特征房价空间分析及连续型深度置信网络预测

吴莞姝， 胡龙超， 赵凯

(1. 华侨大学 建筑学院， 福建 厦门 361021；2. 华侨大学 数量经济研究院， 福建 厦门 361021)

房地产行业在国民经济中有着举足轻重的地位，作为房地产价值体现的房价不仅关系到国民经济的健康、平稳发展，其涨跌变动还关系到居民的财富及生活水平[1-2].影响房价的因素众多，不仅受建筑特征的影响，还会因地区之间公共服务设施的资源配置不均衡而产生差异.人们根据对公共服务和设施的偏好选择居住区域，特别是在物质生活水平日渐丰富的经济社会环境下，居民往往愿意支付较高的价格以获得优质的公共服务，而这部分优质公共资源的价值就资本化于房价之中[3].

针对房价的研究多基于特征价格模型.Ridker等[4]采用特征价格法分析空气污染对房价的影响.Xiao等[5]利用特征向量空间滤波方法消除空间自相关性后，发现北京周围的设施对北京房价的影响参差不齐.张骥[6]以北京市二手市场上的商品住宅和非商品住宅为研究对象，利用基于特征价格的配对回归模型，研究北京学区房交易价格，发现北京市的学区房溢价已高出24.3%.文献[7-8]以北京为例，通过特征价格模型探寻房价影响因素，研究证实地铁、公交等交通基础设施及优质教育资源、高水平的医疗机构、公园等公共服务设施对房价上涨皆具有明显的正效应.Li等[9]则通过整合链家网站、Mobike网站及百度地图兴趣点的公开数据，分析上海公寓价格的空间模式及其与当地……