共查询到19条相似文献，搜索用时 156 毫秒
1.
针对传统的空间自回归模型拟合精度较低且无法顾及空间异质性的问题,该文提出了改进的地理加权自回归模型。并以北京市住宅小区特征价格数据为例,利用探索式空间数据分析方法分析住宅价格数据的空间自相关性,探讨其时空演变特征;建立了空间自回归模型、地理加权回归模型和地理加权自回归模型,并在模型之间进行精度对比和分析。实验结果表明:北京市住宅价格具有明显的空间相关性与空间集聚特征;由于综合考虑了空间自相关性和空间异质性,地理加权自回归模型不仅能大幅度提高模型的拟合优度和解释能力,还能更好地揭示住宅价格的空间变化规律,为数据的空间探索提供了新的方向。 相似文献
2.
针对传统的空间自回归模型拟合精度较低且无法顾及空间异质性的问题,该文提出了改进的地理加权自回归模型。并以北京市住宅小区特征价格数据为例,利用探索式空间数据分析方法分析住宅价格数据的空间自相关性,探讨其时空演变特征;建立了空间自回归模型、地理加权回归模型和地理加权自回归模型,并在模型之间进行精度对比和分析。实验结果表明:北京市住宅价格具有明显的空间相关性与空间集聚特征;由于综合考虑了空间自相关性和空间异质性,地理加权自回归模型不仅能大幅度提高模型的拟合优度和解释能力,还能更好地揭示住宅价格的空间变化规律,为数据的空间探索提供了新的方向。 相似文献
3.
针对传统地理加权回归方法无法解决时空非平稳性的问题,该文提出了一种路网距离约束的时空地理加权回归方法。引入时间特性,进一步把握了不同因子在时空维度影响的分异性;以路网距离度量约束,提高模型解释力。以北京市城6区1980—2015年的1 632个住宅小区特征价格数据为例,通过与直线距离约束的常规地理加权回归方法等进行比较,采用各模型的AIC与拟合优度等指标对模型置信水平高低进行评价。实验结果表明,路网距离约束的地理加权回归模型不仅能够提高模型的拟合精度,还能更好地揭示房价在时间与空间方面的变化规律。 相似文献
4.
针对传统最小二乘回归未能顾及数据的空间特性,且无法度量模型自变量与因变量相关性的空间变异特性的问题,本文提出利用地理加权回归方法分析小微地震频次与地形因子相关度的空间异质性。以四川地区的地震监测资料、DEM为实验数据,选取地形复杂度、坡度变率、坡向变率和地面曲率为自变量,地震发生频次为因变量,构建地理加权回归模型,并进行回归系数的空间变异分析。实验分析发现,地震频次与地形因子具有一定的相关性:地形复杂度与地震频次相关性最强;坡度变率、沟壑密度、剖面曲率与地震频次的相关性依次减弱;不同空间位置的地形因子和地震频次的相关性具有较明显的空间异质性。实验结果表明,地理加权回归可以有效地度量分析地震频次与地形因子相关度的空间异质性,研究结果可为地震及次生灾害的分析与预报提供辅助决策参考。 相似文献
5.
《测绘与空间地理信息》2021,(4)
针对传统最小二乘回归未能顾及数据的空间特性,且无法度量模型自变量与因变量相关性的空间变异特性的问题,本文提出利用地理加权回归方法分析小微地震频次与地形因子相关度的空间异质性。以四川地区的地震监测资料、DEM为实验数据,选取地形复杂度、坡度变率、坡向变率和地面曲率为自变量,地震发生频次为因变量,构建地理加权回归模型,并进行回归系数的空间变异分析。实验分析发现,地震频次与地形因子具有一定的相关性:地形复杂度与地震频次相关性最强;坡度变率、沟壑密度、剖面曲率与地震频次的相关性依次减弱;不同空间位置的地形因子和地震频次的相关性具有较明显的空间异质性。实验结果表明,地理加权回归可以有效地度量分析地震频次与地形因子相关度的空间异质性,研究结果可为地震及次生灾害的分析与预报提供辅助决策参考。 相似文献
6.
7.
针对地理加权回归(GWR)模型无法克服小样本数据下异常值影响的问题,该文利用贝叶斯地理加权回归(BGWR)模型对北京地区2016年10月1日至12月29日长达90d的PM2.5监测数据进行了浓度模拟。该方法通过加入贝叶斯先验信息,选取不同的平滑函数,在局部空间样本稀少的情况下,有效降低了异常值和"弱数据"对回归结果的影响,更加真实地反映了PM2.5浓度空间分布。实验结果表明,基于不同平滑函数的3种BGWR模型校正决定系数分别达到了0.799、0.801和0.867。平均比GWR模型提升了28%,比OLS模型提升了32%,证实了BGWR模型在模拟PM2.5浓度分布时具有更好的适用性。 相似文献
8.
以京津冀地区为研究对象,结合地理国情数据开展PM_(2.5)浓度估算方法的研究,在相关因素分析的基础上,运用土地利用回归方法与地理加权回归方法建立PM_(2.5)浓度空间分布回归模型,采用十折交叉验证对比模型稳定性与拟合精度,探索研究区最优建模方法及PM_(2.5)重要影响因子。结果表明:从模型稳定性及拟合精度来看,地理加权回归模型优于土地利用回归模型,模型调整后的R2分别为0.85、0.832,平均相对误差为12.4%、13.8%,均方根误差为10.61μg/m3、11.94μg/m3。相关分析判定结果表明,京津冀地区PM_(2.5)浓度的影响因子主要为气温、气压、房屋建筑、林地、耕地、降水、污染企业等。 相似文献
9.
市域尺度货物运输碳排放时空变化及因素分析 总被引：1，自引：0，他引：1
针对货物运输导致碳排放成为温室气体主要来源之一的问题,该文综合货物运输车辆的微观温室气体排放及时空变化,从市域尺度分析货物运输碳排放的时空变化规律。利用微观排放模型计算了2000年、2005年、2010年和2015年全国286个城市货物运输碳排放的空间分布及其变化,并应用地理加权回归模型探究城市化不同层面因素对碳排放时空分布变化的影响。结果表明:货物运输碳排放具有显著的空间集聚特征,且高排放地区的集聚规律更加显著;地理加权回归模型精度明显高于普通线性回归模型,经济变量、人口变量、货运强度变量与货物运输碳排放存在显著正相关关系。该研究可为中国各市级区域制订节能减排政策提供量化的科学依据。 相似文献
10.
地理加权回归是常用的空间分析方法,已广泛应用于各个领域,但利用此方法进行回归分析前,往往忽略了对设计矩阵进行局部多重共线性的诊断,从而导致对模型的估计不准确。因此,本文在引入了全局模型的多重共线性诊断方法的基础上,对这些方法进行了改进,改进后构建了加权方差膨胀因子法和加权条件指标方法——分解比法,用于诊断地理加权回归模型设计矩阵的多重共线性问题。实验结果表明,多重共线性不存在于全局模型,而可能存在于局部模型中,构建的两种方法能够有效地诊断地理加权回归模型的多重共线性问题,且加权条件指标方法——分解比法比加权方差膨胀因子法在诊断多重共线性问题上更有优势。 相似文献
11.
城市房价空间分布及其影响因素分析 总被引：1，自引：0，他引：1
针对城市房价的空间分布规律及其影响因素的研究,该文提出了以南昌市青山湖区房价为研究对象,基于相关理论,搜集整理了2015年07月到10月南昌市青山湖区155个楼盘的均价,利用市场比较法把房价修正到2015年10月份节点上,估算出了155个楼盘点的价格,以GIS技术为研究平台,运用普通克里格插值方法,得到了青山湖区房价的等值线图,根据等值线图得到其空间分布情况,从可达性视角出发,采用结构方程模型构建了青山湖区房价影响因素分析框架,运用SPSS分析出各自变量和因变量之间的关系,即定量分析出了各影响因素对房价格产生的影响程度。 相似文献
12.
兰州市商品住宅价格的空间分异规律 总被引：1，自引：0，他引：1
针对住宅价格在城市空间中的分布规律问题,该文以兰州市主城区2015年在售的187个商品住宅样本均价为基本数据,运用空间自相关法对兰州市住宅价格的空间异质性和集聚性进行分析,并利用趋势面分析和空间反距离权重插值法对住宅价格的空间分布格局进行研究。结果表明:兰州市住宅价格总体上呈显著的空间正自相关性,少数地区存在差异性;住宅价格发展不平衡,价格"东高西低";住宅价格由各区行政中心向四周逐级递减,呈多极核分布特征;价格等值线"东密西疏",住宅价格变化幅度空间差异较大。分析发现,区位条件、交通条件及居住环境是影响兰州市商品住宅价格的主要因素。 相似文献
13.
Incorporating spatial variation in housing attribute prices: a comparison of geographically weighted regression and the spatial expansion method 总被引：10，自引：3，他引：7
Christopher Bitter Gordon F. Mulligan Sandy Dall’erba 《Journal of Geographical Systems》2007,9(1):7-27
Hedonic house price models typically impose a constant price structure on housing characteristics throughout an entire market
area. However, there is increasing evidence that the marginal prices of many important attributes vary over space, especially
within large markets. In this paper, we compare two approaches to examine spatial heterogeneity in housing attribute prices
within the Tucson, Arizona housing market: the spatial expansion method and geographically weighted regression (GWR). Our
results provide strong evidence that the marginal price of key housing characteristics varies over space. GWR outperforms
the spatial expansion method in terms of explanatory power and predictive accuracy.
相似文献
| Christopher BitterEmail: |
14.
Using Contextualized Geographically Weighted Regression to Model the Spatial Heterogeneity of Land Prices in Beijing,China 总被引：3，自引：0，他引：3
Geographically Weighted Regression (GWR) is a method of spatial statistical analysis allowing the modeled relationship between a response variable and a set of covariates to vary geographically across a study region. Its use of geographical weighting arises from the expectation that observations close together by distance are likely to share similar characteristics. In practice, however, two points can be geographically close but socially distant because the contexts (or neighborhoods) within which they are situated are not alike. Drawing on a previous study of geographically and temporally weighted regression, in this article we develop what we describe as contextualized Geographically Weighted Regression (CGWR), applying it to the field of hedonic house price modeling to examine spatial heterogeneity in the land parcel prices of Beijing, China. Contextual variables are incorporated into the analysis by adjusting the geographical weights matrix to measure proximity not only by distance but also with respect to an attribute space defined by measures of each observation's neighborhood. Comparing CGWR with GWR suggests that adding the contextual information improves the model fit. 相似文献
15.
准确地识别城市化进程中建设用地的变化情况及其背后的驱动力,对城市后续的可持续发展具有重要意义。本文首先以2000—2020年遥感影像为基础,对太原市建设用地空间分布变化进行研究,然后结合地理探测器模型和地理加权回归模型,对研究区建设用地的空间分布影响驱动力因子进行研究,得到以下结论:除政策因素外,现有的城市建设用地空间分布变化还受到高程、交通、GDP、人口等因素的显著作用。太原市城市建设用地变化的布局不单是GDP变化、人口变化、海拔高度、公路网密度4个显著性因子均匀、独立、直接作用的结果,而是具有空间异质性的各因子两两交互作用后增效的产物。本文成果有望为城市建设用地驱动力研究提供一种新思路。 相似文献
16.
针对传统住宅价格模型不足,根据地学区位理论,将区域经济因素引入特征价格模型,提出了基于区域特征的城市住宅价格评估模型.依托郑州市数字房产数据库,选取2007～2010年新建商品房买卖合同数据,利展GIS技术获取样本的位置、距离信息,采用多元线性回归方法对该模型进行了验证.结果表明住宅价格与区域经济、位置特征、邻里特征、... 相似文献
17.
Mapping fine‐scale urban housing prices by fusing remotely sensed imagery and social media data 
下载免费PDF全文
下载免费PDF全文 The accurate mapping of urban housing prices at a fine scale is essential to policymaking and urban studies, such as adjusting economic factors and determining reasonable levels of residential subsidies. Previous studies focus mainly on housing price analysis at a macro scale, without fine‐scale study due to a lack of available data and effective models. By integrating a convolutional neural network for united mining (UMCNN) and random forest (RF), this study proposes an effective deep‐learning‐based framework for fusing multi‐source geospatial data, including high spatial resolution (HSR) remotely sensed imagery and several types of social media data, and maps urban housing prices at a very fine scale. With the collected housing price data from China's biggest online real estate market, we produced the spatial distribution of housing prices at a spatial resolution of 5 m in Shenzhen, China. By comparing with eight other multi‐source data mining techniques, the UMCNN obtained the highest housing price simulation accuracy (Pearson R = 0.922, OA = 85.82%). The results also demonstrated a complex spatial heterogeneity inside Shenzhen's housing price distribution. In future studies, we will work continuously on housing price policymaking and residential issues by including additional sources of spatial data. 相似文献
18.
房地产计税价格批量评估实证研究 总被引：3，自引：0，他引：3
结合批量评估的技术思路,以深圳市二手住宅计税价格批量评估为例,构建了以长期趋势法,成本法为基本原理,结合地理信息技术(GIS)的批量评估模型,并提出研究结论与未来发展设想. 相似文献
19.
House prices fluctuate spatiotemporally and when influential changes from a region happen, the effects spread out in space over time. Although many studies have introduced various models to explain the spatiotemporal dynamics in housing markets, it is always challenging to consider both dimensions in a model. Some recent studies have identified spatiotemporal interactions of house prices by combining spatial and temporal models via spatial vector autoregression. The approach, however, assumes spatial homogeneity of the variables due to insufficient degrees of freedom. Since the housing market is generally conceived as heterogeneous, we suggest an alternative model of the spatial vector autoregressive Lasso without the homogeneity assumption. As an empirical example, we examine the spatiotemporal interaction between house sales price and rent in Seoul, Korea. The results show that rent for apartments in Gangnam‐gu, a socioeconomic core of Seoul, has positive impacts on rent for apartments in surrounding suburbs rather than their sales price. Moreover, the suggested model outperforms the classical method in terms of explanation, prediction, and autocorrelation of residuals. This research is expected to provide a methodological guide to explore the interaction between house sales price and rent, and insights into the spatiotemporal dynamics of the housing market in Seoul. 相似文献