基于MGWR模型的合肥市住宅市场价格因素分析.pdfVIP

黑河学院学报

2024年第05期（2024年05月）JOURNALOFHEIHEUNIVERSITYNo.052024

doi：10.3969/j.issn.1674-9499.2024.05.017

基于MGWR模型的合肥市住宅市场价格因素分析

王璐1,2邱国新2

(1.安徽建筑大学经济与管理学院，安徽合肥230022；2.安徽新华学院商学院，安徽合肥230088)

摘要：选取一段时间内合肥市主要城区(包河区、瑶海区、庐阳区、蜀山区)的二手房市场价格，通过多尺度地理加权回归模

型分析所选区域内房宅价格及其影响因素。结果表明：所选区域内房宅市场价格受到空间区位的影响，存在着一定程度内的空间

异质性；传统的普通最小二乘法模型在描述这种空间异质性数据时存在着诸多限制和挑战，无法胜任描述基于空间特征的价格模

型；多尺度地理加权回归模型比一般的地理加权回归模型拟合度更佳。

关键词：合肥市；多尺度地理加权回归方法；住宅市场价格；MGWR模型

中图分类号：F293.35文献标志码：A1674-9499(2024)05-0061-04文章编号：

住房价格与其所处的空间区域存在着高度相关的特征，制等方面已有了足够深入和成熟的研究和成果。但考虑到

在近些年的研究中受到了广泛的关注。传统的研究分析GWR模型尚且存在着一定的缺陷，在研究住房价格及其影

多基于OLS(普通最小二乘法)模型，Goodman基于此对住房响机制和空间区位的关系问题上，新提出的MGWR模型存在

价格与其选定的影响因素之间的相关关系进行了分析[1]。着一定的优势，能更为准确地分析相关的机制问题，且这一

Brunsdon等人首次提出了地理加权回归模型，这一新的研究新模型在住房市场范围内的应用有待进一步探究。因此，本

方式可以有效地处理住房市场当中其价格之于空间区域的文选取合肥市的相关数据，运用MGWR模型分析合肥市的住

相关性问题[2]。房市场价格与其空间区位的相关关系，并与传统OLS模型、

随着研究的深入，诸多实证研究表明相较于传统的OLS模GWR模型的结果进行比较。结果表明：MGWR模型在准确

型，GWR(地理加权回归)模型能更为合适地处理住房价格及其度方面具有一定优势。

与空间区域的相关关系。Helbich基于此模型研究了奥地利

维也纳地区住房价格及其空间异质性[3]。LuB、Charlton以伦一、研究方法与数据

敦的房价数据集为例，用欧氏距离、路网距离和旅行时间

指标对GWR模型进行校准[4]。Fotheringham将时间效应纳入1.数据来源

保值型房价模型，并将GWR模型应用于伦敦19年的房价数本文数据主要来源于链家网(/)，包括

据，探索房价决定因素的时空变化[5]。刘贵文、王丽娟选取小区的属性及其地理位置等相关数据，在数据收集完毕之后

了重庆市主要城区内住房价格的平均值，综合比较得出相较对该数据进行一定的整理和校对。

于OLS模型，GWR模型的拟合度要更为胜出[6]。宋伟轩等人

则通过GWR模型并基于南京市主要城区二手住房价格均值

得出房价分异与空间分异在影响机制和空间区位等相关特征

上呈现出相当程度的耦合效果，并基于此指出OLS模型存在

着的不足[7]。徐晶鑫则从住宅属性、交通方便程度和小区基

础设施建设程度三个方面进行分析并指出GWR能更为准确地得

[8]

出相应的结果。

随着研究的进一步深入，Fotheringham在GWR模型的基

础上提出了MGWR(多尺度地理加权回归)模型[9]。沈体雁等

人基于MGWR模型研究了北京市二手房市场，并得出了以往

基于经典地理加权回归模型的研究可能存在一定的不稳健，