摘要
随着经济的飞速发展，住宅问题已经成为影响居民生活的重要问题，由于受到多方面因素的影响，房价在空间上表现出明显的分异特征。文章将 POI 大数据与可达性约束有机结合，以唐山市 1980～2020年建成普通二手商品住宅价格数据为例，采用探索性空间数据分析和空间插值方法分析城市住宅价格的空间分异特征；构建城市住宅价格驱动因素指标体系，运用地理探测器模型探测各驱动因素对住宅价格影响强弱，建立住宅价格的时空地理加权回归（GTWR）模型，对城市住宅价格的空间分异特征与驱动因素进行研究，并对城市住宅价格进行预测。通过分析得到以下结论： 1）唐山市住宅价格在空间上呈正相关集聚，各方向分异性明显，且均呈现出“中间高、周边低”的倒“U”型空间分布特征；同时住宅价格在空间上存在异质性，呈“一主-多副”的多核心环状结构，且由环状内部向外呈梯度下降。 2）通过地理探测器模型分析各驱动因素对城市住宅价格的影响程度，并筛选驱动因子。分别构建城市住宅价格的地理加权回归（GWR）模型和GTWR模型，进行拟合优度对比，结果表明，纳入时间因素后得到的 GTWR模型在解释影响城市住宅价格驱动因素问题上具有更好的优势。 3）基于 GTWR 模型回归结果，对各驱动因素的回归系数进行描述性统计，发现各驱动因素对住宅价格的影响存在空间差异性。将各驱动因素对城市住宅价格的贡献度进行可视化，发现不同驱动因素对于同一区域内城市住宅价格的影响具有差异性，且同一因素对于不同区域的城市住宅价格影响也存在差异性。 4）基于 GTWR 模型计算得到的各驱动因素回归系数，对唐山市二手住宅价格预测并进行可视化，通过构建住宅价格三维模型，立体化地呈现出城市住宅价格的起伏变化及空间分异性。结果表明，唐山市二手住宅价格在空间上呈现不规则环式结构，并由环状内部向外呈梯度下降，具有一定连续性。
NETL