慶、成都、貴陽(yáng)、昆明、西安、蘭州、西寧、銀川、烏魯木齊。進(jìn)行分析。表6顯示：就平均值而言，東部地區(qū)的各項(xiàng)影響最高，表明東部地區(qū)經(jīng)濟(jì)發(fā)展程度高，公共服務(wù)質(zhì)量相對(duì)中西部地區(qū)來(lái)說(shuō)較優(yōu)?？梢?jiàn)，公共服務(wù)質(zhì)量對(duì)房地產(chǎn)稅稅基評(píng)估值的影響因地而異，在房地產(chǎn)稅稅基評(píng)估中，不同地區(qū)應(yīng)依據(jù)本區(qū)域的公共服務(wù)實(shí)際供給情況選取和調(diào)整區(qū)位因素變量，構(gòu)建稅基評(píng)估模型。標(biāo)準(zhǔn)差方面，東部地區(qū)的標(biāo)準(zhǔn)差最大，表明東部地區(qū)的公共服務(wù)質(zhì)量存在的空間差異較大，對(duì)房地產(chǎn)稅稅基評(píng)估值影響較大，故在房地產(chǎn)稅稅基評(píng)估工作中，應(yīng)科學(xué)劃分區(qū)域內(nèi)的評(píng)稅分區(qū)，在各評(píng)稅分區(qū)內(nèi)選取不同的房地產(chǎn)稅稅基區(qū)位因素變量進(jìn)行模型的構(gòu)建與調(diào)整。

五、研究結(jié)論及政策建議

（一）研究結(jié)論

本文選取中國(guó)35個(gè)大中城市2003-2019年的經(jīng)驗(yàn)數(shù)據(jù)，研究公共服務(wù)質(zhì)量變動(dòng)下房地產(chǎn)稅稅基評(píng)估的誤差影響及模型修正問(wèn)題。研究發(fā)現(xiàn)：

第一，地方政府提供的教育、醫(yī)療、綠化、交通等公共服務(wù)的質(zhì)量對(duì)房地產(chǎn)稅稅基評(píng)估值的影響整體顯著，公共服務(wù)質(zhì)量變動(dòng)下房地產(chǎn)稅稅基評(píng)估誤差所產(chǎn)生的激勵(lì)偏差影響大于最優(yōu)激勵(lì)影響，綜合影響為負(fù)。這表明在設(shè)定和校準(zhǔn)房地產(chǎn)稅稅基評(píng)估模型的過(guò)程中，應(yīng)著重考慮公共服務(wù)質(zhì)量對(duì)房地產(chǎn)稅稅基區(qū)位因素產(chǎn)生的影響，及時(shí)、動(dòng)態(tài)地修正評(píng)估模型。

第二，公共服務(wù)質(zhì)量對(duì)區(qū)位因素產(chǎn)生的影響具有異質(zhì)性，房地產(chǎn)稅稅基評(píng)估模型的修正及其區(qū)位因素變量的選取應(yīng)因時(shí)而變、因地而異。從時(shí)間趨勢(shì)來(lái)看，隨著經(jīng)濟(jì)發(fā)展水平的提高，特別是在經(jīng)濟(jì)高質(zhì)量發(fā)展階段，環(huán)境類(lèi)公共服務(wù)質(zhì)量成為區(qū)位因素的重要修正項(xiàng)，也是減小評(píng)估誤差的關(guān)鍵;從區(qū)域分布看，不同城市提供交通、教育、醫(yī)療等公共服務(wù)的質(zhì)量呈現(xiàn)空間分布差異，中國(guó)東西部地區(qū)之間及其內(nèi)部的公共服務(wù)質(zhì)量也呈現(xiàn)空間分布差異。這表明在進(jìn)行房地產(chǎn)稅稅基評(píng)估時(shí)，應(yīng)在區(qū)域內(nèi)部科學(xué)劃分評(píng)稅分區(qū)，并依據(jù)不同區(qū)域的實(shí)際情況合理選取稅基評(píng)估的區(qū)位因素變量。

（二）政策建議

積極穩(wěn)妥推進(jìn)房地產(chǎn)稅立法和改革，是進(jìn)一步完善現(xiàn)代稅收制度的重要內(nèi)容，對(duì)實(shí)現(xiàn)共同富裕目標(biāo)的意義更加深遠(yuǎn)。除立法與稅制設(shè)計(jì)等基礎(chǔ)條件外，房地產(chǎn)稅稅基評(píng)估是積極穩(wěn)妥推進(jìn)房地產(chǎn)稅改革的基礎(chǔ)和技術(shù)前提，其科學(xué)性和合理性直接關(guān)系到房地產(chǎn)稅的稅制公平性、納稅人遵從度和征管效率。因此，房地產(chǎn)稅改革過(guò)程中應(yīng)當(dāng)將稅基評(píng)估置于優(yōu)先推進(jìn)位置。

第一，厘清影響房地產(chǎn)稅稅基的重要變量，是減小評(píng)估誤差和促進(jìn)征納雙方積極性的關(guān)鍵。通過(guò)實(shí)證測(cè)算可知，在房地產(chǎn)持有環(huán)節(jié)，教育、醫(yī)療、綠化、交通等公共服務(wù)是影響房地產(chǎn)稅稅基的主要因素。以上因素在模型量化過(guò)程中至關(guān)重要，若評(píng)估模型隨政府公共服務(wù)質(zhì)量變化的修正及時(shí)且合理，使房地產(chǎn)稅稅基評(píng)估值能夠及時(shí)捕獲和反映公共服務(wù)的價(jià)值變化，既可以激勵(lì)地方政府優(yōu)化財(cái)政支出結(jié)構(gòu)，提高公共服務(wù)供給質(zhì)量，又可以使納稅人直觀地量化了解公共服務(wù)的社會(huì)區(qū)位價(jià)值，增強(qiáng)公共服務(wù)的受益感知，進(jìn)而提高納稅遵從度。

第二，將房地產(chǎn)稅稅基評(píng)估工作納入動(dòng)態(tài)化征管工作，是減小評(píng)估誤差和增強(qiáng)評(píng)估模型合理性的保障基礎(chǔ)。房地產(chǎn)稅稅基價(jià)值會(huì)受周邊區(qū)域的市政規(guī)劃、公共設(shè)施、教育等公共服務(wù)供給情況等因素的影響，稅務(wù)機(jī)關(guān)應(yīng)組織專(zhuān)家開(kāi)展房地產(chǎn)稅稅基批量評(píng)估工作，具體以評(píng)估周期為界，定期對(duì)房地產(chǎn)稅稅基評(píng)估模型進(jìn)行持續(xù)動(dòng)態(tài)的校準(zhǔn)修正，并隨公共服務(wù)供給的變化，增減和細(xì)化影響房地產(chǎn)稅稅基評(píng)估的各項(xiàng)變化因素，提高評(píng)估結(jié)果的合理性。

第三，從稅基評(píng)估的角度看，“因城施策”、“一城一策”同樣適用于房地產(chǎn)稅的改革推進(jìn)，分地區(qū)開(kāi)展房地產(chǎn)稅稅基評(píng)估工作，是減小評(píng)估誤差和提升評(píng)估模型適用性的保障路徑。一方面，評(píng)估專(zhuān)業(yè)人員應(yīng)充分了解被評(píng)估地區(qū)公共服務(wù)的空間分布差異，必要時(shí)在區(qū)域內(nèi)進(jìn)一步劃分評(píng)稅分區(qū)，對(duì)各評(píng)稅分區(qū)內(nèi)發(fā)生變化的區(qū)位因素分別進(jìn)行調(diào)整，以減小空間差異的影響，保障房地產(chǎn)稅稅基評(píng)估修正模型的科學(xué)性。另一方面，房地產(chǎn)稅征管應(yīng)賦予地方更多自主權(quán)，支持地方在稅基評(píng)估、確定使用稅率、減免稅政策方面開(kāi)展探索實(shí)踐，積累征管經(jīng)驗(yàn)，更好地推進(jìn)現(xiàn)代稅收制度的進(jìn)一步完善。

參考文獻(xiàn)：

[1]陳蕾、周艷秋、秦琦智，2021：《房地產(chǎn)稅稅基批量評(píng)估的基準(zhǔn)修正路徑：創(chuàng)新與實(shí)踐》，《中國(guó)資產(chǎn)評(píng)估》第7期。[Chen Lei，Zhou Yanqiu and Qin Qizhi，2021，Benchmark Correction Path for Mass Appraisal of Real Estate Tax Base：Innovation and Practice，Appraisal Journal of China，7.]

[2]陳平、李建英、莊海玲，2018：《房地產(chǎn)稅改革對(duì)地方財(cái)政收入的影響預(yù)測(cè)——基于廣州市數(shù)據(jù)的模擬測(cè)算》，《稅務(wù)研究》第9期。[Chen Ping，Li Jianying and Zhuang Hailing，2018，Prediction of the Impact of Real Estate Tax Reform on Local Fiscal Revenues：Based on Simulation Calculations Based on Guangzhou Data，Taxation Research，9.]

[3]程瑤、高波，2008：《房地產(chǎn)稅對(duì)地方政府的激勵(lì)效應(yīng)研究》，《中央財(cái)經(jīng)大學(xué)學(xué)報(bào)》第7期。[Chen Yao and Gao bo，2008，Research on the Incentive Effects of Property Tax to Local Government，Journal of Central University of Finance and Economics，7.]

[4]程瑤、伍洲，2016：《完善我國(guó)房地產(chǎn)稅收制度研究》，《上海經(jīng)濟(jì)研究》第7期。[Cheng Yao and Wu Zhou，2016，A Stuay on Chinese Real Estate Tax System Rrform，Shanghai Journal of Economics，7.]

[5]叢穎、杜泓鈺、楊文靜，2020：《公共服務(wù)資本化對(duì)房?jī)r(jià)影響的空間計(jì)量分析——基于我國(guó)269個(gè)地級(jí)市的經(jīng)驗(yàn)研究》，《財(cái)經(jīng)問(wèn)題研究》第7期。[Cong Yin，Du Hongyu and Yang Wenjing，A Spatial Econometric Analysis of the Impact of Public Service Capitalization on House Prices：Based on the Empirical Research of 269 Prefecture-level Cities in China，Research on Financial and Economic Issues， 7.]

[6]鄧慧慧、虞義華、龔銘，2013：《空間溢出視角下的財(cái)政分權(quán)、公共服務(wù)與住宅價(jià)格》，《財(cái)經(jīng)研究》第4期。[Deng Huihui，Yu Yihua and Gong Ming，2013，F(xiàn)iscal Decentralization，Public Services and Housing Prices from the Angle of Spatial Spillover，Journal of Finance and Economics，4.]

[7]鄧悅，2014：《我國(guó)質(zhì)量公共服務(wù)評(píng)價(jià)結(jié)果差異及其分析——基于消費(fèi)者滿(mǎn)意度的評(píng)價(jià)》，《武漢大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）》第5期。[Deng Yue，2014，Difference and Analysis of the Evaluation of Chinese Quality Public Service：An Evaluation Based on the Satisfactory of Consumers，Wuhan University Journal（Philosophy and Social Science），5.]

[8]鄧悅、詹添丞，2013：《地方財(cái)政支出與區(qū)域經(jīng)濟(jì)發(fā)展關(guān)系的實(shí)證分析——以地市級(jí)城市面板數(shù)據(jù)為例》，《江西財(cái)經(jīng)大學(xué)學(xué)報(bào)》第3期。[Deng Yue and Zhan Tiancheng，2013，An Empirical Analysis of the Relationship between Local Fiscal Expenditure and Regional Economic Development：A Case Study of the Prefecture-Level City Panel Data，Journal of Jiangxi University of Finance and Economics，3.]

[9]郭春甫、茍粒媛、吳世坤，2016：《基于公眾感知的貧困縣公共服務(wù)質(zhì)量影響要素實(shí)證分析——以國(guó)家級(jí)扶貧工作重點(diǎn)縣P縣為例》，《宏觀質(zhì)量研究》第4期。[Guo Chunfu，Gou Liyuan and Wu Shikun，2013，An Empirical Analysis on the Factors Influencing the Public Service Quality in Poor Counties Based on the Public Perception：A Case Study of P County in the Key Counties for National Poverty Alleviation，Journal of Macro-quality Research，4.]

[10]何楊、林子琨，2018：《基于公共服務(wù)均等化目標(biāo)的房地產(chǎn)稅稅率研究》，《稅務(wù)研究》第5期。[He Yang and Lin Zikun，2018，Research on Real Estate Tax Rate Based on the Target of Equalization of Public Services，Taxation Research，5.]

[11]洪勇，2020：《中國(guó)區(qū)域房?jī)r(jià)聯(lián)動(dòng)度測(cè)度及其影響因素分析——基于35個(gè)大中城市面板數(shù)據(jù)的研究》，《管理評(píng)論》第6期。[Hong Yong，2020，The Measurement of Regional Housing Price Linkage and Its Influencing Factors in China：Based on the Research of Panel Data of 35 Large and Medium Cities，Management Review，6.]

[12]吉生保、姜美旭，2020：《FDI與環(huán)境污染：溢出效應(yīng)還是污染效應(yīng)？——基于異質(zhì)性雙邊隨機(jī)前沿模型的分析》，《生態(tài)經(jīng)濟(jì)》第4期。[Ji Shengbao and Jiang Meixu，2020，F(xiàn)DI and Environmental Pollution：Spillover Effect or Pollution Effect？ Analysis of Heterogeneous Bilateral Stochastic Frontier Model，Ecological Economy，4.]

[13]李琛、趙軍、李喜洲，2019：《財(cái)政分權(quán)、政府行為與對(duì)外直接投資：抑制還是促進(jìn)》，《財(cái)政研究》第5期。[Li Chen，Zhao Jun and Li Xi Zhou，2019，F(xiàn)iscal Decentralization，Local Government Behavior and Outward Foreign Direct Investment Growth：Restraining or Promoting，Public Finance Research，5.]

[14]李繼玲，2017：《房?jī)r(jià)波動(dòng)影響因素研究——基于2005-2015年數(shù)據(jù)的實(shí)證分析》，《經(jīng)濟(jì)問(wèn)題探索》第9期。[Li Jiling，2017，Research on the Influencing Factors of House Price Fluctuation：Empirical Analysis Based on Data From 2005 to 2015，Inquiry into Economic Issues，9.]

[15]李文，2014：《我國(guó)房地產(chǎn)稅收入數(shù)量測(cè)算及其充當(dāng)?shù)胤蕉愔黧w稅種的可行性分析》，《財(cái)貿(mào)經(jīng)濟(jì)》第9期。[Li Wen，2014，On the Estimation of the House Property Tax Revenue and the Feasibility of the House Property Tax Acting as the Main Tax of the Local Tax System in China，F(xiàn)inance and Trade Economics，9.]

[16]梁若冰、湯韻，2008：《地方公共品供給中的Tiebout模型：基于中國(guó)城市房?jī)r(jià)的經(jīng)驗(yàn)研究》，《世界經(jīng)濟(jì)》第10期。[Liang Ruobing and Tang Yun，2008，The Tiebout Model in the Supply of Local Public Goods：An Empirical Study Based on Chinese Urban Housing Prices，The Journal of World Economy，10.]

[17]廖福崇，2020：《基本公共服務(wù)與民生幸福感：來(lái)自中國(guó)綜合社會(huì)調(diào)查的經(jīng)驗(yàn)證據(jù)》，《蘭州學(xué)刊》第5期。[Liao Fuchong，2020，Basic Public Services and Peoples Well-being：Empirical Evidence from Chinas Comprehensive Social Survey，Lanzhou Academic Journal，5.]

[18]林梨奎、江民星，2019：《中國(guó)房地產(chǎn)交易真的是賣(mài)方市場(chǎng)嗎？——基于雙邊隨機(jī)邊界模型的實(shí)證研究》，《審計(jì)與經(jīng)濟(jì)研究》第2期。[Lin Likui and Jiang Mingxing，2019，Is the Transaction of Real Estate in China Really a Sellers Market？—Empirical Study Based on Two-Tier Stochastic Frontier Model，Journal of Audit and Economics，2.]

[19]林閩鋼、楊鈺，2016：《公共服務(wù)質(zhì)量評(píng)價(jià)：國(guó)外經(jīng)驗(yàn)與中國(guó)改革取向》，《宏觀質(zhì)量研究》第3期。[Lin Mingang and Yang Yu，2016，Evaluation of Public Service Quality：Foreign Experience and Reform Orientation in China，Journal of Macro-quality Research，3.]

[20]劉華、陳力朋、魏娟，2020：《房地產(chǎn)稅收入用途對(duì)居民納稅意愿的影響》，《財(cái)貿(mào)經(jīng)濟(jì)》第10期。[Liu Hua，Chen Lipeng and Wei Juan，2020，Influence of Purpose of Real Estate Tax Revenue on Residents' Willingness to Pay the Tax，F(xiàn)inance and Trade Economics，10.]

[21]劉金東、高鳳勤、陶然，2019：《房地產(chǎn)稅的支付意愿與納稅能力分析——基于130個(gè)城市的家庭調(diào)查》，《稅務(wù)研究》第8期。[Liu Jindong，Gao Fengqin and Tao Ran，2019，Analysis of Willingness to Pay and Tax Ability of Real Estate Tax：Based on Household Survey in 130 Cities，Taxation Research，8.]

[22]劉敏、劉人懷、閆俊強(qiáng)，2020：《公共服務(wù)動(dòng)機(jī)、公共服務(wù)質(zhì)量和“相關(guān)公眾”的有效參與——基于珠海、深圳口岸零售跨境貿(mào)易“質(zhì)量共治”的實(shí)證檢驗(yàn)》，《宏觀質(zhì)量研究》第6期。[Liu Min，Liu Renhuai and Yan Junqiang，2020，Public Service Motivation，Public Service Quality and the Effective Participation of the ‘Relevant public：An Empirical Test Based on the ‘Quality Co-governance of Cross-border Retail Trade at Zhuhai ang Shenzhen Ports，Journal of Macro-quality Research，6.]

[23]盧洪友、連玉君、盧盛峰，2011：《中國(guó)醫(yī)療服務(wù)市場(chǎng)中的信息不對(duì)稱(chēng)程度測(cè)算》，《經(jīng)濟(jì)研究》第4期。[Lu Hongyou，Lian Yujun and Lu Shengfeng，2011，Measurement of the Information Asymmetric in Medical Service Market of China，Economic Research Journal，4.]

[24]羅欣然、岳邦佳、林愛(ài)文、陳飛燕，2019：《武漢市中心城區(qū)公共服務(wù)設(shè)施可達(dá)性對(duì)住宅價(jià)格的影響——基于三網(wǎng)融合交通系統(tǒng)的分析》，《地域研究與開(kāi)發(fā)》第2期。[Luo Xinran，Yue Bangjia，Lin Aiwen and Chen Feiyan，2019，Impact of Accessibility of Public Service Facilities on Housing Price in Central District of Wuhan City：Based on Analysis of Tri-network Transport System，Areal Research and Development，2.]

[25]馬蔡琛、朱旭陽(yáng)，2020：《關(guān)于我國(guó)房地產(chǎn)稅收問(wèn)題的若干思考》，《稅務(wù)研究》第4期。[Ma Caichen and Zhu Xuyang，2020，Thoughts on the Real Estate Tax Reform in China，Taxation Research，4.]

[26]任強(qiáng)、侯一麟、馬海濤，2017：《公共服務(wù)資本化與房產(chǎn)市值：對(duì)中國(guó)是否應(yīng)當(dāng)開(kāi)征房地產(chǎn)稅的啟示》，《財(cái)貿(mào)經(jīng)濟(jì)》第12期。[Ren Qiang，Hou Yilin and Ma Haitao，2017，Public Service Capitalization and Real Property Value：The Case for a Local Property Tax in China，F(xiàn)inance and Trade Economics，12.]

[27]邵磊、任強(qiáng)、侯一麟，2020：《基礎(chǔ)教育均等化措施的房地產(chǎn)資本化效應(yīng)》，《世界經(jīng)濟(jì)》第11期。[Shao Lei，Ren Qiang and Hou Yilin，2020，Capitalization of Education Equalization Measures：Evidence from Beijing，The Journal of World Economy，11.]

[28]史桂芬、楚涵宇，2019：《中國(guó)房地產(chǎn)稅征收的經(jīng)濟(jì)效應(yīng)分析》，《東北師大學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版》第5期。[Shi Guifen and Chu Hanyu，2019，An Analysis of the Economic Effect of Chinas Real Estate Tax Collection，Journal of Northeast Normal University（Philosophy and Social Sciences），5.]

[29]湯玉剛、陳強(qiáng)、滿(mǎn)利蘋(píng)，2015：《資本化、財(cái)政激勵(lì)與地方公共服務(wù)提供——基于我國(guó)35個(gè)大中城市的實(shí)證分析》，《經(jīng)濟(jì)學(xué)季刊》第1期。[Tang Yugang，Chen Qiang and Man Liping，2015，Capitalization，F(xiàn)iscal Incentive and the Provision of Local Public Services：Evidence from 35 Large and Medium Sized Cities of China，China Economic Quarterly，1.]

[30]王奇超、劉玉平，2014：《借鑒國(guó)際經(jīng)驗(yàn)完善我國(guó)房地產(chǎn)稅稅基評(píng)估體系》，《國(guó)際稅收》第4期。[Wang Qichao and Liu Yuping，2014，Improving Tax Base Assessment System of the Real Estate Tax in China by Referring to International Experiences，International Taxation in China，4.]

[31]王勝華，2021：《經(jīng)濟(jì)趕超、公共支出偏向與城鄉(xiāng)公共服務(wù)差距》，《廣東財(cái)經(jīng)大學(xué)學(xué)報(bào)》第1期。[Wang Shenghua，2021，The Complementary Effect of Service Transition and Product Innovation on the High：Quality Development of Manufacturing Enterprises，Journal of Guangdong University of Finance and Economics，1.]

[32]王韜、呂碧君，2018：《從稅收公平角度看納稅人的“稅負(fù)痛苦”》，《財(cái)會(huì)通訊》第29期。[Wang Tao and Lv Bijun，2018，Viewing the “Tax Burden” of Taxpayers from the Perspective of Tax Fairness，Communication of Finance and Accounting，29.]

[33]楊慧、李超，2019：《中國(guó)城市房?jī)r(jià)影響因素及貢獻(xiàn)度研究——基于R2的相對(duì)重要性分解》，《經(jīng)濟(jì)問(wèn)題探索》第11期。[Yang Hui and Li Chao，2019，Research on Influencing Factors and Contribution Degree of Urban House Prices in China：Based on R2 Relative Importance Decomposition，Inquiry into Economic Issues，11.]

[34]張東、秦俊武，2013：《城市基礎(chǔ)設(shè)施投資約束下住房開(kāi)發(fā)投資效益變動(dòng)研究》，《中國(guó)房地產(chǎn)金融》第3期。[Zhang Dong and Qin Junwu，2013，Research on the Changes of the Investment Benefit of Housing Development under the Constraint of Urban Infrastructure Investment，China Real Estate Finance，3.]

[35]張濤、王學(xué)斌、陳磊，2008：《公共設(shè)施評(píng)價(jià)中的異質(zhì)性信念與房產(chǎn)價(jià)格——中國(guó)房產(chǎn)泡沫生成的可能解釋》，《經(jīng)濟(jì)學(xué)季刊》第1期。[Zhang Tao， Wang Xuebin and Chen Lei，2008，Heterogeneous Beliefs in Public Infrastructure Valuation and Real Estate Bubbles in China，China Economic Quarterly，1.]

[36]朱思宇、謝敘祎，2020：《公共服務(wù)供給對(duì)房地產(chǎn)價(jià)格影響的實(shí)證檢驗(yàn)》，《統(tǒng)計(jì)與決策》第3期。[Zhu Siyu and Xie Shuwei，2020，An Empirical Test of the Impact of Public Service Supply on Real Estate Prices，Statistics and Decision，3.]

[37]朱為群、許建標(biāo)，2019：《構(gòu)建房地產(chǎn)稅改革收支相連決策機(jī)制的探討》，《稅務(wù)研究》第4期。[Zhu Weiqun and Xu Jianbiao，2019，Discussion on Constructing the Decision-making Mechanism of Real Estate Tax Reform Linking Revenue and Expenditure，Taxation Research，4.]

[38]Clapp， J. M.， Nan， D. A. and Ross， S. L.， 2008， Which School Attributes Matter？ The Influence of School District Performance and Demographic Composition on Property Values， Journal of Urban Economics， 63（2）： 451-466.

[39]Collins， C. A. and Kaplan， E. K.， 2017， Capitalization of School Quality in Housing Prices： Evidence from Boundary Changes in Shelby County， Tennessee， The American Economic Review， 107（5）： 628-632.

[40]Efthymiou， D. and Antoniou， C.， 2013， How do Transport Infrastructure and Policies Affect House Prices and Rents？ Evidence from Athens， Transportation Research Part A Policy and Practice， 52（2）： 1-22.

[41]Fischel， W. A.， 1992， Property Taxation and the Tiebout Model： Evidence for the Benefit View From Zoning and Voting， Journal of Economic Literature， 30（1）： 171-177.

[42]Grover， R.， 2016， Mass Valuations， Journal of Property Valuation and Investment， 34（2）： 191-204.

[43]Guignet， D.， Walsh， P. J. and Northcutt， R.， 2016， Impacts of Ground Water Contamination on Property Values： Agricultural Run-off and Private Wells， Agricultural and Resource Economics Review， 45（2）： 293-318.

[44]Hall， J. C. and Koumpias， A. M.， 2018， Growth and Variability of School District Income Tax Revenues： Is Tax Base Diversification a Good Ides for School Financing？， Contemporary Economic Policy， 36（4）： 678-691.

[45]Hallsworth， M.， List， J. A. and Metcalfe， R. D.， 2017， The Behavioralist as Tax Collector： Using Natural Field Experiments to Enhance Tax Compliance， Journal of Public Economics， 148（2）： 14- 31.

[46]Hamilton， B. W.， 1976， Capitalization of Intrajurisdictional Differences in Local Tax Policies， The American Economic Review， 66（5）： 743-753.

[47]Kumbhakar， S. C. and Parmeter， C. F.， 2009， The Effects of Match Uncertainty and Bargaining on Labor Market Outcomes： Evidence from Firm and Worker Specific Estimates， Journal of Productivity Analysis， 31（1）： 1-14.

[48]Kwok， B. and Yip， R.， 2018， Is Tax Education Good or Evil for Boosting Tax Compliance？ Evidence from Hong Kong， Asian Economic Journal， 32（4）： 359-386.

[49]Lancaster， C. and Kelvin， J.， 1966， A New Approach to Consumer Theory， Journal of Political Economy， 74（2）： 132-157.

[50]Liu， X. and Chen， X.， 2021， Can “Concerted” Macroprudential Policies Mitigate Cross-border Contagion of Financial Risks？ Evidence from China and Its Financially Connected Economies， China and World Economy， 29（3）： 26-54.

[51]Martin， M.， Jan， R. and Jasper， D.， 2018， Border Effects in House Prices， SSRN Electronic Journal， 4： 2-45.

[52]Nazir， N.， Othman， N. and Nawawi， A. H.， 2015， Role of Green Infrastructure in Determining House Value in Labuan Using Hedonic Pricing Model， Procedia-Social and Behavioral Sciences， 170（1）： 484-493.

[53]Ridker， R. and Henning， J.， 1967， The Determinants of Residential Property Values with Special Reference to Air Pollution， The Review of Economics and Statistics， 49， 246-257.

[54]Rosen， S.， 1974， Hedonic Prices and Implicit Markets： Product Differentiation in Pure Competition， Journal of Political Economy， 82（1）： 35-55.

[55]Rosenthal， L.， 1999， House Prices and Local Taxes in the UK，F(xiàn)iscal Studies， 20（1）： 61-76.

[56]Tiebout， C. M.， 1956， A Pure Theory of Local Expenditures， Journal of Political Economy， 64（5）： 416-424.

Public Service Quality and Real Estate Tax Base Assessment

under the Situation of Real Estate Tax Reform Pilot

—Simulation Calculation from Empirical Data of 35 Large and

Medium Sized Cities in China

Chen Lei， Zhou Yanqiu and He Qing

（School of Public Finance and Taxation of Capital University of Economics and Business）

Abstract：The basic prerequisite for advancing the real estate tax reform actively and steadily is to conduct a scientific assessment of the real estate tax base. One of its realistic paths is to determine the important factors that affect the assessment of the tax base and construct a tax base assessment model with a dynamic correction perspective. This paper selects the empirical data of 35 large and medium-sized cities in China from 2003 to 2019， introduces the optimal incentive effect and the incentive bias effect into the model， and then studies the error effect of the real estate tax base assessment under the change of public service quality and the model correction， which can provide a theoretical basis and reference path for advancing the real estate tax pilot reform and determining the tax base in the taxation process. The research shows that the change in public service quality has a significant overall impact on the assessment value of real estate tax base. The incentive bias caused by assessment errors is bigger than the optimal incentive impact， and the comprehensive impact is negative， showing temporal and regional differences. The quality of environmental public services has become an important correction item for location factors in the quality development stage， and the quality of public services such as transportation， education， and medical care has spatial distribution differences. Therefore， the amendment of real estate tax base assessment model and the selection of location factor variables should be adjusted from time to time and from place to place.

Key Words：Real Estate Tax; Reform Pilot; Public Service Quality; Tax Base Assessment; Model Amending

責(zé)任編輯 鄧 悅

陳蕾，首都經(jīng)濟(jì)貿(mào)易大學(xué)財(cái)政稅務(wù)學(xué)院，電子郵箱：chenlei@cueb.edu.cn;周艷秋（通訊作者），首都經(jīng)濟(jì)貿(mào)易大學(xué)財(cái)政稅務(wù)學(xué)院，電子郵箱：nmgzhouyanqiu@163.com;何晴，首都經(jīng)濟(jì)貿(mào)易大學(xué)財(cái)政稅務(wù)學(xué)院，電子郵箱：heqing@cueb.edu.cn。本文受北京市社會(huì)科學(xué)基金決策咨詢(xún)項(xiàng)目（21JCC063）、北京市社會(huì)科學(xué)基金規(guī)劃項(xiàng)目（20JJB017）、首都經(jīng)濟(jì)貿(mào)易大學(xué)研究生科技創(chuàng)新項(xiàng)目（202028）的資助。感謝匿名審稿人對(duì)本文提出的意見(jiàn)，文責(zé)自負(fù)。