隨著經濟社會的快速發(fā)展,城市住宅的價格（地價）呈現(xiàn)出了不均衡的發(fā)展格局,并伴隨著明顯的空間性,使得傳統(tǒng)的數(shù)理統(tǒng)計方法在進行回歸分析時存在較大的局限性。為此提出了一種改進的地理加權回歸模型（model of geographically weighted regression,MGWR）,以武漢市主城區(qū)為研究區(qū)域,將城市基礎設施數(shù)據(jù)與互聯(lián)網多源信息數(shù)據(jù)相融合,構建住宅特征價格模型,對比訓練分析MGWR相較于線性最小二乘（linear least-square method,LLS）和地理加權回歸（geographically weighted regression,GWR）的優(yōu)勢,結果表明其在模型擬合度和回歸系數(shù)顯著性方面均有較大的提升。最終根據(jù)回歸結果,提取顯著性系數(shù)樣本點,運用克里金插值得到各局部變量的回歸趨勢圖,進行武漢市地價的定性評估與分析。 

【文章來源】：武漢大學學報(工學版). 2020,53(05)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

SP算法流程圖

本文選擇武漢市主城區(qū)為研究區(qū)域，武漢市作為中部發(fā)展新一線城市和歷史古城，較早地實行了土地有償使用制度，土地市場較為穩(wěn)定，運作模式較為典型，故這里的地價信息具有較好的研究價值。本文研究的區(qū)域主要為武漢主城7大區(qū)（圖2中圈紅部分），不包括武漢周邊城郊區(qū)和近年來新增的經濟技術開發(fā)區(qū)。2.2 數(shù)據(jù)獲取

最終獲取的武漢市住宅小區(qū)信息共2 216條，其中篩選出主城區(qū)小區(qū)信息共1 894條，其分布如圖3所示�？梢钥闯觯錆h市的住宅小區(qū)分布廣泛，且主要集中于7大主城區(qū)中，符合本文研究要求。2.3 數(shù)據(jù)處理

【參考文獻】：
期刊論文
[1]中國城市住宅價格時空演變研究進展與展望[J]. 鄒利林,楊俊,胡學東.  地理科學進展. 2013(10)
[2]基于空間計量模型的住宅價格空間效應實證分析:以杭州市為例[J]. 溫海珍,張之禮,張凌.  系統(tǒng)工程理論與實踐. 2011(09)
[3]北京城市住宅土地市場空間異質性模擬與預測[J]. 董冠鵬,張文忠,武文杰,郭騰云.  地理學報. 2011(06)
[4]淺析武漢市住房價格空間分異的原因——基于Hedonic模型[J]. 熊海璐,吳曉燕.  北方經濟. 2011(04)
[5]空間自相關地理加權回歸模型的估計[J]. 魏傳華,胡晶,吳喜之.  數(shù)學的實踐與認識. 2010(22)
[6]空間異質性與區(qū)域房地產價格波動的差異——基于地理加權回歸的實證研究[J]. 龍瑩.  中央財經大學學報. 2010(11)
[7]應用改進的時空地理加權模型分析城市住宅價格變化[J]. 張金牡,劉彪,吳波,詹錫蘭.  東華理工大學學報(自然科學版). 2010(01)
[8]基于GWR模型的北京市住宅用地價格影響因素及其空間規(guī)律研究[J]. 呂萍,甄輝.  經濟地理. 2010(03)
[9]基于非參數(shù)估計方法的土地價格空間分布擬合與分析[J]. 任榮榮,鄭思齊,王軼軍.  清華大學學報（自然科學版）網絡.預覽. 2009(03)
[10]GWR模型中權函數(shù)的選取與窗寬參數(shù)的確定[J]. 玄海燕,羅雙華,王大斌.  甘肅聯(lián)合大學學報(自然科學版). 2008(03)

博士論文
[1]城市住宅價格變動的影響因素研究[D]. 孔煜.重慶大學 2006
[2]基于Web的地理信息服務的研究與實踐[D]. 王建濤.中國人民解放軍信息工程大學 2005

碩士論文
[1]基于GWR模型的城市住宅地價空間分異研究[D]. 張潔.浙江大學 2012



本文編號：3421723