随着武汉市的城市化进程的加快,武汉房地产行业得到了迅速发展。一方面,使得城市内住宅条件有所提高,另一方面,也带来了房价的快速上涨。房地产领域投资过热,激发了诸多社会问题。在大数据时代背景下,房价数据和POI(Point of Interest)数据的获取越来越方便,为房价分析提供了丰富的数据来源。本文以武汉市三环线内为研究区,分析该区域内的房价空间分布特征及影响因素。一方面能够为相关部门把握武汉住宅市场价格水平提供一些理论依据,从而制定合理有效政策,另一方面可以帮助购房居民便捷选择快速合理地选择理想住宅。本文主要完成以下工作:(1)获取链家网2019年武汉市二手房成交数据以及POI数据,包括商圈、地铁、重点中学、重点小学、公园、景点、三甲医院数据。(2)确定特征变量,包括建筑特征变量房龄、面积、总楼层,区位特征变量到河流湖泊的距离、到地铁站的距离、到商圈的距离,邻里特征变量到重点中学的距离、到重点小学的距离、到公园的距离、到景点的距离以及到三甲医院的距离。构建相关系数矩阵,排除了房龄、重点小学、景点3个变量,最终剩余8个特征变量参与回归分析。(3)分别使用特征价格模型和GWR(Geographically Weighted Regression Model)模型对房屋单价和8个特征变量进行回归,并根据GWR回归结果分析房价影响因素。研究得出以下主要结论:(1)从房价分布的空间趋势来看,武汉市三环线内二手房房价在各个方向上均呈现倒“U”型曲线分布,整体上表现出显著的空间集聚,而局部区域存在空间异质性。(2)从房价插值结果来看,2019年武汉市三环线内二手房价呈现出明显的多中心分布。高房价区主要分布在汉口江滩沿岸的永清片区、武昌积玉桥片区以及水果湖附近。低房价区主要集中在靠近三环的区域,汉阳区的低房价区域较大。(3)建立二手房房价及其影响因素的特征价格模型和GWR模型。特征价格模型的三种形式中,半对数模型结果最好,而GWR模型的拟合效果优于半对数模型。根据GWR结果中影响因素系数的中位数,发现不同特征变量对二手房房价的影响程度不同。建筑特征中,总楼层对房价的影响较大,总楼层越高,房价越高;区位特征和邻里特征中,重点中学对房价影响程度最大,房屋距离重点中学越近,房价越高。利用Arc GIS的克里金插值工具对各影响因子系数进行插值分析,发现建筑面积因素在永清片区武汉天地附近影响最显著;总楼层因素在中心区域影响最显著。而地铁站在靠近三环区域影响较大,市中心的影响小。河流湖泊中,汉口江滩、武昌江滩以及东湖周边影响程度较大。商圈对武汉三镇中武昌的影响最明显。从教育资源来看,重点中学对武昌区和江岸区影响较大,这两个区域具有较多优质的重点中学。公园在中心区域影响较显著,边缘区域以及东湖、南湖等湖泊周边影响较小。三甲医院对房价的影响随着距离变化,距离过近时,与医院距离越远,房价越高;与医院距离适中时,医院距离越远,房价越低;超过一定范围后,与医院距离越大,房价越高。因此,在武昌区和江岸区三甲医院聚集的区域,医院距离与房价呈正相关关系。