房产税税基评估是房产税整个征收流程的基础环节,在一定程度上影响着全面开征房产税的效率与公平,其重要性不容小觑,因此关于房产税税基评估的学术研究一直在进行。与传统的市场法、成本法和收益法相比,房产税税基批量评估凭借其模型的科学性、大样本回归的高效性以及结果的精确性和公平性脱颖而出。税基批量评估一般运用特征价格模型进行回归分析,但特征价格模型遵循样本相互独立的假设,忽略了空间依赖性,因此存在结果偏估的可能性。空间自回归模型和空间误差模型能充分将空间效应考虑在内,对传统特征价格模型的评估结果起到修正作用,以提高其准确性。本文对税基评估价值类型、评估对象、评估主体、评估周期以及税基优惠进行分析;本文选取山东省济南市历下区的823处普通二手房住宅的数据对特征价格模型进行应用,针对历下区的具体特点,从建筑特征、邻里特征、区位特征三个层面选取了 20个特征变量进行大样本回归。首先利用“房天下”网站的二手房挂牌数据和百度地图的观测值对特征变量进行量化,并将“道路等级”、“是否重点学区”、“是否有大型商场”以及“是否有公园”设为虚拟变量,构建特征价格模型并分别用线性函数形式和半对数函数形式进行回归分析,对比拟合优度和特征变量的显著性最终选择半对数函数形式,得到建筑面积、楼龄、总楼层数、装修状况、居室数量、泉城广场的可达性、公交交通状况、道路等级、物业管理、绿化率、容积率、是否有大型商场、学校数量、是否重点学区、是否有公园、医院数量、菜市场数量等17个对房价有显著影响的特征变量。计算莫兰指数I、吉尔里指数C以及Getis-Ord指数G的结果都表明样本存在显著的空间依赖性,因此利用空间自回归模型和空间误差模型对传统的特征价格模型进行修正,对比Log Likelihood值和AIC值发现空间自回归模型优于空间误差模型,且优于传统的特征价格模型。为了进一步分析评估结果的准确性和科学性,本文利用国际估税官协会制定的比率分析检验的三个指标:比率中位数、离散系数和价格相关差,三个指标都表明将空间因素考虑在内可以提高模型的精确度。