基于地理加权回归的上海市房价空间分异及其影响因子研究

利用上海市外环以内2010年12月1014个小区的平均房价数据,通过构建地理加权回归模型,并与基于全局最小二乘法(OLS)进行比较,揭示上海小区房价的空间分异和不同影响因子的影响。研究发现,每增加或减少一个单位各影响因子对房价的影响大小依次为:建成时间,到CBD距离,绿化率,到公园距离,距地铁站距离,距超市距离和距学校距离。同时,地理加权回归分解成局部参数估计优于OLS提供的全局参数估计,它可以深刻的揭示出房价和空间影响因子之间复杂的关系,而且可视化的工具可以用地图的形式更详细的呈现出城市房价的整体景观,这些都是传统OLS无法比拟的。     

北京市二手住宅价格影响机制--基于多尺度地理加权回归模型(MGWR)的研究

文章基于多尺度地理加权回归研究北京市2011-2017年二手住宅交易的价格特征,结果表明:①以往基于经典地理加权回归模型的研究可能存在一定的不稳健,而多尺度地理加权回归可以将不同变量对于因变量的影响尺度反映出来,其回归的结果更为可靠。②北京房价对区位因素非常敏感,且存在高度的空间异质性,区位的影响尺度是所有变量中最小的,接近于街道尺度。而卧室数量和到最近地铁站的距离为全局尺度的变量,在空间上的影响较为平稳。到公交站的距离、到小学的距离、建筑结构和装修状况对于房价的影响不显著。其他显著的变量均存在一定的空间异质性,其空间尺度由小到大分别为成交时间、面积、楼龄、楼层、朝向。③区位、朝向、卧室数量、成交时间均正向影响房价,而面积、楼龄、楼层、到地铁站的距离负向影响房价。所有影响因素中区位是影响房价的最主要因素,其次是成交时间朝向。面积成交时间、朝向和到最近地铁站的距离影响较大,所在楼层、卧室数量对于房价的影响较小,而面积和楼龄的影响最弱。     

环渤海地区客货运量及其影响因子的空间相关性分析

基于全局空间自相关、热点分析方法,对环渤海地区九省市及其下辖89个地级市客货运量空间格局进行空间分析;在此基础上,利用最小二乘法回归对客货运量的影响因子进行了全局性判定,结果表明非农业人口比重和人均城镇消费品零售额两个因子对客货运量均产生显著性影响,其他因子则对客运量或货运量产生空间异质性影响;为判断影响因子对于客货运量影响的空间异质性,采用地理加权回归模型对显著影响的因子进行空间分析,不同因子在空间上呈现出较大的空间异质性,主要表现为基于地理衰减规律的圈层结构和沿海到内陆的规律。     

基于GWR模型的晋城市村庄空心化驱动力研究

依托晋城市空心村调查数据,在分析晋城市村庄空心化率空间分布的基础上,从区位条件、经济条件、人口条件、交通条件、资源条件和地质条件等角度选取10个因子,运用GWR模型与OLS模型分析晋城市空心村形成驱动力,并借助Arc GIS软件将因子空间驱动模式可视化。结果发现:①相比于传统的OLS方法,GWR模型可以更深刻地揭示空心村形成驱动力因子的空间分异性。②距县城距离和人口密度是空心村形成的重要驱动力因子。人口密度、农民人均纯收入、公路密度、农村道路密度与空心化率呈现负相关关系;距县城距离、非农业人口比重、户口年均增长率、地形地貌、地均生产值、聚耕比与空心化率呈正相关关系。③因子对不同行政区的驱动力大小不同,显示出明显的空间分异性。④晋城市空心村防治要在鉴别区域空心化主导因素的基础上制定差别化治理对策。     

我国省域碳排放量与经济发展的GWR实证研究

普通最小二乘法(OLS)仅是对变量均值估计,不能反映省域碳排放量在空间上的非平稳性。采用地理加权回归(GWR)技术引入空间效应,发现GWR模型比OLS模型具有明显优势:省域碳排放量与经济发展水平、产业结构、人口、外商直接投资和能源价格之前存在内生经济关系;影响碳排放量各因素在省域空间上存在明显差异。最后对模型进行验证并为低碳经济实现提出相关政策。     

北京市Airbnb房源价格影响因素计量分析

文章以2021年北京市Airbnb数据为基础,综合运用OLS回归和空间计量模型方法对北京市Airbnb房源价格影响因素进行研究。结果表明：(1)不同类型特征变量对房源价格的解释力从高到低依次为：房源特征、声誉特征、房东特征、邻里特征,房源物理属性是消费者支付意愿和Airbnb房价的决定因素;(2)房东特征是房源价值的重要组成部分,更多的身份验证信息和更短的回复时间有助于实现Airbnb房源溢价;(3)不同项目评分对价格的影响存在显著差异,其中性价比和干净整洁的评分影响最为显著;(4)交通可达性、旅游景点、周边酒店供应量对价格有显著积极影响;(5)空间计量模型的拟合优度优于传统OLS模型,Airbnb房价存在显著的空间溢出效应。     

房地产价格对居民消费影响分析——基于半参数全局向量自回归模型

通过构建半参数全局向量自回归模型(SGVAR),利用时空脉冲响应函数及导数图分析了房价、居民收入、国家宏观政策等对消费的时空传导效应以及利率对消费的非线性影响.结果发现:(1)房价对消费的影响大小及方向不仅受到空间距离的影响,还与所处东中西地区及南北位置有关;(2)东部地区房价受到冲击后对全国各地区的影响都较大,其中,对东北地区的影响最小;(3)各地区房价受到冲击后对自身消费的影响复杂;(4)利率的平稳对于消费及房价的平稳具有重要意义.     

长沙市生态景观对住宅价格的影响分析

以通过实地调查与GIS技术获取长沙市内5区175个住宅小区的875个有效样本数据为基础,建立特征价格模型并结合弹性与边际价格分析,揭示了长沙市生态景观对住宅价格的总体影响,并以梅溪湖为例进行了典型分析。研究结果表明:长沙市5个生态景观因素中,对住宅价格起正向作用的是小区绿化、最近公园质量和周边环境;起负向作用的是距最近公园距离和距湘江距离。3个线性因素的弹性系数(绝对值)与边际价格从大至小为距湘江距离、小区绿化和距最近公园距离;2个非线性因素的半弹性系数与边际价格的排序是周边环境与最近公园质量。到梅溪湖的距离每增加1 km,小区每套住宅平均价格将下降6.3393万元。     

城市轨道交通沿线住宅租金的空间分异分析——以长沙市地铁1号线、2号线和4号线为例

考虑到样本数据存在空间相关性与异质性特征,基于空间计量视角构建地理加权回归模型(GWR),分析在城市轨道交通(URT)沿线住宅租金的空间分异特征,按照每200 m的间隔对租金影响范围进行细分,预测URT对住宅租金的影响强度在各区间内的变化趋势,以新一线城市长沙为例,选取地铁沿线2.6 km范围内的2 233个样本展开实证研究,结果表明:与普通最小二乘法(OLS)相比,GWR具有更好的模型拟合优度;在12个主要影响因素中,住宅到城市商业中心(CBD)的距离对租金的影响最为显著,其次是住宅建筑面积,体现了租户首先考虑的是住宅区位因素和结构因素,然后才是邻里因素的心理特征;靠近中央商务区的小户型住宅更受租户青睐,具有更高的收益率;长沙地铁对沿线住宅租金会产生积极影响,尤其是对600～1 000 m范围内的住宅租金影响最大。     

基于空间计量的房地产价格影响因素分析

现有文献大都认为各个地区的房地产价格是相互独立的,而事实上,空间依赖的存在会使得回归结果是有偏的。本文首先利用全局空间自相关指标(Moran’s I统计量)和局部空间自相关指标(LISA指标)检验我国房价的空间自相关,结果显示我国房价存在空间自相关。然后利用1999-2009年的省际面板数据,运用广义空间面板数据模型分析全国范围以及东、中、西部分区域房价,结果表明,在考虑了房价的空间相关性后,我国各区域房价的影响因素已不尽相同,东部地区房价基本完全由空间因素决定,西部地区房价由供给和需求等因素决定,而全国范围及中部地区房价受两者的共同影响,利率和汇率的变化对我国房价无显著影响。     

城市轨道交通对住宅价格的影响研究——以北京市地铁一号线为例

通过构造修正后的衰减模型,运用局域空间自相关分析和克里格空间插值的方法,借助GIS空间分析的工具,选择路线长、沿途区位特征分异显著、对房价影响成熟的北京市地铁一号线为例,论证房价与距地铁站距离的相关关系,研究地铁站对房价影响的波及范围及影响程度。研究发现：一号线带状区域在局域范围内具有较强的空间自相关,自相关指数高值点并没有表现出明显的邻近地铁站点分布的特征,而是呈组团状聚集在四个区域。局域自相关性和距地铁站距离存在较弱的负相关关系。轨道交通对郊区住宅价格的影响要高于中心区域,且影响范围较广。地铁站点对住宅价格的影响并不是简单的圈层衰减,而是与特定的区位要素和其他条件综合作用的结果,在典型的地铁站点呈裙状或环状影响。各地铁站点对住宅价格的影响范围从0．5km到1km不等,衰减比重为20％－35％,且在影响范围内衰减程度逐渐降低。     

地理视角下中国生产性服务业发展影响因素研究

随着服务经济的兴起,生产性服务业在经济发展中的作用凸显,但目前我国生产性服务业发展还存在地区不平衡等问题。利用最小二乘（OLS）模型,识别出经济开放程度、外商直接投资（FDI）和工业化水平三大影响生产性服务业发展的因素,及其效应和作用程度。但是由于我国东中西三大区域生产性服务业发展的差异,采用地理加权回归（GWR）模型更能体现空间不平稳性和局部特性。实证研究结果表明,GWR模型比OLS模型的拟合程度更优,说明我国生产性服务业发展存在明显的区域不均衡,3个因素对全国各省份的影响程度也不尽相同。总体来说,经济开放程度和FDI对中西部省份的生产性服务业发展分别有更强的正向和负向作用,而工业化水平对东部省份的生产性服务业有着更明显的负向影响。     

空间外溢效应与中国房价连片上涨:推拉作用与空间惯性

中国的房价(尤其是东部地区房价)在地理空间上呈现连片上涨的特征,在时间维度上呈现逐年攀升的趋势.使用2009-2016年中国285个地级市的空间面板数据,构造并选择最优的空间计量回归模型,探析中国房价连片上涨现象背后的主要影响因素.研究发现:城市的土地价格是房价的主要"推力",不仅目标城市的地价会推高自身以及邻居城市的房价,而且邻居城市的地价同样会推高目标城市的房价.来自中等收入人口的房价拉力更倾向于拉高该城市自身的房价,而来自高收入人口的房价拉力则倾向于拉高邻居城市的房价.邻居城市房价对目标城市房价的影响是一个不断强化冲高的空间惯性过程.     

基于地理加权回归模型的省域工业全要素生产率分析

全要素生产率(TFP)是一个国家或地区经济增长质量和技术进步、管理效率提高的重要标志。运用空间统计的Moran指数以及空间计量经济学的地理加权回归(Geographical Weighted Regression)模型方法,基于2003年中国31个省、直辖市和自治区的工业企业统计数据,对省级区域工业全要素生产率进行了测算分析。全要素生产率实证测算分析结果发现,空间Moran指数可测算省域工业生产率的空间效应,地理加权回归模型也可将影响省域全要素生产率的来源分解成各省域的局部影响,空间计量经济学模型在计量检验和测算我国31个省域工业全要素生产率中具有较好效果。     

Hedonic和结构方程模型下的北京别墅价格分析

以中央财经大学别墅数据库为依托,运用hedonic模型分析了不同物业属性对房价的影响力差异。为了进一步比较物业内部因子与区位因子在房价决定机制中的作用,引入了结构方程模型对潜变量进行了分析。研究结果首先验证了项目距市中心距离这一核心区位指标对房价的绝对影响力,同时也表明项目内部因子对房价整体影响力与区位因子相当。     

绿色技术创新与区域经济发展——基于夜间灯光数据的研究

在绿色技术创新日益成为绿色发展的重要动力条件下,以解决资源环境生态突出问题为目标,建立市场导向的绿色技术创新体系,成为绿色发展的重要内容。为探讨绿色技术创新空间集聚性对经济增长绩效的影响,采用DMSP/OLS夜间灯光数据以及绿色专利数据,分析绿色技术创新与经济发展之间的关系。采用Moran's I指数测度1992—2013年中国区域绿色专利授权数量的空间集聚性,并建立地理加权回归模型分析绿色专利授权对区域经济发展的影响。研究发现,目前中国绿色技术创新的空间集聚性逐步增强,绿色技术创新对区域经济增长具有显著的正向影响。政府及相关部门需要强化顶层设计和系统谋划,加强区域间创新协作,建设并完善我国绿色技术创新体系。     

中国知识溢出存在性及影响因素实证分析

构建关于R&D投入的扩展的柯布-道格拉斯函数内生经济增长模型,多元线性回归证明了各省知识溢出效应的存在性和知识溢出效应程度的差异性。在此基础上,选取R&D投入、地理距离、运输条件、专利授权量、地区生产值等影响因子,实证发现知识溢出效应与地区的R&D投入、运输条件、GDP显著正相关,与空间距离负相关。     

特征价格模型下的清洁空气支付意愿研究——基于北京市居民满意度分析

空气污染对人类健康和社会发展造成严重的危害,清洁空气已成为人们追求宜居环境的必要条件。论文利用空气污染、居民满意度、住宅特征等多源数据,采用多层线性模型和地理加权回归探讨空气污染与满意度的关系,进而以特征价格模型测算空气质量对住宅价格的影响,并构建清洁空气支付意愿曲线和空气污染价值损失曲线。结论如下：（1）不同人群对居住地空气质量的满意度存在差异。（2）空气质量对住宅价格有显著影响,客观感知在解释房价变化规律上更有说服力。（3）居民愿意为清洁空气平均支付124.36元的费用,以PM2.5浓度为代表的空气污染导致小区房价损失平均为2.03元。在空气质量较好地区,人们对清洁空气支付意愿提升更高,而在空气污染较为严重地区,人们对空气污染的敏感性相对降低。     

黄河流域旅游经济空间分异格局及影响因素

黄河流域旅游经济协调发展是推动其高质量发展的重要环节。以黄河流域91个地市(州、盟)为研究单元,选取2005、2009、2013、2017年截面数据,采用ESDA、空间变差函数等方法探究黄河流域旅游经济的空间分异格局,并结合最小二乘法(OLS)和地理加权回归(GWR)模型定量分析其空间分异的影响因素。结果表明:①黄河流域旅游经济具有较强的空间依赖性,呈现H-H和L-L集聚分布的空间态势,其中L-L集聚区范围不断缩小,H-H集聚区从黄河下游地区向黄河中游地区逐渐延伸;②黄河流域旅游经济差异不断缩小,由空间自相关引起的结构化分异不断增强,东-西向成为其旅游经济空间分异的主要方向;③交通区位条件、旅游服务设施、旅游资源禀赋是影响黄河流域各地市旅游经济发展的主要因素且各影响因素存在显著的空间分异性。     

城市化对房价的影响:线性还是非线性?——基于四种面板数据回归模型的实证分析

文章从线性和非线性两个角度分析了中国城市化进程对房价的影响。通过对各省历年房价和城市化的核密度估计空间分布分析,发现城市化和房价之间存在明显的正相关性,并且各省份的城市化和房价水平存在"双峰"分布特征和空间相关性。这说明在分析城市化对房价的影响时应考虑可能的门限效应和空间溢出效应这两种非线性关系。据此,文章基于中国30个省份1998-2009年的面板数据,使用普通面板回归、空间面板回归、门限面板回归和平滑门限面板回归这四种模型进行分析发现,城市化水平对本地区和相邻地区的房价均具有显著的促进作用,且在经济增长水平较高、人力资本集聚的地区,城市化对房价的促进作用更加显著。