隨著商品住宅價(jià)格的不斷攀升,暴露出諸多城市問題。房地產(chǎn)的發(fā)展情況同國(guó)民經(jīng)濟(jì)的持續(xù)穩(wěn)健發(fā)展和城市居民生活水平息息相關(guān),而商品住宅占據(jù)房地產(chǎn)的主導(dǎo)地位,引領(lǐng)著房產(chǎn)熱的潮流。商品住宅市場(chǎng)同房地產(chǎn)業(yè)的發(fā)展相似,存在著明顯的周期波動(dòng)現(xiàn)象,各項(xiàng)指標(biāo)存在著上升與下降的相互交替形態(tài)。非理性的預(yù)期導(dǎo)致消費(fèi)者的盲目購(gòu)房、投資額的大幅增長(zhǎng),導(dǎo)致應(yīng)對(duì)目前可能面臨的突發(fā)危機(jī)難以把控的局面。因此,加強(qiáng)商品住宅市場(chǎng)的監(jiān)控,有效控制商品住宅市場(chǎng)的健康發(fā)展成為必然。首先,本研究將地理加權(quán)回歸模型進(jìn)行創(chuàng)新,提出改進(jìn)的GWR回歸算法替代傳統(tǒng)的GWR模型中的全局系數(shù)進(jìn)行分位數(shù)回歸計(jì)算,對(duì)商品住宅價(jià)格利用ArcGIS的地統(tǒng)計(jì)分析工具進(jìn)行擬合,更好地根據(jù)區(qū)位因素的影響進(jìn)行空間分析。模型結(jié)合使用ArcGIS技術(shù),得出結(jié)果發(fā)現(xiàn)比傳統(tǒng)的OLS、GWR更精確,實(shí)現(xiàn)了空間分異研究的理想化分析。通過空間相關(guān)性分析、趨勢(shì)分析以及影響因素分析三大模塊相結(jié)合,發(fā)現(xiàn)哈爾濱市主城區(qū)商品住宅價(jià)格呈現(xiàn)明顯的區(qū)域性,呈多級(jí)中心的特點(diǎn),商品住宅價(jià)格的峰值并沒有表現(xiàn)在傳統(tǒng)的CBD上。得出的結(jié)果深刻揭示了商品住宅價(jià)格和影響因素之間的復(fù)雜關(guān)系。其次,基于粗糙集理論... 

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景與目的意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 研究?jī)?nèi)容和研究方法
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究方法
    1.4 技術(shù)路線
2 商品住宅市場(chǎng)相關(guān)理論概述
    2.1 宏觀預(yù)警理論
        2.1.1 經(jīng)濟(jì)周期波動(dòng)理論
        2.1.2 宏觀經(jīng)濟(jì)預(yù)警理論
        2.1.3 預(yù)測(cè)理論
    2.2 微觀空間分析理論
        2.2.1 區(qū)位理論
        2.2.2 城市空間布局理論
        2.2.3 空間分異理論
    2.3 本章小結(jié)
3 商品住宅價(jià)格空間分析
    3.1 空間統(tǒng)計(jì)區(qū)域概況
    3.2 基于分位數(shù)的復(fù)合GWR模型
        3.2.1 混合GWR模型
        3.2.2 基于分位數(shù)的復(fù)合GWR模型
        3.2.3 模型的計(jì)算
    3.3 商品住宅價(jià)格GIS空間分析
        3.3.1 空間相關(guān)性分析
        3.3.2 趨勢(shì)分析
        3.3.3 商品住宅價(jià)格影響因素空間分析
    3.4 商品住宅價(jià)格空間分異規(guī)律
    3.5 本章小結(jié)
4 基于粗糙集理論的商品住宅市場(chǎng)預(yù)警模型及改進(jìn)
    4.1 粗糙集基本理論
        4.1.1 粗糙集理論的特點(diǎn)
        4.1.2 粗糙集理論的基本概念
    4.2 預(yù)警指標(biāo)標(biāo)準(zhǔn)化與警戒區(qū)劃分
        4.2.1 預(yù)警指標(biāo)標(biāo)準(zhǔn)化
        4.2.2 預(yù)警指標(biāo)警戒區(qū)劃分
    4.3 商品住宅市場(chǎng)預(yù)警模型的建立
        4.3.1 預(yù)警指標(biāo)的篩選與權(quán)重的確定
        4.3.2 基于粗糙集理論的商品住宅市場(chǎng)預(yù)警模型
    4.4 商品住宅市場(chǎng)警情預(yù)測(cè)
        4.4.1 多元回歸預(yù)測(cè)
        4.4.2 基于累積法的灰色模型預(yù)測(cè)
        4.4.3 馬爾科夫預(yù)測(cè)
    4.5 警情分析
    4.6 本章小結(jié)
5 哈爾濱市主城區(qū)商品住宅市場(chǎng)預(yù)警實(shí)證研究
    5.1 預(yù)警指標(biāo)體系的建立
        5.1.1 國(guó)內(nèi)原有房地產(chǎn)指標(biāo)體系
        5.1.2 預(yù)警指標(biāo)的選取
        5.1.3 初選預(yù)警指標(biāo)的含義
    5.2 哈爾濱市主城區(qū)商品住宅市場(chǎng)預(yù)警指標(biāo)與權(quán)重的計(jì)算
        5.2.1 預(yù)警指標(biāo)的標(biāo)準(zhǔn)化
        5.2.2 預(yù)警警界區(qū)劃分
        5.2.3 預(yù)警指標(biāo)篩選與權(quán)重的確定
    5.3 哈爾濱市主城區(qū)商品住宅市場(chǎng)預(yù)警模型
    5.4 哈爾濱市主城區(qū)商品住宅市場(chǎng)警情預(yù)測(cè)
        5.4.1 多元回歸預(yù)測(cè)
        5.4.2 基于累積法的灰色模型預(yù)測(cè)
        5.4.3 馬爾科夫預(yù)測(cè)
    5.5 哈爾濱市主城區(qū)商品住宅市場(chǎng)警情的分析
    5.6 哈爾濱市主城區(qū)商品住宅市場(chǎng)排警建議
    5.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄1
附錄2
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]金融時(shí)間序列組合預(yù)測(cè)模型與方法[J]. 吳曉峰,陳垚彤,趙桂彩.  中國(guó)市場(chǎng). 2019(09)
[2]我國(guó)宏觀經(jīng)濟(jì)景氣的實(shí)時(shí)監(jiān)測(cè)與預(yù)測(cè)[J]. 陳磊,孟勇剛,咸金坤.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2019(02)
[3]商品住宅價(jià)格預(yù)測(cè)模型分析[J]. 許士林,楊鵬輝,朱家明,劉淳妍,張先杰.  上海工程技術(shù)大學(xué)學(xué)報(bào). 2018(04)
[4]基于粗糙集知識(shí)約簡(jiǎn)的焊接動(dòng)態(tài)過程建模[J]. 馮志強(qiáng),焦自權(quán),陳善本,柳存根,劉鵬,余建星,黃偉銘.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(24)
[5]基于分位數(shù)的混合地理加權(quán)回歸模型的商品住宅價(jià)格空間分析——以哈爾濱市為例[J]. 石振武,王喆.  土木工程與管理學(xué)報(bào). 2018(05)
[6]基于新息優(yōu)先累積法的GM（0,N）模型及其應(yīng)用[J]. 袁泉,曾祥艷.  統(tǒng)計(jì)與決策. 2018(12)
[7]寧波市港口物流企業(yè)空間格局及區(qū)位選擇[J]. 王瑞,蔣天穎,王帥.  地理科學(xué). 2018(05)
[8]基于多時(shí)相Landsat的衡陽(yáng)市城區(qū)擴(kuò)張模式研究[J]. 湯玲英,徐陽(yáng)亮,王聰,蘇揚(yáng)媚.  測(cè)繪與空間地理信息. 2018(02)
[9]城市住房子市場(chǎng)價(jià)格差異的分位數(shù)分解方法與實(shí)證[J]. 程亞鵬.  中國(guó)管理科學(xué). 2017(06)
[10]基于回歸分析與灰色理論的圍巖變形組合預(yù)測(cè)[J]. 王濤,孫文龍,李磊.  地下空間與工程學(xué)報(bào). 2017(S1)

博士論文
[1]中國(guó)房地產(chǎn)業(yè)發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的影響研究[D]. 魯君四.吉林大學(xué) 2017

碩士論文
[1]城鄉(xiāng)協(xié)調(diào)發(fā)展背景下土地利用效益評(píng)價(jià)研究[D]. 李民天.蘭州大學(xué) 2018
[2]基于粗糙集理論的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究[D]. 錢佳麗.南京郵電大學(xué) 2018
[3]線性分位數(shù)混合模型及其應(yīng)用[D]. 李霞飛.大連理工大學(xué) 2018
[4]基于GWR模型的北京市二手房?jī)r(jià)格空間分異及影響因素研究[D]. 張羽鶴.中國(guó)地質(zhì)大學(xué)(北京) 2018
[5]基于KLR信號(hào)方法的我國(guó)城市住宅價(jià)格危機(jī)預(yù)警研究[D]. 朱正珂.東北財(cái)經(jīng)大學(xué) 2017
[6]基于系統(tǒng)動(dòng)力學(xué)的房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究[D]. 張爽.濟(jì)南大學(xué) 2017
[7]基于人工神經(jīng)網(wǎng)絡(luò)方法的中國(guó)房地產(chǎn)市場(chǎng)預(yù)警體系研究[D]. 戴為.湘潭大學(xué) 2016
[8]基于綜合模擬模型的肇慶市房地產(chǎn)預(yù)警實(shí)證研究[D]. 陶韜.廣州大學(xué) 2016
[9]基于粗糙集的股價(jià)趨勢(shì)預(yù)測(cè)研究[D]. 史媛慧.河北科技大學(xué) 2015
[10]房地產(chǎn)業(yè)預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 吳曄.湖南大學(xué) 2015



本文編號(hào)：3686552