城市二手房价格空间分异及影响因素研究 ——以成都市为例

基于成都市二手房交易数据,分析成都市二手房价格的空间分异规律,并构建城市二手房价格地理加权回归模型(GWR),探究二手房价格影响因素的空间变异特征.结果表明:成都市二手房价格整体呈现从同心圆中心向外围逐渐递减的规律;不同影响因素对二手房价格影响的空间分异不尽相同.教育资源优质区域二手房价与学校距离呈反比;市中心区域房屋近商场对房价的提升作用大于非市中心区域;非市中心区域二手房屋价格对医院距离和地铁站距离因素更敏感;大多数地区公园距离和二手房价格呈负相关;河流污染相对较严重区域二手房价格与河流距离呈正相关;市中心老城区二手房存在面积大但单位价格相对低的现象.     

城市更新项目对周边住宅价格的影响研究 ——以深圳市为例

城市更新作为当今各大城市发展核心战略之一,能够提升区域的经济、社会和环境效益,而其对区域周边住宅价格的影响亟待深入讨论.论文以深圳市为例,基于2019年6—7月深圳市城市更新项目周边1002个住宅二手房挂牌单价数据,在传统特征价格模型的框架下,将城市更新特征引入模型进行拟合,并结合回归结果与边际价格分析了深圳市城市更新...     

位置对城市存量房价格的影响分析——以北京市为例

房屋位置是决定房价的关键因素,但其影响力究竟有多大却难有定论。搜集北京市2007年7月至2008年1月的18111笔存量房交易记录,建立多元线性回归模型,选择房屋位置信息、房屋自身建筑信息和交通通达度信息三类变量作为模型的自变量,通过对该模型进行回归分析,发现房屋位置对北京存量房价格的解释力度达到51.3%。     

井场措施废液微涡流混凝处理试验

在房地产税制改革新背景下,房地产评估行业对自动估价技术提出了更高要求。基于特征价格理论,以武汉市84 215条二手房数据训练、检验、建立了用于二手房价格批量评估的神经网络分级模型。结果显示,估价相对误差在10%和20%以内的样本比例分别为87.5%和98.9%,模型在保证泛化能力同时提高了精度,为二手房价格自动批量评估提供了可行思路。     

基于价格预测研究宏观调控对住宅价格的影响

为了说明政府宏观调控对商品住宅价格的影响,在文献研究的基础上,从宏观经济因素、房地产开发统计因素、人口因素、金融因素四个方面分析选取商品住宅价格的主要影响因素,结合济南市2000~2009 年的相关数据,运用主成分分析法,消除变量间多重共线性影响,建立了多元线性回归预测模型。对济南市2010 年、2011 年商品住宅价格进行预测。比较预测价格与市场价格差异,分析差异产生的原因,认为宏观调控政策显著地影响着住宅的价格。     

基于分位数的混合地理加权回归模型的商品住宅价格空间分析——以哈尔滨市为例

首先,本文提出改进的GWR回归算法,将传统的GWR模型中的全局系数进行分位数回归计算,并对局部系数进行求解。选取哈尔滨市6个城区中1345个小区的二手房住宅价格的地理数据,从统计角度将本模型与传统的OLS和GWR模型进行比较,表明本算法可以深刻揭示商品住宅价格与影响因素之间的复杂关系,并在传统影响因素的基础上增加进户年份这一变量。其次,对商品住宅价格利用Arc Gis的地统计分析工具进行拟合,图示显示相邻区域的实际联系会形成虚拟空间的关联。研究表明,每增加或减少一个单位各要素点对住宅价格的影响大小依次为D(Distance)-公园、D-购物中心、D-地铁、D-河流、D-快速路、D-中学、D-三甲医院、D-高等学校、进户年份。     

基于多元线性回归模型的二手房价格影响因素分析——以成都市某区为例

从消费者的需求角度出发,归纳二手房购房意愿者在选购时的考虑因素,结合分析成都市某区的二手房数据,建立影响单位面积房价的多元回归模型。通过比较各变量对单位面积房价的影响,得知主要影响因素,同时,可利用模型对一定条件的房屋进行房价预测。     

我国东部地区房地产价格的宏观经济影响因素实证分析

本文针对我国房价快速增长的现象,从地区生产总值、城乡人均储蓄余额、竣工房屋造价、土地购置费、地区变量等五方面入手,依据《2011中国统计年鉴》中东部地区的房地产价格和相关影响因素的截面数据,利用计量经济学软件Eviews运用多元回归分析方法,对中国房地产价格的影响因素进行实证分析。研究结果表明,我国东部地区房地产价格的主要影响因素有城乡人均储蓄余额、竣工房屋造价、土地购置费,并指出方程的应用价值。     

基于特征价格模型的南京市住宅价格实证分析

城市住宅是一种典型的异质性商品,国内外学者普遍采用特征价格模型进行研究。特征价格模型的理论基础主要来源于Lancaster的消费者理论和Rosen的市场供需均衡模型。以往基于特征价格模型的城市住宅研究大多从建筑、邻里、区位三个维度进行建模分析,却忽略了消费者的感知维度,因此文章在这三个维度的基础上,加入消费者感知维度构建两阶段模型,这也是本文的创新之处。同时结合文献和访谈选取14个住宅特征作为自变量,以南京市六个主城区为例,采用30多个小区的500多套二手房挂牌数据资料,基于对数函数形式构建了南京市住宅特征价格模型。通过模型检验和回归分析发现,有13个住宅特征变量对价格有显著影响,并结合数据对住宅特征价格弹性进行了分析。     

北京市城市住宅价格空间自相关分析

以北京市城六区1980年—2015年的1 961个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,分析了房价数据的空间自相关性,并探讨了其时空演变特征,建立了房价影响因子的多元线性回归模型和空间误差模型,结果表明:北京市城六区的房价具有明显的空间自相关性;由于空间误差模型顾及了数据的空间自相关性,相对于多元线性回归模型,可以更好地表达出地理对象之间的内在关系。