南昌市房价时空分布特征及驱动因素分析
发布时间：2020-03-23 00:25
【摘要】：住房是人们生活中的必需品,关于住房价格问题的讨论多年来经久不衰,房价问题关乎民生的根本。随着中国经济的快速发展,如何平衡人民生活水平与日益增长的房价,已经成为了社会舆论非常重视的话题。房价在不同地区的异同、哪些因素造成了高房价以及房价在长期的变化趋势,这些问题成为了学界探讨的主要内容。研究房价的影响因素和房价变化的时空特征,既能在宏观上帮助相关部门以更加科学的视角制定和调整相关政策,更好地进行市场调控;也能从微观上揭示房价可能的变化规律和影响因素的驱动作用,有助于理解房地产市场。本研究根据南昌市2016年7月至2018年6月共24期的692个商品住宅均价,结合与楼盘相关的若干空间与属性特征,采用地理加权回归方法构建房价的回归模型,探究房价影响因素在空间上的分异。同时分别利用BP神经网络与随机森林算法拟合房价模型,计算每个特征的重要性,并作出房价空间分布格局的预测。进而利用时空立方体探究南昌市房价的时空分布特征以及影响因素的变化。本文的主要结论如下:(1)基于地理加权回归构建的房价模型显示,所有选取的因素均对房价有着一定影响:区位、自然景观、周边配套的便捷性等因素对房价有着比较明显的负向影响,而绿化率、物业费等因素对房价的影响是正向的。且不同的影响因素在空间分布上呈现出了一定的差异。(2)基于随机森林的房价预测模型相较于BP神经网络表现出更优效果,适合对新的房价数据集进行模拟预测。空间分布格局的预测结果表现出显著的空间分异特征,在赣江沿岸呈现高值聚集模式,而远离赣江的区域均为低值,同时房价拟合结果在老城区内误差相对较小,相对较大误差区域分布在一些新兴发展区域。(3)根据影响因素重要性预测结果,占地面积、容积率、楼栋总数等楼盘水平因素对房价的影响程度很小,特征重要性从大到小分别为楼盘与赣江的距离、所属区域、板块评级、地铁站可达性等。且空间特征变量的重要性超过78%,表明南昌市房价的空间分异主要由空间特征变量所解释。(4)南昌市的房价在时空尺度上有着非常明显的分异特征,沿江区域和中心城区以时空热点模式为主导分布,而城市外围区域主要表现为时空冷点模式。且时空热点区域的强度从未减弱,时空冷点区域有逐渐消失的趋势,南昌市的房价将进一步上涨。
【图文】：
图 2-2 研究区范围与楼盘位置取房价数据方面，国内外的学者对如何选取准确的房价用于研出可利用的房价数据主要包括：中介网站的挂牌价格、实际成交的评估价格以及业主自身的估价[24-26]。理论上来说，，二手房网理想的，因为它能反映较为真实的市场现状。对于整个小区或，通过网上的地产交易平台获取最为便捷，这些网站的专业人的报价，对他们进行指导和价格上的调整，以给出一个相对合理每个业主提供的价格对整个小区的均价进行修正估算，给出楼于那些无网上挂牌样本的小区，则由专业人士根据整个房地产多个指标，给出建议销售的价格。，本文通过“搜房网”收集所利用的住宅和房价数据，搜房网是易记录网站之一，该网站记录了房屋的价格、种类、地址等各学者利用搜房网获取房价数据，进行清洗，提炼出有价值的信技术获取搜房网南昌站楼盘的各项详细数据，对于网站中含有
硕士学位论文样本数据探索性分析根据房价和 18 个属性特征建立一个 692×18 的属性表，对数值型特征采用平均值进行填补，分类型特征的缺失值使用众数填补，并剔除了 显的异常样本。分析 690 个样本2018 年6月的房价数据，总体均价为 1。利用 ArcGIS Desktop10.6 中的地统计向导模块对房价进行探索性分正态 QQ 图挖掘数据的统计分布特征，发现 690 个样本的房价经过对数本符合正态分布（图 3-1）。绘制房价的直方图，当月房价最大值为 25最小值为 3696 元/3。畲锏搅
本文编号：2595859
【图文】：
图 2-2 研究区范围与楼盘位置取房价数据方面，国内外的学者对如何选取准确的房价用于研出可利用的房价数据主要包括：中介网站的挂牌价格、实际成交的评估价格以及业主自身的估价[24-26]。理论上来说，，二手房网理想的，因为它能反映较为真实的市场现状。对于整个小区或，通过网上的地产交易平台获取最为便捷，这些网站的专业人的报价，对他们进行指导和价格上的调整，以给出一个相对合理每个业主提供的价格对整个小区的均价进行修正估算，给出楼于那些无网上挂牌样本的小区，则由专业人士根据整个房地产多个指标，给出建议销售的价格。，本文通过“搜房网”收集所利用的住宅和房价数据，搜房网是易记录网站之一，该网站记录了房屋的价格、种类、地址等各学者利用搜房网获取房价数据，进行清洗，提炼出有价值的信技术获取搜房网南昌站楼盘的各项详细数据，对于网站中含有
硕士学位论文样本数据探索性分析根据房价和 18 个属性特征建立一个 692×18 的属性表，对数值型特征采用平均值进行填补，分类型特征的缺失值使用众数填补，并剔除了 显的异常样本。分析 690 个样本2018 年6月的房价数据，总体均价为 1。利用 ArcGIS Desktop10.6 中的地统计向导模块对房价进行探索性分正态 QQ 图挖掘数据的统计分布特征，发现 690 个样本的房价经过对数本符合正态分布（图 3-1）。绘制房价的直方图，当月房价最大值为 25最小值为 3696 元/3。畲锏搅
本文编号：2595859
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/2595859.html
