摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第16-24页 |
1.1 研究背景 | 第16-17页 |
1.2 国内外相关研究综述 | 第17-20页 |
1.2.1 特征价格模型(HPM)在房地产价值研究中的应用 | 第17-19页 |
1.2.2 地理加权回归(GWR)在房地产价值研究中的应用 | 第19-20页 |
1.2.3 已有研究的不足 | 第20页 |
1.3 研究内容与意义 | 第20-22页 |
1.4 结构框架与技术路线 | 第22-24页 |
1.4.1 结构框架 | 第22页 |
1.4.2 技术路线 | 第22-24页 |
第二章 研究理论和方法模型 | 第24-42页 |
2.1 区位理论 | 第24-25页 |
2.1.1 农业区位论 | 第24页 |
2.1.2 工业区位论 | 第24-25页 |
2.1.3 中心地理论 | 第25页 |
2.2 地租理论 | 第25页 |
2.3 地统计分析 | 第25-36页 |
2.3.1 基本理论 | 第26-30页 |
2.3.2 探索性空间数据分析 | 第30-32页 |
2.3.3 空间自相关分析 | 第32-35页 |
2.3.4 克里金插值 | 第35-36页 |
2.4 特征价格模型 | 第36-38页 |
2.4.1 模型原理 | 第36-37页 |
2.4.2 模型函数 | 第37页 |
2.4.3 模型变量 | 第37-38页 |
2.5 地理加权回归 | 第38-42页 |
2.5.1 地理加权回归原理 | 第38-39页 |
2.5.2 权重函数的选择 | 第39-40页 |
2.5.3 带宽的确定与优化 | 第40-42页 |
第三章 研究区域及样本数据收集整理 | 第42-52页 |
3.1 上海市办公物业市场 | 第42-43页 |
3.2 研究区域 | 第43-44页 |
3.3 数据源 | 第44-46页 |
3.4 写字楼特征变量选取 | 第46-49页 |
3.5 样本数据收集整理 | 第49-52页 |
第四章 写字楼租金空间分布特征研究 | 第52-67页 |
4.1 写字楼租金及特征变量描述性统计 | 第52-55页 |
4.1.1 写字楼租金描述性统计 | 第52-54页 |
4.1.2 写字楼特征变量描述性统计 | 第54-55页 |
4.2 写字楼租金探索性空间分析 | 第55-60页 |
4.2.1 离群值查找 | 第55-56页 |
4.2.2 正态分布检验 | 第56-59页 |
4.2.3 全局趋势分析 | 第59-60页 |
4.3 写字楼租金空间自相关分析 | 第60-63页 |
4.3.1 Moran's I指数分析 | 第60-61页 |
4.3.2 半变异函数/协方差云分析 | 第61-63页 |
4.4 写字楼租金克里金空间插值分析 | 第63-67页 |
第五章 写字楼租金定价模型研究 | 第67-96页 |
5.1 模型变量设置 | 第67页 |
5.2 模型变量相关分析 | 第67-68页 |
5.3 基于HPM的特征变量对写字楼租金影响分析 | 第68-75页 |
5.3.1 模型方程选取及自变量筛选 | 第68-71页 |
5.3.2 全局半对数线性特征价格模型分析 | 第71-73页 |
5.3.3 结果分析 | 第73-75页 |
5.4 基于GWR的特征变量对写字楼租金影响分析 | 第75-89页 |
5.4.1 自变量局部多重共线性检验 | 第75-77页 |
5.4.2 模型参数设定 | 第77-80页 |
5.4.3 模型构建 | 第80页 |
5.4.4 模型估计及检验 | 第80-82页 |
5.4.5 结果分析 | 第82-89页 |
5.5 全局线性回归空间定价模型 | 第89-90页 |
5.5.1 模型构建及预测 | 第89-90页 |
5.5.2 预测误差率分析 | 第90页 |
5.6 局部地理加权回归空间定价模型 | 第90-95页 |
5.6.1 模型构建及预测 | 第90-94页 |
5.6.2 预测误差率分析 | 第94-95页 |
5.7 小结 | 第95-96页 |
第六章 结论与展望 | 第96-99页 |
6.1 总结与结论 | 第96-97页 |
6.2 不足与展望 | 第97-99页 |
参考文献 | 第99-104页 |
附录1 网络爬虫核心代码(R语言) | 第104-106页 |
附录2 百度地图JavaScripAPI二次开发核心代码 | 第106-114页 |
后记 | 第114页 |