Explorando la heterogeneidad espacial discreta de los precios de la vivienda en Beijing, China, basada en una regresión geográficamente ponderada regionalmente afectada por la educación
Autores: Wang, Zengzheng; Zhang, Fuhao; Zhao, Yangyang
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Explorando la heterogeneidad espacial discreta de los precios de la vivienda en Beijing, China, basada en una regresión geográficamente ponderada regionalmente afectada por la educación
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Heterogeneidad espacial
Precios de la vivienda
Factores educativos
E-RGWR
Heterogeneidad discreta espacial
Pekín
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El análisis de la heterogeneidad espacial de los precios de la vivienda, en general, es crucial para mantener un desarrollo económico de alta calidad en China, especialmente en el contexto posterior a la pandemia de COVID-19. Estudios anteriores han intentado explicar la evolución geográfica asociada al estudiar la heterogeneidad continua no estacionaria espacial; sin embargo, ignoraron la heterogeneidad discreta espacial causada por factores naturales o de políticas, como la educación, la economía y la población. Por lo tanto, en este estudio, tomamos a Pekín como ejemplo y consideramos factores educativos para proponer un algoritmo de regresión local mejorado llamado regresión geográficamente ponderada regionalmente afectada por la educación (E-RGWR), que puede abordar de manera efectiva la heterogeneidad discreta no estacionaria espacial causada por factores educativos. Nuestro estudio empírico indica que los valores de R2 y R2adj de E-RGWR son 0.8644 y 0.8642, que son un 10.98% y un 11.01% más altos que los de GWR, y un 3.26% y un 3.27% más altos que los de RGWR, respectivamente. Además, a través de un análisis de variables relacionadas, se encontró que los impactos cuantitativos de la tasa de forestación, la distancia al mercado, la distancia a hospitales y el tiempo de construcción sobre los precios de la vivienda en Pekín presentan una heterogeneidad discreta espacial significativa, y también se observó una relación positiva entre los distritos escolares y los precios de la vivienda. Los resultados de la evaluación obtenidos indican que E-RGWR puede explicar la inestabilidad espacial de los precios de la vivienda en Pekín y la heterogeneidad discreta espacial causada por factores educativos. Finalmente, basándonos en los resultados de estimación del modelo E-RGWR, respecto a los precios de la vivienda en Pekín, analizamos las relaciones entre la política de matrícula, la política de ventas de bienes raíces y los precios de la vivienda; E-RGWR puede proporcionar a los responsables de políticas evidencia más refinada para entender la naturaleza de la relación de cambio centralizado de los datos de precios de vivienda de Pekín de manera bien definida. El gobierno no solo debe llevar a cabo un control macroeconómico, sino también implementar políticas precisas para diferentes regiones, refinar la gobernanza social, promover la equidad educativa y estimular la economía.
Descripción
El análisis de la heterogeneidad espacial de los precios de la vivienda, en general, es crucial para mantener un desarrollo económico de alta calidad en China, especialmente en el contexto posterior a la pandemia de COVID-19. Estudios anteriores han intentado explicar la evolución geográfica asociada al estudiar la heterogeneidad continua no estacionaria espacial; sin embargo, ignoraron la heterogeneidad discreta espacial causada por factores naturales o de políticas, como la educación, la economía y la población. Por lo tanto, en este estudio, tomamos a Pekín como ejemplo y consideramos factores educativos para proponer un algoritmo de regresión local mejorado llamado regresión geográficamente ponderada regionalmente afectada por la educación (E-RGWR), que puede abordar de manera efectiva la heterogeneidad discreta no estacionaria espacial causada por factores educativos. Nuestro estudio empírico indica que los valores de R2 y R2adj de E-RGWR son 0.8644 y 0.8642, que son un 10.98% y un 11.01% más altos que los de GWR, y un 3.26% y un 3.27% más altos que los de RGWR, respectivamente. Además, a través de un análisis de variables relacionadas, se encontró que los impactos cuantitativos de la tasa de forestación, la distancia al mercado, la distancia a hospitales y el tiempo de construcción sobre los precios de la vivienda en Pekín presentan una heterogeneidad discreta espacial significativa, y también se observó una relación positiva entre los distritos escolares y los precios de la vivienda. Los resultados de la evaluación obtenidos indican que E-RGWR puede explicar la inestabilidad espacial de los precios de la vivienda en Pekín y la heterogeneidad discreta espacial causada por factores educativos. Finalmente, basándonos en los resultados de estimación del modelo E-RGWR, respecto a los precios de la vivienda en Pekín, analizamos las relaciones entre la política de matrícula, la política de ventas de bienes raíces y los precios de la vivienda; E-RGWR puede proporcionar a los responsables de políticas evidencia más refinada para entender la naturaleza de la relación de cambio centralizado de los datos de precios de vivienda de Pekín de manera bien definida. El gobierno no solo debe llevar a cabo un control macroeconómico, sino también implementar políticas precisas para diferentes regiones, refinar la gobernanza social, promover la equidad educativa y estimular la economía.