| 空间异质性视角下公共服务设施对大城市住房租金的影响——基于一种机器学习改进方法的实证研究 |
| |
| 引用本文： | 申犁帆,龙 雨,田 莉,郝钰泽. 空间异质性视角下公共服务设施对大城市住房租金的影响——基于一种机器学习改进方法的实证研究[J]. 中国土地科学, 2023, 37(12): 67-79 |
| |
| 作者姓名： | 申犁帆 龙 雨 田 莉 郝钰泽 |
| |
| 作者单位： | 北京邮电大学经济管理学院,北京邮电大学经济管理学院,清华大学建筑学院,北京邮电大学网络教育学院 |
| |
| 基金项目： | 北京高校卓越青年科学家项目（JJWZYJH01201910003010）；国家自然科学基金项目（52108056）。 |
| |
| 摘 要： | 研究目的：以北京市作为实证案例，基于多源数据探究各类公共服务设施对大城市租金水平的影响机制。研究方法：结合空间权重和XGBoost算法的空间异质极端梯度提升模型（XGBSH）。研究结果：（1）居住地的就业可达性、区位条件和轨道站点可达性会对住房租金水平产生显著的积极影响。（2）“运动场馆”、“公园/广场”和“教育设施”等公服设施变量与住房租金水平之间呈现出不同程度的非线性关联和阈值效应，而“医疗设施”和“公交车站”等公服设施变量对住房租金水平的影响较为有限。（3）此外，改进后的XGBSH模型也表现出比GWR模型和XGBoost算法更好的预测解释能力。研究结论：掌握公共服务设施要素与住房租金之间的非线性关系和阈值效应以及提炼其中的关键影响要素，有助于从公共服务供需的视角理解城市空间结构，使公共政策的实施效用最大化，进而促进我国大城市租赁住房市场的可持续发展。
|
| 关 键 词： | 租住房；租金；公共服务设施；空间异质性；非线性；机器学习 |
| 收稿时间： | 2023-07-21 |
| 修稿时间： | 2023-11-24 |
Exploring the Impact of Public Service Facilities on Housing Rent Price from the Perspective of Spatial Heterogeneity: An Empirical Study of an Improved Machine Learning Method |
| |
| SHEN Lifan,LONG Yu,TIAN Li and HAO Yuze. Exploring the Impact of Public Service Facilities on Housing Rent Price from the Perspective of Spatial Heterogeneity: An Empirical Study of an Improved Machine Learning Method[J]. China Land Sciences, 2023, 37(12): 67-79 |
| |
| Authors: | SHEN Lifan LONG Yu TIAN Li HAO Yuze |
| |
| Affiliation: | School of Economics and Management, Beijing University of Posts and Telecommunications,School of Economics and Management, Beijing University of Posts and Telecommunications,School of Architecture, Tsinghua University,Institute of Educational Technology, Beijing University of Posts and Telecommunications |
| |
| Abstract: | |
| |
| Keywords: | housing rent rent price public service facilities spatial heterogeneity non-linearity machine learning |
|
| 点击此处可从《中国土地科学》浏览原始摘要信息 |
|
点击此处可从《中国土地科学》下载全文 |
