其他
房地产税试点，用数据说话
内容提要：
1. 宏观层面的测算对房地产税落地细则不具有参考意义。
2. 中国多套房产家庭并非主流，房地产税需要考虑异地房产。
3. 房产越多的家庭，收入、资产也更多，但负债压力仍不可忽视。
4. 以上海数据测算，房地产税普征对家庭收入影响较大，税收规模和税收负担对细则设计十分敏感，税收细则需要审慎讨论。
本文篇幅较长，感谢读者们的耐心。
▍宏观层面测算的参考价值十分有限
城市化进程进入下半场以后，地方政府的土地财政可持续性下降，需要从增量（新开发土地）收入，转向对存量房产的直接税收入。
因此，相关测算大致是这样的流程：首先要估算所有存量房产的市值，用这个数值乘以假设的税率，就可以推算每年房地产税的税额，然后再与地方政府土地出让相关的收入进行比较。
按照任泽平博士及其团队的测算，2020年中国存量住房市值约为418万亿元。
根据财政部公布的2020年财政决算数据，国有土地使用权出让金和国有土地收益基金总收入约为8.4万亿。
那么，如果按照2%的税率对所有房产征收房地产税，那么应该收到418*2%=8.36万亿的税款，似乎就和土地收益相差无几了。
所以，都按2%来收房地产税就行了吗？
没那么简单。
一方面，开征房地产税并不意味着完全没有了土地收益，且住房市值的测算本身也争议颇多（方法、数据、假设等等），所以类似的计算，只能从宏观层面帮助中央政府大致估算合理税率的上限。
另一方面，从国际同类税种的征收经验来看，房地产税是地方税种，且不同城市之间会存在较大的差异，因此全国层面宏观数据的推算，对地方可行细则的制定并不具备参考意义。
更重要的是，任何关于房地产税及其影响的测算，都不能忽略本地居民的利益。
任何税的征收，都会对被征居民的现金流产生影响，关键在于影响有多大。
而在讨论这些之前，我们先要知道基本事实是怎样的。
▍基本事实：家庭房产套数与收入、资产、负债情况
关于房地产税还有这样一种论点：“房子多的人不少，但是其中很多人收入不高，要交房地产税的话，被逼的要卖房了。”
会不会因为房地产税卖房，这事我们在后续推文会进一步讨论。我们先用数据来看看前半句，总结起来就是两个问题：
拥有多套房产的家庭比例高吗？
房产数量不同的家庭，收入、资产、负债的情况又有怎样的差异？
问题1：多套房的家庭比例高吗？
怎么看两者的差异？我们认为差异主要来自于调查的设计和实施方法。
CHFS作为入户调查，不可避免地会遇到瞒报和低报的情况。房产是家庭资产最重要的信息之一，相信瞒报和低报情况在资产水平较高的家庭中比例会更高。因此使用CHFS数据时，对于多套房产家庭的数量可能存在系统性低估。
而人民银行调查数据由于只有公报信息，我们无从知晓其具体抽样规则。从人民银行调查统计司公布的新闻动态来看，此次抽样主要依托其分布在各地的网点实施。
这个比例看起来也不算低，说明真的有很多人在炒房吗？
我们不能忽视人口流动带来的异地房产问题。
中国有着世界上首屈一指的国内人口流动，根据七普公报，全国有3.76亿流动人口，约占总人口的四分之一，不少离乡就业的家庭，在老家拥有房产，而在工作地没有房产。我们不妨用CHFS2019数据来看看异地房产的情况，下表中我们统计了受访家庭在居住地所在省份之外拥有房产的比例：
因此，对于第一个问题，我们的答案是：
多套房的家庭并不是主流，比例在3-10%之间，且其中可能存在因人口流动造成的异地房产。由于房地产税是地方税种，对于异地房产的税收细则，需要不同地区间的沟通与协同。
问题2：不同房产数量的家庭收入、资产和负债情况有差异吗？
我们仍然使用CHFS2019的调查样本，看一看收入、资产和负债的基本情况：全国样本：
进一步的我们来看看上海的样本：上海样本
关于房地产税，目前另一个关心的焦点是，税收落地会不会导致家庭财务状况恶化，家庭债务违约产生金融风险？
如果计算资产负债率（总负债/总资产）来评估家庭债务的情况，可以看到两房及以上家庭的负债水平显著高于一房家庭。
由于资产水平与房价高度相关，而房地产税落地后，可能会对房价造成冲击，而负债则相对稳定，所以为了考虑家庭的偿债压力，我们还计算了负债收入比（总负债/家庭年收入）这一指标，来反映家庭的偿债压力，可以发现，二房及以上家庭的偿债压力也是显著增加的。
如果我们对比上海和全国的数据，还会发现一个有趣的结论。大家觉得房价高企，“泡沫”严重的上海，其实购房户本身的资产负债率更健康，从负债和收入比值的情况来看，偿债压力反而比全国平均的水平更低。
一方面，经过了大城市的严格限购政策的筛选，最终能够在本地购房的家庭经济条件普遍较好，另一方面，本地家庭在特殊历史时期获得的房屋，原始购置成本并不高，也没有因此形成贷款，总体债务压力较低。
因此，对于第二个问题，我们的答案是：
总体房产越多的家庭，收入和资产更多，同时债务也更高，用资产负债率和负债收入比度量的家庭财务风险也更大。但上海家庭的财务情况相对全国来说更健康。
▍利用多源大数据测算不同税收细则对家庭现金流的影响
家庭首套房免征，第二套开始征收 家庭按照人均免征面积进行免征，超出部分按照评估价值征收 家庭按照人均免征评估价进行免征，超出部分按照一定税率征收 不设置任何免征条款，全额征收
对于首套免征，需要房屋产权的具体信息，城市数据团没有获得此类数据，只能暂且按下不表。我们将把讨论的重点集中在bcd三种设计方案上。
综合来看，无论是bcd中哪一种制度设计，都共同关心下面三个问题：
应税的房屋分布在哪里，如何评估其价值？ 税负对于居民收入/现金流的影响有多大？ 受影响最大的居民大概是怎样分布的？
为了回答这三个问题，我们需要知道的信息主要有三个：人均拥有的建筑面积、房产的评估价格、人群的收入情况。下面使用多源大数据来进行测算。
第一步：人均建筑面积
我们利用互联网建筑数据、土地遥感、用地规划等信息，计算出了每个栅格内住宅建筑面积，并结合相应的人口数据，综合研判后计算出人均住宅建筑面积。如下图所示：
图中红色和橙色区域代表人均居住面积较小，小于全市平均水平，而蓝色区域代表人均居住面积超过30平米的区域，其中深蓝色区域超过了平均水平的两倍。总体来说，中心城区的人均居住面积相对郊区更小。
第二步：房屋评估价格
如何评估房产的公允价值，一直都是一个复杂的问题，为了评估的简明，我们借鉴了官方的“指导价”，采用了2017-2019三年内，同一区域成交房屋平均单价的70%来作为评估价格。如下图所示，总体上房价呈现出从中心到外围逐渐降低的特征。
结合之前计算出的人均居住建筑面积，就可以给出每个栅格内的人均房产评估价格。大致分布情况如下：
在此测算标准下，上海市人均房产评估价格的平均数约为138万元，中位数约为123万元。对于三口之家而言，相当于房产评估价格约为400万元。
第三步：人群收入估计
如果我们在地图上看，其分布大致为：
在此基础上，我们再根据人口的工作-居住关系，就可以逆向推出各栅格居住人口的平均收入，以及收入分布情况。结合上一步算出的人均房屋评估价格，就可以开始估算税收对收入的影响对应起来了。
第四步：税负评估结果
场景1：无免税规则下的税率讨论
作为分析的基准，我们先来讨论无免税规则下的房地产税税率设置。在下表中，我们主要评估了几个指标。
首先是预估的税收规模，已知2020年上海市房地产税征收为198亿元，可以形成对比。
其次是预估的税收负担，也就是预估房地产税除以居民的收入，得到的税收占收入的百分比。
用这一百分比的中位数来反映整体居民的税收负担。同时我们也列出了税收负担大于5%和10%的居民在人群中所占的比例。
具体结果如下表所示：
不难发现，如果没有免征制度，那么即使是1%的房地产税，在上海也会对超过半数的个人现金流产生超过10%的影响。由于我们测算的是税前工资收入，如果我们换成可支配收入口径时，影响会更大。
如果不设置免税细则，那么上海的房地产税税率不宜超过1%。
随之而来的一个问题，就是税负压力最大的人都住在哪？
税负压力最大的人群，就是收入水平与房产价值差距较大的群体，我们将税负压力最大的10%群体，在空间上的分布数量画在地图上。可以看到税负压力群体主要分布在外环周边以及各郊区的中心区域。
相信不少聪明的读者已经注意到了，由于租房市场的存在，房产的住户并不等于产权所有人，当一个区域租住比例较高时，我们测算出的结果就会有偏差。
因此，我们结合2015年1%人口抽样调查数据，对上海家庭租住和自有住房的情况进行了测算，其结果如下图所示：
可以看到，上海市的租房家庭比例呈一定的环状特征：在市中心的一个很小的范围内，租住比例较高，向外的环状区域内自有住房比例较高，而到外环外，租住比例又有显著的上升。如果再考虑到可能的房屋空置情况，对于上面看到的高税负人群分布，还需要更加审慎的考察。
下面我们来讨论有免征设计的情况，在下面的分析中，我们默认税率为1%，不再讨论税率本身的问题。
场景2：按人均面积进行免税
如果按照人均面积进行免税，根据免税标准的差异，覆盖的人群比例也会存在很大的差异。由于根据宏观数据计算出的上海市人均居住面积约在30平米左右，因此我们评估的免税门槛值，从20平米到50平米进行设置。（注：如果使用60平米免征，就和上海目前实施的情况相差无几，在此就不讨论了。）
场景3：按人均房产评估价进行免税
接下来，我们来看如果按照人均房产价值设置免征价值的话，不同设置值会产生怎样的影响。由于在上面的测算中，我们看到上海市人均房产评估价值的平均数约为138万元，中位数约为123万元，因此我们评估的免税门槛，从较低的50万元到较高的200万元进行设置。
分析结果如下：
与人均面积免税的结果类似，起征点的提高伴随着税收规模和受影响人群比例的下降。
综合所有的模拟场景，我们有两点结论：
一、如果普征，房地产税其实是一种影响非常大的税种。
2020年上海真实征收的房地产税198亿元，对比土地出让收入的近3000亿，可说微不足道。而如果不设免征额实行普征，按1%税率征收，房地产税规模就将超过3000亿，可以完全覆盖当前的土地出让收入，但代价是一半以上的市民收入下降超过10%，相当于抵消了2-4年的工资收入增长。
二、房地产税的征收规模和税负对于制度细则的设计非常敏感。
在我们的测算中，免征面积调整所产生的经济影响是指数级的。例如，当起征面积从人均20平米上升至30平米时，预期税收规模从1400多亿直降至700多亿，几乎腰斩，同时税负在10%以上的人群占比，也从25%大幅降至14%。
一个影响重大的税种，却对细则的设定特别敏感，注定了决策需要非常细致的测算，可能需要综合房产、收入、税务、财政等更多维度的信息。而我们从人均意义上进行的测算，也只能算是抛砖引玉。如果进一步考虑到房地产税征收和监管的成本，决策恐怕会更加困难。
税收规模、居民现金流影响与征收监管成本，我们需要在三者之间做一个艰难的抉择。
▍写在最后
我们衷心希望，有关部门能用更严谨科学的方法和更加翔实的数据，圆满完成房地产税细则的制定工作。
注：
本文只考虑了城镇居民工资收入，没有包括经营和财产性质收入，因此可能高估了影响。另一方面，对税收细则的讨论也没有包含累进等制度设计，也不包括基于家庭情况的各类减免措施，可能会低估相应的影响。本文在可获得的数据条件下进行测算，测算结果仅作为参考。 本文在考虑税收规模和影响时，并未考虑房产市场的响应和居民租买选择的变化，只是静态的测算。关于房产市场的可能反应，城市数据团会在后续推文中详细解释。 感谢西南财经大学中国家庭金融调查与研究中心等单位在数据方面的支持。本文一切文责在城市数据团，与数据源单位无关。