GIS房价动态监测文献综述 2

基于GIS技术的房价监测关键技术及应用示范

研究工作方案

（1）房价空间差异分布研究进展

对于商品房价格的空间差异分布，国内外学者进行过一系列较为系统的研究。Jorge C O通过研究Granada 的区位特征价格的趋势，采用残差迭代克里格法对房价特征价格模型进行了估计。Roehner通过不同空间位置住宅价格变化分析，进行了住宅投机与住宅价格的研究。Pace 等采用相关的空间和时间变量，建立了满足空间限制要求的住宅价格预测模型。另外，Basu ，Rafael 等也根据住宅空间差异分布，提出了相应的住宅价格预测模型。

国内学者近年来对此也做过大量的研究。许晓晖以上海市为例，研究了上海市商品住宅的空间分布规律，并建立区位回归模型进行回归分析分析了房价的影响因素。郑芷青以广州为例，研究了广州商品住宅后认为广州市商品住宅符合单中心城市四周价格逐级递减规律。王霞等以北京普通住宅作为研究对象，分析了房价空间结构的各向同性和各向异性，并绘制出房价等值线图，反映北京房价的空间分布规律。蒋芳等利用北京1998-2003 年普通住宅土地出让地价资料，得到了北京空间地价分布图，采用克里格插值法得到北京普通住宅出让地价空间结构分布。王霞等针对传统克里格插值变量可能出现趋势的问题，剔除普通克里格插值的二阶趋势后得到北京的1998-2005 年土地交易价格空间分布趋势。张绍伙等以贵阳为例，采用克里格插值的方法绘制出贵阳市城区房价等值线图，同时研究了住宅价格空间分布差异的现象和成因。邵晓莉等以武汉市建成区为例，采用确定性插值中的反距离权重插值、规则样条函数法以及薄板张力样条法对房价进行估算后武汉市建成区房价情况，并认为确定性插值的方法中反距离权重插值最优。

综合我国学者近年来的研究，可以发现，我国城市普遍是单中心城市，或者从单中心城市向一个中心和若干个次中心过渡阶段的城市，只有西安出现了向多中心扩展的趋势，且各城市多呈空间集聚的形态，而非离散，说明我国的城市多为中央集中式的单中心城市为主。

（2）特征价格模型研究进展

Stevenson以美国波士顿地区1995-2000 年的6441 个住宅样点，选择了30个变量证实了住宅建造年限对住宅价格所能够产生的影响。Haurin 和Brasington以俄亥俄州为研究区域，选择了29 个变量采用住宅特征价格模型，证明了美国俄亥俄地区学校质量对附近住宅价格具有很大的影响，同时也证明了距离CBD 的距离，犯罪率，文化艺术场所，娱乐场所也对住宅的价格产生了影响。香港地区的Chau 等，Mok 等以及台湾地区的Hsueh也分别针对各自所在的地区提出了相应的特征价格模型。

国内学者近年来也围绕住宅特征价格模型对城市的房价定位做出了大量的实证研究。蒋芳等采用1998 年到2003 年北京普通住宅交易数据，采用多元回归的方法，建立了北京市普通住宅地价区位模型，定量分析了各影响因素对住宅地价的影响程度，认为商圈是地价影响的最主要的因素，地铁，主要公路次之，公园对地价的影响并不显著。张文忠等以北京八区为研究范围，选择评价因子对居住环境的区位优势度进行评价后分析了区位优势度和住宅价格本身之间的空间关系，认为价格的空间分异和居民偏好的空间分异具有相似性。李传华等以兰州市2005-2006 年普通住宅数据进行分析，定量采用线性回归分析了影响因素，认为兰州市房产聚集分布，房价空间差异很明显，并呈现多中心的特征。邹高禄等采用特征价格模型对2004-2005 年成都二手房楼盘进行分析后认为价格对不同的住房特征和区位因素变化的敏感性不同，二手房大小是影响二手房价格的重要因素，随户型由小到大遵从价格增长的边际效用递减，而对住宅年龄，装修甚至区位变化不敏感。

总的来说，无论是研究房价的空间差异分布还是研究特征价格模型，国内外的研究均是细致而广泛的，从理论发展来看，整个理论体系是比较完备的。房地产理论研究方法虽然大体相同，但是得到的结论却略有出入，具体表现在对房价或地价的主要影响因素并不是一尘不变的，而是随着地域环境的不同而变化的。因而，虽然分析方法大体相同，对不同时段，不同环境，不同地域得到分析结果往往是不同的，这就需要面对环境变化，具体问题具体分析来解决问题。

参考文献

[1]Jorge C O.Spatial Estination of Housing Prices and Locational

Rents[J].UrbanStudies,1995,32(8):331-344

[2]Roehner B M.Spatial analysis of real estate price bubbles:Paris,1984-1993.[J].Handbook ofRegional Science and Urban Economics.1999,29(1):73-88

[3]Stevenson S.New empirical evidence on heteroscedasticity in hedonic housingmodel.[J].Journal of Housing Economics,2004,13:136-153

[4]Haurin D R and Brasington D.School quality and real house prices:Inter- and

intrametropolitan effects[J],Journal of Housing Economics,vol.5:351-368

[5]许晓晖.上海市商品住宅价格空间分布特征分析[J].经济地理.1997（3）：80-87

[6]郑芷青.广州商品住宅价格分布特征研究[J].热带地理.2001（3）：22-26

[7]王霞，朱道林.地统计学在都市房价空间分布规律研究中的应用——以北京市为例[J].中国软科学.2004（8）：152-155,108

[8]蒋芳，朱道林.基于GIS 的地价空间分布规律研究——以北京市住宅地价为例[J].经济地理.2005（3）：199-202

[9]王霞，朱道林.基于Kriging 方法和GIS 技术的地价时空格局研究[J].重庆建筑大学学报.2007（2）：101-105

[10]张绍伙，彭贤伟.基于Kriging 方法和GIS 技术的城市房价空间分异研究——以贵阳市城区为例[J].贵州师范大学学报（自然科学版）：2010（2）：27-31

[11]邵晓莉，刘海，邓文胜.房价空间插值方法比较研究——以武汉市建成区为例[C].

[12] 蒋芳，朱道林.住宅地价的区位模型研究——以北京市为例[J].乡镇经济.2004（3）：39-41

[13]张文忠，刘旺，孟斌.北京市区居住环境的区位优势度分析[J].地理学