兰州市商品住宅价格的空间分异规律

针对住宅价格在城市空间中的分布规律问题,该文以兰州市主城区2015年在售的187个商品住宅样本均价为基本数据,运用空间自相关法对兰州市住宅价格的空间异质性和集聚性进行分析,并利用趋势面分析和空间反距离权重插值法对住宅价格的空间分布格局进行研究。结果表明:兰州市住宅价格总体上呈显著的空间正自相关性,少数地区存在差异性;住宅价格发展不平衡,价格“东高西低”;住宅价格由各区行政中心向四周逐级递减,呈多极核分布特征;价格等值线“东密西疏”,住宅价格变化幅度空间差异较大。分析发现,区位条件、交通条件及居住环境是影响兰州市商品住宅价格的主要因素。     

兰州市商品住宅价格的空间分异规律

针对住宅价格在城市空间中的分布规律问题,该文以兰州市主城区2015年在售的187个商品住宅样本均价为基本数据,运用空间自相关法对兰州市住宅价格的空间异质性和集聚性进行分析,并利用趋势面分析和空间反距离权重插值法对住宅价格的空间分布格局进行研究。结果表明:兰州市住宅价格总体上呈显著的空间正自相关性,少数地区存在差异性;住宅价格发展不平衡,价格“东高西低”;住宅价格由各区行政中心向四周逐级递减,呈多极核分布特征;价格等值线“东密西疏”,住宅价格变化幅度空间差异较大。分析发现,区位条件、交通条件及居住环境是影响兰州市商品住宅价格的主要因素。     

兰州市商品住宅价格的空间分异规律

针对住宅价格在城市空间中的分布规律问题,该文以兰州市主城区2015年在售的187个商品住宅样本均价为基本数据,运用空间自相关法对兰州市住宅价格的空间异质性和集聚性进行分析,并利用趋势面分析和空间反距离权重插值法对住宅价格的空间分布格局进行研究。结果表明:兰州市住宅价格总体上呈显著的空间正自相关性,少数地区存在差异性;住宅价格发展不平衡,价格“东高西低”;住宅价格由各区行政中心向四周逐级递减,呈多极核分布特征;价格等值线“东密西疏”,住宅价格变化幅度空间差异较大。分析发现,区位条件、交通条件及居住环境是影响兰州市商品住宅价格的主要因素。     

基于ArcGIS的房地产价格空间分布研究

首先以深圳市福田区部分普通住宅的房地产价格为数据基础,利用空间分布分析中的最近邻距离分析法确定了各住宅的空间分布情况,即呈簇状分布状态;然后,运用空间自相关理论和方法,选用Moran,指数对研究区域的房价自相关关系进行测度和实证分析,从而得到深圳市景田区部分住宅房地产价格的空间自相关性情况;最后,利用ArcGIS中的地统计分析工具对整个区域的房地产价格进行了拟合,得到研究区域房价的空间分布情况。     

西安市商品住宅价格空间格局的演化研究

针对目前城市住宅价格空间格局演化研究不足,尤其是内在驱动机制研究较少的现状,利用2000年、2004年、2008年及2013年4年节点数据,采用空间自相关指数并结合空间变异函数,分析西安市商品住宅价格空间格局演化特征及其驱动机制,为城市住房政策的制定提供参考。结果表明:住宅价格呈现出显著的空间自相关,热点和冷点区发生转移;住宅价格的空间变异程度不断加大,空间分异格局中的随机成分不断降低,结构化分异越来越显著;住宅价格高值区呈现出由双中心向多中心、多圈层演化的趋势;从城市规划引领、居住空间扩张和交通条件改善3个方面探讨住宅价格空间格局演化的驱动机制。     

西安市住宅价格空间结构和分异规律分析

利用ESDA方法对西安市城区的291个普通住宅项目均价数据进行研究,通过计算Moran指数和半变异函数分析了其空间自相关性和变异性,并进行了趋势分析。应用Kriging空间插值方法对西安市普通住宅价格空间分布进行了模拟。研究结果表明:西安市房价存在显著的空间自相关性,大部分住宅价格呈空间集聚格局,少部分因存在空间异质性而呈离散分布;房价变异函数表现出各向异性,不同方向有不同结构特征,空间自相关尺度为14.2km;西安市房价空间分异规律明显,房价分布格局受城市功能区划和交通影响较大。     

基于房产网站数据的商品住宅价格空间分布研究——以成都市为例

从安居客房产网站自动获取成都市的商品住宅资料,利用GIS方法分析成都市商品住宅价格的空间分布特征,得出了成都市商品房价格空间分布结果和发展趋势。     

西安市住宅价格空间分布特征及影响因素北大核心CSCD

针对目前西部二线城市住宅价格的空间分布研究较少的问题,该文从地质统计学角度出发,以西安市主城区452处的住宅价格数据为例,利用空间自相关、变异函数、克里金空间插值等理论方法,对住宅价格的空间分布特征及其影响因素进行了研究。研究发现,西安市主城区内住宅价格整体呈现空间正相关性,在各向同性上,住宅价格的最优拟合模型为指数模型,但在不同方向上变异程度不尽相同。目前,西安市主城区住宅价格的空间结构呈现一个极值中心,两个次级核心组团,两个新新组团的局面,价格整体南高北低、东高西低。究其原因,历史背景、新一轮城市规划和特定的景观环境及文化底蕴等要素均影响住宅价格的空间分布。     

顾及空间异质性的自回归模型应用研究北大核心CSCD

针对传统的空间自回归模型拟合精度较低且无法顾及空间异质性的问题,该文提出了改进的地理加权自回归模型。并以北京市住宅小区特征价格数据为例,利用探索式空间数据分析方法分析住宅价格数据的空间自相关性,探讨其时空演变特征;建立了空间自回归模型、地理加权回归模型和地理加权自回归模型,并在模型之间进行精度对比和分析。实验结果表明:北京市住宅价格具有明显的空间相关性与空间集聚特征;由于综合考虑了空间自相关性和空间异质性,地理加权自回归模型不仅能大幅度提高模型的拟合优度和解释能力,还能更好地揭示住宅价格的空间变化规律,为数据的空间探索提供了新的方向。     

昆明市2000-2010年乡镇人口空间自相关及其时空演变分析

昆明作为云南省的省会城市,其人口的空间分布特征对该地区的城市规划和经济发展具有重要意义.本文以昆明市112个乡镇的矢量数据和2000、2010年的人口数据为基础,运用Moran I指数和Moran I散点图对昆明市2000和2010年的乡镇人口进行了空间自相关及其时空演变分析.结论如下:①2000和2010年,昆明市乡镇人口分布呈现显著的正向空间自相关特征,且人口分布出现以昆明市市中心和滇池为中心的"人口高地带"和北部山区的"人口低地带",这与昆明市海拔"北高南低"和地势"北部起伏大、南部和缓"趋于一致;②地形要素是昆明市乡镇人口2000和2010年空间自相关的基础,而随着交通条件的改善和城市化的发展,2000―2010年10年间昆明市乡镇人口空间自相关显著增强,但人口密度出现较大的空间差异.     

城市房价空间分布及其影响因素分析

针对城市房价的空间分布规律及其影响因素的研究,该文提出了以南昌市青山湖区房价为研究对象,基于相关理论,搜集整理了2015年07月到10月南昌市青山湖区155个楼盘的均价,利用市场比较法把房价修正到2015年10月份节点上,估算出了155个楼盘点的价格,以GIS技术为研究平台,运用普通克里格插值方法,得到了青山湖区房价的等值线图,根据等值线图得到其空间分布情况,从可达性视角出发,采用结构方程模型构建了青山湖区房价影响因素分析框架,运用SPSS分析出各自变量和因变量之间的关系,即定量分析出了各影响因素对房价格产生的影响程度。     

Mapping fine‐scale urban housing prices by fusing remotely sensed imagery and social media data

The accurate mapping of urban housing prices at a fine scale is essential to policymaking and urban studies, such as adjusting economic factors and determining reasonable levels of residential subsidies. Previous studies focus mainly on housing price analysis at a macro scale, without fine‐scale study due to a lack of available data and effective models. By integrating a convolutional neural network for united mining (UMCNN) and random forest (RF), this study proposes an effective deep‐learning‐based framework for fusing multi‐source geospatial data, including high spatial resolution (HSR) remotely sensed imagery and several types of social media data, and maps urban housing prices at a very fine scale. With the collected housing price data from China's biggest online real estate market, we produced the spatial distribution of housing prices at a spatial resolution of 5 m in Shenzhen, China. By comparing with eight other multi‐source data mining techniques, the UMCNN obtained the highest housing price simulation accuracy (Pearson R = 0.922, OA = 85.82%). The results also demonstrated a complex spatial heterogeneity inside Shenzhen's housing price distribution. In future studies, we will work continuously on housing price policymaking and residential issues by including additional sources of spatial data.     

南昌市二手房价格影响因子的空间异质性

以安居客网站爬取的2018年10月894个南昌市住宅小区二手房价格为研究对象,利用地理加权回归模型探讨了建筑特征、邻里特征、区位特征等方面各影响因子对住宅价格的作用差异。研究结果表明:1)地理加权回归(GWR)模型的拟合结果优于OLS模型,将回归系数结果空间可视化发现南昌市二手房价格影响因子具有空间异质性。2)不同因子对价格影响程度不同,其中对南昌市二手房价格影响较大的因子是房龄、绿化率以及与CBD的距离。3)同一因子对住房价格的影响在不同空间也具有差异性。其中主要是绿化率、容积率、重点学校、购物中心及地铁对新开发区的二手房价格影响比较大,对老城区影响较小;商务中心区和三甲医院对南昌县二手房价的影响最大;而房龄和旅游景点对老城区影响比较大。     

山东省人口空间分布模式及其影响因素分析

基于2010年《山东统计年鉴》和全国第六次人口普查数据,本文以县域为研究单元,通过空间自相关分析人口的空间分布模式,运用因子分析和Pearson相关分析探究人口空间分布模式的影响因素。研究结果表明:山东省人口分布呈现"东北-西南"的空间分布模式,人口空间分布整体上呈现显著的空间集聚,主要集中在青岛市的中心城区;经济增长因素和地形条件是山东省人口空间分布模式形成的主要推动力。     

Incorporating spatial variation in housing attribute prices: a comparison of geographically weighted regression and the spatial expansion method

Hedonic house price models typically impose a constant price structure on housing characteristics throughout an entire market area. However, there is increasing evidence that the marginal prices of many important attributes vary over space, especially within large markets. In this paper, we compare two approaches to examine spatial heterogeneity in housing attribute prices within the Tucson, Arizona housing market: the spatial expansion method and geographically weighted regression (GWR). Our results provide strong evidence that the marginal price of key housing characteristics varies over space. GWR outperforms the spatial expansion method in terms of explanatory power and predictive accuracy.

基于GIS的兰州市主城区牛肉面馆空间分布特征及趋向性分析

研究兰州市主城区牛肉面馆空间分布特征及趋向性,对今后兰州市城市规划、牛肉面行业投资等有重要的指导意义。本文基于GeoSharp V1.0提取的牛肉面馆和学校的点数据和兰州市主城区路网数据,运用核密度和缓冲区分析方法,研究牛肉面馆空间分布特征及趋向性。研究结果表明:从空间分布来看,兰州市牛肉面馆整体的分布格局呈现中心-外围结构,即中心城区为高聚集区,向外依次呈梯度递减的圈层状空间格局,对牛肉面馆与学校、道路的空间趋向性研究发现,牛肉面馆的分布对学校、道路有较强的趋向性。研究结果以期为兰州市主城区牛肉面产业发展提出决策建议、改善投资环境等提供科学依据。     

Estimating commercial property prices: an application of cokriging with housing prices as ancillary information

A vast majority of the recent literature on spatial hedonic analysis has been concerned with residential property values, with only very few examples of studies focused on commercial property prices. The dearth of studies can be attributed to some of the challenges faced in the analysis of commercial properties, in particular the scarcity of information compared to residential transactions. In order to address this issue, in this paper we propose the use of cokriging and housing prices as ancillary information to estimate commercial property prices. Cokriging takes into account the spatial autocorrelation structure of property prices, and the use of more abundant information on housing prices helps to improve the accuracy of property value estimates. A case study of Toledo in Spain, a city for which commercial activity stemming from tourism is one of the key elements of the economy in the city, demonstrates that substantial accuracy and precision gains can be obtained from the use of cokriging.