房地产业营业税与商品房销售的数量关系分析

我们利用2003—2012年31个省、直辖市、自治区房地产业营业税和商品房销售价格以及销售面积的自然对数构造如下模型：

式（7.8）中，yit、prit、poit、pbit、qrit、qoit和qbit分别表示第i个地区t年的房地产业营业税、住宅销售价格、办公楼销售价格、商业营业用房销售价格、住宅销售面积、办公楼销售面积和商业营业用房销售面积。φi为个体效应，μt为时间效应，εit为随机扰动项。需要说明的是，2003—2012年西藏缺少9个商品房价格数据和7个销售面积数据。但是，运用Stata软件对面板模型的截面变量和时间变量进行定义时，结果显示面板数据为强平衡，因此缺失的数据并不影响我们接下来的模型估计。另外，我们的面板数据是短面板，即时间维度T小于截面（个体）维度I，每个个体的信息较少，可以不考虑扰动项εit是否存在自相关，一般假定扰动项独立同分布。所以，构建短面板模型的关键在于解决异方差性。

我们首先将住宅销售价格（pr）、办公楼销售价格（po）、商业营业用房销售价格（pb）、住宅销售面积（qr）、办公楼销售面积（qo）以及商业营业用房销售面积（qb）的对数作为解释变量进入模型1（见表7.4）。回归步骤如下：

1.建立固定效应模型，通过修正的Wald检验，我们发现不同个体的扰动项存在组间异方差。

2.设定异方差稳健的标准差进行固定效应模型的估计，并采用虚拟变量的最小二乘回归法（Least Squares Dummy Variable，LSDV）考察固定效应模型和混合回归模型的优劣，结果显示在5%的显著性水平下大多数省份的虚拟变量都很显著，故认为存在个体效应，不应使用混合回归。

3.以上结果基本确认了个体效应的存在，但是个体效应也可能以随机效应的形式存在。因此设定异方差稳健的标准差进行随机效应模型的估计。那么，应该选择固定效应还是随机效应呢？这在面板数据模型中是一个重要问题。由于存在异方差，Hausman检验失效，我们只能通过辅助回归来进行固定效应和随机效应的选择。辅助回归检验的P值为0，故拒绝随机效应原假设，选择固定效应模型。(www.xing528.com)

回归结果见表7.4。

表7.4　异方差稳健的固定效应模型回归结果

注：**表示在10%的显著性水平下参数无法通过检验。

模型1的结果显示，在10%的显著性水平下，办公楼的销售价格和面积以及商业营业用房的面积等3个变量不显著。所以，我们在解释变量中剔除这些变量，重复模型构建的3个步骤，进行模型2的模拟。模型2中，在5%的显著性水平下，所有变量都通过了检验。对房地产业营业税影响最大的是住宅销售价格，当其增加1个百分点，房地产业营业税会增加近1.3个百分点。其次是住宅销售面积，它上升1个百分点能够带来房地产业营业税0.674个百分点的增加。商业营业用房价格对房地产业营业税的影响也较为显著，前者1个百分点的增加会导致后者0.364 9个百分点的增加。此时，模型的可决系数为0.936 3，表明模型整体拟合较好，F检验的结果显示住宅销售价格和销售面积及商业营业用房价格3个变量联合起来对房地产业营业税的影响非常显著。

以上回归结果说明，模型2能够在很大程度上解释房地产业营业税与商品房销售之间的经济关系，住宅销售价格是影响房地产业营业税大小的最主要因素。