近年來,我國的城市化進(jìn)程不斷加速,與此同時(shí),受城市化影響,房地產(chǎn)的市場份額不斷增加。房地產(chǎn)行業(yè)已經(jīng)成為國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一。在全國房價(jià)快速增長的大背景下,大連市住宅市場也一路持續(xù)上行,表現(xiàn)活躍。住宅價(jià)格的增長在拉動(dòng)了大連市經(jīng)濟(jì)發(fā)展的同時(shí),也嚴(yán)重影響了市內(nèi)民眾的生活狀態(tài)和質(zhì)量。因此,研究大連市住宅價(jià)格空間變化規(guī)律及影響因素顯得很有必要。本文以大連市在售二手房價(jià)格為研究對象,運(yùn)用探索性空間分析方法和住宅特征價(jià)格模型法,借助ArcGIS、GeoDa、SPSS等軟件對大連市中山區(qū)、西崗區(qū)、沙河口區(qū)的住宅小區(qū)價(jià)格進(jìn)行了深入細(xì)致的分析。得出以下主要結(jié)論:⑴大連市中山區(qū)、西崗區(qū)、沙河口區(qū)三個(gè)地區(qū)的住宅價(jià)格主要集中在11000-25000（元/m²）,約占住宅總量的84%。⑵住宅小區(qū)價(jià)格全局Moran’s I指數(shù)為0.64,整體上表現(xiàn)出較強(qiáng)的正相關(guān)性。局部來看,聚集現(xiàn)象明顯,在西崗區(qū)政府、西安路和星海廣場等附近出現(xiàn)“高高聚集”;在中山區(qū)解放路、西崗區(qū)長春路、團(tuán)結(jié)街和勝利街等周邊出現(xiàn)了“低低聚集”;在中山區(qū)葵英街道及附近發(fā)生了“高低聚集”的情況。⑶大連市住宅小區(qū)價(jià)格趨勢性不太明顯... 

【文章來源】：遼寧師范大學(xué)遼寧省

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【部分圖文】：

變程值、基臺值和塊金值

圖 2.2 顯著性水平和臨界值Fig. 2.2 Significance level and threshold分析結(jié)果出現(xiàn)在正態(tài)分布的中間時(shí)，那么 P 值將接測到的空間模式接受零假設(shè)，屬于隨機(jī)分布。反之兩端，那么 P 值將接近于 0、Z-score 將非常高或非模式拒絕零假設(shè)所表示的隨機(jī)模式，即存在顯著的空相關(guān)的計(jì)算公式：全局空間自相關(guān) Moran's I 的計(jì)算=∑ ∑,( )( )∑ ∑,∑ ( )n's I 系數(shù)、期望值和方差三部分組成，計(jì)算公式為：Z =( )( )種假設(shè)：正態(tài)分布情況下，期望值及方差公式為：( ) = ( )

市中山、西崗、沙河口三個(gè)行政區(qū)范圍內(nèi)一千多個(gè)住宅小區(qū)的數(shù)據(jù)。同時(shí)采集了各宅小區(qū)的建成年份、物業(yè)費(fèi)、建筑類型等信息。②小區(qū)周邊配套設(shè)施數(shù)量。從百PI 抓取了大連市所有 POI 坐標(biāo)，具體包括：市區(qū)行政中心、三甲及以上資質(zhì)的醫(yī)學(xué)、重點(diǎn)小學(xué)、重點(diǎn)初中、地鐵站點(diǎn)、公交站點(diǎn)。然后在 ArcGIS 中利用空間統(tǒng)計(jì)得到每個(gè)小區(qū)周邊的各設(shè)施點(diǎn)數(shù)量。③目標(biāo)小區(qū)周邊其他小區(qū)均價(jià)。利用 ArcGIS的地理鏈接工具計(jì)算得到。剔除其中數(shù)據(jù)嚴(yán)重缺失的小區(qū)最終得到樣本數(shù)據(jù) 1。住宅小區(qū)空間分布如圖 4.1 所示，屬性數(shù)據(jù)如表 4.2 所示。表 4.2 住宅小區(qū)的屬性表Tab. 4.2 Property sheet of residential quarterName subw bus midd univ … 棟數(shù) 戶數(shù) 年份 物業(yè) 類型海昌欣城 2 10 1 0 … 1765 18 2002 1.2 塔/板青云林海 0 8 3 1 … 1413 61 2001 1.0 板樓澳景園 2 8 2 0 … 803 23 2003 1.2 板樓中南風(fēng)景 0 8 3 0 … 364 12 2004 0.8 板樓楓合萬嘉 0 10 5 0 … 881 33 2005 1.0 板樓海景園 2 9 2 0 … 1422 41 1997 0.5 塔/板

【參考文獻(xiàn)】：
期刊論文
[1]基于多變量自回歸分析的北京房價(jià)預(yù)測研究[J]. 劉永澤.  現(xiàn)代商貿(mào)工業(yè). 2019(06)
[2]大連城市綠地可達(dá)性對房價(jià)影響的差異性分析[J]. 楊俊,鮑雅君,金翠,李雪銘,李永化.  地理科學(xué). 2018(12)
[3]基于GIS的中國城市房地產(chǎn)泡沫的空間傳染性分析——以2006～2014年35個(gè)大中城市為例[J]. 韋汝虹,金李,方達(dá).  長江流域資源與環(huán)境. 2018(09)
[4]基于GIS和可達(dá)性理論的軌道交通對住宅價(jià)格影響范圍的研究[J]. 馬才學(xué),張琪,楊蓉萱.  國土資源科技管理. 2018(03)
[5]基于sDNA模型的路網(wǎng)形態(tài)對廣州市住宅價(jià)格的影響研究[J]. 古恒宇,孟鑫,沈體雁,陳慧靈,肖凡.  現(xiàn)代城市研究. 2018(06)
[6]基于灰色馬爾可夫模型對合肥房價(jià)的預(yù)測[J]. 干逸曼,朱家明,臧學(xué)琴,任瑞雯.  通化師范學(xué)院學(xué)報(bào). 2017(06)
[7]基于GIS在售住宅價(jià)格空間分布差異及其影響因素分析——以贛州市為例[J]. 胡海利,陳金泉.  江西理工大學(xué)學(xué)報(bào). 2016(05)
[8]基于大數(shù)據(jù)空間分析的青島市普通住宅價(jià)格研究[J]. 王靖雯,徐淑娟.  現(xiàn)代經(jīng)濟(jì)信息. 2016(12)
[9]基于人工神經(jīng)網(wǎng)絡(luò)BP算法的莆田市房價(jià)預(yù)測[J]. 周琴.  赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版). 2016(10)
[10]基于GIS的巖石裂隙空間分布模式研究[J]. 王鵬,李曉昭,王駒,章楊松,付安學(xué).  工程地質(zhì)學(xué)報(bào). 2014(06)

博士論文
[1]中國房價(jià)波動(dòng)特征及政策調(diào)控效應(yīng)研究[D]. 鄭世剛.中國地質(zhì)大學(xué) 2017
[2]城市住宅地價(jià)空間分異及調(diào)控研究[D]. 劉洪潔.中國地質(zhì)大學(xué)(北京) 2015
[3]城市商務(wù)辦公樓租金特征與空間分布研究[D]. 梁華.重慶大學(xué) 2011

碩士論文
[1]蘭州市商品住宅價(jià)格空間分異及影響因素研究[D]. 李文慧.蘭州交通大學(xué) 2017
[2]基于特征價(jià)格的太原市商品住宅價(jià)格空間分異研究[D]. 徐子衿.山西財(cái)經(jīng)大學(xué) 2017
[3]基于特征價(jià)格模型的地鐵對周邊住宅價(jià)格影響研究[D]. 牛玲玲.東華理工大學(xué) 2016
[4]基于GIS和SEM的城市住宅價(jià)格空間分布及其影響因素研究[D]. 付益松.東華理工大學(xué) 2016
[5]基于網(wǎng)絡(luò)搜索的中國區(qū)域房價(jià)預(yù)測模型及應(yīng)用研究[D]. 王希晶.南京大學(xué) 2016
[6]基于GIS和Hedonic Model二手房價(jià)格空間分布及原因探析[D]. 容麗暉.昆明理工大學(xué) 2014
[7]西安市住宅價(jià)格空間分異與時(shí)空演變規(guī)律分析[D]. 宋雪娟.陜西師范大學(xué) 2011



本文編號：3413392