应用改进的时空地理加权模型分析城市住宅价格变化.pdfVIP

应用改进的时空地理加权模型分析城市住宅价格变化· 吴波1，刘彪2，詹锡兰1 (1福州大学空间数据挖掘与信息共享教育部重点实验室，福建福州2香港中文大学太空与地球 信息科学研究所，香港沙田) 摘要： 本文以深圳市为例对城市住宅价格进行时空地理加权统计回归分析，以期揭示城市住宅 价格在时间与空间方面的一些变化趋势．研究结果表明时空地理加权回归模型不仅能够分析相关 因素在空问的差异性上对住宅价格具有重要影响，还能够揭示其在时间上的差异性，因此能够有 效刻画出相关因素对住宅价格的影响随时间和空间变化的特点．依据模型的拟合度标准，GTWR 显优于OLS与GWR模型． 关键词： 住宅价格， 时空地理加权模型， 非平稳性， 深圳市 引言 精确地分析和预测住宅价格变化的趋势是居民、投资者、开发商、税务机关以及政 府管理者关注的重要问题【lJ，并对辅助住宅市场政策制订和住宅产业发展战略决策具有 重要意义。因而，城市住宅价格问题也一直是学术界探讨的热点问题之一。目前，住宅 价格模型已考虑到住宅价格在空间邻域的相关性和非平稳性，但还缺乏对时间因素非平 稳性影响的分析。实际上住宅的地理位置和购买时间是影响住宅价格十分重要的两个因 素，住宅价格不仅受到住宅空间特征的影响，亦受到时间特征的影响。复杂的空间和时 间影响导致住宅价格变量间相互独立的基本多元线性统计假设不再成立，从而使传统经 济计量模型的估计结果不再是无偏和有效的【2】。因此，目前的研究重点趋向于在住宅价 格模型里整合空间和时间特征以消除相关性和非平稳性。 在空间和时间相关性模型方面，人们已经提出了多种类型的回归模型，并在贝叶斯 et 框架中通过对扩展误差项的不同操作来实现【3训。Pacea1．利用时空权矩阵组合滤波， 得到大量附加参数，建立了一种时空价格模型，从而极大提高模型的拟合精度与计算效 率pJ。然而，全局模型假设模型关系在整个研究区域内是全局不变的，这种模型获得的 信息是一种统计意义上的平均值。而实际上模型关系在整个研究区域内可能是变化的， 造成不同时间与空间内的作用关系是变化的。因而假设模型在整个时间和空间维度都是 平稳或具有稳定结构具有不合理性。目前，相关研究的重点逐渐转向了空间和时间的非 et a1．提出了地理加权回归 平稳性局部模型研究方面i6J，其中影响最大的是Fotheringham 模型(GWR)[7-8]oGWR模型不仅可以探测系数的变化，而且还能对系数变化的显著 性进行解释，因此这种方法得到了广泛应用。PaVlov和Yu曾尝试将这种方法应用于住 宅价格分析p以…。然而，尽管GWR模型成功地抓住了空间变化，却忽略了时间效应。 学科学楼13层 模型，解决了住宅价格建模中的时空非平稳性即差异性问题【ll】。GTWR模型本质是构 造了一个正交的椭圆坐标系统，利用伍y，t)三维坐标来计算时空距离，但他们没有考虑 时间与空间的相互作用效果。本文在构造权重矩阵时，考虑时间与空间的相互作用效果， 对该模型进一步改进，并应用到深圳市住宅价格分析中。 改进的时空地理加权回归模型(GTwR) 地理加权回归模型(GWR)是一个简单有效的处理空间非平稳性的技术，与传统 全局模型不一样，因此是一个局部化的模型，它假设空间中不同的观测点存在着不同的 相互关系。GWR可以表示为 Z=属(甜，，vf)+∑k反@t，V，)置t+qf：1，…，力 其中(甜t，’，，)表示空间点f的坐标，flt(ut，_)是空间坐标相关的回归系数。由于回归 系数大小与空间位置相关，在不同地方具有不同的数值，表达了空间的非平稳性。GWR 常用最小二乘方法来校准模型，参数履(“t，_)采用加权最小二乘估计 fl(u，，％)=(Xr形(吩，_)X)一1XrW(u，，_)】，． (2) 由于权重矩阵与空间距离有关，因此空间不同点将会具有不相同的权重矩阵。一般有两 种方式构造权重矩阵：固定核与自适应核[61。固定核需要确定核宽h，这是一个在均值 与方差之间平衡的一个重要参数，如果厅越大，则GWR趋向于全局模型；反之，如果 h很小，则系数估计的方差很大，造成过拟合