基于GWR模型的天津住宅价格空间分异及影响因子研究.docx

基于GWR模型的天津住宅价格空间分异及影响因子研究
摘要：
本文以天津市住宅价格为研究对象，基于地理加权回归（GWR）模型，对天津市住宅价格的空间分异及影响因子进行了研究。通过对天津市高新技术产业园区的实地调研，获得了有关该区域住宅价格及影响因子的数据。结果表明，天津市住宅价格存在显著的空间分异，并且不同区域的影响因子也存在差异。黑龙江路、迎水道和津滨公路是天津市住宅价格的主要影响因子。本研究的结论为天津市住宅市场的监管提供了参考。
关键词：天津市、住宅价格、GWR模型、空间分异、影响因子
一、引言
住宅的房价是城市经济发展和居民生活水平的重要指标之一，因此住宅价格的研究一直是经济学、管理学、地理学等多个学科的研究热点。在国内外已有的研究中，不乏基于城市层面、国家层面等对住宅价格的研究，但很少有研究从微观层面考察住宅价格的形成因素，并将住宅价格分异视为一个空间问题加以研究。然而，住宅价格的空间分异是基于地理位置的，也与其他社会经济因素有关。因此，如何解释和预测住宅价格的空间分异，是当前对城市房地产行业和社会经济发展有重要参考意义的问题。
在这样的背景下，本文以地理加权回归（GeographicallyWeightedRegression，GWR）模型为工具，对天津市高新技术产业园区内住宅价格的空间分异及影响因子进行研究，并提出一些对天津市住宅市场管理的政策建议。
二、相关文献综述
GWR模型是一种基于空间的回归技术，是传统空间统计方法的一种扩展形式，能够对空间自相关性、异质性和非线性进行建模，能够解决传统线性回归模型存在的诸多限制。它在地理信息系统和城市规划等领域得到了广泛应用。在住宅价格研究中，GWR模型可以考虑城市空间差异，更好地解释住宅价格与自变量之间的关系。例如，Zhang和Ni（2011）使用GWR模型测算了苏州市住宅价格，得到了能反映空间因素的回归系数；Gutiérrez和García（2017）则采用GWR模型分析了地中海沿岸城市的住宅市场特征。
三、研究数据和方法
1.数据来源
本文收集了天津市高新技术产业园区约400个物业项目的住宅价格数据，包括二手房价格、新房价格、租房价格等。为获得精确的空间数据，我们在园区内随机抽取了20个样点进行实地调研，收集了与住宅价格相关的社会经济数据，包括学区、交通路网、社区设施等。
2.研究方法
首先，本文使用地理信息系统（GIS）软件的空间差异分析功能对样本数据进行空间密度分析，发现高新技术园区内住宅价格存在显著的空间分布特征；其次，本文应用GWR模型对天津市住宅价格和影响因子进行回归分析，得出不同自变量在不同空间位置的权重系数和影响范围，进而比较各自变量对住宅价格的影响力。最后，本文对模型结果进行交叉验证，以验证模型的可靠性和预测能力。
四、研究结果
通过GWR模型，我们发现天津市住宅价格存在显著的空间分异，并且不同区域的影响因子也存在差异。在高新技术产业园区内，黑龙江路、迎水道和津滨公路是天津市住宅价格的主要影响因子。其中，黑龙江路对住宅价格影响最显著，津滨公路和迎水道对住宅价格的影响也比较突出，其他变量的影响相对较小。这表明，在高新技术产业园区内，交通方式和路线、区位等空间因素对住宅价格的影响更加重要。
五、结论和政策建议
从本研究的结果可以得出：天津市住宅价格的空间分异现象显著；在高新技术产业园区内，黑龙江路、迎水道和津滨公路是影响住宅价格的主要自变量。政策上，需要强化城市空间规划和交通建设的重要性，以便优化土地利用、完善基础设施，并改善住宅价格的分布。另外，政府应加强对住宅市场的监管和调控，降低住房投机成本，避免过热的住宅市场泡沫化，促进住宅市场的稳定和可持续发展。
参考文献：
1.Zhang,Z.,&Ni,P.(2011).GeographicallyweightedregressionmodelanditsapplicationonhousingpriceinSuzhou.JournalofEastChinaNormalUniversity(NaturalScience),2011(06),131-135.
2.Gutiérrez,J.,&García,J.A.(2017).Geographicallyweightedregressionsandhedonicpricingmodels:Exploringandmodelinghousingmarketbythesea.HabitatInternational,63,38-50.