我国改革开放以来,社会经济得到了高速发展,但是居民收入差距却越来越大。根据国家统计局的数据显示,改革开放初期全国居民人均可支配收入基尼系数在0.25左右,到1994年的时候,基尼系数超过0.4,在2003到2016年这14年间,基尼系数居高不下,一直在0.46 ~ 0.49之间。从数据来看,中国的贫富差距早已超过合理的界限,财富分配非常不均。许多学者对中国当前贫富差距问题进行了研究:第一,从经济增长与发展的角度出发:陈斌开、林毅夫通过实证研究发现中国城乡收入差距随着社会经济的发展先下降后上升,呈现出U形规律[1];李宾、马九杰基于生命周期理论得出城镇化进程中劳动力的流动对缩小收入差距有明显的作用[2]。第二,从经济政策的角度出发:万海远、李实认为中国的户籍政策对收入差距有显著影响[3];雷根强、蔡翔通过实证分析得出中国财政再分配政策的严重城市偏向显著影响着城乡收入差距[4]。第三,从经济制度的角度出发:沈家文、王元地等通过实证分析得出中国的产权制度改革拉大了收入差距[5];刘长庚、田龙鹏等人通过模型验证了改革开放以来,中国经济制度的变迁对收入再分配有着重要影响[6]。现有研究仅解释了中国贫富差距较高这一特征事实,即只是从宏观角度对影响贫富差距的关键因素进行了剖析,并未解释中国贫富差距为何一直居高不下,同时也忽视了当前中国社会经济发展中存在的典型问题。
随着我国市场经济的飞速发展以及住房制度改革的深化,房地产经济开始在我国社会经济发展过程中发挥着重要作用[7]。伴随房地产市场的繁荣而来的是房价的快速增长,并直接导致贫富差距的扩大[8]。在此背景下,2011年沪渝两地试行的房产税改革成为全社会关注的焦点,各界就房产税是否具有调节贫富差距的作用展开了激烈的争论。目前已有一些文献尝试研究房产税对贫富差距的影响,但并未获得一致的结论。夏商末认为房产税能够调节收入分配不公是过时的理论[9];范子英和刘甲炎认为房产税改革与缩小贫富差距这一政策目标相悖,只会恶化收入分配[10]。有学者却认为房产税能够调节收入分配:黄潇从理论上进行分析,认为房产税一方面能直接影响居民收入和财富,另一方面还可以通过转移支付的方式来帮助中低收入群体改善其生活状况,故而可以有效调节收入分配[11];李娇、向为民则从整体结构视角出发,通过实证分析得出房产税对调节收入分配具有正效应[12]。此外,还有一些学者针对沪渝两地的房产税改革,通过模型从侧面研究了房产税改革与贫富差距的关系:Wang等利用一般均衡模型对沪渝两地的房产税改革进行了分析,认为此次房产税试点可能无法改变当前的收入分配,但是提高税率或将有助于缩小贫富差距[13];Yang & Ren通过DSGE模型,将研究焦点集中在房产税的宏观经济效益以及对房价的影响上,最终得出从短期来看房产税会正向影响房价,从长期看则会显著影响国民生产总值、通货膨胀等宏观经济变量,因而能够影响财富分配[14]。综合来看,既有研究存在一些不足之处:首先,大部分文章都停留在理论层面,实证研究稍显不足;其次,许多研究仅仅只是探讨了房产税对收入分配的调节作用,或者是从侧面进行分析研究,并未直接针对房产税对贫富差距的影响进行检验,因此在研究上存在一定程度的脱节;最后,鲜有文章对沪渝两地房产税改革政策进行区分,从正面探析两地不同的房产税实施细则对贫富差距的影响是否存在差异。
本文在分析房产税影响贫富差距的理论机制的基础上,将沪渝两地2011年试行的房产税政策改革作为自然实验,针对上海、重庆两地房产税政策的试行方案存在明显差异这一特点,运用标准双重差分模型(difference-in-differences, DID)分别探究两地的房产税改革对贫富差距有着怎样的调节作用,并采用双重差分倾向得分匹配法(propensity score matching-difference in differences, PSM-DID)对结果进行了进一步的稳健性检验。
与既有的研究相比,本文的主要贡献有以下两点:一是在方法上采用了国际上比较常用的政策评估方法——双重差分法,并借助双重差分倾向得分匹配法对结果进行了进一步的检验,整个实证分析过程有效地排除了其他因素的干扰;二是本文对沪渝两地实施的房产税改革政策进行了区分,分别对两种不同的房产税改革模式进行了研究,使得政策效应评估结果更为细化,更具有针对性,从而为房产税的进一步改革和实施提供有意义的参考。
二、房产税影响贫富差距的理论分析房产税作为中国税制改革的重要一环,从2003年中央计划征收房产税到2011年沪渝两地成为房产税改革试点城市,历时逾八年,自概念提出到最后成功实施可谓举步维艰。在改革进入攻坚阶段的重要时刻,国家为何会提出房产税这一触及更深层次社会矛盾以及利益调整的政策?征收房产税到底对中国的发展具有怎样的作用?在一切尚未明朗之前,重庆、上海作为房产税改革试点城市率先征收房产税,这种敢为人先的创新和探索是具有风险的。结合中国国情,“缩小贫富差距,实现社会公平”是当前房产税改革的首要目标。基于对房产税内在属性的考量,本文认为房产税影响贫富差距的理论机制可以从直接性和间接性两个层面剖析。
关于房产税对贫富差距的直接调节作用可以从以下三个维度展开:首先,房产税是一种直接针对房屋产权所有人征收的财产税,该税收能够直接调节收入分配,部分修正财富的高度集中。其次,房产税无论是以面积还是以房屋价值作为计税依据进行征收,其最终的落脚点均在富裕阶层,完全符合瓦格纳的税收理论,即加重富人阶层的税收负担这一政策主张。高收入群体拥有更多的财富,其拥有的房屋无论从面积还是从价值方面考虑都将高于低收入群体,故而房产税的征收比较容易实现高收入者多交税,低收入者少交税,贫困者不交税,进而调节公民所拥有的财富。最后,房产税在设计上可以遵循哈耶克的“累进税制与比例税制协调运用理论”,即高等收入水平者税率从高,低收入水平者则税率从低,贫困者免税,累进税制的做法在重庆的房产税政策中有所体现。
房产税对贫富差距的间接调节作用主要体现在两个方面:一是基于房产税所针对对象的特殊性。房产税以房屋作为征收对象,在当前中国房地产行业发展如火如荼的背景下,房子从仅是简单的容身之所变成了资本逐利的对象。近年来,房价一路攀高,房子俨然已成为一种增值财富,房产投资已经成为一种快速积累财富的方式,也是造成当前社会收入不平等的重要原因之一。房产税的征收能有效地抑制炒房这种投机活动,平衡供需,可在一定程度上提高资源的配置效率,从而调节贫富差距。二是房产税能够增加地方政府收入,而取之于民的政府财政收入也将用之于民。由征收房产税所带来的地方政府财政收入的增加将有助于改善基础设施建设,提高公共服务效率,提高人民生活水平,缩小贫富差距。
三、沪渝房产税内容比较2011年1月28日,重庆、上海两地开始针对个人征收房产税,但两地的房产税实施细则却有所不同。表 1为重庆、上海两地房产税暂行办法比较,从中可以看出沪渝两地征收房产税的目的都是合理调节收入分配,正确引导住房消费,两者的计税依据也相同。然而从两地房产税征收的其他细则来看,两地的房产税征收模式具有明显的不同,在征收对象、税率以及免税面积等方面都存在差异。其中最核心的不同点在于重庆是存量房产税,而上海是增量房产税,这使得两地在调节财富分配上有所不同。上海针对的是新购住房,对存量住房不征收房产税,也就是说在房产税改革政策实施前购买的住房不在征收范围内,而重庆则将房产税政策实施前购买的住房纳入了征收对象之中。在税率上,上海并没有对不同价格档次的住房进行详细的区分,适用税率为0.6%,但对单位面积均价低于上海市上年度新建住房平均售价2倍及以下的采用0.4%税率;而重庆则根据住房交易单价的不同对税率进行了详细的划分,最低税率为0.5%,最高税率为1.2%。综合看来,重庆的房产税征收模式让具有刚性需求的普通居民得以免交税款,对那些拥有多套住房的投机性炒房者则采用高税率1.2%,而上海模式一方面未有效针对炒房投机者,另一方面在税率上也未有效地对高档住宅和普通住房进行区分。从这一点来看,重庆的房产税征收模式相较于上海的房产税征收模式更具有调节贫富差距的作用。基于此,本文提出如下假设:重庆房产税征收模式能够缩小贫富差距,而上海的房产税征收模式则会扩大贫富差距。
![]() |
表 1 上海、重庆房产税试点暂行办法比较 |
我国2003年决定开征房产税,正式设立房产税试点在2011年,首批征收房产税的城市为上海和重庆。根据该事件特点,本文将房产税政策的实施看作一个自然实验,利用目前国际上广泛采用的评估政策影响方法——双重差分法(DID)来评估房产税实施的政策效应。DID方法的核心思想是基于某个外生事件的发生而产生的自然实验,这个外生事件常常是政府政策的改变,基于政策的变化便有了实验组和控制组,发生政策改变的为实验组,未发生政策变化的即为控制组。时间上分为政策实施前和政策实施后两个时间段,通过对比实验组与控制组政策实施前后两个时期内变化的差异来得出政策效应。其基本模型如下:
$ y=\beta_{0}+\beta_{1} \cdot d+\beta_{2} \cdot T+\delta \cdot \quad(d \cdot T) \quad+\beta_{i} \cdot X_{i} $ |
式中,y为被解释变量;T为构建的关于实验组和控制组的虚拟变量,实验组为房产税政策试点城市即重庆和上海,取值1,样本中的其他城市作为控制组取值0;d为构建的时间虚拟变量,政策实施前即2011年以前的时间段取值0,政策实施后的时间段为1;Xi为控制变量也就是其他影响贫富差距的关键因素;β0表示截距项;β1、β2、βi为对应变量的系数项;两个虚拟变量交叉项的系数δ即为政策效应。
双重差分法的使用需要实验对象被随机的选为实验组和对照组,换句话说,实验组和对照组在政策实施前社会经济发展趋势要尽可能相似。显而易见,中国各个城市之间的发展状况存在较大的差别,很难满足时间效应的一致性。本文通过双重差分倾向得分匹配法(PSM-DID)来解决这一问题。PSM-DID的核心在于先通过倾向得分匹配来寻找与实验组最相似的城市作为控制组,从而解决样本偏差问题,使该模型符合共同趋势假设;然后再利用DID解决内生性问题。
(二) 数据说明本文选择包括上海、重庆在内的24个城市(重庆、上海、成都、北京、武汉、杭州、南京、贵阳、长沙、西安、厦门、合肥、青岛、石家庄、福州、天津、郑州、呼和浩特、银川、昆明、沈阳、济南、宁波、兰州)2006—2015年的面板数据作为样本进行研究,数据来源于各城市的统计年鉴以及国民经济与社会发展统计公报。
本文所研究的是房产税对贫富差距的影响,被解释变量y为贫富差距。国际上被广泛用来衡量贫富差距的指标是基尼系数,然而我国各省市并未公开其基尼系数,也没有关于全部居民收入分组的数据,因此用基尼系数来测算各省市的贫富差距有难度。基于此,本文使用泰尔指数来衡量贫富差距,具体计算公式如下:
$ th = \sum\limits_{i = 1}^2 {\left( {\frac{{{I_i}}}{I}} \right)} \log \left[ {\left( {\frac{{{I_i}}}{I}} \right)/\left( {\frac{{{N_i}}}{N}} \right)} \right] $ |
式中,th表示贫富差距;i=1, 2分别表示城镇地区和农村地区;I1和I2分别表示城镇居民可支配收入和农村居民可支配收入(用人均可支配收入乘以总人数得到),I=I1+I2;N1和N2分别表示城镇总人口和农村总人口,N=N1+N2。相对于其他直接采用城乡居民人均可支配收入之比作为贫富差距的衡量指标来讲,泰尔指数利用信息理论中的熵概念,在测算时综合衡量了组内差距和组间差距对总体差距的影响,使最终的指标结果更具有解释力。
模型中还加入了其他影响城市贫富差距的关键因素作为控制变量,包括城镇化水平、经济发展水平、就业率、市场化程度、教育水平、科技水平这六个关键因素。该控制变量的具体计算方式如下:城镇化水平用城镇人口占总人口的比重度量,经济发展水平用人均GDP(万元)表示,就业率用从业人员占全市常住人口比重度量,市场化程度用第三产业增加值占国民生产总值的比重度量,教育水平使用各城市普通高等学校在校学生数(万人)表示,科技水平则用专利申请数量(万件)表示。
五、实证分析结果 (一) DID模型分析结果作为中国税制改革的破冰之举,房产税政策的实施将打破中国当前不符合市场经济特色的税制结构,为中国经济的可持续发展注入新的生机,有效调整中国的收入分配结构,助力国家缩小贫富差距,实现共同富裕。上海、重庆敢为人先的房产税政策试点为本文提供了一个自然实验,研究采用DID方法评估房产税对贫富差距的影响。
表 2为房产税改革对贫富差距影响的模型结果,其中模型(1)和(2)为不加入控制变量的DID模型,模型(3)和(4)为加入控制变量后的回归模型,以上4个模型为上海、重庆两地的房产税政策分别对贫富差距的影响。结果表明无论是否加入控制变量,其结果都是一致的,上海的房产税政策显著扩大了贫富差距,重庆的房产税政策显著缩小了贫富差距。第一行DID所对应的结果为政策效应,从数值上可以看出上海的房产税政策使上海的贫富差距上升了0.56个百分点,而重庆的房产税政策则使重庆的贫富差距下降了4.53个百分点,从数值上来看重庆的房产税政策有较强的缩小贫富差距的作用且该结果具有较高的置信度。综合比较4个模型发现加入控制变量有效地提高了模型的解释力,且6个控制变量都显著影响了贫富差距。其中就业率、城镇化率、人均GDP、科技水平、教育水平的系数显著为负,说明就业率、城镇化率等的提高将有助于缩小贫富差距;而市场化率的系数显著为正,表明市场化改革是导致贫富差距扩大的一个因素。此外,从控制变量的数值结果来看,与其他要素相比,城镇化有更强的缩小贫富差距的作用。关于市场化会扩大贫富差距这一结果,从当前中国市场化进程来看,并不是“市场化”这一体系本身的原因,而是中国的市场化不完善造成的。
![]() |
表 2 DID模型结果 |
为了降低双重差分法的估计偏差,本文使用PSM-DID方法对上述DID模型结果展开了进一步的稳健性检验。运用PSM-DID方法时,利用logit对控制变量进行回归得到各个城市的倾向分值,根据倾向得分,选择与实施房产税政策城市最接近的样本作为配对城市进行比较。匹配后的控制组与实验组具有比较接近的特征,能够最大程度地减少两组样本的系统性差异,从而降低估计偏误。
表 3为PSM-DID模型的最终结果,其中Diff表示的是实验组与控制组改革前后在贫富差距上的差异,两个Diff的交叉处即为倍差值也就是最终的政策效应。表中对上海房产税改革模式和重庆房产税改革模式分别进行了分析,得出了与DID模型一致的结论,房产税改革具有明显的政策效应,上海的房产税改革模式显著扩大了贫富差距,而重庆的房产税征收模式则显著缩小了贫富差距。从表中的数据结果来看,在上海改革模式中,改革前实验组(上海)与控制组城市的贫富差距为-0.06,改革后两者的贫富差距差异为-0.035,最终得出的政策效应结果为0.025,也就是说上海的房产税改革使上海的贫富差距上升了2.5个百分点。相对于上海的改革模式,重庆房产税改革模式的政策效应则与之相反,重庆的房产税征收模式使贫富差距下降了7.1个百分点。PSM-DID的结果与DID的结果无显著差异,表明了上海、重庆两地不同的房产税政策对贫富差距产生了截然相反的影响,从而进一步验证了本文的结论。
![]() |
表 3 PSM-DID模型结果 |
从缩小贫富差距,实现共同富裕的角度来说重庆的房产税征收模式明显优于上海的房产税征收模式,但这并不代表上海模式绝对劣于重庆模式,考虑地区不同的社会经济发展状况,应该有与其发展相适应的房产税征收模式。从上海地区如今的发展情况来看,上海在社会、经济、科技等方面都取得了巨大的发展,那么针对上海这样经济发达、富有创新力的城市,实行最终将会扩大贫富差距的房产税政策就并不合适。因为上海已经具备可持续发展的潜力和活力,从某种意义上来讲缩小贫富差距对上海的发展更有利,同时也符合我国实现共同富裕的伟大目标。因此,针对上海这样的发达城市,在征收房产税时对拥有多套住房的投机者应该实行高税率,对只拥有一套房产且该房满足所规定的人均面积以下的自住房免征收房产税。此外,对市民所购买的第二套改善性住房应根据具体情况象征性地征收。只有这样区别性地征收房产税,才能有效地抑制房价和调节贫富差距。而像昆明、贵阳这样经济发展程度远不如上海的城市,从长远的发展来看,采用上海这种模式并未进行详细区分的低税率的房产税征收政策未必不是一种行之有效的选择。虽然上海模式的房产税征收政策在一定程度上会加大贫富差距,但是从某种角度来说,这也正是一种经济活力,也恰恰是那些经济欠发达的地区所需要的一种激励。再者,政府所征收的房产税最终也将用于城市的建设,提高城市居民的福利水平,这对于城市的长远发展是非常有利的。就如同我国改革开放初期允许一部分人富起来,先富带动后富,最终实现共同富裕一样。总的来说,两种征收模式基于不同的角度考虑,并没有孰优孰劣,只是针对经济发展程度不同的地区哪种更适合而已。
六、结论及建议在我国的经济发展过程中总是伴随着“效率”与“公平”的抉择问题,在经济增速放缓,财富分配不均日益加剧的背景下,房产税政策成了我国调节贫富差距、强化公平、拓展经济发展潜力的重要手段。本文将沪渝两地的房产税政策纳入贫富差距的研究框架,通过双重差分法对上海、重庆的房产税进行分析,并运用双重差分倾向得分匹配法对结果进行了稳健性检验,结果发现两地不同的房产税征收模式对贫富差距有着截然不同的影响:重庆模式显著缩小了贫富差距,而上海模式则显著扩大了贫富差距。该结论证实了房产税对贫富差距确有影响,而具体产生怎样的影响则取决于房产税的具体实施模式。从房产税政策实施的角度出发,两种模式最终会对贫富差距产生截然不同的影响主要是由房产税部分政策细则上存在的差异造成的。究其原因主要体现在以下两个方面。一是上海的房产税只针对新购住房,并未影响实施前就拥有多套住房的富人阶层,使得最终的税收负担落在了部分人身上;而重庆的房产税政策将新旧住房均包含在内,长期持有多套房产的群体将缴纳更多的税款,故而能够起到缩小贫富差距的作用。二是上海的房产税政策实行的是统一税率,而重庆的房产税政策则根据房屋价值的不同设置了阶梯税率,因此在重庆的房产税政策中,富人阶层将缴纳更多的税款。总的来说,因为征收对象和税率设置的差别,使得最终沪渝两地的房产税模式对贫富差距有着不同的影响。
尽管在上海模式中房产税调节贫富差距的效果不甚理想,但是我国推进房产税改革依然是必要的,2016年G20会议期间财政部部长与央行行长也明确了征收房产税对解决收入分配问题的重要性。房产税征收势在必行,本文就如何实行提出以下建议:
根据目前中国的国情,房产税征收不宜实行“普遍征收”,在较长的一段时间内,房产税征收的重点都应该放在“高端征收”上。所谓高端征收则是房产税应该针对拥有豪华住宅和多套房产的富人阶层。在减税呼声高涨的情况下,房产税作为一项新增税种,将房产税的征收落脚于高端住宅可以减少房产税征收的阻力。此外,将房产税征收定位在高收入群体一则可以有效抑制炒房投机行为,二则能有效保护低收入群体的利益。
房产税政策的设计应该要有梯度,设计差别化税率将有助于调节收入分配。差别化税率应该考虑到住房面积和住房价值两个维度。关于住房面积这一维度,可以按照第一套住房免税或者为第一套住房设置一定的起征点,起征点则可以直接规定免税面积或者依照人均居住面积指标给予免税。上海和重庆的房产税政策采用设置起征点的做法,上海是规定人均60 m2税率减免,重庆则是根据购房时间段分别设置了180 m2和100 m2两个数值。接着从第二套住房到第三套住房依次往上,税率不断提高。对于住房价值这一维度,目前重庆和上海采用的是房屋交易价格这一标准。实际上为了更好地衡量财富水平,以住房当前的价值作为计税依据更合理,然而住房的市场价格波动频繁使得房屋的真实价值难以估量,以房屋价值作为计税依据存在着一定难度。房产税作为一种地方税,各地政府应该根据自身的社会经济发展状况,从住房面积和住房价值两个维度来确定具体的税率以及详细具体的征收细则和管理办法。
明确房产税征收的目标,设计与目标相匹配的实施方案。自房产税征收以来,关于房产税的目标众说纷纭,主要有以下三种观点:第一种是社会大众探讨较多的房产税旨在控制房价;第二种是如沪渝两地房产税暂行办法文件中所强调的房产税是为了合理调节居民收入分配,也就是缩小贫富差距;第三种则是增加地方收入,将房产税打造为地方主要税种。针对不同的政策目标,应该有与之匹配的政策规划过程。地方政府在实施房产税时应该以自身的政策目标为导向展开有效且经济的政策规划,如此才能达到预期的政策结果,并使整个政策实施的成本和风险尽可能小。
要落实房产税的立法工作。2019年3月5号,李克强总理在工作报告中提出了稳步推进房产税立法,由此可见房产税立法的重要性。房产税的征收到目前为止还缺乏一个程序正义的过程,许多人对于房产税的探讨还停留在房产税是否合理的层面,有部分人认为房产税的征收没有通过相应的法律,不存在合法性。我们要以沪渝房产税试点为契机,深刻认识房产税的原理,逐步推进房产税立法,使房产税于法有据。
[1] |
陈斌开, 林毅夫. 发展战略、城市化与中国城乡收入差距[J]. 中国社会科学, 2013(4): 81-102, 206. |
[2] |
李宾, 马九杰. 劳动力流动对城乡收入差距的影响:基于生命周期视角[J]. 中国人口资源与环境, 2013(11): 201-107. |
[3] |
万海远, 李实. 户籍歧视对城乡收入差距的影响[J]. 经济研究, 2013(9): 43-55. DOI:10.3969/j.issn.1672-5719.2013.09.026 |
[4] |
雷根强, 蔡翔. 初次分配扭曲、财政支出城市偏向与城乡收入差距——来自中国省级面板数据的经验证据[J]. 数量经济技术经济研究, 2012(3): 76-89. |
[5] |
沈家文, 王元地, 白静. 产权制度改革与收入分配差距关系的实证分析[J]. 国家行政学院学报, 2009(4): 68-72. DOI:10.3969/j.issn.1008-9314.2009.04.011 |
[6] |
刘长庚, 田龙鹏, 陈彬. 经济制度变迁、包容性增长与收入分配[J]. 财经科学, 2016(1): 78-87. DOI:10.3969/j.issn.1000-8306.2016.01.008 |
[7] |
许宪春, 贾海, 李皎, 等. 房地产经济对中国国民经济增长的作用研究[J]. 中国社会科学, 2015(1): 84-101, 204. |
[8] |
季晓旭. 人口老龄化、房价与区域城乡收入差距——基于我国省际面板数据的实证研究[J]. 财经科学, 2016(8): 102-112. |
[9] |
夏商末. 房产税:能够调节收入分配不公和抑制房价上涨吗[J]. 税务研究, 2011(4): 19-25. |
[10] |
范子英, 刘甲炎. 为买房而储蓄——兼论房产税改革的收入分配效应[J]. 管理世界, 2015(5): 18-27, 187. |
[11] |
黄潇. 房产税调节收入分配的机理、条件与改革方向[J]. 西部论坛, 2014(1): 38-45. |
[12] |
李娇, 向为民. 房产税收入分配效应的实证检验——基于结构和整体的视角[J]. 当代财经, 2013(12): 28-35. |
[13] |
WANG H, WANG Y, ZHANG S. Numerical simulation on property tax reform:Evidence from China[J]. Applied Economics, 2019, 51(20): 2172-2194. DOI:10.1080/00036846.2018.1540852 |
[14] |
YANG Q, REN X. Macroeconomic effects of property tax reform and price fluctuation-A numerical simulation analysis based on DSGE model[J]. Agro Food Industry HI-TECH, 2017, 28(3): 634-639. |