城市商品住宅价格时空分异研究--以上海市浦东新区为例
摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 前言 | 第11-19页 |
1.1 研究背景和意义 | 第11-14页 |
1.1.1 研究背景 | 第11-14页 |
1.1.2 研究意义 | 第14页 |
1.2 相关概念 | 第14-16页 |
1.2.1 商品住宅 | 第14-15页 |
1.2.2 空间分异 | 第15页 |
1.2.3 空间自相关 | 第15-16页 |
1.3 研究内容、方法和技术路线 | 第16-17页 |
1.3.1 研究内容 | 第16页 |
1.3.2 研究方法 | 第16页 |
1.3.3 技术路线 | 第16-17页 |
1.4 研究案例选择 | 第17-19页 |
2 研究进展 | 第19-25页 |
2.1 商品住宅价格的时间变化研究 | 第19页 |
2.2 商品住宅价格的空间变化研究 | 第19-20页 |
2.3 商品住宅价格与经济关系的研究 | 第20页 |
2.4 商品住宅价格影响因素研究 | 第20-21页 |
2.5 商品住宅价格与地价关系的研究 | 第21-22页 |
2.6 商品住宅价格泡沫的研究 | 第22页 |
2.7 探索性空间数据分析方法及应用研究 | 第22-23页 |
2.8 本章小结 | 第23-25页 |
3 商品住宅价格空间分异理论基础 | 第25-31页 |
3.1 商品住宅价格的形成理论 | 第25-29页 |
3.1.0 劳动价值论 | 第25-26页 |
3.1.1 静态价格模型 | 第26-27页 |
3.1.2 动态供需价格模型 | 第27-28页 |
3.1.3 DUST价格模型 | 第28页 |
3.1.4 非均衡价格模型 | 第28-29页 |
3.2 商品住宅价格的空间分布模型 | 第29-31页 |
3.2.1 李嘉图租金模型 | 第29-30页 |
3.2.2 城市的规模形态价格模型 | 第30页 |
3.2.3 城市空间增长价格模型 | 第30-31页 |
4 探索性空间数据分析方法 | 第31-37页 |
4.1 探索性空间数据分析 | 第31页 |
4.2 空间自相关 | 第31-34页 |
4.2.1 空间权重矩阵 | 第32-33页 |
4.2.2 全局空间自相关 | 第33-34页 |
4.2.3 局域空间自相关 | 第34页 |
4.3 Kriging空间插值技术 | 第34-37页 |
5 商品住宅价格空间分异实证研究 | 第37-55页 |
5.1 研究案例 | 第37-38页 |
5.2 数据获取与处理 | 第38-41页 |
5.3 商品住宅样点空间数据库建立 | 第41页 |
5.4 趋势分析 | 第41-42页 |
5.5 商品住宅价格的空间自相关分析 | 第42-46页 |
5.5.1 全局空间自相关 | 第42-43页 |
5.5.2 局部空间自相关分析 | 第43-46页 |
5.6 上海市浦东新区商品住宅价格空间分异分析 | 第46-52页 |
5.6.1 空间数据结构分析 | 第46-47页 |
5.6.2 数字商品住宅价格模型的建立 | 第47页 |
5.6.3 浦东新区商品住宅价格空间分布规律分析 | 第47-48页 |
5.6.4 浦东新区商品住宅价格时空演变分析 | 第48-52页 |
5.7 本章小结 | 第52-55页 |
6 空间分异的原因及对策 | 第55-59页 |
6.1 空间分异的原因分析 | 第55-57页 |
6.1.1 交通条件 | 第55页 |
6.1.2 城市发展战略 | 第55页 |
6.1.3 地价成本 | 第55-56页 |
6.1.4 地理位置 | 第56页 |
6.1.5 环境因素 | 第56页 |
6.1.6 商业及教育配套 | 第56页 |
6.1.7 人口因素 | 第56-57页 |
6.2 对策建议 | 第57页 |
6.3 本章小结 | 第57-59页 |
7 结论与展望 | 第59-61页 |
7.1 结论 | 第59-60页 |
7.2 展望 | 第60-61页 |
致谢 | 第61-63页 |
参考文献 | 第63-64页 |