共查询到18条相似文献，搜索用时 729 毫秒
1.
北京市住宅价格的影响因素和轨道交通效应 总被引：2，自引：0，他引：2
以北京住宅楼盘样本为例,定性总结了轨道交通对住宅价格的明显增值效应以及距离衰减规律,并且明确了空间影响的距离参数。住宅价格随距离轨道交通站点的远近而变化,最高值出现在离最近轨道交通站点300~600 m之间。从建筑结构、地理区位和邻里环境三方面选取23个变量,采用特征价格模型定量分析了不同因素对住宅价格的空间影响效应和规律。其中,11个变量对住宅价格都有一定影响,建筑面积、混合住宅、精装和容积率以及至高速公路、工业区和公园的距离与价格正相关;至天安门和商业设施距离与价格负相关。住宅价格的轨道交通效应凸显,影响程度高于距天安门和高速公路的距离,已建地铁比在建地铁影响程度高。至已建和在建地铁站距离每减少1 km,价格分别平均上升1 313元/m2和502元/m2。 相似文献
2.
上海市三甲医院对周边地区住房价格的空间影响效应分析 总被引：1，自引：0，他引：1
选取上海市区7家三级甲等综合性医院,运用特征价格模型和多元回归分析方法,实证分析它们对周边住宅价格的空间影响效应。研究结果显示：① 总体上,相比其他环境区位因素,三甲医院对周边住宅价格的影响程度较小,而建筑面积、物业管理费、学区房、轨道交通、建筑楼高、至 CBD 的距离等因素的影响程度较大。② 三甲综合医院对周边住宅价格产生负面影响。在相同情况下,住宅离医院距离越近,则价格越低。住宅与医院的距离每缩短50 m,住宅价格平均下浮0.602%。③ 由于三甲综合医院区位各不相同,距离CBD远近不一,对住宅价格的影响也存在空间差异。一般来说,距离CBD越近,住宅价格受医院的负面影响也越小。 相似文献
3.
城市住宅地价影响因素的定量识别与时空异质性——以武汉市为例 总被引：2，自引：0，他引：2
定量测度微观因素对住宅地价影响程度的时空分异特征是有效揭示住宅地价形成机制的重要条件。本文基于武汉市2007-2015年公开出让的住宅地价样点数据,采用广义可行最小二乘法(FGLS)修正的特征价格模型(Hedonic),测度微观影响因素对住宅地价影响程度的时空演变规律。结果显示,各要素对住宅地价影响程度的时序变化特征复杂,空间区域差异明显,具体而言：①2007-2015年间,武汉市住宅地价因素的影响程度从高到低依次为：容积率>医院>城市中心>城市副中心>地铁>公园。②在时序上,城市中心对住宅地价的影响程度呈增强趋势;城市副中心对住宅地价影响整体有所减弱;医院对住宅地价的作用程度呈指数式上涨;地铁对住宅地价增值作用主要发生在开通后;公园的影响持续下降;容积率的影响则在时序上先减后增,与住宅用地出让面积呈反向变动关系。③在空间上,在二环内中心区域,公园、容积率等对住宅地价影响程度较高;而在二环以外,与生活便利性相关的地铁、医院对住宅地价的作用更强;城市中心和副中心功能对住宅地价作用在空间上的互补效应明显。基于研究结果,强化景观用地等的宏观配置和保护力度,审慎确定容积率等是当前城市土地管理值得关注的问题。 相似文献
4.
北京市景观可达性与住宅价格空间关联 总被引：2，自引：0，他引：2
随着城市居民对住宅环境要求的不断提高,城市景观对城市住宅价格分异影响日趋显著。分析景观对住宅价格分异格局的影响,可为城市住宅空间结构的规划提供依据,为规划与管理部门提供决策参考。以北京城区二手房小区为样本,基于ArcGIS空间分析方法和特征价格模型,探讨景观因素对北京市住宅价格空间分异格局的影响。以主流房地产交易网站二手商品房报价资料为基础数据,共采集到2012 年1 月北京市城六区有效住宅小区样本3174 个,对住宅样点进行空间化处理,并建立住宅空间信息数据库。运用密度分析、空间插值等方法,分析北京市住宅空间分布特征与价格空间分异格局。核密度分布图显示：北京市住宅空间分布呈现显著的向心化与离心化并存现象,总体上以天安门为中心向周边呈衰减趋势,在地铁转换站点形成了多个集聚次中心。在此基础上,从住宅属性、交通因素、区位特征等方面选择主要解释变量,构建地理加权回归模型,对住宅价格影响因素进行分析,重点探讨景观可达性（如绿地、水景、山景等）与住宅价格的关联。结果表明：次中心与住宅价格关联最为显著,绿地、水景、山景与住宅价格存在一定程度关联。其中,山景和高绿化率对住宅价格增效明显;由于水质较差,北京城六区内河流与住宅价格存在负相关;污水处理以及丧葬场所等污染源与住宅价格也存在显著负相关。远离污染源、靠近宜人景观、低容积率、高绿化率是居民选择住宅的需求。 相似文献
5.
城市发展过程中,大型公共基础设施的建设运营与居民居住空间品质的优化提升之间的矛盾日益突出。随着城市更新的不断深入,实现规划用地高效合理利用与人民生活宜居和谐的双赢目标成为城市规划建设的重中之重。由于机场设施存在较为明显的负向外部性,其邻避效应对周围住宅价格产生影响。本研究对首都国际机场运用特征价格模型分析“同邻避设施的距离”对住宅价格的影响,表征了在不同要素影响下邻避设施空间效应的量度,同时分析得出其对住宅价格的影响范围半径。主要研究结论如下：① 首都机场设施对周边住宅价格存在负面影响。在一定范围内,到机场设施的距离每减少1%,住宅价格平均降低0.586%。不同要素的影响力也存在差异。② 机场设施对住宅价格的空间影响范围为10 km,其空间效应随“同机场风险源距离”的增加而表现出减弱的趋势。此外,影响范围内的小区有149个,83.2%的小区分布在顺义区,受影响的户数约为13万。③ 机场设施的邻避效应空间影响存在方向异性,位于机场西部和南部的区域对周边住宅价格的影响范围整体大于位于机场北部和东部的区域。 相似文献
6.
随着中国城市轨道交通的大力发展,城市轨道交通对沿线住宅价格的影响引起广泛关注,探索其时空效应有助于预测未来新建轨道交通的影响以及帮助政府制定合理的房价调控和城市土地利用政策。以福州地铁1号线为例,探讨城市轨道交通从建设前到建成运营的过程中,对站点周边2 km范围内住宅价格产生的时空效应。结果表明：① 城市轨道交通沿线住宅价格受到区位、邻里、建筑等多方面因素的综合作用,其中,城市轨道交通对沿线住宅价格有显著的增值效应,中高价位住宅市场受到城市轨道交通的影响最为明显。② 空间维度上,住宅价格随着与轨道交通距离的增大而呈现不同程度的递减,至轨道交通站点距离每减少1 km,住宅价格增加5.1 %。轨道交通对沿线住宅价格具有显著的分市场效应,中心城区市场的影响半径大于非中心城区市场,平均空间影响范围为1.5 km;而非中心城区市场的影响强度要远高于中心城区市场,在400 m范围内住宅价格受到轨道交通的影响最大。③ 时间维度上,城市轨道交通在建设期和运营期对沿线住宅价格均呈现出正向影响,且运营期对住宅价格的影响显著高于建设期,运营期相较于建设期平均涨幅达19.63 %;同时,轨道交通的开通给住宅价格带来的效应远大于调控政策以及宏观经济因素的影响。 相似文献
7.
基于特征价格模型的城市住宅价格影响因素研究 总被引：2，自引：0，他引：2
以2006—2011年全国35个省会城市及计划单列市为研究数据集,通过特征价格法构建反映城市住宅价格的城市特征模型,分别从全国、东部、中部和西部定量研究影响住宅价格的特征因素。从全国看,城市住宅价格受在岗职工平均工资影响最大,货物进出口总额次之,且呈正相关,城市人口和城市房地产关联的经济变量对住宅价格影响并不显著;从分区域看,对3个区域影响都显著的指标是在岗职工平均工资,影响程度从东往西呈阶梯递减,其次是货物进出口总额,东部影响小于中部和西部。总之,居民收入水平越高,城市开放程度越大,住宅价格越高。 相似文献
8.
以武汉市中心城区403个住宅小区均价为样本,基于"轨道-公交-慢行"交通路网和住宅价格特征数据构建地理空间数据库,针对公共服务设施不同的使用人群,采用改进的两步移动搜索法分析公共服务设施可达性,并构建特征价格模型来定量分析可达性对房价的影响。结果表明:教育、商业、公园、医疗设施的区位特征已被购房者所识别,其中,具有良好可达性的学校、商场、公园对房价起拉动作用,三甲医院对房价有负向影响。对房价的影响程度由大到小依次为学校、商场、公园和医院,而养老设施的影响不显著。 相似文献
9.
广州地铁三号线对周边住宅价格的时空影响效应 总被引：2，自引：0，他引：2
以广州地铁3号线及周边住宅项目为例,综合运用可达性相等理论、比较分析法、hedonic模型和GIS空间分析技术,计算地铁对周边住宅价格的影响范围,实证分析其时空影响效应。空间效应结果表明:①地铁站点离市中心越近,影响范围越小,离城区越远,影响范围越大;②地铁对周边住宅具有明显的增值作用,住宅价格与地铁距离间呈显著的正向关系,距离越远影响效应越小;③分区域来看,地铁3号线对番禺区影响较显著,影响范围内住宅平均增值20.48%,而天河和海珠区影响范围内住宅平均增值8.73%。时间效应方面,地铁规划期对天河区和海珠区的房价影响不明显,对番禺区房价具有明显的正效应;施工期对周边房价的影响为先负向而后变为正向;运营期其正向影响更加明显。 相似文献
10.
轨道交通对住宅价格和土地开发强度的影响——以北京市13号线为例 总被引：18，自引：3，他引：15
理论分析表明,轨道交通对郊区住宅价格的影响要大于城市中心区。针对北京市地铁13号线周边住宅的实证研究结果验证了这一理论。在郊区,轨道交通站点周边1km内的住宅价格要比1km外高出近20%,而在中心区这一效应并不显著。此外,随着城市交通网络的完善,13号线对住宅价格的影响在开通2年后不再显著。同时,轨道交通在两个方面对城市的土地开发强度产生显著影响。13号线的建设推动了北京市土地开发向北部郊区的跳跃式发展;同时抬高了郊区轨道交通站点周边的土地开发强度-与13号线郊区站点的距离每缩短3.3km,住宅项目的容积率提高1.0。本研究的定量分析结论能够为"交通引导开发"(TOD)的城市空间发展战略,以及轨道交通的费用效益分析和"溢价回收"策略提供决策支持。 相似文献
11.
城市轨道交通对住宅价格的影响研究——基于特征价格模型的定量分析 总被引：5，自引：1，他引：4
以上海市轨道交通8号线为例,采用特征价格法定量研究城市轨道交通对沿线住宅价格的影响.研究结果发现,城市轨道交通对沿线住宅价格有显著的增值效应,站点的影响半径为l～1.5km,但是不同站点对周边住宅价格影响的空间效应有所不同,影响半径与影响强度均存在差异;时间效应方面,轨道交通开工建设的第一年与开通运营的第一年对住宅价格的增值幅度最大,建设中期增值幅度有所回落,轨道交通建设引起的噪音、空气污染以及交通不便等因素是造成增幅回落的原因. 相似文献
12.
《Urban geography》2013,34(3):212-231
Annual price indices of owner-occupied single-family houses are estimated for 111 neighborhoods in Milwaukee, Wisconsin, for the period of 1971-1993 using hedonic price methods controlling for quality differences across housing units. The rates of price appreciation vary significantly from neighborhood to neighborhood. During the 22-year study period, nominal house prices in some neighborhoods increased more than 500%, whereas those in others decreased. In general, the neighborhoods close to each other exhibit similar price movements. In some cases, however, there are sharp differences between the neighborhoods when strong boundaries, such as a river or an expressway, exist between them even though the physical distance between them is small. Poor neighborhoods generally have experienced low appreciation rates, although the racial composition and the crime rate in the neighborhood seem to contribute the differential as well. 相似文献
13.
基于空间扩展模型和地理加权回归模型的城市住房价格空间分异比较 总被引：4，自引：3，他引：1
鉴于已有研究主要集中探讨住房价格的空间依赖性,较少涉及空间异质性对住房特征价格的影响,也很少尝试构建不同计量模型来比较模型间刻画住房价格影响因素空间分异的准确性,以长沙市中心城区为研究区,采用空间扩展模型和地理加权回归模型比较分析城市住房价格影响因素的空间分异,结果表明：① 空间扩展模型和地理加权回归模型都表明,长沙市中心城区的住房属性边际价格随着区位的变化而变化,揭示住房价格影响因素具有显著的空间异质性;小区环境、交通条件、教育配套、生活设施等因素对住房价格的影响强度存在明显的空间分异。② 地理加权回归模型和空间扩展模型都能对传统特征价格模型进行改进,但地理加权回归模型在解释能力和精度方面都超过空间扩展模型;对属性系数估计空间模式的分析,地理加权回归模型形成的结果比采用坐标多义扩展的空间扩展模型更为复杂和直观。 相似文献
14.
采用线性函数形式,构建城市地价水平的规划要素作用特征价格模型,选择广东省21个地级市作为样本进行定量研究.结果表明:城市性质、城市规模和城市基础设施对广东省城市间地价水平的差异有显著性贡献,城市区位的影响相对不显著;而宏观规划要素影响城市土地质量及供需状况,最终对城市地价水平产生显著影响.认为通过城市规划科学合理地确定宏观规划要素,有助于发挥城市土地利用的经济效益. 相似文献
15.
大连城市绿地可达性对房价影响的差异性分析 总被引：6，自引：5，他引：1
研究房价、遥感影像等多源数据,采用邻域分析法和地理加权回归模型分析大连市中山区绿地可达性及其与房价之间的空间相关性。结果表明：① 房价均价14 745.35元/m2,呈环状分布,由沿海向内陆衰减、桂林街道起中心向外围递减;② 研究区内可达性最好的绿地类型是街旁绿地,绿地可达性总体水平最高街道是桂林街道;公园绿地可达性最好的住宅区分布在昆明街道和桃源街道,街旁绿地可达性最好的住宅区分布在桂林街道,附属绿地可达性最好的分布在老虎滩街道,其他绿地可达性最好的分布在桃源街道。③ 不同类型绿地可达性对房价影响作用程度递减排序为：附属绿地、街旁绿地、公园绿地和其他绿地;附属绿地、街旁绿地和其他绿地与房价呈现空间正相关,随着到达绿地距离降低,房价呈现增长趋势;公园绿地与房价呈现负相关,随着到达公园绿地的距离降低,房价呈现衰减趋势。 相似文献
16.
Many Chinese cities are in a transition from industrial to post-industrial urban economies. In this process of urban restructuring, land use becomes polycentric and fragmented. More sophisticated models are needed to estimate the amenity effects of this complex residential environment. This article assesses the relative housing price effects of neighborhood characteristics and accessibility in Nanjing, China. This is achieved with a hedonic price model that incorporates detailed spatial measures, geographical contingency, and a modified version of Alonso’s (1964) general theory of land rent. A crucial finding is that the effect of job accessibility on house price varies depending upon the specific sector of employment. Accessibility to jobs in the public and private service sectors has strong positive effects. However, housing proximity to heavy industries has a spatially nonlinear effect: negative in close proximity, but positive at a larger distance. Second, when we control for job accessibility, access to public transport has an added positive effect. Finally, neighborhood “quality” (defined in terms of nearby amenities) is also relevant, but far less than access to service employment. This research shows that Nanjing’s housing prices are affected by different residential characteristics than those with dominant price effects in Western cities. 相似文献
17.
18.
Binbin Lu Martin Charlton Paul Harris A. Stewart Fotheringham 《International journal of geographical information science》2014,28(4):660-681
Geographically weighted regression (GWR) is an important local technique for exploring spatial heterogeneity in data relationships. In fitting with Tobler’s first law of geography, each local regression of GWR is estimated with data whose influence decays with distance, distances that are commonly defined as straight line or Euclidean. However, the complexity of our real world ensures that the scope of possible distance metrics is far larger than the traditional Euclidean choice. Thus in this article, the GWR model is investigated by applying it with alternative, non-Euclidean distance (non-ED) metrics. Here we use as a case study, a London house price data set coupled with hedonic independent variables, where GWR models are calibrated with Euclidean distance (ED), road network distance and travel time metrics. The results indicate that GWR calibrated with a non-Euclidean metric can not only improve model fit, but also provide additional and useful insights into the nature of varying relationships within the house price data set. 相似文献