基于GIS的城市住宅价格空间分异特征研究
发布时间：2021-09-29 08:27
近年来,我国的城市化进程不断加速,与此同时,受城市化影响,房地产的市场份额不断增加。房地产行业已经成为国民经济的支柱产业之一。在全国房价快速增长的大背景下,大连市住宅市场也一路持续上行,表现活跃。住宅价格的增长在拉动了大连市经济发展的同时,也严重影响了市内民众的生活状态和质量。因此,研究大连市住宅价格空间变化规律及影响因素显得很有必要。本文以大连市在售二手房价格为研究对象,运用探索性空间分析方法和住宅特征价格模型法,借助ArcGIS、GeoDa、SPSS等软件对大连市中山区、西岗区、沙河口区的住宅小区价格进行了深入细致的分析。得出以下主要结论:⑴大连市中山区、西岗区、沙河口区三个地区的住宅价格主要集中在11000-25000（元/m2）,约占住宅总量的84%。⑵住宅小区价格全局Moran’s I指数为0.64,整体上表现出较强的正相关性。局部来看,聚集现象明显,在西岗区政府、西安路和星海广场等附近出现“高高聚集”;在中山区解放路、西岗区长春路、团结街和胜利街等周边出现了“低低聚集”;在中山区葵英街道及附近发生了“高低聚集”的情况。⑶大连市住宅小区价格趋势性不太明显...
【文章来源】：辽宁师范大学辽宁省
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
变程值、基台值和块金值
图 2.2 显著性水平和临界值Fig. 2.2 Significance level and threshold分析结果出现在正态分布的中间时，那么 P 值将接测到的空间模式接受零假设，属于随机分布。反之两端，那么 P 值将接近于 0、Z-score 将非常高或非模式拒绝零假设所表示的随机模式，即存在显著的空相关的计算公式：全局空间自相关 Moran's I 的计算=∑ ∑,( )( )∑ ∑,∑ ( )n's I 系数、期望值和方差三部分组成，计算公式为：Z =( )( )种假设：正态分布情况下，期望值及方差公式为：( ) = ( )
市中山、西岗、沙河口三个行政区范围内一千多个住宅小区的数据。同时采集了各宅小区的建成年份、物业费、建筑类型等信息。②小区周边配套设施数量。从百PI 抓取了大连市所有 POI 坐标，具体包括：市区行政中心、三甲及以上资质的医学、重点小学、重点初中、地铁站点、公交站点。然后在 ArcGIS 中利用空间统计得到每个小区周边的各设施点数量。③目标小区周边其他小区均价。利用 ArcGIS的地理链接工具计算得到。剔除其中数据严重缺失的小区最终得到样本数据 1。住宅小区空间分布如图 4.1 所示，属性数据如表 4.2 所示。表 4.2 住宅小区的属性表Tab. 4.2 Property sheet of residential quarterName subw bus midd univ … 栋数 户数 年份 物业 类型海昌欣城 2 10 1 0 … 1765 18 2002 1.2 塔/板青云林海 0 8 3 1 … 1413 61 2001 1.0 板楼澳景园 2 8 2 0 … 803 23 2003 1.2 板楼中南风景 0 8 3 0 … 364 12 2004 0.8 板楼枫合万嘉 0 10 5 0 … 881 33 2005 1.0 板楼海景园 2 9 2 0 … 1422 41 1997 0.5 塔/板
【参考文献】：
期刊论文
[1]基于多变量自回归分析的北京房价预测研究[J]. 刘永泽. 现代商贸工业. 2019(06)
[2]大连城市绿地可达性对房价影响的差异性分析[J]. 杨俊,鲍雅君,金翠,李雪铭,李永化. 地理科学. 2018(12)
[3]基于GIS的中国城市房地产泡沫的空间传染性分析——以2006～2014年35个大中城市为例[J]. 韦汝虹,金李,方达. 长江流域资源与环境. 2018(09)
[4]基于GIS和可达性理论的轨道交通对住宅价格影响范围的研究[J]. 马才学,张琪,杨蓉萱. 国土资源科技管理. 2018(03)
[5]基于sDNA模型的路网形态对广州市住宅价格的影响研究[J]. 古恒宇,孟鑫,沈体雁,陈慧灵,肖凡. 现代城市研究. 2018(06)
[6]基于灰色马尔可夫模型对合肥房价的预测[J]. 干逸曼,朱家明,臧学琴,任瑞雯. 通化师范学院学报. 2017(06)
[7]基于GIS在售住宅价格空间分布差异及其影响因素分析——以赣州市为例[J]. 胡海利,陈金泉. 江西理工大学学报. 2016(05)
[8]基于大数据空间分析的青岛市普通住宅价格研究[J]. 王靖雯,徐淑娟. 现代经济信息. 2016(12)
[9]基于人工神经网络BP算法的莆田市房价预测[J]. 周琴. 赤峰学院学报(自然科学版). 2016(10)
[10]基于GIS的岩石裂隙空间分布模式研究[J]. 王鹏,李晓昭,王驹,章杨松,付安学. 工程地质学报. 2014(06)
博士论文
[1]中国房价波动特征及政策调控效应研究[D]. 郑世刚.中国地质大学 2017
[2]城市住宅地价空间分异及调控研究[D]. 刘洪洁.中国地质大学(北京) 2015
[3]城市商务办公楼租金特征与空间分布研究[D]. 梁华.重庆大学 2011
硕士论文
[1]兰州市商品住宅价格空间分异及影响因素研究[D]. 李文慧.兰州交通大学 2017
[2]基于特征价格的太原市商品住宅价格空间分异研究[D]. 徐子衿.山西财经大学 2017
[3]基于特征价格模型的地铁对周边住宅价格影响研究[D]. 牛玲玲.东华理工大学 2016
[4]基于GIS和SEM的城市住宅价格空间分布及其影响因素研究[D]. 付益松.东华理工大学 2016
[5]基于网络搜索的中国区域房价预测模型及应用研究[D]. 王希晶.南京大学 2016
[6]基于GIS和Hedonic Model二手房价格空间分布及原因探析[D]. 容丽晖.昆明理工大学 2014
[7]西安市住宅价格空间分异与时空演变规律分析[D]. 宋雪娟.陕西师范大学 2011
本文编号：3413392
【文章来源】：辽宁师范大学辽宁省
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
变程值、基台值和块金值
图 2.2 显著性水平和临界值Fig. 2.2 Significance level and threshold分析结果出现在正态分布的中间时，那么 P 值将接测到的空间模式接受零假设，属于随机分布。反之两端，那么 P 值将接近于 0、Z-score 将非常高或非模式拒绝零假设所表示的随机模式，即存在显著的空相关的计算公式：全局空间自相关 Moran's I 的计算=∑ ∑,( )( )∑ ∑,∑ ( )n's I 系数、期望值和方差三部分组成，计算公式为：Z =( )( )种假设：正态分布情况下，期望值及方差公式为：( ) = ( )
市中山、西岗、沙河口三个行政区范围内一千多个住宅小区的数据。同时采集了各宅小区的建成年份、物业费、建筑类型等信息。②小区周边配套设施数量。从百PI 抓取了大连市所有 POI 坐标，具体包括：市区行政中心、三甲及以上资质的医学、重点小学、重点初中、地铁站点、公交站点。然后在 ArcGIS 中利用空间统计得到每个小区周边的各设施点数量。③目标小区周边其他小区均价。利用 ArcGIS的地理链接工具计算得到。剔除其中数据严重缺失的小区最终得到样本数据 1。住宅小区空间分布如图 4.1 所示，属性数据如表 4.2 所示。表 4.2 住宅小区的属性表Tab. 4.2 Property sheet of residential quarterName subw bus midd univ … 栋数 户数 年份 物业 类型海昌欣城 2 10 1 0 … 1765 18 2002 1.2 塔/板青云林海 0 8 3 1 … 1413 61 2001 1.0 板楼澳景园 2 8 2 0 … 803 23 2003 1.2 板楼中南风景 0 8 3 0 … 364 12 2004 0.8 板楼枫合万嘉 0 10 5 0 … 881 33 2005 1.0 板楼海景园 2 9 2 0 … 1422 41 1997 0.5 塔/板
【参考文献】：
期刊论文
[1]基于多变量自回归分析的北京房价预测研究[J]. 刘永泽. 现代商贸工业. 2019(06)
[2]大连城市绿地可达性对房价影响的差异性分析[J]. 杨俊,鲍雅君,金翠,李雪铭,李永化. 地理科学. 2018(12)
[3]基于GIS的中国城市房地产泡沫的空间传染性分析——以2006～2014年35个大中城市为例[J]. 韦汝虹,金李,方达. 长江流域资源与环境. 2018(09)
[4]基于GIS和可达性理论的轨道交通对住宅价格影响范围的研究[J]. 马才学,张琪,杨蓉萱. 国土资源科技管理. 2018(03)
[5]基于sDNA模型的路网形态对广州市住宅价格的影响研究[J]. 古恒宇,孟鑫,沈体雁,陈慧灵,肖凡. 现代城市研究. 2018(06)
[6]基于灰色马尔可夫模型对合肥房价的预测[J]. 干逸曼,朱家明,臧学琴,任瑞雯. 通化师范学院学报. 2017(06)
[7]基于GIS在售住宅价格空间分布差异及其影响因素分析——以赣州市为例[J]. 胡海利,陈金泉. 江西理工大学学报. 2016(05)
[8]基于大数据空间分析的青岛市普通住宅价格研究[J]. 王靖雯,徐淑娟. 现代经济信息. 2016(12)
[9]基于人工神经网络BP算法的莆田市房价预测[J]. 周琴. 赤峰学院学报(自然科学版). 2016(10)
[10]基于GIS的岩石裂隙空间分布模式研究[J]. 王鹏,李晓昭,王驹,章杨松,付安学. 工程地质学报. 2014(06)
博士论文
[1]中国房价波动特征及政策调控效应研究[D]. 郑世刚.中国地质大学 2017
[2]城市住宅地价空间分异及调控研究[D]. 刘洪洁.中国地质大学(北京) 2015
[3]城市商务办公楼租金特征与空间分布研究[D]. 梁华.重庆大学 2011
硕士论文
[1]兰州市商品住宅价格空间分异及影响因素研究[D]. 李文慧.兰州交通大学 2017
[2]基于特征价格的太原市商品住宅价格空间分异研究[D]. 徐子衿.山西财经大学 2017
[3]基于特征价格模型的地铁对周边住宅价格影响研究[D]. 牛玲玲.东华理工大学 2016
[4]基于GIS和SEM的城市住宅价格空间分布及其影响因素研究[D]. 付益松.东华理工大学 2016
[5]基于网络搜索的中国区域房价预测模型及应用研究[D]. 王希晶.南京大学 2016
[6]基于GIS和Hedonic Model二手房价格空间分布及原因探析[D]. 容丽晖.昆明理工大学 2014
[7]西安市住宅价格空间分异与时空演变规律分析[D]. 宋雪娟.陕西师范大学 2011
本文编号：3413392
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3413392.html
