近年來,我國的城市化進程不斷加速,與此同時,受城市化影響,房地產(chǎn)的市場份額不斷增加。房地產(chǎn)行業(yè)已經(jīng)成為國民經(jīng)濟的支柱產(chǎn)業(yè)之一。在全國房價快速增長的大背景下,大連市住宅市場也一路持續(xù)上行,表現(xiàn)活躍。住宅價格的增長在拉動了大連市經(jīng)濟發(fā)展的同時,也嚴重影響了市內民眾的生活狀態(tài)和質量。因此,研究大連市住宅價格空間變化規(guī)律及影響因素顯得很有必要。本文以大連市在售二手房價格為研究對象,運用探索性空間分析方法和住宅特征價格模型法,借助ArcGIS、GeoDa、SPSS等軟件對大連市中山區(qū)、西崗區(qū)、沙河口區(qū)的住宅小區(qū)價格進行了深入細致的分析。得出以下主要結論:⑴大連市中山區(qū)、西崗區(qū)、沙河口區(qū)三個地區(qū)的住宅價格主要集中在11000-25000（元/m²）,約占住宅總量的84%。⑵住宅小區(qū)價格全局Moran’s I指數(shù)為0.64,整體上表現(xiàn)出較強的正相關性。局部來看,聚集現(xiàn)象明顯,在西崗區(qū)政府、西安路和星海廣場等附近出現(xiàn)“高高聚集”;在中山區(qū)解放路、西崗區(qū)長春路、團結街和勝利街等周邊出現(xiàn)了“低低聚集”;在中山區(qū)葵英街道及附近發(fā)生了“高低聚集”的情況。⑶大連市住宅小區(qū)價格趨勢性不太明顯... 

【文章來源】：遼寧師范大學遼寧省

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

變程值、基臺值和塊金值

圖 2.2 顯著性水平和臨界值Fig. 2.2 Significance level and threshold分析結果出現(xiàn)在正態(tài)分布的中間時，那么 P 值將接測到的空間模式接受零假設，屬于隨機分布。反之兩端，那么 P 值將接近于 0、Z-score 將非常高或非模式拒絕零假設所表示的隨機模式，即存在顯著的空相關的計算公式：全局空間自相關 Moran's I 的計算=∑ ∑,( )( )∑ ∑,∑ ( )n's I 系數(shù)、期望值和方差三部分組成，計算公式為：Z =( )( )種假設：正態(tài)分布情況下，期望值及方差公式為：( ) = ( )

市中山、西崗、沙河口三個行政區(qū)范圍內一千多個住宅小區(qū)的數(shù)據(jù)。同時采集了各宅小區(qū)的建成年份、物業(yè)費、建筑類型等信息。②小區(qū)周邊配套設施數(shù)量。從百PI 抓取了大連市所有 POI 坐標，具體包括：市區(qū)行政中心、三甲及以上資質的醫(yī)學、重點小學、重點初中、地鐵站點、公交站點。然后在 ArcGIS 中利用空間統(tǒng)計得到每個小區(qū)周邊的各設施點數(shù)量。③目標小區(qū)周邊其他小區(qū)均價。利用 ArcGIS的地理鏈接工具計算得到。剔除其中數(shù)據(jù)嚴重缺失的小區(qū)最終得到樣本數(shù)據(jù) 1。住宅小區(qū)空間分布如圖 4.1 所示，屬性數(shù)據(jù)如表 4.2 所示。表 4.2 住宅小區(qū)的屬性表Tab. 4.2 Property sheet of residential quarterName subw bus midd univ … 棟數(shù) 戶數(shù) 年份 物業(yè) 類型海昌欣城 2 10 1 0 … 1765 18 2002 1.2 塔/板青云林海 0 8 3 1 … 1413 61 2001 1.0 板樓澳景園 2 8 2 0 … 803 23 2003 1.2 板樓中南風景 0 8 3 0 … 364 12 2004 0.8 板樓楓合萬嘉 0 10 5 0 … 881 33 2005 1.0 板樓海景園 2 9 2 0 … 1422 41 1997 0.5 塔/板

【參考文獻】：
期刊論文
[1]基于多變量自回歸分析的北京房價預測研究[J]. 劉永澤.  現(xiàn)代商貿工業(yè). 2019(06)
[2]大連城市綠地可達性對房價影響的差異性分析[J]. 楊俊,鮑雅君,金翠,李雪銘,李永化.  地理科學. 2018(12)
[3]基于GIS的中國城市房地產(chǎn)泡沫的空間傳染性分析——以2006～2014年35個大中城市為例[J]. 韋汝虹,金李,方達.  長江流域資源與環(huán)境. 2018(09)
[4]基于GIS和可達性理論的軌道交通對住宅價格影響范圍的研究[J]. 馬才學,張琪,楊蓉萱.  國土資源科技管理. 2018(03)
[5]基于sDNA模型的路網(wǎng)形態(tài)對廣州市住宅價格的影響研究[J]. 古恒宇,孟鑫,沈體雁,陳慧靈,肖凡.  現(xiàn)代城市研究. 2018(06)
[6]基于灰色馬爾可夫模型對合肥房價的預測[J]. 干逸曼,朱家明,臧學琴,任瑞雯.  通化師范學院學報. 2017(06)
[7]基于GIS在售住宅價格空間分布差異及其影響因素分析——以贛州市為例[J]. 胡海利,陳金泉.  江西理工大學學報. 2016(05)
[8]基于大數(shù)據(jù)空間分析的青島市普通住宅價格研究[J]. 王靖雯,徐淑娟.  現(xiàn)代經(jīng)濟信息. 2016(12)
[9]基于人工神經(jīng)網(wǎng)絡BP算法的莆田市房價預測[J]. 周琴.  赤峰學院學報(自然科學版). 2016(10)
[10]基于GIS的巖石裂隙空間分布模式研究[J]. 王鵬,李曉昭,王駒,章楊松,付安學.  工程地質學報. 2014(06)

博士論文
[1]中國房價波動特征及政策調控效應研究[D]. 鄭世剛.中國地質大學 2017
[2]城市住宅地價空間分異及調控研究[D]. 劉洪潔.中國地質大學(北京) 2015
[3]城市商務辦公樓租金特征與空間分布研究[D]. 梁華.重慶大學 2011

碩士論文
[1]蘭州市商品住宅價格空間分異及影響因素研究[D]. 李文慧.蘭州交通大學 2017
[2]基于特征價格的太原市商品住宅價格空間分異研究[D]. 徐子衿.山西財經(jīng)大學 2017
[3]基于特征價格模型的地鐵對周邊住宅價格影響研究[D]. 牛玲玲.東華理工大學 2016
[4]基于GIS和SEM的城市住宅價格空間分布及其影響因素研究[D]. 付益松.東華理工大學 2016
[5]基于網(wǎng)絡搜索的中國區(qū)域房價預測模型及應用研究[D]. 王希晶.南京大學 2016
[6]基于GIS和Hedonic Model二手房價格空間分布及原因探析[D]. 容麗暉.昆明理工大學 2014
[7]西安市住宅價格空間分異與時空演變規(guī)律分析[D]. 宋雪娟.陜西師范大學 2011



本文編號：3413392