武汉市轨道交通一号线对沿线住宅价格影响的分市场效应分析

基于武汉市轨道交通一号线的实证分析,采用特征价格模型,从空间和时间角度出发,研究了轨道交通对沿线不同区位住宅价格影响的分市场效应.结果表明:(1)轨道交通对沿线住宅价格影响的分市场效应显著,400 m以内,地铁一期周边住房价格增幅大于二期;400 m以外,地铁二期周边住房价格增幅大于一期.(2)轨道交通对周边住宅价格空间增值差异明显.地铁一期(中心城区)0~100 m范围地铁对于住宅价格的增值幅度最大,地铁二期(郊区)300~400 m范围地铁对于住宅价格的增值幅度最大.(3)轨道交通运营期对于周边住宅价格的影响远高于建设期,地铁一号线二期的建设与运营对一期(中心城区)周边住宅价格的影响远高于二期(郊区)沿线住宅.     

应用改进的时空地理加权模型分析城市住宅价格变化

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,揭示城市住宅价格在时间与空间方面的变化趋势。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间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,得出相关因素对住宅价格影响是随时间和空间变化的特点。依据模型的拟合度标准,GTWR能够从OLS的0.617,GWR的0.736提高到0.895。AIC标准的统计信息则表明,GTWR模型明显优于OLS与GWR模型。     

基于Hedonic模型的广州地铁1号沿线住宅价格分析

地铁提高了沿线区域的通达性,大大降低了沿线居民的通勤成本,对沿线房地产价格产生深远影响．文章以广州市地铁1号线为例,选取了在2009年1～3月份成交的沿线100个住宅单元作为分析对象,利用Hedonie半对数模型分析其价格的影响因素．研究设计了建筑特征、邻里特征及区位特征3大类共13个因子参与模型运算,最后获取对住宅价...     

基于Box-Cox变换的住宅特征价格理论研究

在特征价格模型的应用中,函数形式的选择具有多样化,包括线性函数、对数函数、半对数函数等。在国外研究的基础上,提出在线性函数应用的基础上,对模型进行Box-Cox变换,并利用线性Box-Cox特征模型对巴黎的住宅市场进行实证研究。实证研究的结果有效地解释了各个特征与价格之间的关系,同时还说明,对住宅特征的数据变换可以有效地改善模型结构,使得模型的拟合效果更好,从而证实了该特征模型的有效性及优越性。     

住宅商品房价格预测模型的研究

2017年的最后三个月,中国房地产市场罕见地迎来了一轮密集的政策信号。从中共十九大报告的召开到年末的中央政治局会议的召开,再到召开的中央经济工作会议,这三场高层会议连续对房地产市场定调。房价将如何变化,它再次成为人们关注的热点,因此一个合理的价格预测模型就显得尤为重要。本文通过2005～2016年新疆住宅商品房的价格,结合灰色GM(1,1)模型和马尔科夫模型,建立了灰色马尔科夫预测模型,所建模型的平均相对误差由原来的7.17%降低到2.39%,弥补了灰色GM(1,1)模型预测结果误差大的缺点。结果表明:灰色马尔科夫模型是较好的价格预测模型,并且新疆住宅商品房价格在2017～2020年将会呈现出持续走高的趋势。     

城市轨道交通对沿线住宅项目价格的影响

以北京轻轨13号线及沿线的住宅项目为例,计算轨道交通线路对周边住宅项目价格影响的范围和程度,探讨城市轨道交通对沿线房地产项目带来的经济效益.研究表明:轨道交通发展对沿线0.3～1 km内的住宅价格有明显的空间分布规律和辐射效应,其中站点300 m半径以内区域效应显著.建议在距城市轨道300 m的范围内实施较高强度的房地产开发,并建立城市轨道交通效益分享机制,以维护社会公平;同时,完善与轨道交通建设相关的法律法规体系,保障轨道交通建设与城市环境建设的和谐发展.     

城市住宅价格影响因素的空间非平稳性分析

应用住宅特征价格法,选取南京市2011年9月份住宅小区均价作为因变量,选取8个影响住宅价格的因素并量化作为自变量,进行地理加权回归(GWR).与传统的OLS估计相比较,GWR模型具有更好的拟合优度,同时得出具有显著性的各因素对住宅价格的影响在空间分布上是有差异的,并揭示了这种差异的特点.     

轨道运营对住宅价格影响的实证分析——以重庆轨道3号线为例

以重庆轨道交通3号线为例,综合运用特征价格模型和双重差分模型,参考自然试验的过程,设立影响组和参照组,实证分析轨道运营对住宅价格的影响.实证结果表明:从影响效应来看,轨道运营呈现出正的外部效应,其正面影响远大于负面影响,带来沿线住宅的增值;从影响范围来看,轨道运营显现出明显的分市场效应,对靠近传统商圈的住宅影响不显著,对远离传统商圈的住宅有显著的影响;从影响程度来看,在远离传统商圈的区域,轨道运营使离轨道站点1.5km范围内的新开发住宅价格比2~5km范围内的高出4.5%.研究深化了轨道运营对住宅价格影响的认识,可为消费者购房及轨道沿线住宅开发与管理提供参考.     

城市路网空间结构对住宅价格的影响分析

以链家房产交易平台和安居客房产交易平台的上海市二手住宅为研究样本,结合OpenStreetMap(OSM)提供的城市路网数据及高德地图提供的兴趣点(POI)等多源数据,利用空间句法测算路网空间结构的选择度和整合度.基于空间自回归模型、地理加权回归模型等空间计量估计方法,研究城市路网空间结构影响住宅价格的效果及机制.研究结果表明：城市路网空间结构是影响住宅价格的重要的区位因素,考虑空间相关性是必要的;与市中心住宅价格相比,郊区住宅价格对路网空间结构的依赖程度更强.     

基于主成分分析的住宅项目特征定价模型

讨论了房地产特征价格模型在确定新建住宅项目单位销售均价中的应用,针对应用中出现的样本少、部分特征因素间存在相关性的问题,将主成分分析运用于房地产特征价格模型,建立了基于特征因素主成分分析的住宅项目特征定价模型．通过案例,分析了特征隐含价格的经济意义与作用,利用所建模型较准确地确定新建住宅项目的单位销售均价。     

地价、房价和股价关系的实证研究

就我国地价、房价和股价间影响关系问题,通过实证分析后认为:我国土地市场与股票市场间存在正相关关系,土地价格上涨引起股票价格上涨;地价上涨并未导致房价上涨。     

房地产交易价格微观驱动力分析——以北京市为例

采用特征价格法,分析了北京市2003—2006年包括楼盘所在区域的土地交易价格、容积率、公交线路数及楼盘距商业中心、火车站、医院和学校等的距离10项参数指标,以及3项非参数指标对房地产交易价格的影响。利用相关分析和t检验筛选出主要影响因素,并通过因子分析和多元统计分析识别出各主要影响因素对于房地产交易价格的影响程度。研究结果表明,北京市房地产交易价格主要受土地交易价格、到市中心距离、容积率、轨道交通和文体配套设施5种因素的影响。其中,土地交易价格对楼盘交易价格具有十分明显的提升作用,而容积率则是导致交易价格下降的最主要因素。     

基于特征价格模型的沈阳市商品住宅价格指数

为了分析沈阳市商品住宅市场情况,根据国内外编制价格指数的方法,结合沈阳市房地产市场的实际情况,采用特征价格法对沈阳市商品住宅价格指数进行研究.选择16个特征变量,采用半对数模型构建沈阳市商品住宅特征价格模型,并对模型进行检验,确定影响沈阳市商品住宅价格的14个特征变量及相互关系.通过价格指数计算公式,计算出2006年至2013年沈阳市商品住宅特征价格指数,得出沈阳市商品住宅价格增速正在逐年减缓的结论,并对未来市场可能出现的问题提出合理建议.     

二手房价格对于住房特征和区位变化敏感性分析

住房价格是住房各项特征的函数．采用成都市主城区二手房价格抽样数据，结合住房价格边际效用递减规律，用城市住房hedonic价格模型，对二手房价格对不同住房特征和区位变化的敏感性以及二手房价格边际效用递减规律进行了分析．发现二手房价格对于住房使用面积变化比较敏感，对于住房年龄、装修状况、区位变化不敏感．这些发现对住宅开发、销售，以及消费者投资住房等。具有参考价值．     

论稳定住房市场价格的着力点

我国住房价格不断上涨,宏观调控效果不甚理想,这是多种因素交织的结果。为稳定住房市场价格,实现住房市场的健康可持续发展,必须着力增加供给、改善供给结构,抑制不合理需求,促进供求的基本平衡;致力培育住房二级市场和租赁市场,推进各类市场的协调发展;努力健全住房保障体系,解决低收入家庭的住房问题。     

政府搬迁对迁入地房价影响分析以北京市政府搬迁为例

政府搬迁作为缓解“城市病”的常用政策,通过行政中心的迁移能改善资源配置格局,促进地区经济健康发展。本研究利用2016~2020年北京二手房交易数据,以时空结合的视角,在更小地理尺度上构造DID双重差分模型,分析北京市政府搬迁对迁入地房价的影响。研究结果表明：搬迁给迁入区住宅带来了涨幅约为2.9%的溢价效应,该效应也存在显著的时空异质性。此外,政府搬迁具有经济增长效应和公共资源再配置效应,且价值较低的住宅获益更显著。本研究在丰富房价影响机制的研究视角的同时,也为政府规划审核政府搬迁政策提供了理论参考,帮助其在地区经济发展过程中扮演好的“管理者”和“引导者”的角色。     

基于X-12-ARIMA和AR-GARCH模型的房价波动研究

以SAS软件为工具,以2007年1月至2015年6月北京市新建住宅价格指数序列为样本,构建时间序列模型进行实证研究.结果表明,基于X-12-ARIMA模型和AR(2)-GARCH(1,1)模型的复合模型是拟合房价的最优模型.房价序列存在明显的季节特征和典型的波动聚集性,X-12季节调整方法和异方差模型显著有效,拟合相对误差不超过0.4%.对房价的短期预测表明,近期内房价仍保持3%~5%的增长态势,且外部因素对房价的影响程度远远大于房价自身的波动冲击力.