[논문 리뷰] Measuring the Impact of Taxes and Public Services on Property Values: A Double Machine Learning Approach

Isaiah Hull, Anna Grodecka‐Messi|arXiv (Cornell University)|2022. 03. 23.

Housing Market and Economics인용 수 5

한 줄 요약

이 논문은 스웨덴(2010–2016년)의 947개의 시간에 따라 변화하는 지방자치단체 수준의 통제 변수를 포함한 새로운 데이터셋을 바탕으로 이중 기계학습 접근법을 사용하여 지역 세금과 공공서비스가 부동산 가격에 미치는 인과적 영향을 추정한다. 공공서비스와 지역 특성에 대한 통제를 포함할 경우 세금 자산화 효과의 추정치가 두 배 이상으로 증가하며, 경쟁이 치열한 도시 지역에서 그 효과가 더 크다는 점을 확인하여 Tiebout 가설을 지지한다.

ABSTRACT

How do property prices respond to changes in local taxes and local public services? Attempts to measure this, starting with Oates (1969), have suffered from a lack of local public service controls. Recent work attempts to overcome such data limitations through the use of quasi-experimental methods. We revisit this fundamental problem, but adopt a different empirical strategy that pairs the double machine learning estimator of Chernozhukov et al. (2018) with a novel dataset of 947 time-varying local characteristic and public service controls for all municipalities in Sweden over the 2010-2016 period. We find that properly controlling for local public service and characteristic controls more than doubles the estimated impact of local income taxes on house prices. We also exploit the unique features of our dataset to demonstrate that tax capitalization is stronger in areas with greater municipal competition, providing support for a core implication of the Tiebout hypothesis. Finally, we measure the impact of public services, education, and crime on house prices and the effect of local taxes on migration.

연구 동기 및 목표

• 지역 공공서비스 및 특성 통제 변수가 누락될 경우 발생하는 세금 자산화 추정치에 대한 오랜 기간 지속된 편향을 해결하기 위해.
• 새로운 고차원 데이터셋을 사용하여 지역 세금과 공공서비스가 부동산 가격에 미치는 인과적 영향을 추정하기 위해.
• 세금이 이주에 미치는 영향을 분석함으로써 Tiebout 가설의 메커니즘을 시험하기 위해.
• 단일 사례 기반의 준실험 설계에 의존하지 않도록 외부 타당성을 향상시키기 위해.
• 이중 기계학습을 사용하여 고차원 통제 변수를 적용할 경우 공공재 금융 분야의 실증 연구에 효과적으로 적용될 수 있음을 보여주기 위해.

제안 방법

• Chernozhukov 등(2018)이 제안한 이중 기계학습(DML) 추정기법을 사용하여 고차원적 비모수적 부수적 변수가 존재하는 상황에서 치료 효과를 추정한다.
• 고정 효과에 대한 선형 의존성을 유지하면서도 통제 변수와 결과 간의 비선형 관계를 모델링하기 위해 '깊이-넓이(deep-wide)' 신경망 아키텍처를 사용한다.
• 공공서비스 투입 및 산출, 주택시장 변수, 재정 지표 등을 포함한 총 947개의 시간에 따라 변화하는 지방자치단체 수준의 통제 변수를 통합한다.
• 미관찰된 시간 불변 및 시간 변화 요인을 통제하기 위해 시군 및 연도 고정 효과를 적용한다.
• 2010년에서 2016년까지 스웨덴의 전 290개 지방자치단체를 커버하는 대규모이고 세밀한 데이터셋과 DML 프레임워크를 결합한다.
• 세금 변화에 대한 부동산 가격 반응과 이주 반응을 동시에 추정함으로써 메커니즘 테스트를 가능하게 한다.

실험 결과

연구 질문

• RQ1 공공서비스 및 지역 특성 통제 변수가 누락될 경우 부동산 가격에서 세금 자산화 추정치에 어떤 편향이 발생하는가?
• RQ2 지역 세금이 이주에 어떤 영향을 미치며, 이는 Tiebout 가설을 지지하는가?
• RQ3 적절한 통제 조건 하에서 공공서비스 투입과 산출은 각각 부동산 가격에 어떤 영향을 미치는가?
• RQ4 지방자치단체 간 경쟁이 치열한 지역에서 세금 자산화 효과가 더 강한가?
• RQ5 고차원 통제 변수를 사용한 이중 기계학습은 세금과 공공서비스가 부동산 가격에 미치는 영향에 대해 더 신뢰할 수 있고 외부 타당성이 높은 추정치를 제공할 수 있는가?

주요 결과

• 공공서비스와 지역 특성에 대한 통제를 포함할 경우 지역 소득세가 주택 가격에 미치는 영향의 추정치가 두 배 이상 증가하여 이전 연구에서의 심각한 하향 편향이 있음을 시사한다.
• 지역 세금 자산화 효과는 높은 지방자치단체 경쟁이 있는 도시 지역에서 네 배 이상 크게 나타나, Tiebout 가설의 핵심 예측을 지지한다.
• 산출물이 통제되지 않은 상태에서 공공서비스 투입(예: 학생당 지출)은 주택 가격에 부정적 영향을 미치지만, 공공서비스 산출의 효과는 여전히 긍정적이고 유의미하다.
• 전체 표본에서는 세금이 이주에 미치는 영향의 추정치가 작지만, 도시 지역에서는 거의 두 배로 증가하여 경쟁이 치열한 지역에서 더 강한 행동 반응이 있음을 시사한다.
• 고차원 통제 변수와 고정 효과를 통해 혼란 요인을 적절히 보정함으로써 이중 기계학습 방법이 세금과 공공서비스가 주택 가격에 미치는 인과적 영향을 성공적으로 분리해 냈다.
• 이 연구는 기계학습 기법 중 하나인 이중 기계학습이 공공재 금융 분야에서 대규모이고 복잡한 데이터셋에 효과적으로 적용될 수 있음을 입증하며, 더 정확하고 일반화 가능한 결과를 도출할 수 있음을 보여준다.