地统计分析的市商品住宅价格分布差异分析
有关房屋价格的研究一直是学者关注的重点。其中，房价与地理空间位置有着紧密的联系，城市内部不同区位的房价水平不同，价格的区域差异明显，房屋价格空间分布格局也就成为了城市地理学者研究的热点问题。本文试图利用地统计学中的一些分析方法，包括趋势面分析、空间自相关性分析来探讨南京市房价的分布趋势及其之间的内在联系，最后进行克里格插值计算并绘制南京市房价分布的专题地图。研究发现，南京市房价空间分布呈现单中心格局，以主城区为中心，并向四周递减；另外，南京市商品住宅价格存在着较明显的空间集聚特征，即同等价位的房价存在相互聚集的空间分布现象。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
一、材料与方法2
（一）数据收集与处理2
（二）研究方法 2
1趋势面分析2
2空间相关性分析2
3克里格插值3
4分析软件3
二、结果与分析4
（一）商品住宅价格统计分析4
（二）住宅价格相关性分析6
（三）住宅价格趋势面分析7
（四）房价空间分布分析8
三、结论 10
致谢11
参考文献11
图一 南京市住宅项目分布图4
图二 房价相关显水平分析图5
图三 房价趋势分析图7
图四 房价正态分布散点图7
图五 房价分布图8
表1 南京市商品住宅统计分析表5
表2全局自相分析结果6
基于地统计分析的南京市商品住宅价格分布差异分析
引言
近些年来，我国开始陆续实行房地产改革制度，房地产业的总综合实力得到迅速提升，已然成为了许多城市的重要支撑产业之一。与此同时，语商品房价相关的研究开始引起国内外学者的关注，其中，房价与其所在的地理位置有着紧密的联系，许多学者也从房价空间分布的角度进行相关研究。例如，Roehner通过不同空间位置房屋价格变化的分析，开展了投机与价格关系的研究。Pace等采用相关的空间和时间变量，建立了房价预测模型。目前，国内对房价空间分 *好棒文|www.hbsrm.com +Q: @351916072@
布的研究也取得了很大进展。如许晓辉在开发房产信息查询系统的基础上，利用arcgis软件，绘制了上海市房价等值曲线图，并揭示了上海市房价的分布趋势和变化规律。郑芷青通过绘制住宅价格等值曲线图与价值变化曲线图，反映了广州市房地产价格开发各区不平衡，以及房屋供求还存在着供过于求的状况等。梅志雄、黄亮利用地统计学中的趋势分析方法对东莞市房价空间变化趋势进行了分析。宋利利采用了GIS空间分析的方法，运用arcgis 软件，研究河南省新乡市普通商品住宅价格的分布趋势和变化规律，得出新乡市房价呈现出由中心向外递减的趋势。
本文使用地统计学中的一些分析方法，包括趋势面分析和空间自相关性分析，探讨房价的分布趋势和内在联系，最后进行普通克里格插值并绘制南京市2016年9至12月房价分布的专题地图。利用ARCGIS软件的趋势面分析工具，可以看出南京市房价分布呈现单中心格局，高房价地段基本位于中城区，并向四周逐渐递减。运用空间自相关分析，包含全局和局部自相关两种分析方法，计算能够反映邻近区域单元相似性的Moran指数，进行得出南京市整体以及局部的空间相关性程度；最后，进行克里格插值计算，预测未知区域的房价情况，进而得出整个南京市的商品住宅价格的空间分布格局。
一、材料与研究方法
（一）数据采集与处理
在各种楼盘项目类型中，商品住宅由于需求量广，在建筑项目中占有比例大，空间分布广，比较适合作为研究空间分布特征的研究对象。此次选择的是南京市域范围内9区、2 县的 2016 年9—12 月开盘在售的商品住宅项目。用于分析的样本数据来源于南京市搜房网(http://newhouse.nanjing.fang.com/) ，一共收集到161个楼盘项目，每个项目包括具体的楼盘项目名称，楼盘位置，销售时间和商品房价等，其中住宅价格为住宅建筑面积的销售均价，不为最终的成交价格。利用百度地图API强大的地图服务功能，依据项目点的地理位置来获取具体的其在GCS_WGS_1984坐标系下的坐标值，并利用ARCGIS将属性表转换成住宅项目分布的点数据图层并进行坐标系转换，转换GCS_Xian_1980下的点数据层，其属性数据包括住宅项目名称及房价、销售时间等信息。
（二）研究方法
1趋势面分析
趋势面分析（trend analysis）是根据已有的样本点的空间位置及相应的属性值，用一个数学曲面近似的来模拟样本点的空间分布特征及变化趋势的一种空间分析方法。在arcgis软件中，可以利用Geostastistics analysis工具中的趋势面分析来模拟地理要素在研究区域中的空间分布及变化趋势。
2空间相关性分析
地理研究对象普遍存在的变量间关系中，确定的是函数关系，不确定的是相关关系。
通过空间自相关分析，可以计算出研究区域上某种地理现象或地理要素的某一特征与相邻区域单元上同一地理要素属性值的相似性程度。它是一种检测与量化从多个标定点中取样值变异的空间依赖性的的空间统计方法，通过计算一个位置上的变异及其邻近区域的变异之间的相关指数来判断该变异是否存在空间结构关系。
（1）全局空间自相关分析
空间自相关分析主要分为两种，全局空间自相关分析能够检测出整个研究区域中地理要素某项属性值之间的相似程度，能够反映空间对象之间是否存在显著的空间分布特征。常用的用来测度全局相关性程度的参数包括Moran指数和Geary系数，本文用来测度相关性程度的指标为Moran指数。其公式为：
I= , i≠j (1)
目录
摘要1
关键词1
Abstract1
Key words1
引言1
一、材料与方法2
（一）数据收集与处理2
（二）研究方法 2
1趋势面分析2
2空间相关性分析2
3克里格插值3
4分析软件3
二、结果与分析4
（一）商品住宅价格统计分析4
（二）住宅价格相关性分析6
（三）住宅价格趋势面分析7
（四）房价空间分布分析8
三、结论 10
致谢11
参考文献11
图一 南京市住宅项目分布图4
图二 房价相关显水平分析图5
图三 房价趋势分析图7
图四 房价正态分布散点图7
图五 房价分布图8
表1 南京市商品住宅统计分析表5
表2全局自相分析结果6
基于地统计分析的南京市商品住宅价格分布差异分析
引言
近些年来，我国开始陆续实行房地产改革制度，房地产业的总综合实力得到迅速提升，已然成为了许多城市的重要支撑产业之一。与此同时，语商品房价相关的研究开始引起国内外学者的关注，其中，房价与其所在的地理位置有着紧密的联系，许多学者也从房价空间分布的角度进行相关研究。例如，Roehner通过不同空间位置房屋价格变化的分析，开展了投机与价格关系的研究。Pace等采用相关的空间和时间变量，建立了房价预测模型。目前，国内对房价空间分 *好棒文|www.hbsrm.com +Q: @351916072@
布的研究也取得了很大进展。如许晓辉在开发房产信息查询系统的基础上，利用arcgis软件，绘制了上海市房价等值曲线图，并揭示了上海市房价的分布趋势和变化规律。郑芷青通过绘制住宅价格等值曲线图与价值变化曲线图，反映了广州市房地产价格开发各区不平衡，以及房屋供求还存在着供过于求的状况等。梅志雄、黄亮利用地统计学中的趋势分析方法对东莞市房价空间变化趋势进行了分析。宋利利采用了GIS空间分析的方法，运用arcgis 软件，研究河南省新乡市普通商品住宅价格的分布趋势和变化规律，得出新乡市房价呈现出由中心向外递减的趋势。
本文使用地统计学中的一些分析方法，包括趋势面分析和空间自相关性分析，探讨房价的分布趋势和内在联系，最后进行普通克里格插值并绘制南京市2016年9至12月房价分布的专题地图。利用ARCGIS软件的趋势面分析工具，可以看出南京市房价分布呈现单中心格局，高房价地段基本位于中城区，并向四周逐渐递减。运用空间自相关分析，包含全局和局部自相关两种分析方法，计算能够反映邻近区域单元相似性的Moran指数，进行得出南京市整体以及局部的空间相关性程度；最后，进行克里格插值计算，预测未知区域的房价情况，进而得出整个南京市的商品住宅价格的空间分布格局。
一、材料与研究方法
（一）数据采集与处理
在各种楼盘项目类型中，商品住宅由于需求量广，在建筑项目中占有比例大，空间分布广，比较适合作为研究空间分布特征的研究对象。此次选择的是南京市域范围内9区、2 县的 2016 年9—12 月开盘在售的商品住宅项目。用于分析的样本数据来源于南京市搜房网(http://newhouse.nanjing.fang.com/) ，一共收集到161个楼盘项目，每个项目包括具体的楼盘项目名称，楼盘位置，销售时间和商品房价等，其中住宅价格为住宅建筑面积的销售均价，不为最终的成交价格。利用百度地图API强大的地图服务功能，依据项目点的地理位置来获取具体的其在GCS_WGS_1984坐标系下的坐标值，并利用ARCGIS将属性表转换成住宅项目分布的点数据图层并进行坐标系转换，转换GCS_Xian_1980下的点数据层，其属性数据包括住宅项目名称及房价、销售时间等信息。
（二）研究方法
1趋势面分析
趋势面分析（trend analysis）是根据已有的样本点的空间位置及相应的属性值，用一个数学曲面近似的来模拟样本点的空间分布特征及变化趋势的一种空间分析方法。在arcgis软件中，可以利用Geostastistics analysis工具中的趋势面分析来模拟地理要素在研究区域中的空间分布及变化趋势。
2空间相关性分析
地理研究对象普遍存在的变量间关系中，确定的是函数关系，不确定的是相关关系。
通过空间自相关分析，可以计算出研究区域上某种地理现象或地理要素的某一特征与相邻区域单元上同一地理要素属性值的相似性程度。它是一种检测与量化从多个标定点中取样值变异的空间依赖性的的空间统计方法，通过计算一个位置上的变异及其邻近区域的变异之间的相关指数来判断该变异是否存在空间结构关系。
（1）全局空间自相关分析
空间自相关分析主要分为两种，全局空间自相关分析能够检测出整个研究区域中地理要素某项属性值之间的相似程度，能够反映空间对象之间是否存在显著的空间分布特征。常用的用来测度全局相关性程度的参数包括Moran指数和Geary系数，本文用来测度相关性程度的指标为Moran指数。其公式为：
I= , i≠j (1)
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jzgc/csgh/54.html
