Un análisis de heterogeneidad espacial y temporal de los precios de la tierra residencial, en general, es crucial para mantener un desarrollo económico de alta calidad. Estudios previos han intentado explicar la regla de evolución geográfica al estudiar la heterogeneidad espacio-temporal, pero han descuidado la información contextual, como el distrito escolar, la zona industrial, la densidad de población y la densidad de empleo, asociada con los precios de la tierra residencial. Por lo tanto, en este estudio, consideramos factores contextuales y proponemos un algoritmo de regresión local revisado llamado regresión ponderada geográficamente y temporalmente contextualizada (CGTWR), para abordar de manera efectiva la heterogeneidad espacio-temporal y extender creativamente la viabilidad de importar la contextualización al modelo GTWR. El impacto cuantitativo de la información contextual sobre los precios de la tierra residencial se identificó en la ciudad de Shijiazhuang (SJZ) desde 1974 hasta 2021. Los análisis empíricos demostraron que los factores del distrito escolar y de la zona industrial desempeñaron roles importantes en los precios de la tierra residencial. Notablemente, la distancia de un área residencial a una zona industrial estaba significativamente correlacionada positivamente con los precios de la tierra residencial. Además, también se observó una relación positiva entre los distritos escolares y los precios de la tierra residencial. Finalmente, el valor R2 del modelo CGTWR fue del 92%, lo que fue superior a los de los modelos de mínimos cuadrados ordinarios (OLS, 76%), regresión ponderada geográficamente (GWR, 85%), regresión ponderada geográficamente contextualizada (CGWR, 86%) y GTWR (90%). Estos resultados de evaluación indican que el algoritmo CGTWR, que incorpora información contextual y variación espacio-temporal, podría proporcionar a los responsables de políticas evidencia para comprender la naturaleza de las relaciones variables dentro de un conjunto de datos de precios de tierras en China.