基于多源数据的惠州商品住宅房价分布及影响因素研究
发布时间：2021-09-23 22:12
我国商品房价格近年来不断上涨,促使房价变动的因素以及它们的影响程度日益变成社会热点。以惠州市商品房价格为研究对象,利用GIS的空间分析和可视化功能,结合各种可获得的数据,通过对商品房平均售价进行反距离权重插值和空间自相关分析,并结合地理加权回归分析,对影响房价分布的因素进行探究,结果显示:①惠州市房价总体上呈现出多中心分布的特点,商品房价格从这些峰值中心向周围递减;②惠州市的房价呈现空间上集聚分布的模式,商品房住宅价格空间分异是地理区位、城市规划、环境景观与房屋属性等各种因素综合作用的结果;③影响惠州市商品房价的因素主要是商圈距离、公园或广场距离、物业费等因素。
【文章来源】：地理信息世界. 2020,27(05)
【文章页数】：8 页
【部分图文】：
惠州市商品住宅价格分布图
图1 惠州市商品住宅价格分布图从局部自相关的结果可以看出,惠阳区南部的淡水附近、大亚湾经济技术开发区的西北部、惠城区江北和金山湖附近是惠州市商品住宅房价的高—高分布聚集区,博罗县、惠东县的罗阳附近、仲恺经济技术产业开发区为房价的低—低分布聚集区,而龙门县呈现低—高和高—低分布聚集相间的现象。惠东县和博罗县的经济发展水平相对较低,商品房的销售数量和价格都偏低,故大部分呈现低—低聚集分布的状态,而惠东县南部受到巽竂湾景区和双月湾景区的影响,商品房价格普遍较高,呈现高—高分布聚集状态。仲恺高新技术产业开发区近几年发展迅速,商品房数量大增,而且在发展过程中形成了以TPARK时尚公园为中心的商圈,可是房价在空间上呈现不显著或者低—低分布聚集的状态,房价相对便宜,主要是因为部分地区基础设施建设仍不够完善。龙门县房价整体上较低,但由于有部分小区位于南昆山大观园生态度假区和温泉度假区附近,房价偏高,呈现高—低分布聚集的状态。惠城区内高高聚集分布的商品房位于惠州市的中央商务区(Central Business District,CBD)——江北附近,以及最近兴建的金山湖公园附近,这些地方基础设施完善,交通发达,商业繁荣,房价比周边区域高。惠州市被称为“深圳市的后花园”,近年来,惠阳区和大亚湾经济技术开发区的经济蓬勃发展,商品房数量快速增长。因此在惠阳区南部和大亚湾经济技术开发区西北部靠近深圳的区域,商品房价格呈现明显的高—高聚集状态。
对于现代城市,小区内的绿化不仅能净化空气,隔离噪声,还能为居民提供休憩的优美环境[16]。惠州市被誉为“山水园林城市”,由图3a中可以看出,城市的绿化率较高,所以市民对小区的绿化率需求有所差异。对于惠城区、仲恺高新技术产业开发区来说,绿化率对房价的影响总体不大,甚至部分地区房价与绿化率呈反相关。而在龙门县,由于当地绿化本身就很好,小区建设更注重优美环境的建设,所以出现了小区绿化率很高,而房价却较低的现象。而绿化率对房价影响最大的是在惠阳区和大亚湾经济技术开发区的西北部,由于当地房价受到深圳的影响较大,土地资源渐渐稀缺,地价昂贵,而购房的多为深圳市居民,他们更看重小区的自然环境和舒适度,对绿化率要求比较高。物业费在一定程度上可以体现管理水平,与商品房价格有着密切联系,知名、服务到位的物业管理公司所提供的优质服务无疑会提高居民的体验感。从图3b中可以看出,物业费对住宅价格的影响最大的是在博罗县、龙门县、惠东县,这几个县的物业管理费用和房价成正相关,而在惠州市的中部至西南部地区是反相关趋势。主要是由于在博罗县、惠东县、龙门县的高价商品房主要集中分布于著名旅游景区附近,这些商品房为了更好地提高居民的体验,往往会引进服务周全但价格偏高的物业公司。
【参考文献】：
期刊论文
[1]基于手机信令的北京职住空间结构解析[J]. 余加丽,冀美多. 地理信息世界. 2020(01)
[2]城市服务设施对房价分布格局的影响力探究[J]. 张煊宜,施润和. 华东师范大学学报(自然科学版). 2019(06)
[3]长春市住宅价格空间分异与影响因素研究[J]. 赵梓渝,王雪微,王士君. 人文地理. 2019(04)
[4]中学学区对周边小区二手房房价的溢价分析——以深圳市为例[J]. 梁立雨,郭志强,李军祥,吕斌. 北京大学学报(自然科学版). 2019(03)
[5]卷积神经网络和随机森林的城市房价微观尺度制图方法[J]. 姚尧,任书良,王君毅,关庆锋. 地球信息科学学报. 2019(02)
[6]北京市二手房价格时空演变特征[J]. 周湘,袁文,李汉青,马明清,袁武. 地球信息科学学报. 2017(08)
[7]基于GIS的格点精细化预报插值方法的研究[J]. 陈许霞,季民,宁方志. 测绘与空间地理信息. 2016(10)
[8]基于地理加权回归的武汉市住宅房价空间分异及其影响因素分析[J]. 谷兴,周丽青. 国土与自然资源研究. 2015(03)
[9]基于地理加权回归的上海市房价空间分异及其影响因子研究[J]. 汤庆园,徐伟,艾福利. 经济地理. 2012(02)
[10]北京市房山区农村经济发展空间格局分析[J]. 李雅箐,李小娟,王彦兵. 地球信息科学学报. 2011(03)
博士论文
[1]基于时变非对称空间权重分位数模型的房地产调控政策对房价影响的研究[D]. 张海永.中国矿业大学 2017
[2]城市住房价格时空模型分析[D]. 王新刚.河南大学 2015
硕士论文
[1]基于GIS的城市住宅价格空间分异特征研究[D]. 杨兵.辽宁师范大学 2019
[2]武汉市三环线内商品住宅价格空间特征及其趋势研究[D]. 邵琪.湖北工业大学 2018
[3]我国商品住宅价格的空间分布特征及影响因素研究[D]. 吴亚娟.重庆大学 2018
[4]基于多方利益的房地产开发项目选址研究[D]. 宋文豪.哈尔滨工程大学 2013
[5]论惠州房价变动影响因素及发展趋势[D]. 钟海昌.北京交通大学 2011
本文编号：3406513
【文章来源】：地理信息世界. 2020,27(05)
【文章页数】：8 页
【部分图文】：
惠州市商品住宅价格分布图
图1 惠州市商品住宅价格分布图从局部自相关的结果可以看出,惠阳区南部的淡水附近、大亚湾经济技术开发区的西北部、惠城区江北和金山湖附近是惠州市商品住宅房价的高—高分布聚集区,博罗县、惠东县的罗阳附近、仲恺经济技术产业开发区为房价的低—低分布聚集区,而龙门县呈现低—高和高—低分布聚集相间的现象。惠东县和博罗县的经济发展水平相对较低,商品房的销售数量和价格都偏低,故大部分呈现低—低聚集分布的状态,而惠东县南部受到巽竂湾景区和双月湾景区的影响,商品房价格普遍较高,呈现高—高分布聚集状态。仲恺高新技术产业开发区近几年发展迅速,商品房数量大增,而且在发展过程中形成了以TPARK时尚公园为中心的商圈,可是房价在空间上呈现不显著或者低—低分布聚集的状态,房价相对便宜,主要是因为部分地区基础设施建设仍不够完善。龙门县房价整体上较低,但由于有部分小区位于南昆山大观园生态度假区和温泉度假区附近,房价偏高,呈现高—低分布聚集的状态。惠城区内高高聚集分布的商品房位于惠州市的中央商务区(Central Business District,CBD)——江北附近,以及最近兴建的金山湖公园附近,这些地方基础设施完善,交通发达,商业繁荣,房价比周边区域高。惠州市被称为“深圳市的后花园”,近年来,惠阳区和大亚湾经济技术开发区的经济蓬勃发展,商品房数量快速增长。因此在惠阳区南部和大亚湾经济技术开发区西北部靠近深圳的区域,商品房价格呈现明显的高—高聚集状态。
对于现代城市,小区内的绿化不仅能净化空气,隔离噪声,还能为居民提供休憩的优美环境[16]。惠州市被誉为“山水园林城市”,由图3a中可以看出,城市的绿化率较高,所以市民对小区的绿化率需求有所差异。对于惠城区、仲恺高新技术产业开发区来说,绿化率对房价的影响总体不大,甚至部分地区房价与绿化率呈反相关。而在龙门县,由于当地绿化本身就很好,小区建设更注重优美环境的建设,所以出现了小区绿化率很高,而房价却较低的现象。而绿化率对房价影响最大的是在惠阳区和大亚湾经济技术开发区的西北部,由于当地房价受到深圳的影响较大,土地资源渐渐稀缺,地价昂贵,而购房的多为深圳市居民,他们更看重小区的自然环境和舒适度,对绿化率要求比较高。物业费在一定程度上可以体现管理水平,与商品房价格有着密切联系,知名、服务到位的物业管理公司所提供的优质服务无疑会提高居民的体验感。从图3b中可以看出,物业费对住宅价格的影响最大的是在博罗县、龙门县、惠东县,这几个县的物业管理费用和房价成正相关,而在惠州市的中部至西南部地区是反相关趋势。主要是由于在博罗县、惠东县、龙门县的高价商品房主要集中分布于著名旅游景区附近,这些商品房为了更好地提高居民的体验,往往会引进服务周全但价格偏高的物业公司。
【参考文献】：
期刊论文
[1]基于手机信令的北京职住空间结构解析[J]. 余加丽,冀美多. 地理信息世界. 2020(01)
[2]城市服务设施对房价分布格局的影响力探究[J]. 张煊宜,施润和. 华东师范大学学报(自然科学版). 2019(06)
[3]长春市住宅价格空间分异与影响因素研究[J]. 赵梓渝,王雪微,王士君. 人文地理. 2019(04)
[4]中学学区对周边小区二手房房价的溢价分析——以深圳市为例[J]. 梁立雨,郭志强,李军祥,吕斌. 北京大学学报(自然科学版). 2019(03)
[5]卷积神经网络和随机森林的城市房价微观尺度制图方法[J]. 姚尧,任书良,王君毅,关庆锋. 地球信息科学学报. 2019(02)
[6]北京市二手房价格时空演变特征[J]. 周湘,袁文,李汉青,马明清,袁武. 地球信息科学学报. 2017(08)
[7]基于GIS的格点精细化预报插值方法的研究[J]. 陈许霞,季民,宁方志. 测绘与空间地理信息. 2016(10)
[8]基于地理加权回归的武汉市住宅房价空间分异及其影响因素分析[J]. 谷兴,周丽青. 国土与自然资源研究. 2015(03)
[9]基于地理加权回归的上海市房价空间分异及其影响因子研究[J]. 汤庆园,徐伟,艾福利. 经济地理. 2012(02)
[10]北京市房山区农村经济发展空间格局分析[J]. 李雅箐,李小娟,王彦兵. 地球信息科学学报. 2011(03)
博士论文
[1]基于时变非对称空间权重分位数模型的房地产调控政策对房价影响的研究[D]. 张海永.中国矿业大学 2017
[2]城市住房价格时空模型分析[D]. 王新刚.河南大学 2015
硕士论文
[1]基于GIS的城市住宅价格空间分异特征研究[D]. 杨兵.辽宁师范大学 2019
[2]武汉市三环线内商品住宅价格空间特征及其趋势研究[D]. 邵琪.湖北工业大学 2018
[3]我国商品住宅价格的空间分布特征及影响因素研究[D]. 吴亚娟.重庆大学 2018
[4]基于多方利益的房地产开发项目选址研究[D]. 宋文豪.哈尔滨工程大学 2013
[5]论惠州房价变动影响因素及发展趋势[D]. 钟海昌.北京交通大学 2011
本文编号：3406513
本文链接：https://www.wllwen.com/jingjilunwen/fangdichanjingjilunwen/3406513.html
