城市住房价格空间关联模式及其形成机理——以我国35个大中城市为例

来源 :统计与决策 | 被引量 : 0次 | 上传用户:ariesping
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
文章利用我国35个大中城市的相关数据,运用空间动态面板模型对城市住房价格空间关联进行检验.在此基础上,利用社会网络分析工具,分析城市住房价格空间关联的模式及其形成机理.结果表明:城市住房价格存在显著的空间关联,城市住房价格变动成因中约四成来源于空间关联;在个体层面,城市住房价格空间关联模式表现出中心性,可以将北京、广州、上海、深圳、杭州、南京、天津7个城市确定为住房价格空间关联网络的中心城市;在总体层面,城市住房价格空间关联模式表现出层级性,可以将城市住房价格空间关联网络划分为发动者、传递者、承接者和孤岛4个板块;城市住房价格空间关联模式的形成源于距离因素与人口经济因素两方面的驱动.
其他文献
文章基于多元T分布和施瓦茨信息准则(SIC)研究了多元回归模型的参数估计方法和变点检测问题.首先将多元T分布看成多元正态分布的混合分布,进而应用EM算法得到了模型的参数估
宏观经济预测一直是经济领域研究的热点和难点,随着深度学习技术的发展,长短期记忆(LSTM)神经网络已广泛应用于经济、金融等诸多领域.文章分别用传统的统计计量方法(ARIMA模
文章对全国CPI指数进行建模预测,分别使用了ARIMA模型、残差自回归模型和Holt两参数指数平滑模型.在ARIMA模型建立过程中,发现该序列1阶差分为白噪声序列,即差分法提取线性趋