- 上一篇：拉萨市基于规划视角下的环境保护研究
- 下一篇：城市家庭基督教教会传播方式研究
本文使用地统计学中的一些分析方法，包括趋势面分析和空间自相关性分析，探讨房价的分布趋势和内在联系，最后进行普通克里格插值并绘制南京市2016年9至12月房价分布的专题地图。利用ARCGIS软件的趋势面分析工具，可以看出南京市房价分布呈现单中心格局，高房价地段基本位于中城区，并向四周逐渐递减。运用空间自相关分析，包含全局和局部自相关两种分析方法，计算能够反映邻近区域单元相似性的Moran指数，进行得出南京市整体以及局部的空间相关性程度；最后，进行克里格插值计算，预测未知区域的房价情况，进而得出整个南京市的商品住宅价格的空间分布格局。
一、材料与研究方法
（一）数据采集与处理
在各种楼盘项目类型中，商品住宅由于需求量广，在建筑项目中占有比例大，空间分布广，比较适合作为研究空间分布特征的研究对象。此次选择的是南京市域范围内9区、2 县的 2016 年9—12 月开盘在售的商品住宅项目。用于分析的样本数据来源于南京市搜房网 ，一共收集到161个楼盘项目，每个项目包括具体的楼盘项目名称，楼盘位置，销售时间和商品房价等，其中住宅价格为住宅建筑面积的销售均价，不为最终的成交价格。利用百度地图API强大的地图服务功能，依据项目点的地理位置来获取具体的其在GCS_WGS_1984坐标系下的坐标值，并利用ARCGIS将属性表转换成住宅项目分布的点数据图层并进行坐标系转换，转换GCS_Xian_1980下的点数据层，其属性数据包括住宅项目名称及房价、销售时间等信息。
（二）研究方法
1趋势面分析
趋势面分析（trend analysis）是根据已有的样本点的空间位置及相应的属性值，用一个数学曲面近似的来模拟样本点的空间分布特征及变化趋势的一种空间分析方法。在arcgis软件中，可以利用Geo-stastistics analysis工具中的趋势面分析来模拟地理要素在研究区域中的空间分布及变化趋势。
2空间相关性分析
地理研究对象普遍存在的变量间关系中，确定的是函数关系，www.youerw.com不确定的是相关关系。
通过空间自相关分析，可以计算出研究区域上某种地理现象或地理要素的某一特征与相邻区域单元上同一地理要素属性值的相似性程度。它是一种检测与量化从多个标定点中取样值变异的空间依赖性的的空间统计方法，通过计算一个位置上的变异及其邻近区域的变异之间的相关指数来判断该变异是否存在空间结构关系。
（1）全局空间自相关分析
空间自相关分析主要分为两种，全局空间自相关分析能够检测出整个研究区域中地理要素某项属性值之间的相似程度，能够反映空间对象之间是否存在显著的空间分布特征。常用的用来测度全局相关性程度的参数包括Moran指数和Geary系数，本文用来测度相关性程度的指标为Moran指数。其公式为：
I= , i≠j (1)
其中n为所选用的样本数量，xi为 i 空间单元属性值，x 为xi和x j的均值,wij为空间权重矩阵。Moran's I 的取值范围为[-1，1]，其绝对值越大说明空间自相关程度越高。
对于Moran指数，还可以进行显著性检验，检验统计量为标准化Z值
Z=