[論文レビュー] Measuring the Impact of Taxes and Public Services on Property Values: A Double Machine Learning Approach

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

Housing Market and Economics被引用数 5

ひとこと要約

本研究は、2010年から2016年までのスウェーデンの947件の時間的に変化する地方自治体の政策対象（マクロレベル）を含む、新規のデータセットを用いて、二重マシンラーニング手法を採用し、地方税および公共サービスが不動産価格に与える因果的影響を推定する。公共サービスと地方特性を制御することで、税の資産価格反映効果の推定値が2倍以上に上昇し、特に競争が激しい都市部でその効果が顕著であることが判明した。これはティーブット仮説を支持する結果である。

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.

研究の動機と目的

• 公共サービスおよび地方特性の制御が欠落していることによる、税の資産価格反映推定値に長年のバイアスが生じている問題を解決すること。
• 新規で高次元のデータセットを用いて、地方税および公共サービスが不動産価格に与える因果的影響を推定すること。
• 移住行動への税の影響を検証することで、ティーブット仮説のメカニズムを検証すること。
• 単一イベントに依存する準実験的デザインに依存しないことで、外部妥当性を高めること。
• 高次元の制御変数を用いた二重マシンラーニングの手法が、実証的公共財政分野に適用可能であることを示すこと。

提案手法

• チェルノゾフら（2018）が提唱した二重マシンラーニング（DML）推定量を用い、高次元の非パラメトリックな不要なパラメータが存在する状況下での処置効果を推定する。
• 非線形な関係をモデル化しつつも、固定効果に線形依存性を保つために、「ディープワイド」なニューラルネットワークアーキテクチャを採用する。
• 公共サービスの投入・成果、住宅市場変数、財政指標を含む、947件の時間的に変化する自治体レベルの制御変数を統合する。
• 自治体および年次固定効果を導入し、観察されない時間不変および時間変動要因による交絡要因を制御する。
• 2010年から2016年までの全290自治体をカバーする大規模かつ詳細なデータセットとDMLフレームワークを組み合わせる。
• 税の変更に対する不動産価格反応と移住反応を同時に推定することで、行動メカニズムの検証を可能にする。

実験結果

リサーチクエスチョン

• RQ1 公共サービスおよび地方特性の制御が欠落している場合、不動産価格における税の資産価格反映効果の推定値にどのようなバイアスが生じるか？
• RQ2 地方税が移住に与える影響はどの程度であり、これはティーブット仮説を支持するか？
• RQ3 適切に制御された状況下で、公共サービスの投入と成果が住宅価格に独立して与える影響は何か？
• RQ4 地方自治体間の競争が激しい地域では、税の資産価格反映効果がより強いか？
• RQ5 高次元の制御変数を用いた二重マシンラーニングは、不動産価格に与える税および公共サービスの影響を、より信頼性があり外部に一般化可能な形で推定できるか？

主な発見

• 公共サービスおよび地方特性を制御することで、地方所得税の不動産価格への影響の推定値が2倍以上に上昇し、過去の研究で著しい下方向バイアスが生じていたことが示された。
• 地方自治体間の競争が激しい都市部では、税の資産価格反映効果が4倍にまで拡大し、ティーブット仮説の核心的予測を支持する結果となった。
• 成果が制御されていない状況では、公共サービスの投入（例：生徒1人あたりの支出）は不動産価格に負の影響を及ぼすが、公共サービスの成果の影響は依然として正であり有意であった。
• 全サンプルでは税の移住への影響は小さいが、都市部ではほぼ2倍にまで上昇し、競争が激しい地域で行動反応が顕著であることが示された。
• 高次元の制御と固定効果を組み合わせることで、交絡要因を適切に制御し、税およびサービスが不動産価格に与える因果的影響を的確に分離できた。
• 本研究は、マシンラーニング手法、特に二重マシンラーニングが、公共財政分野における大規模かつ複雑なデータセットに効果的に適用可能であり、より正確で一般化可能な結果をもたらす可能性を示した。