首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 593 毫秒
1.
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。  相似文献   

2.
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。  相似文献   

3.
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。  相似文献   

4.
兰州市商品住宅价格的空间分异规律   总被引:1,自引:0,他引:1  
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。  相似文献   

5.
针对北京市主城区房地产价格长区间的空间分布变化及其成因进行研究,为北京市房价的空间分布规律提供参考.采用空间相关性分析方法中的平均最近邻分析、全局Moran'sI指数、Moran散点图和LISA集聚图等分析工具结合空间自相关理论对北京市主城区房地产价格的空间分布变化进行分析,通过克里金插值分析方法验证房价的空间特征,分析空间分布的变化及其成因.得出北京市主城区房地产价格20152019年,空间集聚特征不变,正向空间自相关增强,价格中心由单中心变为中心—副中心的多中心形式,区位因素和交通可达性条件是影响房价空间分布变化的重要因素.  相似文献   

6.
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。  相似文献   

7.
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。  相似文献   

8.
西安市住宅价格空间结构和分异规律分析   总被引:1,自引:0,他引:1  
宋雪娟  卫海燕  王莉 《测绘科学》2011,36(2):171-174
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。  相似文献   

9.
改革开放以来,住房商品化的新体制基本确立,使以住宅为主的房地产业成为国民经济的支柱产业,房地产价格也成为当今热点。城市房地产价格在空间、时间分布上具有较强关联性和特殊性。据此,以南京市房地产价格为例,研究不同因素对房地产价格变动的影响,从而建立有效的分析评估机制。结果表明,从时间分析角度,政策对南京房价的影响较大,政府颁布的不同购房政策是房价波动的重要因素;从空间分析角度,南京房价分布主要为圈层式结构,中心城区等值线密集且分布均匀,而四周等值线逐渐变得稀疏且分布不均。影响房价的主要因素为距市中心远近,中小学、高校、医院、景区和地铁位置。通过这些影响因素,建立了Hedonic模型,揭示了南京市房价的空间分布格局。  相似文献   

10.
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。  相似文献   

11.
以焦作市2015—2018年新建住宅价格数据和修正后的2017年焦作市新建住宅样本数据为研究对象,基于GIS的统计分析对样本点进行正态性分布和空间自相关检验;采用克里金插值得出新建住宅价格空间格局图,利用反距离加权插值得出价格等值线分布图。实验结果表明:焦作市新建住宅价格整体表现呈多中心发展趋势;结合城市发展现状,发现价格高值区从老城区向市区南部转移;同时价格等值线变化差异性较大,中心向外围递减速度不一,区域住宅价格波动较大。经过分析发现,地价成本、城市功能结构、交通条件及居住环境是影响住宅价格的主要驱动力。  相似文献   

12.
南京市住宅租金空间分异特征与影响因素分析   总被引:1,自引:0,他引:1  
李卫民  李同昇  武鹏 《测绘科学》2018,(5):95-99,104
针对当前城市住宅租金空间分异研究的不足,尤其是从宏观层面揭示城市租金空间结构影响因素研究的欠缺,通过网络爬虫法抓取南京市租房信息及相关数据,运用趋势面分析、空间插值分析、空间自相关分析等方法研究南京城市住宅租金的空间分异特征,并分析其空间分异的影响因素。结果表明:南京住宅租金具有显著空间自相关性,租金总体趋势呈现出由中心向外的圈层式递减特征,H-H集聚区域分布在中心城区,L-L集聚分布在地铁线末端等区域。人口分布及就业中心、城市规划引导、轨道交通及公共服务设施水平是影响南京住宅租金水平空间分异的主要因素。本研究可为城市住宅租金管理与住房开发决策提供参考。  相似文献   

13.
基于大众点评网的餐饮业商家位置和点评大数据,运用多种地理信息系统空间分析方法,研究郑州市主城区餐饮业空间布局及服务质量格局特征.结果发现:郑州市主城区餐饮业商家分布呈现出"多核"空间结构,餐饮业商家主要分布在人口密度适中的区域范围内;不同评级不同类型餐饮业商家的空间分布与城镇街道和住宅小区分布均具有重要联系;大众点评评...  相似文献   

14.
针对房价增长过快的问题,该文以赣州市2017年的房产交易数据为研究对象,通过计算Moran’s I指数和Getis-Ord G指数分析了房价的空间相关性和空间异质性,并筛选出地块属性、商服繁华因素、交通因素、公共设施因素以及环境因素,结合灰色关联模型对中小城市房价的影响因素进行了分析。结果表明:赣州市房价在总体上呈现显著的空间相关性,且大部分住宅在空间上表现出集聚特征,小部分住宅由于在空间上存在异质性,表现出离散特征;房价自相关的阈值范围为5.2 km;房价的热点区主要分布在万象城,城市中央公园附近,冷点区主要分布在沙河镇区域;灰色关联模型分析表明,小区绿化率,市中心对房价的影响最大,容积率、交通枢纽、医院对房价的影响次之;学校、商场、公园、建筑面积以及河流对房价的影响较弱。  相似文献   

15.
针对医疗设施的分布情况会直接影响就医的便捷程度问题,该文以六盘山地区医疗设施为研究对象,采用核密度函数分析法和最短距离计算法,对六盘山地区的医疗设施空间分布特征及可达性进行剖析,并分析其影响因素.结果表明区域内不同级别的医疗设施多集聚分布在兰州市区和西宁市区,在临夏市、定西市、白银市、固原市、庆阳市、天水市等城市主城区形成次级集聚中心.区域内医疗设施可达性水平差异显著,存在城市主城区相对边界地区医疗设施可达性较好的特点.  相似文献   

16.
出租车数据能够反映居民出行的时空分布特征,与房价有密切关系。本文通过爬取链家网上公开的大连市房价数据,采用Kriging法对房价数据进行插值,生成大连市住宅价格分布图;通过获取出租车的乘降点数据,采用K-means法对乘降点数据进行聚类,得出居民出行区域的空间分布特征。通过对出租车乘降点空间分布数据与住宅价格数据的相关性进行分析,发现居民出行活动密集、频繁的区域,其周围的房价普遍偏高。实验结果表明房价与出租车数据呈正相关,对利用出租车数据研究房价具有重要意义。  相似文献   

17.
以武汉市2018年主城区房价数据和POI数据为基础,测算武汉市主城区住宅小区到各类公共服务设施的综合可达性,并运用地理探测器分析可达性对房价的差异性影响和交互作用。研究表明:①武汉市主城区住宅小区的生活购物类服务设施综合可达性最高,公共绿地的可达性最差。②示范学校、地铁站、公共绿地是影响房价最主要的因素,示范小学的综合可达性对房价的影响最大。③任何两类公共服务设施因素叠加时,影响房价的作用都是互相增强的,其中示范学校与其他公共服务设施的交互作用最强。  相似文献   

18.
针对以行政区划为研究单元不能合理直观表现土地价格时空格局的问题,以南京市为例,以片区为研究单元,根据2005~2016年南京市的住宅土地出让数据,运用GIS方法,分析了南京市住宅地价的时空分布格局。结果表明,参照经济、人文等因素进行片区划分;河西板块为地价最高点,插值结果与片区划分一致;市中心呈地价高—高相关特征,热点分析、空间自相关分析与实际一致。因此,以片区为研究单元可以较好地探索南京市住宅用地价格的时空格局。  相似文献   

19.
针对人口和房价问题的研究多基于地理空间单元,难以从更深层次、更多角度反映两者关系的问题,以武汉市主城区为例,在区县、街道、居民区3个空间尺度与工作和休息这两个时间节点上应用Kriging插值、区位熵、集聚指数等方法分析人口集聚和房价的分布特征及相关性,并在居民区尺度基于土地利用数据这非地理空间单元,对人口集聚和房价关系进行探讨.结果表明,房价与人口集聚分布具有趋同性,但并非完全同步,房价高值往往与人口集聚高值错开而分布在其周围;用地类别中,相对于居住人口,公共管理与公共服务设施用地,绿地与广场用地、公共设施用地类别房价受就业人口集聚影响更为显著.  相似文献   

20.
运用数理统计分析、主成分分析和探索性空间数据分析方法,研究了黄河流域306个县域单元2004—2019年的经济发展时空演变过程及其影响因素。结果表明:(1)流域内县域经济变异曲线的绝对差异与相对差异均呈“逐步扩大—波动缩小”的演变趋势;(2)县域经济空间发展水平不均衡,呈东高西低的分布特征;(3)县域经济存在明显的空间正相关关系,热点区主要集聚在流域北部的鄂托克旗和东部的新密市等县市,而流域西部则多为冷点和次冷点区域,空间分布重心由东北向西南偏移趋势显著;(4)自然地理条件、自然资源储存丰度、经济发展机遇和政策制度导向是影响县域经济时空演变的重要因素。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号