El modelo tradicional de regresión lineal de tasación masiva es cada vez menos capaz de satisfacer el estándar de tasación masiva con grandes volúmenes de datos, características complejas de la vivienda y altos requisitos de precisión. Por lo tanto, es esencial utilizar las características espaciales y temporales inherentes a las propiedades para construir un modelo más efectivo y preciso. En esta investigación, tomamos el área central de Pekín, un centro urbano típico, como el área de estudio para el modelado por primera vez. Se realizan miles de conjuntos de datos de transacciones reales con un período de tiempo de 2014, 2016 y 2018 a nivel comunitario (precio promedio anual comunitario). Se adoptan tres modelos diferentes, incluyendo análisis de regresión múltiple (MRA) con mínimos cuadrados ordinarios (OLS), regresión ponderada geográficamente (GWR) y regresión ponderada geográfica y temporalmente (GTWR), para un análisis comparativo. El resultado indica que el modelo GTWR, con un R2 ajustado de 0.8192, tiene un mejor desempeño en el modelado de tasación masiva de bienes raíces. La comparación de diferentes modelos proporciona un punto de referencia útil para los responsables de políticas en relación con el proceso de tasación masiva de los centros urbanos. El hallazgo también destaca las características espaciales de los parámetros relacionados con el precio en áreas residenciales de alta densidad, proporcionando un enfoque de evaluación eficiente para la planificación, gestión del suelo, tributación, seguros, finanzas y otros campos relacionados.