由于地理实体广泛的存在着空间相关性和空间异质性,而传统的回归模型是全局性的、假设地理实体间不存在相关性和空间异质性,因此导致其拟合精度较低。本文以住宅价格为例,利用探索式空间数据分析方法分析住宅价格数据的空间自相关性和空间异质性,探讨其时空演变特征。针对传统的空间自回归模型存在的问题,首先尝试并实验了以距离权重矩阵代替空间邻接矩阵的空间自回归模型,从而为空间自回归模型权重的选择提供了一个新的方向,然后提出了兼顾空间相关性和异质性的地理加权自回归模型,并在此基础上,将时间因素纳入到模型中,在住宅价格数据回归模型中引入了时空地理加权回归模型,从而解决了空间实体的空间异质性和时间特性。主要的研究内容及成果为:(1)针对地理实体普遍存在的空间自相关性和空间异质性,本文采用全局莫兰指数来衡量自相关的程度,利用局部莫兰指数探究局部数据的自相关性模式;然后利用半变异函数检验地理实体的空间异质性。(2)本文分别以基于距离倒数和高斯核函数的空间权重矩阵为例进行试验,研究距离权重矩阵代替空间邻接矩阵的可能性,基于距离倒数空间权重矩阵的自回归模型和基于高斯权重矩阵的自回归模型相对于传统的空间自回归模型其拟合精度分别提高了0.08和0.11。(3)提出了兼顾空间自相关性和空间异质性的地理加权自回归模型,在传统的地理加权模型的基础上,增加自回归项。主要内容包括模型的两步最小二乘估计,CV值法选取最优空间带宽,其拟合精度相对于传统的空间自回归模型和地理加权回归模型提高了0.16和0.07。(4)在地理加权回归模型的基础上中增加时间因素,从而构建了时空地理加权回归模型。主要过程有时空核函数的建立和时空因子的选取,并对实验结果进行了方差分析、回归系数分析和拟合优度分析。试验结果表明:时空地理加权回归模型在残差平方和、均方误差、拟合优度等方面具有最佳的表现。