基于短序列房价网络的关联效应及预警研究.pdf

目录

摘要I

AbstractIII

第1章绪论1

1.1研究背景1

1.2研究目的和意义3

1.2.1研究目的3

1.2.2研究意义3

1.3研究内容、方法和技术路线4

1.3.1研究内容4

1.3.2研究方法6

1.3.3研究技术路线6

1.4研究的主要贡献8

第2章文献综述与相关理论9

2.1基本理论9

2.1.1房价概念9

2.1.2短序列9

2.2文献综述9

2.2.1复杂网络的研究现状9

2.2.2房价关联效应的研究现状10

2.2.3转移熵研究现状12

2.2.4房价预警研究现状12

2.2.5文献评述13

2.3相关理论14

2.3.1滑动窗口理论14

2.3.2转移熵理论15

2.3.3复杂网络理论20

2.3.4社会网络分析理论21

2.3.5机器学习方法简介23

第3章理论分析与研究假设26

3.1房价关联效应的存在探究26

3.2房价关联效应的非线性因素26

3.3房价关联效应的户型影响28

第4章房价网络构建与网络拓扑结构29

4.1数据来源29

4.2数据处理29

4.2.1熵值法合成房价综合指数29

4.2.2城市房价的空间关联效应31

4.2.2房价数据的非线性识别32

4.3城市房价综合指数构建33

4.4整体网络结构分析36

4.5各节点网络结构刻画36

第5章城市分块，户型比较与预警分析39

5.1块模型分析39

5.2户型与房价关联效应分析41

5.3房价网络整图方法预警研究43

5.3.1房价预警方法43

5.3.2机器学习参数设置44

5.3.3预警实证结果分析44

第6章研究结论与建议49

6.1研究结论49

6.2研究启示50

6.3研究不足50

参考文献52

攻读学位期间取得的研究成果58

致谢59

附录60

图目录

图1-1本文的技术路线7

图2-1滑动窗口示意图15

图4-1全国大中城市房价综合指数演变趋势34

图5-1房价联动四大板块间的关联关系41

图5-2新建，二手住房的户型传导关系41

表目录

表4-1中国城市房价全域Moran’sI指数33

表4-2BDS检验结果表33

表4-3各城市房价综合指数排名33

表4-4网络中心性分析40

表5-1城市房价联动板块的密度矩阵与像矩阵40

表5-2新建，二手住房的户型传导数量关系42

表5-3二分类样本的混淆矩阵43

表5-4五种机器学习模型的参数设置44

表5-5城市分区房价数据各区选择45

表5-6DMST方法构造的房价网络房价预警结果（Accuracy）46

表5-7DPMFG方法构造的房价网络房价预警结果（Accuracy）46

表5-8DMST方法构造的房价网络房价预警结果（AUC值）47

表5-9DPMFG方法构造的