住房消费论文：房产税影响消费的实证探索.docVIP

住房消费论文：房产税影响消费的实证探索 本文 理论模型 考虑到住宅市场的风险因素对家庭消费决策的影响，本文仍将沿着Merton(1971)和史永东等(2009)的建模思路，将住宅权属选择概率纳入非住宅耐用品消费决策的随机最优控制模型。假定在一个无交易成本的经济中，代表性消费者在t期的非住宅耐用品消费为C(t)，住宅消费为H(t)。为简化分析，假定无论自有住宅者还是租房者，其消费的住宅面积和质量相同，且住宅是无限可分的。该代表性家庭的效用函数U(C，H)满足:U’’’’C(C，H)＞0，U’’’’H(C，H)＞0，U″CC(C，H)＜0，U″HH＜0(1)假定代表性家庭在每期有两个收入来源:一是工资收入Ⅰ，假定它满足dI(t)=Ydt，其中，Y为常数。为简化分析，假定该家庭仅有两类资产，即无风险资产F和住宅资产H。我们用A={F，H}来代表该家庭拥有的资产集。上述两类资产的收益构成了该家庭的资产性收入。假定Pi(t)分别为无风险资产和住宅资产的价格，并且服从如下Ito⌒过程: 数据、变量与方法 (一)数据与变量选取美国商务部与统计局联合进行了一个项目———美国都市住房调查(AmericanHousingSurvey:Met-ropolitanSurvey)，每7年对Boston、Miami、NewOrleans、Atlanta、LasVegas、Dalas、Seattle等41个城市和地区轮流作一次调查，取得被访问者的家庭特征信息(如住宅权属、家庭年收入、房屋结构类型等)和个人信息(如户主的年龄、教育水平、种族等)。本文使用2002年、2004年和2007年的调查数据①，该数据涵盖了Baltimore、Boston、Houston、Miami的Hialeah、Minneapolis的SaintPaul、Tampa的Saint、Petersburg的Clearwater和WashingtonDC等33个地区通过随机抽样确定的147214个家庭，如此样本容量，应该能充分体现不同家庭的异质性，可以做很好的政策对比分析。同时，我们以2002年为基期，利用美国CPI数据将模型中所有价值型变量转换为实际变量。本文所使用的变量涉及住宅特征、家庭特征、户主特征等。各变量定义如下:1．住宅相关变量h_value代表居民住宅的价值;h_ownship代表住宅权属选择，权属类型分为租房和个人自有住宅。住宅结构特征主要包括:房龄h_age、房屋的结构类型h_type(独立住宅定义为1，公寓定义为0)、房屋是否有空调d_airconditioner、住宅所在建筑的楼层数store_num、住宅面积h_area、房屋的使用成本h_cost、卧室的数量room_num。住宅邻里特征包括:住宅的区位特征向量h_locat(1为市中心，0为郊区)、1～2个街区内是否有停车场d_parking、邻里是否有严重的噪音d_comnoise、对邻里购物的满意度d_shopping_satis、对邻里居住环境的评价live_neighbor_rate、1～2个街区内是否有工厂等工业企业d_factory、社区内是否有娱乐设施h_recfac。2．家庭社会经济特征及家庭类型变量家庭的社会经济特征主要包括:住房成本h_cost、房屋单位面积上的房产税额per_pt、房价租金比pr_rent、家庭年收入inc、家庭总人口数pop。另外，为减少异方差，我们也对单位面积上的房产税、家庭年收入做了对数处理。户主的社会经济特征主要包括:户主性别hh_sex(男性定义为1，女性为0)、婚姻状况married(1为已婚，0为未婚)、种族hh_race(白人定义为1，其他有色人种定义为0)、受教育程度edu_level和年龄hh_age。考虑到户主年龄的影响可能是非线性的，我们控制了年龄的平方项hh_agesq。本文从家庭收入和户主种族的角度来划分家庭类型，其中把家庭收入按从低到高的顺序平均分为5个组，依次为低收入家庭(l_inc)、中低收入家庭(ml_inc)、中等收入家庭m_inc、中高收入家庭(mh_inc)和高收入家庭(h_inc)，分别代表5种家庭收入类型。(二)计量模型在本文的研究中，我们通过三个步骤来分析房产税对住宅权属选择和住宅特征需求的影响。首先，利用住宅特征价格模型(housepricehedonicmodel)估计住宅特征价格;然后利用所估计的住宅特征价格计算住宅特征需求;最后给出利用Heckman模型得出的房产税、住宅权属选择行为和住宅特征需求的基本模型和扩展模型估计结果。1．住宅特征价格模型我们使用标准的特征价格模型估计住宅特征价格，模型中解释变量取住宅价值的对数。ln(h_valuei)=α0+α1Xi1+α2X