一、选题背景
自1980年住房改革以来，我国的房地产业得到了长足的发展。房地产业发展的同时也带动了相关产业的发展，包括建筑业、钢铁业以及一些第三产业。从总体来看，房地产业对我国经济增长的贡献是不容小觑的。然而，在促进房地产市场和国民经济增长的同时，房地产价格也发生了巨大的变化。由于投资和消费的巨大热情，我国房地产价格一路走高，已经到了普通民众无法承受的地步。中央也出台了相关的政策来遏制房价的过快增长，但收效甚微。在学术界出现了一系列讨论房地产价格上涨原因的论述，其中有一些观点认为地方政府出于地方财政增收的目的而介入了市场，并抬高房地产价格。同时，也有相关调查报告为学术论证提供了一定的现实依据，指出地方财政收入中约有 30%-50%来自房地产业。尽管一些学术论证中指出了地方政府在很大程度上出于利益性而介入房地产市场，然而，具体分析房地产价格上涨是如何影响财政收入的相关文章却很少见。那么，房地产价格波动究竟怎样影响财政收入？房地产价格的上涨是否对财政收入产生了明显的增收效应？为进一步规范和稳定房地产市场的发展，克服地方政府的非理性行为，对这些问题展开研究将是非常有有意义的。
二、文献综述
国外研究现状：国外对房地产价格与宏观经济关系的研究相对较多，且角度不一，但方法
基本都采用通过建立价格与宏观经济因素的计量模型来解释房地产价格的影响因素。John M·Quigley（1999）采用供求平衡确定价格的模型，对美国 41 个都市区1986-1994 年的年度数据进行了研究，结果发现房地产价格与宏观经济基本面的各项指标量的显著性水平都将较高，说明美国宏观经济基本面可以解释房地产价格的变化。Charles K.Y. Leung等人（2006）采用Hedonic模型，对香港1992-2001 年住宅市场的角度交易数据进行了分析研究，研究结果表明相关城市内部不同地区房地产价格存在差异，并且地区间房价的差异程度与不同地区的宏观经济状况存在密切联系。Christian Hott (2007)建立了计量模型分别对美国、英国、日本、瑞士、荷兰 1980 年到 2005 年房地产价格与宏观经济的关系进行了研究，研究发现房地产价格在很长一段时间内偏离了其经济基本面的支撑价格，然而，在此后房地产价格又会回归到基本经济面水平，论证了房地产价格与经济基本面的密切关系。Yuliya Demyanyk, Otto Van Hemert（2007）在对美国近 7 年经济增长与房地产市场发展的研究中，论证了房地产价格波动对整个银行体系的重要影响，其认为正是因为房地产价格上涨掩盖了市场早已出现的问题才导致了金融危机的发生，从而引发了美国经济的衰退。
由于国外政治和经济体制的不同，专门研究房地产价格对地方财政收入直接影响的文献很少见，且仅为定性描述。Denise J.Mckenzie和Richard M.Betts(1996)指出财产税是地方政府收入的主要来源，是通过政府的公共支出资本化为房地产的价值，通过对财产税的操纵，政府可以对地方经济发展进行规划。William C.Wheaton, Denise Dipasquale (2002)运用经济学理论研究了美国地方政府财政收支与房地产市场的关系，指出地方政府和房地产市场之间属于相互依存、相互影响的关系，房地产税收是地方财政收入的重要来源，各地方政府可以通过提供不同的服务项目和设定不同的税种、税率来影响消费者对该地方房地产的需求，从而影响房地产价格，而房地产价格作为税基又反过来影响了地方政府的税收收入。
国内研究现状：张岑遥（2005）分析了房地产价格中的地方政府因素，指出部分地方政
府迫于分税制以后地方事权比重普遍高于财权带来的压力和地方政府作为中央政府或上级
政府代理机构的压力，地方政府介入城市房地产开发，推动房地产市场的景气，达到财政增收、GDP高速增长等社会经济目标。同时指出这种介入对城市房地产价格具有直接或间接的推动作用。姜彩楼、徐康宁（2007）等运用协整方法、格兰杰因果检验对 2003 年 3 月至 2006 年 8 月期间上海市房地产价格变动及其影响因素进行了实证分析，分析表明上海市房地产价格变动的主要影响因素是宏观经济发展水平和房地产投资力度，而一些反映市场供求关系的指标，如人均可支配收入、房屋空置率等对房地产价格影响较小。沈悦、刘白霜（2008）采用我国 31 省市经济基本面和房地产价格的面板数据，通过回归分析的方法实证分析了我国房地产价格的决定因素，结果表明消费者购买力、产品成本、人均资源占有量和税收政策等因素对房地产价格具有显著影响。伍德业、刘红（2008）认为地方政府的一些认为，如土地征购、出让定价以及实物地租转嫁等诱发了开发商囤地的冲动，导致市场垄断力量的增强，并且提高了房地产市场的进入壁垒，从而无法形成有效的房地产价格机制，造成房地产价格的快速上涨。崔光胜（2008）指出，追逐利益最大化的“经济人”本性，使地方政府在管理房地产业的活动中做出各种有限理性行为，从而导致房地产价格上涨，如何有效地规制地方政府的有限理性行为是抑制房价上涨的关键所在。张双长 李稻葵（ 2010）指出地方政府对土地财政的依赖程度越高，在其他条件相同的情况下，该城市的房价指数也越高，即政府对房价的上涨可能存在较为显著的推动作用。从而证明地方政府的确有可能通过各种手段促进城市房价上涨，因此越是依赖土地财政，地方政府越会推动房价的上涨，以便从中获取更多的政府收益。姬颜丽、彭骥鸣 （2012）指出商品房销售额的变动对地方财政收入的影响越来越大，即地方财政收入对房地产的依赖越来越强。
文献述评：以上参考文献，对于房地产价格的波动给出了许多合理的解释，对于进一步展
开研究提供了很好的参考。我们可以从多个不同的角度分析房地产价格对宏观经济的影响，对银行业的影响，对普通消费者的影响。也可以通过多种方法分析他们之间的关系究竟是怎样的。上述文献，提供了比较完善的指导，但其中也有不足之处，有许多的文章还是停留在了定性分析的基础上，因此，本文将着重从定量分析的角度，来看房地产业与财政收入的关系。
三、数据选取
鉴于数据的连续性和可得性，本文选取从1995年到2013年全国商品房销售额和全国财政收入的数据，同时为了消除价格的影响，选取固定资产投资指数和居民消费价格指数对它们进行平减，再取对数（由于没有专门针对房地产销售额的指数，本文选取固定资产投资指数来对其进行平减）。本文的实证分析结果是基于Eviews7.2版本的结果，1995-2013年的原始数据如下：
时间 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
全国商品房销居民消费价格指售额（亿元） 数（上年100）
1257.73 117.1 1427.13 108.3 1799.48 102.8 2513.3 99.2 2987.87 98.6 3935.44 100.4 4862.75 100.7 6032.34 99.2 7955.66 101.2 10375.71 103.9 17576.13 101.8 20825.96 101.5 29889.12 104.8 25068.18 105.9 44355.17 99.3 52721.24 103.3 58588.86 105.4 64455.79 102.6 81428.28 102.6 财政收入
（亿元) 6242.2 7407.99 8651.14 9875.95 11444.08 13395.23 16386.04 18903.64 21715.25 26396.47 31649.29 38760.2 51321.78 61330.35 68518.3 83101.51 103874.43 117253.52 129209.64
固定资产投资指数（上年100）
115.3 103.9 101.3 95.8 96.7 105.1 99.8 97.7 104.8 111.4 108.3
106.0
104.4 110.5 92.1 109.6 109.1 98.2
98.0
四、实证分析过程
1. 时间序列图
建立新的工作文件，open new workfile，data cz 、 data fm、 data cpi（即居民消费价格指数）、data fii（即固定资产投资指数）、genr Y=log(cz*100/cpi)、genr X=log(fm*100/fii) Plot x y 得到以下序列X和Y的时间序列图。 121110987619961998200020022004Y2006X200820102012 2. 对时间序列X和Y进行单位根检验
（一）首先是对序列y进行单位根检验。
（1）水平情况下，由上图可知Y有趋势和截距项：
Null Hypothesis: Y has a unit root Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=3)
t-Statistic -2.262700 -4.616209 -3.710482 -3.297799
Prob.* 0.4295
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
*MacKinnon (1996) one-sided p-values.
Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17
p值为0.4295，在10%的显著性水平下，y序列,是不平稳的。
（2）一阶差分下，genr dy=d（y）plot dy 得到以下：
DY.28.24.20.16.12.0819961998200020022004200620082010
t-Statistic
Prob.*
2012
由图可知，dy有截距项无趋势项，进行ADF检验的结果如下：
Null Hypothesis: D(Y) has a unit root Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=3)
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
-2.742823 -3.886751 -3.052169 -2.666593
0.0875
，在10%的显著性水平下，一阶差分后的 y序列平稳。 P值为0.0875
（二） 其次，同样的进行x序列的单位检验
（1）水平情况下（有截距项）:
Null Hypothesis: X has a unit root Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=3)
t-Statistic -0.972839 -3.886751 -3.052169 -2.666593
Prob.* 0.7379
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
在10%的显著性水平下，x序列不平稳
（2）一阶差分后（有趋势项）：
Null Hypothesis: D(X) has a unit root Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=3)
t-Statistic -7.783655 -3.886751 -3.052169 -2.666593
Prob.* 0.0000
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
*MacKinnon (1996) one-sided p-values.
Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 17
在10%的显著性水平下，一阶差分的x序列平稳。
综合上述结果，在10%的显著性水平下y和x序列都是一阶后平稳。即Y~I
（1），X~I（1）。
3.协整检验。
基于EG两步法进行序列X和Y之间的协整检验。首先，对Y和X进行OLS回归， ls y c x, 得到残差序列，genr e=resid，对e进行单位根检验，平稳，则协整：否则，不协整。
OLS回归结果如下：
Dependent Variable: Y Method: Least Squares Date: 06/28/15 Time: 18:38 Sample: 1995 2013 Included observations: 19
Variable
X C
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 0.709256 3.654002
Std. Error 0.017170 0.160635
t-Statistic 41.30857 22.74717
Prob. 0.0000 0.0000 10.21940 0.994141 -1.636256 -1.536841 -1.619431 1.986617
0.990136 Mean dependent var 0.989556 S.D. dependent var 0.101599 Akaike info criterion 0.175482 Schwarz criterion 17.54443 Hannan-Quinn criter. 1706.398 Durbin-Watson stat 0.000000
对残差序列的平稳性检验：
（1）观察e的图形，如下
E.3.2.1.0-.1-.2199619982000200220042006200820102012
（2）ADF单位根检验（由上图可知无截距项和趋势项）：
Null Hypothesis: E has a unit root Exogenous: None
Lag Length: 0 (Automatic - based on SIC, maxlag=3)
t-Statistic -4.122473 -2.699769 -1.961409 -1.606610
Prob.* 0.0003
Augmented Dickey-Fuller test statistic Test critical values:
1% level 5% level 10% level
*MacKinnon (1996) one-sided p-values.
Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 18
由于此时临界值向左偏移不能直接把结果中的t统计量和临界值比较，要查表计算。
附表14 协整检验临界值表 N 1 1 1 2 2 3 3 模型形式 无常数项，无趋势项 常数项，无趋势项 常数项，趋势项 常数项，无趋势项 常数项，趋势项 常数项，无趋势项 常数项，无趋势项 0.01 0.05 0.10 0.01 0.05 0.10 0.01 0.05 0.10 0.01 0.05 0.10 0.01 0.05 0.10 0.01 0.05 0.10 0.01 0.05 0.10 - 2.5658 - 1.9393 - 1.6156 - 3.4336 - 2.8621 - 2.5671 - 3.9638 - 3.4126 - 3.1279 - 3.9001 - 3.3377 - 3.0462 - 4.3266 - 3.7809 - 3.4959 - 4.2981 - 3.7429 - 3.4518 - 4.6676 - 4.1193 - 3.8344 -1 s.e. (0.0023) (0.0008) (0.0007) (0.0024) (0.0011) (0.0009) (0.0019) (0.0012) (0.0009) (0.0022) (0.0012) (0.0009) (0.0022) (0.0013) (0.0009) (0.0023) (0.0012) (0.0010) (0.0022) (0.0011) (0.0009) -21 - 1.960 - 0.398 - 0.181 - 5.999 - 2.738 - 1.438 - 8.353 - 4.039 - 2.418 - 10.534 - 5.967 - 4.069 - 15.531 - 9.421 - 7.203 - 13.790 - 8.352 - 6.241 - 18.492 - 12.024 - 9.188 2 - 10.04 0.0 0.0 - 29.25 - 8.36 - 4.48 - 47.44 - 17.83 - 7.58 - 30.03 - 8.98 - 5.73 - 34.03 - 15.06 - 4.01 - 46.37 - 13.41 - 2.79 - 49.35 - 13.13 - 4.85 注：1．临界值计算公式是C() = + 1T + 2T , 其中T 表示样本容量。 2．N表示协整回归式中所含变量个数， 表示检验水平。 3．摘自Mackinnon (1991)。 计算常数项，无趋势项5%显著性水平下C（α）=-3.3377-5.967/18-8.98/18²=-3.696916.ADF
检验结果中的t统计量<临界值，拒绝原假设，即残差序列平稳，X和Y有协整关系。协整
XT3.654002T 模型是：YT0.7092564、异方差检验（white检验）（对协整方程的残差的）：
Heteroskedasticity Test: White F-statistic
2.674217 Prob. F(2,16)
0.0995 0.0925 0.1949
Obs*R-squared Scaled explained SS
4.760079 Prob. Chi-Square(2) 3.270481 Prob. Chi-Square(2)
P值为0.0995，在5%的显著性水平下接受原假设，该序列不存在异方差性。
5.JB
65检
Series: ResidualsSample 1995 2013Observations 19MMMMSSKJP---0000000.0..0....2.验
432 - - 01.0
eeaitkuar1102000002000110-0P值是0.94，在5%的显著性水平下，随机误差项是服从正态分布的。
5.误差修正模型
现实经济中X与Y很少处在均衡点上，实际观测到的只是X与Y间短期均衡关系，对分布滞后模型适当变形得到如下一阶误差修正模型：
YTCXTecmt1
误差修正项ecm的作用：若(t-1)时刻Y大于其长期均衡解0+1X，ecm为正，则(-ecm)为负，使得 Yt减少；若(t-1)时刻Y小于其长期均衡解0+1X ，ecm为负，则(-ecm)为正，使得Yt增大。因此，误差修正模型体现了长期非均衡误差对短期变化的控制。
建立误差修正模型，首先对变量进行协整分析，以发现变量之间的协整关系，即长期均衡关系，并以这种关系构成误差修正项；然后建立短期模型，将误差修正项看作一个解释变量，连同其它反映短期波动的解释变量一起建立短期模型，即误差修正模型。 用EG两步法进行。
（1）以上已经得到了DY和DX，将协整中得到的残差项e作为误差修正项的值。在主菜单中进行Quick estimate equation的选项中输入dy dx e(-1)，可以看出误差修正模型中各系数都
通过了显著性检验，误差修正项系数为负，调整方向符合误差修正机制。
Dependent Variable: DY Method: Least Squares Date: 06/28/15 Time: 22:16 Sample (adjusted): 1996 2013
Included observations: 18 after adjustments
Variable DX E(-1)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 0.539183 -0.811435
Std. Error 0.072699 0.232291
t-Statistic 7.416595 -3.493189
Prob. 0.0000 0.0030 0.175683 0.040285 -1.871251 -1.772321 -1.857610
0.0000 0.0015 Prob. 0.0000 0.0000 0.0000 0.0455 0.043397 0.075148 -3.233175 -3.035314 -3.205893
-3.708458 Mean dependent var -4.002736 S.D. dependent var 0.090105 Akaike info criterion 0.129902 Schwarz criterion 18.84126 Hannan-Quinn criter. 1.361127
（2）.对误差修正模型形成的残差做LM检验，检查序列相关性。
Breusch-Godfrey Serial Correlation LM Test: F-statistic
27.12588 Prob. F(2,14)
Obs*R-squared
Test Equation:
Dependent Variable: RESID Method: Least Squares
13.00399 Prob. Chi-Square(2)
Coefficient -0.348056 -1.953657 3.206891 -0.342307
Std. Error 0.058923 0.294691 0.442641 0.155903
t-Statistic -5.906917 -6.629504 7.244905 -2.195637
Date: 06/28/15 Time: 22:17 Sample: 1996 2013 Included observations: 18
Presample missing value lagged residuals set to zero.
Variable DX E(-1) RESID(-1) RESID(-2)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.722444 Mean dependent var 0.662968 S.D. dependent var 0.043626 Akaike info criterion 0.026646 Schwarz criterion 33.09857 Hannan-Quinn criter. 1.654753
P值几乎为0，拒绝原假设，存在序列相关性，进行二阶的误差修正模型。
（3）在主菜单栏Quick estimate equation 中输入dy dx dy(-1) dx(-1) e(-1)结果如下：
Dependent Variable: DY Method: Least Squares Date: 06/28/15 Time: 22:28 Sample (adjusted): 1997 2013
Included observations: 17 after adjustments
Variable DX DY(-1) DX(-1) E(-1)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 0.152055 0.832567 -0.078740 -0.378242
Std. Error 0.042054 0.104150 0.055397 0.117029
t-Statistic 3.615701 7.993933 -1.421370 -3.232037
Prob. 0.0031 0.0000 0.1788 0.0066 0.171350 0.036948 -3.965149 -3.769098 -3.945661
0.460183 Mean dependent var 0.335610 S.D. dependent var 0.030117 Akaike info criterion 0.011791 Schwarz criterion 37.70376 Hannan-Quinn criter. 2.128201
（4）X差分滞后项系数不接受，再次进行上述过程，但是去掉dx(-1)，得到如下结果 Dependent Variable: DY Method: Least Squares Date: 06/28/15 Time: 22:29 Sample (adjusted): 1997 2013
Included observations: 17 after adjustments
Variable DX DY(-1) E(-1)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 0.161518 0.718522 -0.273708
Std. Error 0.043010 0.068780 0.094291
t-Statistic 3.755348 10.44666 -2.902785
Prob. 0.0021 0.0000 0.0116 0.171350 0.036948 -3.938343 -3.791305 -3.923727
0.376292 Mean dependent var 0.287190 S.D. dependent var 0.031195 Akaike info criterion 0.013624 Schwarz criterion 36.47592 Hannan-Quinn criter. 2.406499
各项系数通过显著性检验，进行误差修正模型的残差LM检验，结果如下
Breusch-Godfrey Serial Correlation LM Test: F-statistic
2.075868 Prob. F(2,12)
0.1682 0.1181 Prob. 0.7993 0.6468 0.4976 0.1838 0.0946 0.002472 0.029069 -4.000170 -3.755107 -3.975810
Obs*R-squared
Test Equation:
Dependent Variable: RESID Method: Least Squares
4.272755 Prob. Chi-Square(2)
Coefficient -0.010656 0.031578 0.067463 -0.403038 -0.481206
Std. Error 0.040982 0.067186 0.096444 0.285734 0.265110
t-Statistic -0.260025 0.470012 0.699504 -1.410536 -1.815121
Date: 06/28/15 Time: 22:32 Sample: 1997 2013 Included observations: 17
Presample missing value lagged residuals set to zero.
Variable DX DY(-1) E(-1) RESID(-1) RESID(-2)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.251339 Mean dependent var 0.001785 S.D. dependent var 0.029043 Akaike info criterion 0.010122 Schwarz criterion 39.00144 Hannan-Quinn criter. 1.917223
P值为0.168，大于5%的显著性水平，接受原假设，序列不存在序列相关性，因此误差修正模型是正确的。
由上述结果得到误差修正模型：
YT0.162XT0.718YT0.274ecmt1。说明短期来看，房地产销售额对财政收
入的弹性是0.162，财政收入受上一期的影响较大，上期财政收入对本期财政收入的弹性是0.718，误差修正项的系数是-0.274，说明上期的非均衡误差以0.274的比率对本年的财政收入进行反向修正。
6.借助误差修正的Ganger因果检验：
Dependent Variable: DY Method: Least Squares Date: 07/12/15 Time: 10:28 Sample (adjusted): 1997 2013
Included observations: 17 after adjustments
Variable DX(-1) DY(-1) E(-1)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient -0.110451 1.068224 -0.225538
Std. Error 0.074647 0.110862 0.148946
t-Statistic -1.479647 9.635598 -1.514229
Prob. 0.1611 0.0000 0.1522 0.171350 0.036948 -3.386833 -3.239796 -3.372218
-0.082678 Mean dependent var -0.237346 S.D. dependent var 0.041100 Akaike info criterion 0.023649 Schwarz criterion 31.78808 Hannan-Quinn criter. 2.207705
由DX（-1）和E（-1）的P值，X对Y有一定的影响，但不是决定性的因果关系。
五、结论
长期来看，房地产销售额与财政收入有长期均衡的关系，房地产销售额每增长一个百分点，带动财政收入增长0.7个百分点。说明房地产业的确对于财政收入有明显的促进作用。短期来看，房地产销售额每变动一个百分点，导致财政收入变动0.16个百分点，反而上期财政收入变动一个百分点，导致本期财政变动0.7个百分点，说明短期内，财政收入也会受房地产业的影响，但不会有特别大的影响。
参考文献：
1. 袁振华 房地产价格波动对地方财政收入的影响研究[D] 上海 上海师范大学 2010年 2. 张双长 李稻葵 “二次房改”的财政基础分析——基于土地财政与房地产价格关系的视
角[J] 《财政研究》2010 年第7 期 2-16
3. 刘分龙 汤 浩 地方财政收入、经济增长与房地产价格关系实证研究[J]商业时代2012
年第5期 120-123
4. 况伟大 房地产相关产业与中国经济增长[J] 经济学动态2010年第2期 69-73
5. 陈欣慰 王艺明 黄榆舒 中央、地方财政关系与房地产价格[J]商业研究 2011年01 月
总第405期 102-106
6. 张益丰 房屋价格长期上涨趋势内在动因的计量分析——一个基于时间序列的实证研究
[J] 山东经济 2008年3月 总145期第3期 28-33
7. 王先柱 赵奉军 房价波动与财政收入：传导机制与实证分析[J]财贸经济2012年第11
期 21-28
8. 赵息 孙继国 中国房地产价格与地方财政收支关系的实证研究[J]华东经济管理 2012
年2月 第26卷第2期 95-97
9. 彭 青 地方财政收入对房地产业依存度的调查与思考[J]. 金融经济,2011,(4).65-66 10. 虞俊杰 地方财政收入对房地产业依存度的调查与思考[J]. 中国财政,2011,(24) 53-54 11. 乔坤元. 房地产价格波动对地方政府财政收入影响[J]. 财务与金融，2011,(6).89-92
因篇幅问题不能全部显示，请点此查看更多更全内容