是土地供应量与房地产税赋提高了房价吗，本文主要内容关键词为：供应量论文,房价论文,提高了论文,土地论文,税赋论文，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：F293.35 文献标识码：A 文章编号：1000-6249(2013)11-027-11
JEL分类号：R31，R53，L12
房地产业是我国的国民经济支柱产业，房价的变化在一国经济指标中具有重要意义。1998年，国务院发布了《关于进一步深化城镇住房制度改革，加快住房建设的通知》，房地产业进入市场化发展时期。我国的房地产市场被认为是典型的区域寡头垄断市场结构(赵磊等，2009)，价格自我调节机制失灵，典型的表现就是房价持续上升。根据中宏数据库数据显示，2003-2007年我国房屋销售价格涨幅分别为4.8%、17.8%、14%、6.3%和12.6%。2008年虽有短期回调，但2009年又有大幅回升，涨幅达23.18%，为2001年以来最高水平。面对屡涨不止的房价，中央政府希望通过宏观调控，来稳定房价。如自2010年起实施的取消营业税优惠，征免时限由2年恢复到5年，出台“国四条”，提高土地出让金缴纳比例的规定，“史上最严”的“国十条”等，但总体来说收效甚微。如2010-2012年全国住宅均价由4727元/平涨至5429元/平(国家统计局2012快报)，涨幅达15%。
政府的调控政策为何总是起不到预期的效果，部分学者给出了解释(万冬和吴嵩，2010；赵健，2009)。这些原因可归结为，在执行中央政府调控政策的过程中，和中央政府的目标存在差异，它受到政治晋升和财税激励的双重约束，其行为表现会分化调控政策的效果。唐志军、谌莹和刘友金(2011)指出在我国房地产土地制度安排中，地方政府是城市土地唯一供给者，因此地方政府享有垄断权力，促使其不断抬高土地出让价格，并使土地出让收入成为许多地方政府的主要财源，对“土地财政”过于依赖，使得房价上涨过快。此文梳理了地方政府行为和房价之间的部分逻辑关系，但并没有对其进行更具体的定量分析，从实际来看，洞悉地方政府行为的具体表现及对房地产价格的影响和传导机制就非常必要，它有助于我们了解长期以来的房地产调控“政策失灵”的原因及为政策建议指明方向。
为了研究地方政府行为和房价之间的内在关系，本文选择土地供应量与房地产税税赋作为地方政府行为的观测变量，将全国分为东、中和西三个地区，以此为基础构建住房价格和土地供给量、房地产税税赋之间的PVAR模型，通过格兰杰因果检验、脉冲反应和方差分解等方式进行分析。研究结果发现政府行为确实影响了房价，但在东、中、西部具有显著差异，东部地区土地供给量推动了房价变化，西部地区则是房地产税税赋推动了房价变化，而在中部地区，则二者联合起作用推动了房价上涨。
二、文献综述
地方政府对房地产市场进行干预是一个多元行为结构，具有广义和狭义之分。狭义的行为指的是地方政府的直接投资行为，比如政府投资修建政府办公楼和交通设施等，还包括某些带有政府色彩的城市建设公司参与的房地产项目，以及地方政府对于经济适用房、廉租房的建设。相对而言经济适用房和廉租房占总体比例有限，对于房地产价格的影响不大。广义的政府行为范围更广，除了政府的直接投资行为外，还指地方政府组织、引导、维护、扶植、协调、监督、调控辖区内各项投资建设活动的一系列措施，并且后者更重要(钟成勋，1993)。这些调控措施具体体现在：立项审批、土地的供应、财政补贴、税收减免、协助融资筹。它们可以算是间接投资行为，但这些行为对区域内的建设投资主体具有较大影响。在这些调控行为中税收手段和土地供应总量控制最受重视，采用的也最为典型，因此房地产税税赋和土地供给量是本文观测地方政府行为的重点。
地方政府对房地产高度重视并体现相应的行为，背后的动机主要有两点：①政治晋升激励。房地产对经济增长的贡献能够很好地体现地方政府的政绩，使其积累资本，获得政治晋升的机会，而且当地方政府所管辖地区经济增长速度越快，其越可能得到政治晋升(周黎安，2007)。对于地方政府而言，通过扩大房地产投资是一种能够在短期内刺激当地的经济增长的内在选择。另外，不同地方政府之间的竞争，也是促使各地方政府大力发展房地产的一个重要因素，因为，在和其他地方的经济竞争中，如果自己所在地区的经济增长速度落后于对方，那在晋升考核中将处于不利的地位。这种对于房地产开发的投资刺激会传导到全国范围内，导致房地产业整体的快速发展。这种房地产业发展和官员政治晋升间的互动逻辑使得地方政府具有做大做强房地产业的内在冲动。②财税激励。张岑遥(2005)认为，分税制后地方事权与财权不对等所带来的压力，以及地方政府作为中央政府或上级政府代理机构的压力，促使地方政府会介入房地产市场，并客观推动了城市房地产价格的非正常上涨。王举等(2008)分析了分税制后的地方政府“土地财政”情况，出于缓解财政困难的目的使地方政府对房地产业的产生了过度依赖，因此房地产成为政府“财源”的主要支柱，具体的做法有两方面：第一通过增加土地出让收入来获得财政收入。如2000-2003年，全国土地出让金总收入只有9100亿元，2005年一年就达5500亿元。而随着工业化和城镇化的推进，对土地的需求不断上升，地方政府从土地征用和出让中获得的收入也在不断上升。2010年和2011年，这一指标增加到2.7万亿元和3万亿元。第二是通过城市扩张来增加地方政府可支配税收。由于城市扩张带来的税收，包括建筑业和房地产业的营业税和所得税全部由地方享有。因此，地方政府发展城市建筑业、房地产业有很大的积极性。这两大产业创造的税收，在地方税收中增幅最大，一些发达县市增幅高达50%至90%，占到地方税收总量的37%以上。土地转让金和与房地产相关的税收收入在财政收入中的重要性不言而喻。这也就部分解释了地方政府倚重房地产业的原因。
很多学者对税收和住房价格、土地供给和住房价格之间的关系进行了研究。Oates(1969)通过对美国新泽西州东北部的53个城镇进行调查，发现房地产价格与财产税呈负相关。另外，Miguel(2004)、Noord(2005)和Lang(2004)等学者也做了大量的实证研究来探析房地产税与房价之间的关系，得出了相似的结论。Pollakowski和Wachter(1990)利用美国华盛顿地区蒙哥马利郡的数据进行实证研究时发现，土地供给限制不仅对土地价格具有显著性影响，同样对住宅价格也具有显著性影响，即当土地利用限制越严格时，土地价格和住宅价格就会上升的越快。也有学者以市场化程度高的香港为例，如Peng和Wheaton(1994)利用香港1965-1990年的数据对土地供给约束的溢出效应进行了计量经济分析，实证结果显示，土地供给变化对地价、住宅价格和住宅供给都有较大影响。当土地的供给不足使住宅供给总量下降，再加上消费者预期未来土地更加稀缺和住宅租金上涨，最终导致了土地价格和住宅价格同时上涨。
国内的学者也展开了丰富的研究。岳意定和何颖媛(2011)从需求角度出发，结合人均可支配收入、银行利率和城镇人口的变化产生的需求冲击对房地产价格的影响进行分析，并建立VEC模型展开实证研究，这是对房价变化的一种重要解释。另有学者对税收影响房价进行研究，陈多长和踪家峰(2004)认为，税收对住房价格的影响是具有两方面，一方面税收可以通过影响投机者对住房价格的预期(影响预期资本性增值)来影响住房需求，另一方面可以影响房地产购买者的成本(影响资产的净现值)反向影响需求。高峰(2004)也对税收和住房价格之间的关系进行了实证研究，结果显示营业税对住宅价格具有显著的正向影响。易宪容(2006)、尹中立(2006)则认为征收房地产税可以抑制房价。在土地对房价的影响方面，潘捷等(2005)用时差相关法，以南京为例研究表明土地出让面积领先于房价。张洪(2007)认为土地的供应政策会显著的影响房价走势。
以上众多的学者单独研究土地、税收和房价之间的关系。但是，很少有学者把地方政府的行为作为影响房价的内生变量来研究房价的决定，忽略了它们之间的互相作用。另外一些研究仅仅局限于地方政府的政策调整对房价效果的分析，但忽略了房价政策实施的过程中，地方政府行为和中央政府行为的目标函数的差异。本文考虑政府的土地供应量及房地产税税赋与房价之间的内生关系，通过面板VAR(Panel-VAR，简称PVAR)方法对土地、税收和房价之间的关系进行实证分析，并分地区对我国东、中和西部地区的进行比较，从而具体阐释影响差异。
三、模型构建
(一)数据来源和样本选取
地方政府可以通过税收和土地出让、规划审批等对房价进行影响，但最主要表现为征税和提供土地。因此，在本文中用土地供给量(l)和房地产税税赋(r)作为地方政府行为的代理变量。在选择研究变量时，考虑到现有文献及我国的实际情况，具体选取方法和指标含义如下：
商品房销售价格(hp)，单位：元/平方米，反映房地产价格的指标，由于我国当前房地产交易以新建商品房为主，其价格基本能反映当地的房地产价格情况；土地供给量(l)，单位：公顷；房地产税税赋(r)，百分比，为各省土地增值税、城镇土地使用税、耕地占用税、房产税和契税的税收收入总和除以商品房销售额作为房地产税实际税赋水平的代理变量(杜雪君、黄忠华和吴次芳，2009)。
由于下文用PVAR计量方法对房地产价格和地方政府行为的关系进行分析，该方法要求数据必须是平稳的，因此对商品房销售价格(hp)和土地供给量(1)进行对数表示；而由于房地产税税赋(r)是比率的形式且平稳所以不需要进行对数处理。
本文使用中国31个省市、自治区、直辖市和全国1999-2010年商品房市场数据进行分析。其中商品房屋的销售价格数据来自中经网产业数据库，土地供应面积来自中国国土资源年鉴(2000-2011)，土地增值税、城镇土地使用税、耕地占用税、房产税和契税的税收收入来自于中国统计年鉴(2000-2011)。
由于我国东部、中部和西部地区的房价和地方政府行为(土地供给量和房地产税税赋)的相互关系具有差异性，因此在进行实证检验时把31个省市、自治区、直辖市划分为东部、中部和西部三个区域。①通过表1，分析东部、中部和西部地区的房价和地方政府行为(土地供给量和房地产税税赋)的差异性如下：
(1)就均值水平来看，东部地区住房价格对数、土地供给量对数的均值明显高于全国水平，而房地产税税赋的均值低于全国水平，意味着东部地区以低于全国的房地产税税赋水平和高于全国的土地供给量，出现高于全国水平的房价；而中部地区则以高于全国的土地供给量和房地产税税赋水平，出现低于全国水平的房价。西部地区以低于全国的土地供给量和房地产税税赋水平，出现低于全国水平的房价。
(2)就标准差指标来看，全国住房价格对数和土地供给量对数的组内标准差都小于其组间标准差，即年度差异小于地区差异，表明全国的住房价格和土地供给量不平衡加大，而且发展速度相对放缓；而房地产税税赋的组内标准差都大于其组间标准差，则表明全国各省份的房地产税税赋不平衡状况有所改观，而且发展迅速。
(3)分地区来看，东部地区和西部地区住房价格对数和房地产税税赋的组内标准差都大于其组间标准差，即时间序列之间住房价格对数和房地产税税赋的差异大于房地产税税赋截面之间的差异，也就是说在这两个区域，单个省份不同年份之间住房价格对数和房地产税税赋的差异大于同一年份不同省份之间住房价格对数和房地产税税赋的差异，表明东部和西部的住房价格对数和房地产税税赋不平衡状况有所改观，而且发展迅速；土地供给量对数的组内标准差都小于其组间标准差，即时间序列之间土地供给量对数的差异小于房地产税税赋截面之间的差异，也就是说单个省份不同年份之间土地供给量对数的差异小于同一年份不同省份之间土地供给量对数的差异，表明东部和西部的土地供给量对数不平衡加大，而且发展速度相对放缓。而中部地区住房价格对数、土地供给量对数和房地产税税赋的组内标准差都大于其组间标准差，也就是说中部省份不同年份之间住房价格对数、土地供给量对数和房地产税税赋的差异大于同一年份不同省份之间住房价格对数、土地供给量对数和房地产税税赋的差异，表明中部的住房价格对数、土地供给量对数和房地产税税赋不平衡状况有所改观，而且发展迅速。
(二)模型设置
房地产税会增加消费者和房地产商的成本，进而通过影响需求和供给来影响价格，土地供给量会通过影响地价，进而影响房价；反过来，房价变化也会影响房地产税，房价也会通过影响供给，进而通过地价来影响土地的供给量。房价和土地供给量、房地产税之间存在的这种联动关系，采用向量自回归(VAR)方法对这种关系进行分析是一种比较好的选择，但是由于目前我国具有可比的商品房销售价格、土地供给量和房地产税税赋是1999-2010年间的年度数据，并不能满足VAR模型的数据长度。因此，为了弥补数据长度的不足，可以使用省级面板数据，就需要使用基于面板数据的向量自回归(Panel-VAR，PVAR)的估计方法。因为与普通VAR相比，PVAR对时间序列的长度要求大大降低：如果以T为时间长度、以m为滞后项的阶数，那么，当T≥m+3时，就可以进行参数估计；而当T≥2m+2时，就可以估计稳态下的滞后项参数。因此，我们建立如下的面板数据VAR模型：
将PVAR方法应用到具体的数据分析时，我们实际上对数据施加了一个很强的约束，就是每一个单位横截面所隐含的结构是相同的，但是这种约束明显不符合实际情况。所以，我们在模型中引入固定效应以反映横截面单位之间的个体异质性。由于固定效应和滞后的因变量相关，所以通常采用的均值差分程序来去除固定效应的方法会导致有偏的估计量，为了避免出现这种问题，我们采用“Helmert Procedure”(Arellano and Bovver，1995)这种变换能够出现确保变换变量和滞后回归子之间具有正交性，这样就可以将滞后回归子作为工具变量采用系统GMM方法估计方程。
四、实证检验及结果分析
(一)数据平稳性检验
为了避免伪回归，文中对各指标的平稳性进行了检验。由于本文的估计使用不变参数的panel data模型，因此平稳性检验不再是单纯的ADF(Augmented Dickey Fuller)检验，而使用基于panel data模型的单位根检验。为了分析的简便，本文只选择面板数据单位根检验方法的其中两种，即针对共同单位根检验的LLC检验(Levin，Lin and Chu，2002)和针对个体单位根检验的IPS检验(Im，Pesaran and Shin，2003)。这两种检验方法中的原假设都是面板数据是非平稳的，因此如果两种检验的结果都表明拒绝，我们就可以认定该面板数据变量是平稳的，如果不能拒绝原假设则表明面板数据变量是非平稳的。我们对我国1999-2010的省际面板数据进行检验后，结果显示两种方法中三个变量都拒绝了原假设，因此，东部、中部和西部地区的lnhp、lnl和r的数据都体现出平稳性。
(二)面板VAR滞后项选择
对模型中滞后项的选择时，本文综合考虑AIC、BIC和HQIC三种标准，采用连玉君(2009)的Stata软件程序包PVAR2，进行滞后项选择，结果如下表2。其中东部地区的AIC、BIC和HQIC三种标准是一致的，因此对模型的滞后项选择为1；但是中部地区和西部地区的AIC、BIC和HQIC三种标准不一致，考虑模型的有效性和稳定性，对中部地区和西部地区进行分析时，模型的滞后项选择为3。
(三)格兰杰因果检验
对模型进行Granger因果关系检验，发现在东部地区，土地供给量是住房价格变化的Granger原因。中部地区房地产税税赋和土地供给量是住房价格变化的Granger原因，住房价格也是房地产税税赋和土地供给量的Granger原因。西部地区房地产税税赋是住房价格变化的Granger原因，住房价格是房地产税的Granger原因。
(四)脉冲反应
脉冲响应函数描述的是模型中某一内生变量的正交化新生(Innovation)对系统中其他内生变量的影响，可以通过各变量对冲击的动态反应情况，具体分析各种冲击因素对其他因素的影响。我们在基期分别设置土地供给量对数(lnl)和房地产税税赋(r)为一个单位的脉冲，采用蒙特卡洛(Monte Carlo)随机模拟方法计算住房价格对数(lnhp)对土地供给量对数(lnl)和房地产税税赋(r)的动态响应，将考察冲击作用的期限设为6年，可以分别得到东部、中部和西部地区住房价格对数(lnhp)对土地供给量对数(lnl)和房地产税税赋(r)的单独冲击的脉冲响应图及土地供给量对数(lnl)和房地产税税赋(r)对住房价格对数(lnhp)的单独冲击的脉冲响应图(图1、图2和图3)。
(1)从图l可见，东部地区脉冲反应情况为：①住房价格对数(lnhp)对土地供给量对数(lnl)冲击的响应为，面对lnl的一个正交化新息，lnhp在同期没有响应，第一期为0.054，第二期又变为0.071，其余各期数值为0.072、0.066、0.057和0.048，其中最大的升值效应出现在第三期，滞后六期的累计效应为0.368，所以lnl对lnhp在开始的零到滞后六期具有正向作用。②住房价格对数(lnhp)对房地产税税赋(r)冲击的响应为，面对r的一个正交化新息，lnhp在同期没有响应，第一期为0.008，第二期又变为0.004，其余各期数值为-0.003、-0.010、-0.014和-0.016，其滞后六期的累计效应为-0.031，所以r对lnhp在开始的零到滞后二期具有正向作用，滞后三期到滞后六期的具有负向作用，即开始r推动了lnhp的提高，而此后的负作用则显示随着lnhp的提高，r在提高lnhp方面变得更加困难，甚至变成负值。③土地供给量对数(lnl)对住房价格对数(lnhp)冲击的响应为，面对lnhp的一个正交化新息，lnl在同期增加0.012，第一期为0.043，第二期又变为0.05，其余各期数值为0.048、0.041、0.034和0.028，其中最大的升值效应出现在第二期，滞后六期的累计效应为0.256，所以lnhp对lnl在开始的零到滞后六期具有正向作用。④房地产税税赋(r)对住房价格对数(lnhp)冲击的响应为，面对lnhp的一个正交化新息，r在同期下降0.008，第一期为-0.007，第二期又变为-0.005，其余各期数值为-0.004、-0.003、-0.002和-0.001，其中最大的下降效应出现在同期，滞后六期的累计效应为-0.03，所以lnhp对r在开始的零到滞后六期具有负向作用。
(2)从图2可见，中部地区脉冲反应情况为：①住房价格对数(lnhp)对土地供给量对数(lnl)冲击的响应为，面对lnl的一个正交化新息，lnhp在同期没有响应，第一期为0.007，第二期又变为0.005，其余各期数值为0.016、0.018、0.018和0.017，其中最大的升值效应出现在第四和五期，滞后六期的累计效应为0.081，所以lnl对lnhp在开始的零到滞后六期具有正向作用。②住房价格对数(lnhp)对房地产税税赋(r)冲击的响应为，面对r的一个正交化新息，lnhp在同期没有响应，第一期为0.014，第二期又变为0.01，其余各期数值为0.006、0、-0.002和-0.003，其滞后六期的累计效应为0.025，所以r对lnhp在开始的零到滞后三期具有正向作用，滞后五和六期的具有负向作用，即开始r推动了lnhp的提高，而此后的负作用则显示随着lnhp的提高，r在提高lnhp方面变得更加困难，甚至变成负值。③土地供给量对数(lnl)对住房价格对数(lnhp)冲击的响应为，面对lnhp的一个正交化新息，lnl在同期减少0.014，第一期为-0.005，第二期又变为0.086，其余各期数值为0.022、0.021、0.007和-0.003，其滞后六期的累计效应为0.114，所以lnhp对lnl在开始的零到滞后一期具有负向作用，滞后二期到滞后六期具有正向作用，即开始lnhp推动了lnl的降低，而此后的正作用则显示随着lnl的降低，lnhp在降低lnl方面变得更加困难，甚至变成正值。④房地产税税赋(r)对住房价格对数(lnhp)冲击的响应为，面对lnhp的一个正交化新息，r在同期下降0.012，第一期为-0.008，第二期又变为-0.008，其余各期数值为-0.002、-0.001、0.001和0.001，其滞后六期的累计效应为-0.029，所以lnhp对r在开始的零到滞后四期具有负向作用，滞后五和六期的具有正向作用，即开始lnhp推动了r的降低，而此后的正作用则显示随着r的降低，lnhp在降低r方面变得更加困难，甚至变成正值。
(3)从图3可见，西部地区脉冲反应情况为：①住房价格对数(lnhp)对土地供给量对数(lnl)冲击的响应为，面对lnl的一个正交化新息，lnhp在同期没有响应，第一期为-0.019，第二期又变为-0.002，其余各期数值为-0.003、-0.006、-0.004和-0.003，其中最大的下降效应出现在第一期，滞后六期的累计效应为-0.037，所以lnl对lnhp在开始的零到滞后六期具有负向作用。②住房价格对数(lnhp)对房地产税税赋(r)冲击的响应为，面对r的一个正交化新息，lnhp在同期没有响应，第一期为-0.017，第二期又变为-0.014，其余各期数值为-0.024、-0.023、-0.022和-0.02，其中最大的下降效应出现在第三期，滞后六期的累计效应为-0.12，所以r对lnhp在开始的零到滞后六期具有负向作用。③土地供给量对数(lnl)对住房价格对数(lnhp)冲击的响应为，面对lnhp的一个正交化新息，lnl在同期下降0.112，第一期为-0.068，第二期又变为-0.039，其余各期数值为-0.042、-0.036、-0.027和-0.024，其中最大的下降效应出现在同期，滞后六期的累计效应为-0.348，所以lnhp对lnl在开始的零到滞后六期具有负向作用。④房地产税税赋(r)对住房价格对数(lnhp)冲击的响应为，面对lnhp的一个正交化新息，r在同期下降0.008，第一期为-0.004，第二期又变为-0.002，其余各期数值为-0.002、-0.001、-0.001和0，其中最大的下降效应出现在同期，滞后六期的累计效应为-0.018，所以lnhp对r在开始的零到滞后五期具有负向作用，在滞后六期没有响应。
(五)方差分解
Granger因果关系只够说明变量之间具有因果关系，但是不能测度这种因果关系的强弱，因此我们采用方差分解来对这三个变量不同预测期限的均方误差(MSE)进行分解。方差分解的主要思想是把系统中每个内生变量的波动按其成因分解为与各方程信息(随机误差项)相互关联的部分，从而给出对模型中的变量产生影响的每个随机扰动的相对重要性的信息。利用面板模型的方差分解，进一步说明影响因素的大小，以此评价每一个结构冲击对内生变量变化的贡献度，因此方差分解是脉冲响应分析的互补分析。表4是根据方差分解分析进行整理所得的结果，分别是土地供给量对数(lnl)和房地产税税赋(r)冲击对住房价格对数(lnhp)随着时间的推移贡献度的变化；以及住房价格对数(lnhp)冲击对土地供给量对数(lnl)和房地产税税赋(r)随着时间的推移贡献度的变化。从表4分析的结果如下：
图1 东部地区住房价格、土地供给量和房地产税的脉冲响应
图2 中部地区住房价格、土地供给量和房地产税的脉冲响应
图3 西部地区住房价格、土地供给量和房地产税的脉冲响应
(1)东部地区：①土地供给量对数(lnl)对住房价格对数(lnhp)的贡献度在0～44.3%之间；②房地产税税赋(r)对住房价格对数(lnhp)的贡献度在0～0.8%之间；③住房价格对数(lnhp)对土地供给量对数(lnl)的贡献度在0.1%～2.2%之间；④住房价格对数(lnhp)对房地产税税赋(r)的贡献度在5.4%～6.3%之间，与脉冲响应的分析一致，其中第五和六期是一样的，为最高的6.3%。
(2)中部地区：①土地供给量对数(lnl)对住房价格对数(lnhp)的贡献度在0～29.7%之间；②房地产税税赋(r)对住房价格对数(lnhp)的贡献度在0～1%之间；③住房价格对数(lnhp)对土地供给量对数(lnl)的贡献度在1.9%～6.4%之间；④住房价格对数(lnhp)对房地产税税赋(r)的贡献度在20%～20.4%之间，但是贡献度从第一期到第六期是下降的。
(3)西部地区：①土地供给量对数(lnl)对住房价格对数(lnhp)的贡献度在0～7.6%之间；②房地产税税赋(r)对住房价格对数(lnhp)的贡献度在0～2.1%之间，其中第五和六期是一样的，为最高的2.1%；③住房价格对数(lnhp)对土地供给量对数(lnl)的贡献度在1.2%～3.9%之间，贡献度在第二期最低；④住房价格对数(lnhp)对房地产税税赋(r)的贡献度在4.3%～8.5%之间。
五、结论和政策建议
(一)本文的实证结论
本文通过建立地方政府行为与房价的PVAR模型，经过Granger因果检验，方差分解，正交脉冲反应等方法，实证分析结果表明地方政府行为和房价之间的联动效应有很大的区域差异，发挥影响的工具也有差异，而且工具的作用方向和影响的效果在地方政府行为和房价联动效应上也存在着较大的区域差异。具体结论如下：
(1)在东部地区，地方政府行为中的土地供给量对房价有显著影响，简单来说，即地价决定房价。一个典型的事实就是，我国经济较发达地区的东部地价要比西部地区高出几倍至十几倍。而这种地区间的地价差距与人口密度、经济开发程度是相关的。目前，北京、上海、广州、深圳等一些大城市人口密度越来越大，而密集的人口带来了对住房的持续而强劲的需求，因此，高价“地王”频频出现，也就导致房价快速上涨。而由于经济开发程度越来越高，城市可供住宅用地数量越来越少，如《北京市2011-2015年国有建设用地供应计划》明确提出，“十二五”期间，北京市三环内将原则上不再新增供应住宅用地，而四环内新增土地供应更极难实现，因此，土地供应量的减少促进了地价的提高，从而促进了房价上涨。在广州，自2010年至2012年，几个主城区共出让土地23宗，其中中心区越秀区仅仅3宗，可出让土地十分稀缺，房价上涨很快。相比高地价带来的高房价，房地产税对房价的影响相对更小，体现为消费者看准时机买房，只要房价合适，消费者的购买意愿较为强烈。另一方面，房价和地价、税收等不具备反向的影响关系，即房价对土地供给量和房地产税税赋都没有显著影响。
(2)在中部地区，土地供给量和房地产税税赋联合影响房价。我国东部地区出现的土地供应量影响房价的这种趋势，近年来也逐渐在中部省份凸显。由于中部地区基础设施的改善和产业转移，中部地区形成了新的集聚，部分地方在城市中心区新增住宅用地都逐渐减少，因此房价持续上涨。而且由于中部地区收入与东部存在差距，房地产的税赋对消费者的购买力造成约束，使得房价受到税收的影响。另外一方面，房价的高低也影响政府出让土地的热情，并且形成对土地供给的弹性控制，并对房地产税税赋也都有显著影响，联动关系明显。
(3)在西部地区，房地产税税赋对房价有显著影响，也就是说不是地价影响房价，而是房地产税税赋影响房价。和东部地区不同，西部地区的房价对房地产税税赋的敏感性更强，地方政府在房地产税税赋上的调整会影响到房价。在西部省份，政府出于拉开城市面积，提高城市建成区规模而出让新地块，但由于道路基础设施投资不足，生活、卫生、教育等公共设施建设滞后于住宅建设速度，消费者对此并不感兴趣，因此土地供应量并不能影响房价。地方政府主要由于财政不足，也希望通过调整房地产税税赋来增加收入。反过来，房价对房地产税税赋也有显著影响，从而说明地方政府也会因为房价去改变其税收的政策和做法。如果房价达到合意的水平，政府也会在税收方面做出让步或优惠，如“两税一费”等。
另外，本文还发现在房地产税税赋和土地供给量对房价的影响上，存在着方向上的差异和时滞上也存在区别。如根据脉冲图(图1、2、3)，东部地区和中部地区，房地产税税赋对房价开始具有正向影响，之后影响方向改变为负；在西部地区，房地产税税赋对房价具有负向影响。在时滞上，土地供应量对房价的影响在东部时滞最长，西部最短；而税收对房价的影响则在西部地区最长，东部最短。
(二)政策建议
(1)对于地价影响房价的地区，如东部地区要缓解由于高地价带来高房价的循环，就要从增加房源角度着手。规范和促进保障性住房建设，加快推进公租房和廉租房并轨运行，制定和完善公开透明的公租房配租政策。可以从两方面进行考虑：一是把从土地出让金中划分一定比例作为专项基金，严格规定其使用范围，用于上述住房的建设；二是可以在土地出让金中分配一定的比例专门用于土地收购补偿和被征地农民的社会保障，增加其承租(买)住房的购买力。
(2)对于房地产税税赋影响房价的地区，如中部和西部地区，要完善房地产税制设计。如参考现有部分地区实行的房产税试点做法，对房地产的开发、交易和保有环节都课征税收，但要调整税赋，重点调整土地囤积和房地产保有环节(如开发商保有土地长期不开发或购房者保有多套住房)等相关税种。房地产税属于二次分配，相关收入可用来建造公租房，有利于调节收入分配，也加大了炒房者的持有成本，抑制其投机行为。
本文得出了地方政府行为工具在影响房价上的差异化作用，给政府调控房价提供了工具参考。政府应该结合本地区实际，斟酌房地产税率和土地供应量在调节房价中的作用程度和大小，在实际中进行选择，地方政府究竟是对土地供应量进行把关还是调整包括土地增值税、城镇土地使用税、耕地占用税、房产税和契税等在内的房地产综合税收，否则，政府行为可能起不到预期的效果，从而与房价宏观调控的初衷背道而驰。
作者感谢诸位匿名审稿人的建设性意见。当然文责自负。
①东部地区，北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区，山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区，广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。