發(fā)布時間：2020-03-23 00:25

【摘要】：住房是人們生活中的必需品,關(guān)于住房價格問題的討論多年來經(jīng)久不衰,房價問題關(guān)乎民生的根本。隨著中國經(jīng)濟(jì)的快速發(fā)展,如何平衡人民生活水平與日益增長的房價,已經(jīng)成為了社會輿論非常重視的話題。房價在不同地區(qū)的異同、哪些因素造成了高房價以及房價在長期的變化趨勢,這些問題成為了學(xué)界探討的主要內(nèi)容。研究房價的影響因素和房價變化的時空特征,既能在宏觀上幫助相關(guān)部門以更加科學(xué)的視角制定和調(diào)整相關(guān)政策,更好地進(jìn)行市場調(diào)控;也能從微觀上揭示房價可能的變化規(guī)律和影響因素的驅(qū)動作用,有助于理解房地產(chǎn)市場。本研究根據(jù)南昌市2016年7月至2018年6月共24期的692個商品住宅均價,結(jié)合與樓盤相關(guān)的若干空間與屬性特征,采用地理加權(quán)回歸方法構(gòu)建房價的回歸模型,探究房價影響因素在空間上的分異。同時分別利用BP神經(jīng)網(wǎng)絡(luò)與隨機(jī)森林算法擬合房價模型,計算每個特征的重要性,并作出房價空間分布格局的預(yù)測。進(jìn)而利用時空立方體探究南昌市房價的時空分布特征以及影響因素的變化。本文的主要結(jié)論如下:(1)基于地理加權(quán)回歸構(gòu)建的房價模型顯示,所有選取的因素均對房價有著一定影響:區(qū)位、自然景觀、周邊配套的便捷性等因素對房價有著比較明顯的負(fù)向影響,而綠化率、物業(yè)費(fèi)等因素對房價的影響是正向的。且不同的影響因素在空間分布上呈現(xiàn)出了一定的差異。(2)基于隨機(jī)森林的房價預(yù)測模型相較于BP神經(jīng)網(wǎng)絡(luò)表現(xiàn)出更優(yōu)效果,適合對新的房價數(shù)據(jù)集進(jìn)行模擬預(yù)測�？臻g分布格局的預(yù)測結(jié)果表現(xiàn)出顯著的空間分異特征,在贛江沿岸呈現(xiàn)高值聚集模式,而遠(yuǎn)離贛江的區(qū)域均為低值,同時房價擬合結(jié)果在老城區(qū)內(nèi)誤差相對較小,相對較大誤差區(qū)域分布在一些新興發(fā)展區(qū)域。(3)根據(jù)影響因素重要性預(yù)測結(jié)果,占地面積、容積率、樓棟總數(shù)等樓盤水平因素對房價的影響程度很小,特征重要性從大到小分別為樓盤與贛江的距離、所屬區(qū)域、板塊評級、地鐵站可達(dá)性等。且空間特征變量的重要性超過78%,表明南昌市房價的空間分異主要由空間特征變量所解釋。(4)南昌市的房價在時空尺度上有著非常明顯的分異特征,沿江區(qū)域和中心城區(qū)以時空熱點(diǎn)模式為主導(dǎo)分布,而城市外圍區(qū)域主要表現(xiàn)為時空冷點(diǎn)模式。且時空熱點(diǎn)區(qū)域的強(qiáng)度從未減弱,時空冷點(diǎn)區(qū)域有逐漸消失的趨勢,南昌市的房價將進(jìn)一步上漲。
【圖文】：

圖 2-2 研究區(qū)范圍與樓盤位置取房價數(shù)據(jù)方面，國內(nèi)外的學(xué)者對如何選取準(zhǔn)確的房價用于研出可利用的房價數(shù)據(jù)主要包括：中介網(wǎng)站的掛牌價格、實(shí)際成交的評估價格以及業(yè)主自身的估價[24-26]。理論上來說，，二手房網(wǎng)理想的，因?yàn)樗芊从齿^為真實(shí)的市場現(xiàn)狀。對于整個小區(qū)或，通過網(wǎng)上的地產(chǎn)交易平臺獲取最為便捷，這些網(wǎng)站的專業(yè)人的報價，對他們進(jìn)行指導(dǎo)和價格上的調(diào)整，以給出一個相對合理每個業(yè)主提供的價格對整個小區(qū)的均價進(jìn)行修正估算，給出樓于那些無網(wǎng)上掛牌樣本的小區(qū)，則由專業(yè)人士根據(jù)整個房地產(chǎn)多個指標(biāo)，給出建議銷售的價格。，本文通過“搜房網(wǎng)”收集所利用的住宅和房價數(shù)據(jù)，搜房網(wǎng)是易記錄網(wǎng)站之一，該網(wǎng)站記錄了房屋的價格、種類、地址等各學(xué)者利用搜房網(wǎng)獲取房價數(shù)據(jù)，進(jìn)行清洗，提煉出有價值的信技術(shù)獲取搜房網(wǎng)南昌站樓盤的各項(xiàng)詳細(xì)數(shù)據(jù)，對于網(wǎng)站中含有

碩士學(xué)位論文樣本數(shù)據(jù)探索性分析根據(jù)房價和 18 個屬性特征建立一個 692×18 的屬性表，對數(shù)值型特征采用平均值進(jìn)行填補(bǔ)，分類型特征的缺失值使用眾數(shù)填補(bǔ)，并剔除了 顯的異常樣本。分析 690 個樣本2018 年6月的房價數(shù)據(jù)，總體均價為 1。利用 ArcGIS Desktop10.6 中的地統(tǒng)計向?qū)K對房價進(jìn)行探索性分正態(tài) QQ 圖挖掘數(shù)據(jù)的統(tǒng)計分布特征，發(fā)現(xiàn) 690 個樣本的房價經(jīng)過對數(shù)本符合正態(tài)分布（圖 3-1）。繪制房價的直方圖，當(dāng)月房價最大值為 25最小值為 3696 元/3�，极伯岋禂�

本文編號：2595859