以往学者［13，15］大多选采用OLS模型作为传统的特征价格模型，进行全局影响因子的识别，本文选取了PLS模型。本文发现OLS模型在自变量多重共线性不超过3.34的情况下，依然会对影响因子正负效应及显著性的识别有偏差，PLS较OLS模型在拟合精度上有较大的提高。从本文PLS回归结果来看，距离城市中心［8，10，19］、地铁［8］、重点中小学［10，19，22］、三甲医院［10，19，22］、市级公园［8，19，22］、江景［8，10］越近，周边房价越高。与其他学者［10，13］的研究所不同的是，距离重点本科院校越近、小区方圆500 m范围内的公交车站点数目［13］越多，对房价的虽然能产生正效应，却不显著。究其原因，重点本科院校作为高等教育资源虽可以给周围小区住宅提供一个良好的人文环境，但是不像中小学有划片区入学的政策，对周边住宅价格的空间影响效应较小，不具备明显的增值能力；另外，由于重庆主城区住宅小区较为集聚分布在城市核心区、各个组团内部，公共交通设施发达，对于大多数住宅样本点来说数量差异性较小。
为准确剖析影响因子对不同地理位置的样本点房价的作用强度，本文引入了GWR模型，拟合效果较传统的特征价格模型有所提高。图5证明了影响因子在空间分布上不均匀，即具有空间异质性；影响因子对不同地理位置的住宅价格作用强度具有差异，即具有空间非平稳性。这也证明了GWR模型是研究多中心山地城市住房市场的最佳方法。相较于南京［8］、北京［9］、长沙［10］、武汉［19］、济南［22］等多中心城市来说，重庆因其独特的山水分割地貌特征，在空间更加凸显了资源的不均衡分配和土地资源在空间上的分割现象，由此加剧了住宅样本点在空间上的断裂或高集聚。其中，商业邻近性、设施邻近性因素因在空间上的分布不均衡，对其所在邻近的城市核心区以及主城区西部区域影响较大；交通可达性因素对城市核心区以外的住宅价格有较大的增值效应，说明交通可达性对于山地城市来说有着重要意义，且多个住宅价格次中心位于其附近；景观宜人性因素中稀有的江景资源，对以两江新区为主的北部片区和渝中地区住宅增值效应显著，且多个住宅价格次中心位于沿江附近。综上，因邻近性、可达性、景观宜人性资源在空间上的分布不均匀，导致主中心外围扩散和次中心以及各组团集聚，进而使得住宅价格在空间分布上具有差异性。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
