[发明专利]结合地理加权和多层线性的房地产价格影响因子分析方法

说明书

本发明提供一种结合地理加权和多层线性的房地产价格影响因子分析方法，包括将所有房地产项目样本根据空间坐标进行分组，位置上处于同一区域的样本归为一组；将房地产属性变量及相关地理空间变量进行分类，分为“空间变量”和“非空间变量”两类，并进行变量优选，得到最终的模型，最终的模型中包括组级变量和样本级变量；使用样本级变量构建多层线性模型并求解；组合最终解，将上一步求解得到的各参数与变量组合起来对因变量进行解释，从而得到房地产价格影响因子分析结果。本发明为解决房地产价格影响因子分析问题中多尺度现象和空间异质现象，使用多层线性回归模型和地理加权回归模型进行结合，自动给出更加合理的房地产价格影响因子分析结果。

技术领域

本发明属于地理信息科学领域，尤其涉及结合地理加权和多层线性的房地产价格影响因子分析方法。

背景技术

住房问题是事关民生的重要问题，随着近几年多地房地产市场价格快速增长，使这一问题愈发严峻，也成为在群众中广泛讨论的议题。目前互联网上已经存在很多房地产信息整合发布站点，如房天下、安居客等。但是这些网站通常仅提供房地产相关属性、交易信息的发布，缺少对不同房地产项目价格影响因子进行分析的方法，因此无法提供对房价分布和变化内生因素的分析。

房地产价格影响因子是一个经典的经济地理学问题，目前广泛使用“享乐价格模型”对其进行分析。该模型将价格影响因素分为结构要素、位置要素、邻域要素和其他要素四个方面，根据不同类型要素的不同特点对房地产价格影响因子进行分析。传统上使用普通线性回归等全局模型，对该模型进行拟合，得到一个全局解，进一步研究各个因子对房地产价格影响的强弱。然而，房地产价格影响因子分析是一个典型的区位因素具有显著影响的问题，其中体现着很强的空间异质性，因此导致传统普通线性模型的分析结果具有较低的拟合度。因此，通过使用地理加权回归模型等局部回归方法，可以提高模型的拟合度。该方法已经在房地产价格研究中取得了广泛的应用。另一方面，房地产价格的影响因素具有不同的尺度效应，不同类型的因素其影响范围不同，因而形成了一种层级现象。然而，地理加权回归模型没有对层级信息的处理。对于这一问题，分层线性模型通过将变量分为样本级和组级，分别构建模型，从而解决这一问题，也已经在房地产价格研究中取得了一定的应用。同样的，分层线性模型作为一个全局模型，也没有考虑空间异质性。因此，需要一种分析技术将该两种方法进行结合，既能考虑房地产价格影响因子之间的层级信息，也能充分考虑空间异质性。

发明内容

本发明提出了一种结合了地理加权模型和多层线性模型的房地产价格影响因子分析方法，该方法涉及空间数据回归分析方向。

本发明提供一种结合地理加权和多层线性的房地产价格影响因子分析方法，包括以下步骤：

步骤1，将所有房地产项目样本根据空间坐标进行分组，位置上处于同一区域的样本归为一组；

步骤2，将房地产属性变量及相关地理空间变量进行分类，分为“空间变量”和“非空间变量”两类，并进行变量优选，得到最终的模型，最终的模型中包括组级变量和样本级变量；

步骤3，使用样本级变量构建如下式的多层线性模型并求解，

β_ki＝γ_k0+μ_ki

其中，

y_ij为因变量的值，表示房地产价格，i是房地产样本所在的组号，j是房地产样本在本组内的样本号，i＝1，2，…，m，j＝1，2，…，n；

x_ijk为样本集变量，k为样本变量的编号，k＝1，2，…，p；

β_0i为组级残差；

β_ki为第i组中的样本关于样本级变量x_ijk的回归系数；