北京城市住宅土地市场空间异质性模拟与预测

土地制度转型和空间重构背景下,价格信号在土地区位配置及空间结构塑造方面发挥出有效性。基于北京市2004-2009 年居住用地出让地块微观数据,利用空间扩展模型、地理加权回归模型和特征价格模型对居住用地价格影响因素及其空间异质性进行了有效检验和预测。模型结果表明：① 居住用地价格影响因素存在着显著的空间异质性,重点小学、轨道交通和公园等设施便利性因素在不同区域对地价的作用强度存在明显差异。② 相比于特征价格模型和空间扩展模型,GWR模型能够有效刻画土地市场空间异质性的离散性、突变性和跳跃性,因而其对居住用地影响因素的空间异质性刻画和居住用地价格的预测最为准确。③ 居住用地价格影响因素的空间异质性表明居住用地子市场存在的可能性,利用GWR模型对地价影响因素的估计可以为土地子市场的划分提供方法借鉴。     

合肥市商业地价驱动因素的空间非平稳性分析

基于微观因素的视角,对合肥市商业地价的空间格局、空间异质性进行空间插值和回归分析,研究发现： ① 商业地价空间格局呈现多中心的结构,峰值区集中分布在城市中心,低值区分布在二环线以外的地区;② GWR模型能清晰地反映出各因素对地价影响力的空间差异,容积率、交通站点、CBD和公园是研究区商业地价的关键驱动因素;③ 较之外在因素,内在因素对商业地价的边际作用效率较大,其中尤以容积率最为突出;④ 相较于欠发达地区,容积率在高度发达的区域对地价的正向效应更为显著,而交通站点和CBD对地价的作用正好相反。商业开发更愿意为小型公园支付更高的价格。     

基于空间扩展模型和地理加权回归模型的城市住房价格空间分异比较

鉴于已有研究主要集中探讨住房价格的空间依赖性,较少涉及空间异质性对住房特征价格的影响,也很少尝试构建不同计量模型来比较模型间刻画住房价格影响因素空间分异的准确性,以长沙市中心城区为研究区,采用空间扩展模型和地理加权回归模型比较分析城市住房价格影响因素的空间分异,结果表明：① 空间扩展模型和地理加权回归模型都表明,长沙市中心城区的住房属性边际价格随着区位的变化而变化,揭示住房价格影响因素具有显著的空间异质性;小区环境、交通条件、教育配套、生活设施等因素对住房价格的影响强度存在明显的空间分异。② 地理加权回归模型和空间扩展模型都能对传统特征价格模型进行改进,但地理加权回归模型在解释能力和精度方面都超过空间扩展模型;对属性系数估计空间模式的分析,地理加权回归模型形成的结果比采用坐标多义扩展的空间扩展模型更为复杂和直观。     

GWR模型在土壤重金属高光谱预测中的应用

目前土壤重金属高光谱反演模型大多忽视了重金属与光谱变量间相关关系的空间异质性,这与实际情况不相吻合,而地理权重回归（GWR）模型能有效地揭示变量间关系的空间异质性。本文以福州市土壤重金属Cd、Cu、Pb、Cr、Zn、Ni为对象,构建土壤重金属预测的GWR高光谱模型,并将预测结果与普通最小二乘法回归（OLS）结果进行比较分析,探讨GWR模型在土壤重金属高光谱预测中的适用性及局限性。结果表明：① GWR模型在土壤重金属高光谱预测中适用与否取决于重金属对光谱变量影响的空间异质性程度：对于Cr、Cu、Zn、Pb等对光谱变量影响空间异质性大的元素,其GWR预测精度较OLS提高明显,表现为GWR模型的调节R²较OLS模型有了明显提高,分别为OLS模型的2.69倍、2.01倍、1.87倍和1.53倍;而AIC值以及残差平方和较OLS模型却明显降低,AIC值减少量均大于3个单位,残差平方和则仅分别为OLS模型的25.33%、30.09%、47.22%和86.84%;对于Cd和Ni等对光谱变量影响空间异质性小的元素,相较于OLS模型,GWR模型的调节R²分别提高了0.015和0.007,残差平方和分别减少了5.97%和4.18%,但AIC值却分别增加了2.737和2.762,GWR预测效果改善不明显;② 光谱变换可以有效增强土壤重金属的光谱特征,其中以光谱的倒数变换效果最好,而且该变换及其微分形式可以很好地提高模型的预测效果;③ GWR模型的应用前提是变量间关系的空间非平稳性,适合在与土壤光谱变量间关系具有显著空间异质性的重金属高光谱预测中推广。     

城市住宅地价影响因素的定量识别与时空异质性——以武汉市为例

定量测度微观因素对住宅地价影响程度的时空分异特征是有效揭示住宅地价形成机制的重要条件。本文基于武汉市2007-2015年公开出让的住宅地价样点数据,采用广义可行最小二乘法(FGLS)修正的特征价格模型(Hedonic),测度微观影响因素对住宅地价影响程度的时空演变规律。结果显示,各要素对住宅地价影响程度的时序变化特征复杂,空间区域差异明显,具体而言：①2007-2015年间,武汉市住宅地价因素的影响程度从高到低依次为：容积率>医院>城市中心>城市副中心>地铁>公园。②在时序上,城市中心对住宅地价的影响程度呈增强趋势;城市副中心对住宅地价影响整体有所减弱;医院对住宅地价的作用程度呈指数式上涨;地铁对住宅地价增值作用主要发生在开通后;公园的影响持续下降;容积率的影响则在时序上先减后增,与住宅用地出让面积呈反向变动关系。③在空间上,在二环内中心区域,公园、容积率等对住宅地价影响程度较高;而在二环以外,与生活便利性相关的地铁、医院对住宅地价的作用更强;城市中心和副中心功能对住宅地价作用在空间上的互补效应明显。基于研究结果,强化景观用地等的宏观配置和保护力度,审慎确定容积率等是当前城市土地管理值得关注的问题。     

中国省域碳强度空间依赖格局及其影响因素的空间异质性研究

在估算各省域碳强度的基础上,利用探索性空间数据分析(ESDA)和时空跃迁测度方法以及地理加权回归(GWR)模型分析了1995~2015年中国省域（不包括西藏、港、澳、台地区）能源消费碳强度的空间依赖格局及其驱动因素的空间异质性。结果显示：① 中国省域碳强度存在显著的空间正相关性,表现为先下降后上升再到小幅波动的特征,碳强度相似的省域趋向于集聚,表明中国省域碳强度具有明显的空间依赖特征;②省域碳强度存在不均衡的发展格局,高-高集聚的省域主要分布在中国西北部,低-低集聚的省域多分布于中国东南部。③碳强度空间集聚总体呈优化态势,高-高集聚的省域在减少,低-低集聚的省域在不断增多,但不同省域在碳强度的空间集聚中所起的作用不同。④ 碳强度影响因素(解释变量)的回归系数均为正值,4个解释变量对碳强度的影响程度依次为：能源强度>能源结构>产业结构>人均GDP;且各因素对碳强度的影响在不同省域具有明显的空间异质性。     

长沙市区地价的空间分布特征及其影响因素

利用长沙市2003～2009年上半年的土地交易资料,采用GIS空间分析和计量经济学相结合的方法,得出长沙市区商业、住宅和工业出让地价分布的空间结构图,分析三类用地地价的空间分布特征及其影响因素。结果表明：（1）土地用途不同,其地价的空间分布也不同,商业地价对商服繁华度要求较高,高值区集聚在市中心（以五一广场为中心）;住...     

基于GWR的南京市住宅地价空间分异及演变

以南京市主城区为例,在空间自相关分析和蒙特卡罗检验的基础上,构建城市住宅地价地理加权回归模型,通过2003 年、2009 年住宅地价空间分异的对比,探讨不同影响因素对住宅地价影响的空间差异性及其随时间变化的特点,揭示住宅地价及其影响因素的空间变化关系,以促进地价的科学化管理。研究表明：① 随着影响因素数量不断增加以及合理均衡分布,区域差异性缩小,一般会减弱其对地价的影响。② 随着交通条件的不断完善,导致影响因素如CBD、主干道、公交等对地价的影响程度和范围发生变化。③ 随着时间推移,城市居民逐渐注重生活质量、居住品位的提高,公园绿地对地价的影响程度超过其他公用设施。     

基于GWR模型的城市住宅地价的时空演变研究——以江苏省为例

江苏省地价总体变化特征分析的基础上,构建城市住宅地价的GWR模型,对1997、2005和2008年3个时间点的江苏省城市住宅地价影响因素的空间变异特征进行了探究,揭示了各因素因子对住宅地价的影响程度和区域差异,丰富和发展了城市地价影响因素时空变化规律的理论研究。研究结果表明:①距中心城市距离对住宅地价的影响呈负相关,3年回归系数绝对值的平均值逐渐增大且高值分布区域逐渐扩大;②GDP与住宅地价呈正相关,GDP对住宅地价影响最大地区逐渐北移,且高值区域逐渐减小;③城镇化率与住宅地价呈正相关,从空间看,沿江地区是苏南、苏中两大经济板块的纽带,对住宅地价影响变大,从时间看,城镇化率对住宅地价的影响逐步减小;④对外交通状况对住宅地价贡献为正,南部地区回归系数较高,向北系数逐渐减小,从时间角度看,其影响程度逐步增大;⑤从业人口数量对住宅地价的贡献为正,南部地区回归系数较高,向北回归系数绝对值逐渐减小,从业人口数量对苏南影响比苏北大;⑥房地产投资总额北部地区回归系数较高,向南系数逐渐减小,苏北房地产投资总额对住宅地价影响高于苏南地区。     

呼和浩特市旗县城镇基准地价 及影响因素比较分析

本文在介绍基准地价内涵的基础上,采用比较分析法从自然条件、社会经济条件等方面对比分析呼和浩特市5个旗县城镇基准地价的特点,阐述呼和浩特市城镇基准地价及其空间分异特征和城镇基准地价与其影响因素的关系。研究结论是城镇商业、住宅和工业用地的基准地价呈递减的趋势,商业、住宅、工业用地的平均基准地价比为4.22∶1.50∶1。商业用地的地价分布由于受到道路的影响,临路形成较高的基准地价区域,住宅用地基准地价由中心向外,级别和价格呈较均匀递减的变化规律,城镇规划因素在基准地价评估中具有重要作用。基准地价与区位的影响因素密切相关,各因素相互作用共同影响地价的高低。各旗县应积极改善地价影响因素,缩小基准地价的差距,促进区域经济的发展。该项研究为今后呼和浩特市土地市场的发展,引导土地合理、集约、高效利用,充分发挥土地的潜在价值起到促进作用。     

Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices

By incorporating temporal effects into the geographically weighted regression (GWR) model, an extended GWR model, geographically and temporally weighted regression (GTWR), has been developed to deal with both spatial and temporal nonstationarity simultaneously in real estate market data. Unlike the standard GWR model, GTWR integrates both temporal and spatial information in the weighting matrices to capture spatial and temporal heterogeneity. The GTWR design embodies a local weighting scheme wherein GWR and temporally weighted regression (TWR) become special cases of GTWR. In order to test its improved performance, GTWR was compared with global ordinary least squares, TWR, and GWR in terms of goodness-of-fit and other statistical measures using a case study of residential housing sales in the city of Calgary, Canada, from 2002 to 2004. The results showed that there were substantial benefits in modeling both spatial and temporal nonstationarity simultaneously. In the test sample, the TWR, GWR, and GTWR models, respectively, reduced absolute errors by 3.5%, 31.5%, and 46.4% relative to a global ordinary least squares model. More impressively, the GTWR model demonstrated a better goodness-of-fit (0.9282) than the TWR model (0.7794) and the GWR model (0.8897). McNamara's test supported the hypothesis that the improvements made by GTWR over the TWR and GWR models are statistically significant for the sample data.     

北京市居住用地出让价格的空间格局及影响因素

以2004-2015年北京市六环内居住用地的交易样本为基本数据,借助ArcGIS、GS+、Surfer和Geoda软件,采用空间趋势面分析、最近邻指数（NNI）、探索性空间分析（ESDA）探讨居住用地出让和居住地价的空间格局特征,并对比OLS和空间回归模型（SLM和SEM）进一步探讨居住地价的影响因素。结果表明：① 北京市居住用地出让数量和出让面积不均衡,五六环间出让的居住用地最多。② 出让地块沿主要道路（如京石高速、京开高速、京沪高速及京藏高速）、地铁线（如地铁1号线、5号线、6号线、15号线、房山线、大兴线及亦庄线）呈轴线扩散,其中远郊区域这一特征更加明显。③ 居住地价从中心向外围总体表现“倒U型”趋势,且呈多中心圈层递减结构。④ 呈集聚分布模式,存在空间自相关,低值集聚区和高值集聚区明显。⑤ 模型对比方面,SLM>SEM>OLS,说明北京市居住地价存在实质性的空间依赖,而非干扰性的空间依赖。周边居住地块的价格、公交站、地铁站、重点小学、占地面积、容积率和出让方式对居住地价有显著影响。     

南京市城市土地价格空间分布特征

城市土地供给是城市扩张的重要支撑,分析城市不同类型的土地价格空间分布特征对于城市土地的合理开发具有重要意义,并已成为学者们研究城市扩张过程的重要视角。采用传统统计学与地统计学方法,以住宅、工业、商服三种不同土地利用类型的出让价格为样本,分析了南京市2001-2010年土地交易价格的统计特征及空间分布特征。结果表明,土地用途不同,其出让价格的空间分布特征也不同。商服用地对商服繁华度要求较高,价格高值区集聚在市中心,以新街口、夫子庙等商贸商务区为中心,向外围价格逐渐降低,为典型的单中心布局模式;住宅用地对环境质量要求较高,价格高值区相对商服用地集聚度有所下降,并呈现出由市中心向外迁移的趋势,圈层布局态势明显;工业用地由于有较高的对外交通条件要求,以及环境成本约束和政策导向,除部分对研发及基础设施等条件要求较高的高新技术等工业外,大多布局在远离市中心,区位条件良好的沿江产业园区及工业区内,呈现多中心发展格局。     

北京市居住用地出让的时空格局演变

以1992~2006年间北京市五环内居住用地出让数据为基础,利用GIS空间分析方法,研究了北京市五环内居住用地的时间动态趋势和空间格局特征,并对CBD、中关村、奥运村等区域进行了重点分析。研究发现:①北京居住用地的出让数量、面积呈现不断增长态势,出让价格呈现"扁平化"发展趋势;②居住用地出让价格表现为"北高南低"、"东高西低"的空间特征,在出让数量和面积上存在"北多南少、东多西少"的空间差异;③出让地块集中区和高值区由中心向外扩展;④东西和南北轴线的竞租地价曲线以CBD和天桥为核心向两侧递减,并在一些区位条件优越的区段形成若干高值区。     

基于地理加权特征价格法的上海外环内住宅租金分布成因分析

城市住宅租金具有经济与社会双重性质,既反映房地产的市场供需关系以及价格决定机制,也反映了居民的住房需求满足情况和解决方式。建立以特征价格法为基础的空间自回归模型,探索影响上海住宅租金空间分布的驱动因素。通过Web数据抓取获得上海2012年12月至2013年1月的住宅租金样本数据,根据特征价格法将影响住宅租金的9个因素归纳为区位特征、邻里特征、整体特征三大类,利用双模型(普通最小二乘法(OLS)和地理加权回归(GWR))双形态分析对比。结果表明:市中心辐射对上海住宅租金的影响呈现"东强西弱"的格局,地铁站点对城市中心的租金影响较弱,对近郊的租金影响较大,而内环内租金对就业可达性最为敏感。优质教育和医疗资源的空间分布不均衡,前者受限于学区划分和户籍政策,对租金的影响以内环线为界呈内低外高;而后者虽不受户籍限制,但服务范围狭小,对浦西的影响较大。浦东租户对小区环境及小区竣工年限支付意愿更高。     

Spatially non-stationary relationships between urban residential land price and impact factors in Wuhan city,China

Land price plays an important role in guiding land resource allocation for urban planning and development, particularly in big cities of fast developing countries where infrastructures and populations change frequently. Therefore, detecting spatially implicit information in the spatial pattern of relationships between land price and related impact factors is critical. Geographically weighted regression (GWR) analysis was conducted in this study for the purpose in Wuhan, China, by using a 10-year panel data set of residential land price. Based on twelve factors in three aspects (land attributes, location factors and neighborhood attributes), an evaluation index system of resident land price was established. The spatial distributions of estimated coefficients and pseudo t-values of three major explanatory variables (floor area ratio, distance to nearest center business district (CBD) and distance to nearest lake), obtained from GWR analysis, indicated that their relationships of the impact factors with land price are spatially non-stationary. The positive impact of floor area ratio on land price is more significant in highly developed areas than in less developed areas. Conversely, the negative impact of distance to nearest CBD on land price is larger in highly developed areas than in less developed areas. Moreover, wealthier dwellers may be willing to pay a higher price for a good lake view (especially views of small lakes), but infrastructure barriers (near some large lakes) cause negative effect. The outputs of this study, which provide detailed information on the relationships between land price and impact factors in local areas, are promising for urban planners to scientifically evaluate land price and make area-specific strategies.     

兰州市主城区房价分异及驱动因素研究

以2021年兰州市主城区678个居住小区房价数据为基础,引入地理场模型量化影响房价的外部因素,通过空间自相关分析、多尺度地理加权回归等模型对房价分异的空间格局及驱动因素的作用机理、带宽差异展开研究,以期为推动河谷型城市房产市场的公平发展提供参考。结果表明：（1） 兰州市主城区平均房价为13739元·m^-2,空间上呈现“一主三副”的带状多中心组团式分布格局,房价由多中心向四周递减,价格相似的小区在地理空间上邻近分布,具有“小集中、大分散”的局部空间特征。（2） 房价分异是多种驱动因素共同作用的结果,区位特征中的主商圈对房价的影响居于首位,建筑特征中的房龄、容积率和邻里特征中的中学数量、绿化率等对房价的影响较大,城市地理特征对房价具有显著影响,愈靠近黄河的小区、房价越高。（3） 各驱动因素的带宽差异明显,主商圈、医院等小尺度变量存在高度空间异质性,而容积率、黄河等全局变量基本不存在空间异质性。     

北京市景观可达性与住宅价格空间关联

随着城市居民对住宅环境要求的不断提高,城市景观对城市住宅价格分异影响日趋显著。分析景观对住宅价格分异格局的影响,可为城市住宅空间结构的规划提供依据,为规划与管理部门提供决策参考。以北京城区二手房小区为样本,基于ArcGIS空间分析方法和特征价格模型,探讨景观因素对北京市住宅价格空间分异格局的影响。以主流房地产交易网站二手商品房报价资料为基础数据,共采集到2012 年1 月北京市城六区有效住宅小区样本3174 个,对住宅样点进行空间化处理,并建立住宅空间信息数据库。运用密度分析、空间插值等方法,分析北京市住宅空间分布特征与价格空间分异格局。核密度分布图显示：北京市住宅空间分布呈现显著的向心化与离心化并存现象,总体上以天安门为中心向周边呈衰减趋势,在地铁转换站点形成了多个集聚次中心。在此基础上,从住宅属性、交通因素、区位特征等方面选择主要解释变量,构建地理加权回归模型,对住宅价格影响因素进行分析,重点探讨景观可达性（如绿地、水景、山景等）与住宅价格的关联。结果表明：次中心与住宅价格关联最为显著,绿地、水景、山景与住宅价格存在一定程度关联。其中,山景和高绿化率对住宅价格增效明显;由于水质较差,北京城六区内河流与住宅价格存在负相关;污水处理以及丧葬场所等污染源与住宅价格也存在显著负相关。远离污染源、靠近宜人景观、低容积率、高绿化率是居民选择住宅的需求。