广州地铁3号线对沿线住宅价格的影响

文章基于特征价格理论,建立广州地铁3号线建设前后对沿线住宅价格影响分析的特征价格模型,并利用沿线住宅房产的交易数据,分别研究了该线对沿线住宅价格的空间效应和时间效应.结果表明:广州地铁3号线对沿线住宅的影响范围为1000米,沿线住宅价格每年的上涨幅度为10.8%.     

上海地铁建设对沿线住宅及其增值的影响

本文通过对上海地铁十六号线沿线11个楼盘的调查分析,探讨了上海地铁十六号线对沿线住宅房地产与住宅增值的影响,并且运用特征价格法(Hedonic Price Method)建立了得分与平均价格的Hedonic模型,利用此模型对上海地铁对沿线住宅的增值做出了预测。     

Hedonic模型在商品住宅价格分析中的应用——以深圳为例的实证分析

结合住宅房地产市场的特征，借鉴已有的关于Hedonic模型的理论方法和研究经验，对深圳普运商品住宅市场进行了实证研究，构建了可供实际应用的Hedonic价格模型，揭示了深圳市场上住宅的各物理属性对住宅价格的影响程度。     

基于特征价格模型的贵阳市住宅价格影响因素研究

借鉴国内外特征价格模型对住宅价格影响因素的研究理论和成果,构建贵阳市在1998~2016年间住宅价格影响的特征因素,从而建立特征因素与住宅价格的特征模型。研究表明,经济、环境和公共服务特征的特征变量与贵阳市住宅价格存在正负相关性,而旅游外汇收入、造林面积、社会福利院数、年末实有道路建设面积、供水总量显现负相关性,其他特征变量为正相关性。总之,环境保护和公共服务建设对住宅价格的影响越来越重要。     

城市轨道交通对周边住宅价格的空间效应研究

以合肥轨道交通1号线为例,使用传统特征价格模型和空间计量模型对比分析轨道交通对周边住宅价格的影响。研究表明合肥市1号线对周边住宅的价格具有显著的增值作用,且住宅价格的空间效应显著。空间滞后模型显示住宅与轨道交通站间距离每增加1 km,住宅价格下降6.09%,低于传统模型的8.6%。这说明住宅价格的空间效应会使学者们高估城市轨道交通对周边住宅价格的增值作用,即加入空间效应影响后的研究结果更加真实、可靠。     

具有微观基础的上海市住宅价格影响因素研究

文章根据特征价格模型和1120个上海市新建住宅交易样本建立了上海市住宅价格指数,并以此为基础修正CREIS上海指数得到上海同质住宅价格指数,从而有效的排除了住宅微观属性差异对价格波动的影响。以1995—2010年上海市宏观经济数据为样本,从供给、需求、宏观、投资4个方面选取16个社会经济指标,通过主成分分析得到影响上海市住宅价格的4个主成分,选取主成分代表指标求出其与上海同质价格指数的回归方程。研究结论认为,宏观经济发展是上海市住宅价格波动的主要影响因素,和供求因素共同决定了住宅价格,投资因素对与住宅价格波动并无显著影响。     

天津地铁1号线对沿线住宅价格的影响研究

研究城市轨道交通对沿线住宅价格的影响,具有重要的理论意义和现实应用价值,将为天津城市轨道交通建设提供必要的定量参考,同时也为住宅开发市场的发展提供参考数据。首先阐述研究的背景及意义,然后通过分析,选择特征价格模型法对天津地铁1号线沿线住宅价格变化进行分析,建立天津地铁对沿线住宅价格影响的特征价格函数。天津地铁对沿线住宅价格的影响在时间上是超前的,在地铁开始建设或宣布建设时沿线住宅价格就会上升;地铁的影响在最初对沿线住宅价格影响较大,效益的外溢幅度较大,然后随时间逐渐递减。     

北京市学区房价格影响因素实证研究

以北京学区房为样本,运用Hedonic模型对其价格影响因素实证分析。研究发现,北京房价呈现出明显的区位特征,学校教育优质程度与学区房价格正相关,是影响房价的主要因素,交通便捷程度和医疗条件与学区房价格正相关,但影响程度较小。     

住宅价格影响因素实证分析——基于广东省21个城市

房价问题一直是社会关注的热点问题。本文通过数据回归的方法展现了广东住宅价格的变化状况,分析了影响广东省住宅价格格局和住宅价格的因素。最后得出了结论:近几年广东省住宅价格平稳增长;住宅价格呈现出以珠三角为核心区域逐级向周围降低的分布格局,但是也有两个特例城市;影响广东省住宅价格的显著因素是人均可支配收入、居民储蓄、建筑成本、房地产投资占固定资产投资、外商投资、人均GDP和滞后二期的住宅价格。     

邻避设施对住宅价格的空间影响研究

城市邻避设施的建设不仅破坏了周围的生态环境,危害居民的身体健康,在一定程度上也对住宅价格产生了影响与波动。本文以宁波市为研究区,利用2018年7-9月的17619条住宅单元相关数据,构建特征价格模拟,探讨六类邻避设施对住宅价格的空间影响效应。结果表明:第一,进入模型的邻避设施变量对住宅价格均产生了负面影响;第二,各类邻避设施对住宅价格的影响程度和影响范围差异显著;第三,对住宅价格影响程度较大的前10个特征变量中,邻避设施变量占近1/3,其影响效应不容忽视。     

中国住宅房地产价格影响因素实证分析

自20世纪90年代以来,我国房地产开发规模以每年平均20%左右的速度高速增长,房地产行业空前繁荣,在整个国民经济中的地位也举足轻重。与此同时,房地产市场的价格也在持续攀升。影响房地产价格的因素是错综复杂的,这也就决定房价并不是一成不变的,而是由多种因素发展变化、共同作用的结果。文章选取了1992-2007年的数据,运用回归分析方法,对房地产价格的决定因素进行了实证分析。     

轨道交通对沿线房地产价格影响的研究

轨道交通建设对沿线房地产价格产生的影响越发明显,本文分析了轨道交通对房地产价格的影响因素。结果表明,轨道交通站点对房价的影响在2.5公里的合理步行范围内;对城市中心区的房价的影响较小,越远离城区对房价的影响程度越大;随着轨道交通建设的时间影响越小;对于商业用房地产的影响较大,而对于工业用房地产的影响较小。     

垃圾处理设施对住宅价格影响的Meta分析

基于16篇垃圾处理设施对住宅价格影响的实证研究进行Meta分析,探讨垃圾处理设施引起周边住宅价格波动的影响因素,并分析这些因素具体影响作用和方向。研究结果显示：整体上,垃圾处理设施对周围住宅存在贬值效应,住宅平均贬值幅度为10.4%;距离变量、建筑变量、区位特征、邻里特征和方法变量对垃圾处理设施对周边住宅价格波动幅度具有显著影响。通过研究为垃圾处理设施负外部性的管理提供理论依据。     

郑州市住宅价格空间差异及影响因素分析

通过对郑州市各区域内住宅楼盘进行采样调查,得出郑州市住宅楼盘分布的时间和空间特点。基于ArcGIS空间插值分析方法,得到郑州市住宅价格分布的时间和空间特点。根据各个楼盘所在的位置的属性分析得出影响郑州市楼盘价格空间分异的影响因素。     

基于VAR模型对商品房价格影响因素的实证分析——以上海市房价为例

选取上海市房价作为研究对象,通过建立VAR模型来分析上海市地价、居民消费价格指数、房屋竣工面积、贷款利率、货币供应量及热钱流入对上海市商品房价格的影响。协整分析表明,各个变量之间具有长期的均衡关系。Granger因果检验表明,上海市商品房价格与地价之间存在双向的Granger因;货币供应量、贷款利率、房屋竣工面积、热钱与上海市商品房价格是单向Granger因;而上海市居民消费价格指数与商品房价格互不为Granger因。     

调控政策、住宅价格与居民住房支付能力——基于PanelData模型的区域差异分析

高房价是近年来我国政府关注的焦点,而与之相关的居民住房支付能力强弱则成为关键问题之一。本文以区域差异为视角,加入政策调控因素,引入虚拟变量,构建Panel Data模型以定量考察各因素对居民住房支付能力的影响程度。结果表明,住宅价格对西部地区的影响低于东、中部,而居民收入和消费支出水平对东部地区的影响高于中、西部;数量型货币政策工具对西部地区居民住房支付能力的影响最为显著,价格型货币政策工具对东部地区的影响最大。据此政府应该根据各地区居民住房支付能力的差异、影响因素的不同而制定相应的有效政策,提高居民住房支付能力。     

基于GARCH族模型的上海市住宅市场价格波动的特征研究

住房问题是关系国计民生的重要问题,研究住宅市场的价格波动规律对消费者购买时机选择、调控政策的制定等具有重要的参考价值。鉴于此,以住宅市场收益率的变化来衡量住宅市场价格的波动,采用2006-2016年上海市新建住宅和二手房月度收益率时间序列作为样本,通过构建GARCH族模型对上海市新建住宅和二手房市场的价格波动特征进行研究。研究表明：上海市新建住宅市场的价格波动存在显著的自相关现象,但不存在显著的集聚性、非对称性以及高风险高回报的特征;二手房市场的价格波动存在显著的自相关现象,具有显著的集聚性,即二手房市场本期或过去若干期的波动较大时,未来几期的波动也会很大,反之亦然;二手房市场价格的波动不存在显著的非对称性及高风险高回报的特征。     

深圳房地产价格影响因素的实证研究

本文旨在论证房改以来深圳房地产价格波动的影响因素。通过文献研究,选取常住人口、人均可支配收入、物价指数三个指标作为模型的解释变量,三个解释变量与深圳房地产价格先进行平稳性检验,再进行多元线性回归分析,得出影响深圳房地产价格波动的最主要因素为人口数量,并结合深圳情况对其进行实证分析并给出了建议。     

基于空间特征的城镇住宅价格发展趋向研究——以抚州市为例

采用CASS7.1制图软件技术与地理信息系统软件Surfer8.0相结合的方法,以抚州市城镇住宅价格为样本,揭示了城镇住宅价格的空间分布特征以及城镇住宅价格发展趋向。研究结果表明:抚州市城镇住宅价格在空间分布上表现整体分散性、空间差异明显,且呈现多中心峰值层分布;抚州市城镇住宅价格梯度和住宅价格在指向上存在明显的空间差异;抚州市住宅价格分布呈现出北低南高的规律。