共查询到20条相似文献，搜索用时 109 毫秒
1.
针对北京市主城区房地产价格长区间的空间分布变化及其成因进行研究,为北京市房价的空间分布规律提供参考.采用空间相关性分析方法中的平均最近邻分析、全局Moran'sI指数、Moran散点图和LISA集聚图等分析工具结合空间自相关理论对北京市主城区房地产价格的空间分布变化进行分析,通过克里金插值分析方法验证房价的空间特征,分析空间分布的变化及其成因.得出北京市主城区房地产价格20152019年,空间集聚特征不变,正向空间自相关增强,价格中心由单中心变为中心—副中心的多中心形式,区位因素和交通可达性条件是影响房价空间分布变化的重要因素. 相似文献
2.
西安市住宅价格空间结构和分异规律分析 总被引：1，自引：0，他引：1
利用ESDA方法对西安市城区的291个普通住宅项目均价数据进行研究,通过计算Moran指数和半变异函数分析了其空间自相关性和变异性,并进行了趋势分析。应用Kriging空间插值方法对西安市普通住宅价格空间分布进行了模拟。研究结果表明:西安市房价存在显著的空间自相关性,大部分住宅价格呈空间集聚格局,少部分因存在空间异质性而呈离散分布;房价变异函数表现出各向异性,不同方向有不同结构特征,空间自相关尺度为14.2km;西安市房价空间分异规律明显,房价分布格局受城市功能区划和交通影响较大。 相似文献
3.
《北京测绘》2020,(6)
本文以郑州市主城区为例,以房地产租售网络平台和百度地图获取的住宅价格和位置数据为基础,运用克里金插值分析、核密度分析、空间自相关分析、缓冲区分析等GIS空间分析方法,研究其住宅价格空间分布格局及影响因素,为房价调控和基础设施建设布局提供依据。结果表明:(1)郑州市主城区住宅价格空间分布有显著的分片区特点,区域差异较大,呈现东北高、西南低的分布特征;(2)主城区东北部房价总体偏高,区域差异较大,西南部房价整体偏低,分布较为均匀,住宅价格之间表现出较强的空间自相关性;(3)住宅价格空间分布格局受到人口分布与经济发展,主要道路及河流水系分布,超市商城、教育设施、医疗设施配套及城市规划等多重因素的综合影响。 相似文献
4.
5.
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
6.
7.
8.
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
9.
改革开放以来,住房商品化的新体制基本确立,使以住宅为主的房地产业成为国民经济的支柱产业,房地产价格也成为当今热点。城市房地产价格在空间、时间分布上具有较强关联性和特殊性。据此,以南京市房地产价格为例,研究不同因素对房地产价格变动的影响,从而建立有效的分析评估机制。结果表明,从时间分析角度,政策对南京房价的影响较大,政府颁布的不同购房政策是房价波动的重要因素;从空间分析角度,南京房价分布主要为圈层式结构,中心城区等值线密集且分布均匀,而四周等值线逐渐变得稀疏且分布不均。影响房价的主要因素为距市中心远近,中小学、高校、医院、景区和地铁位置。通过这些影响因素,建立了Hedonic模型,揭示了南京市房价的空间分布格局。 相似文献
10.
西安市商品住宅价格空间格局的演化研究 总被引：1，自引：0，他引：1
针对目前城市住宅价格空间格局演化研究不足,尤其是内在驱动机制研究较少的现状,利用2000年、2004年、2008年及2013年4年节点数据,采用空间自相关指数并结合空间变异函数,分析西安市商品住宅价格空间格局演化特征及其驱动机制,为城市住房政策的制定提供参考。结果表明:住宅价格呈现出显著的空间自相关,热点和冷点区发生转移;住宅价格的空间变异程度不断加大,空间分异格局中的随机成分不断降低,结构化分异越来越显著;住宅价格高值区呈现出由双中心向多中心、多圈层演化的趋势;从城市规划引领、居住空间扩张和交通条件改善3个方面探讨住宅价格空间格局演化的驱动机制。 相似文献
11.
12.
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
13.
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
14.
郝艳 《测绘与空间地理信息》2008,31(6)
以时空数据模型及房产价格为研究对象,在同时满足基于特征和事件的空间时态数据模型基础上,结合数据库、统计分析、数据挖掘等技术创建基于位置(栅格)和对象(矢量)相结合的时空数据模型,实现了对马鞍山市房产价格的查询和管理. 相似文献
15.
基于空间自相关的河南省城镇化水平空间格局研究 总被引：1，自引：1，他引：0
城镇化水平是衡量一个地区经济发展状况的重要指标。本文基于空间自相关分析方法,利用2007年河南省各市城镇化数据,分析了城镇化水平的空间分布规律。结果表明,河南省城镇化水平全局Moran’sI指数为0.299,达到显著正相关,呈现明显的全局空间集聚现象;其次,河南省城镇化水平分布的局部空间集聚现象亦十分显著。总体上,城镇化水平分布呈正关联的地市数量明显高于呈负关联的数量。根据计算结果,提出了促进河南省城镇化水平快速全面发展的对策和建议。 相似文献
16.
Faroek Lazrak Peter Nijkamp Piet Rietveld Jan Rouwendal 《Journal of Geographical Systems》2014,16(1):89-114
The current literature often values intangible goods like cultural heritage by applying stated preference methods. In recent years, however, the increasing availability of large databases on real estate transactions and listed prices has opened up new research possibilities and has reduced various existing barriers to applications of conventional (spatial) hedonic analysis to the real estate market. The present paper provides one of the first applications using a spatial autoregressive model to investigate the impact of cultural heritage—in particular, listed buildings and historic–cultural sites (or historic landmarks)—on the value of real estate in cities. In addition, this paper suggests a novel way of specifying the spatial weight matrix—only prices of sold houses influence current price—in identifying the spatial dependency effects between sold properties. The empirical application in the present study concerns the Dutch urban area of Zaanstad, a historic area for which over a long period of more than 20 years detailed information on individual dwellings, and their market prices are available in a GIS context. In this paper, the effect of cultural heritage is analysed in three complementary ways. First, we measure the effect of a listed building on its market price in the relevant area concerned. Secondly, we investigate the value that listed heritage has on nearby property. And finally, we estimate the effect of historic–cultural sites on real estate prices. We find that, to purchase a listed building, buyers are willing to pay an additional 26.9 %, while surrounding houses are worth an extra 0.28 % for each additional listed building within a 50-m radius. Houses sold within a conservation area appear to gain a premium of 26.4 % which confirms the existence of a ‘historic ensemble’ effect. 相似文献
17.
从安居客房产网站自动获取成都市的商品住宅资料,利用GIS方法分析成都市商品住宅价格的空间分布特征,得出了成都市商品房价格空间分布结果和发展趋势。 相似文献
18.
本文介绍了余杭区房地产基础地理信息系统的概况,系统设计思想和应用功能。对房地产行业的GIS应用、系统设计与建设中的一些普遍性问题做一些简要分析和探讨。 相似文献
19.
基于2010年《山东统计年鉴》和全国第六次人口普查数据,本文以县域为研究单元,通过空间自相关分析人口的空间分布模式,运用因子分析和Pearson相关分析探究人口空间分布模式的影响因素。研究结果表明:山东省人口分布呈现"东北-西南"的空间分布模式,人口空间分布整体上呈现显著的空间集聚,主要集中在青岛市的中心城区;经济增长因素和地形条件是山东省人口空间分布模式形成的主要推动力。 相似文献
20.
本文阐述了空间统计分析方法的基本原理,介绍了判断空间关联显著性的相关指标及其计算方法,并将空间统计分析方法应用于环境质量评价领域,探索区域环境质量在空间上的分布特征,挖掘环境质量数据中的空间关联关系。结合惠州市2008年空气现状调查中的硫酸盐化速率数据进行分析,结果表明,该数据在整体上存在显著的空间自相关和聚集模式;在局部层面存在三个统计显著性较高的聚集区。由此可知,空间统计分析方法能有效地挖掘环境质量数据中的潜在关联关系,为环境质量评价提供十分重要的统计依据。 相似文献