新質(zhì)生產(chǎn)力視域下廣東省二手房交易市場(chǎng)改革路徑研究

摘要：新質(zhì)生產(chǎn)力是創(chuàng)新變革新范式，是推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵力量。本文基于2010年1月至2023年2月廣東省十大城市二手房交易的365 393條數(shù)據(jù)，通過(guò)構(gòu)建XGBoost模型來(lái)預(yù)測(cè)二手房交易的成交價(jià)并分析影響成交價(jià)的重要特征。研究結(jié)果表明，掛牌價(jià)格、城市區(qū)位、戶型、建筑面積等相關(guān)變量是影響二手房成交價(jià)的重要因素。結(jié)合新質(zhì)生產(chǎn)力的背景和概念，本文為廣東省二手房交易市場(chǎng)的創(chuàng)新發(fā)展提出建議：優(yōu)化上市價(jià)格策略、加大城鎮(zhèn)規(guī)劃和基礎(chǔ)設(shè)施建設(shè)力度、注重多元化戶型以及面積配置、健全市場(chǎng)監(jiān)管政策以及推動(dòng)信息化建設(shè)可促進(jìn)廣東省二手房市場(chǎng)交易，同時(shí)，可以融入新質(zhì)生產(chǎn)力的創(chuàng)新活力，共同實(shí)現(xiàn)推動(dòng)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的目的。

關(guān)鍵詞：新質(zhì)生產(chǎn)力；二手房交易市場(chǎng)；XGBoost模型；交易價(jià)格

2024年1月，中央經(jīng)濟(jì)工作會(huì)議在北京舉行，習(xí)近平總書記在中共中央政治局第十一次集體學(xué)習(xí)時(shí)強(qiáng)調(diào)：“新質(zhì)生產(chǎn)力是創(chuàng)新起主導(dǎo)作用，擺脫傳統(tǒng)經(jīng)濟(jì)增長(zhǎng)方式、生產(chǎn)力發(fā)展路徑，具有高科技、高效能、高質(zhì)量特征，符合新發(fā)展理念的先進(jìn)生產(chǎn)力質(zhì)態(tài)?！盵1]當(dāng)下，我國(guó)正步入經(jīng)濟(jì)穩(wěn)步增長(zhǎng)、科技高速發(fā)展以及生產(chǎn)力不斷革新的時(shí)代，在傳統(tǒng)行業(yè)中融入高質(zhì)量與創(chuàng)新生產(chǎn)力是當(dāng)下行業(yè)改革的主要方向和各行業(yè)聚力發(fā)展市場(chǎng)經(jīng)濟(jì)的共同目標(biāo)。據(jù)中國(guó)統(tǒng)計(jì)年鑒數(shù)據(jù)顯示，2023年中國(guó)GDP總額為126.06萬(wàn)億元，GDP增速為5.20%，經(jīng)濟(jì)發(fā)展韌性強(qiáng)。在我國(guó)龐大經(jīng)濟(jì)體量的核心圈內(nèi)，房地產(chǎn)占據(jù)著重要地位，是經(jīng)濟(jì)高速運(yùn)轉(zhuǎn)的核心引擎之一。從二手房交易市場(chǎng)領(lǐng)域來(lái)看，2023年全國(guó)二手房市場(chǎng)成交套數(shù)約為596萬(wàn)套，面積約5.7億平方米，成交金額約7.1萬(wàn)億元，成交面積和成交金額比2022年分別增長(zhǎng)44%和30%。作為中國(guó)經(jīng)濟(jì)支柱的產(chǎn)業(yè)之一，房地產(chǎn)行業(yè)如何在新質(zhì)生產(chǎn)力時(shí)代下進(jìn)行革新，尤其針對(duì)二手房交易市場(chǎng)的高幅度增長(zhǎng)，如何融合新質(zhì)生產(chǎn)力，為二手房交易市場(chǎng)注入創(chuàng)新發(fā)展的平臺(tái)與技術(shù)，是維持我國(guó)二手房的市場(chǎng)流通和促進(jìn)產(chǎn)業(yè)不斷興盛發(fā)展的重要路徑。

廣東省作為中國(guó)經(jīng)濟(jì)最為發(fā)達(dá)的地區(qū)之一，有著龐大的二手房交易市場(chǎng)。尤其是珠三角各市以及周邊其他城市的聯(lián)動(dòng)形成了一個(gè)活躍的區(qū)域二手房交易市場(chǎng)。目前，廣東省二手房交易市場(chǎng)仍處于傳統(tǒng)的運(yùn)轉(zhuǎn)模式，交易房屋信息不透明，業(yè)主定價(jià)無(wú)依據(jù)導(dǎo)致價(jià)格不符合市場(chǎng)需求，進(jìn)而延長(zhǎng)成交周期，造成二手房屋交易困難，不利于二手房交易市場(chǎng)的運(yùn)轉(zhuǎn)。因此基于廣東省近年來(lái)各城市的二手房交易的數(shù)據(jù)，從房屋相關(guān)的相關(guān)變量如：“城市”、“商圈”、“房屋戶型”等角度出發(fā)，基于大數(shù)據(jù)采用機(jī)器學(xué)習(xí)的方法預(yù)測(cè)廣東省二手房成交價(jià)格，為二手房交易定價(jià)提供符合市場(chǎng)需求的模型依據(jù)。同時(shí)，研究影響廣東省二手房成交價(jià)格的重要特征，從重要特征的角度出發(fā)提出新質(zhì)生產(chǎn)力背景下廣東省二手房交易市場(chǎng)的發(fā)展革新路徑。

目前，關(guān)于我國(guó)二手房交易領(lǐng)域的研究焦點(diǎn)主要集中在房?jī)r(jià)的驅(qū)動(dòng)因素及其空間差異性。在西安市的案例分析中，羅琳等人 （2023）發(fā)現(xiàn)，二手房?jī)r(jià)格表現(xiàn)出明顯的空間異質(zhì)性，[2]房齡是一個(gè)重要的影響因素，同時(shí)，靠近重點(diǎn)小學(xué)和公園的房產(chǎn)價(jià)格會(huì)有顯著提升；在政策影響方面，馮晗等人 （2022）在杭州的研究揭示了義務(wù)教育公民同招政策改革后，[3]學(xué)區(qū)房溢價(jià)顯著上漲，這反映了公共教育資源分配的不均衡性；紀(jì)宇凡等人 （2022）在南京的研究指出，[4]房屋的面積和樓層對(duì)房?jī)r(jià)有負(fù)面影響，而臥室數(shù)量、朝向和綠化率則對(duì)房?jī)r(jià)有正面作用，房產(chǎn)若靠近地鐵站、市中心、學(xué)校和公園，其價(jià)格會(huì)更高；涂錦等人 （2021）對(duì)成都市與重慶市的比較研究顯示，[5]區(qū)域位置、房屋屬性和購(gòu)房政策是影響房?jī)r(jià)的主要因素，并建議根據(jù)城市特點(diǎn)進(jìn)行政策調(diào)控；在估價(jià)模型方面，邢會(huì)歌等人 （2021）證實(shí)了神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸模型在預(yù)測(cè)二手房?jī)r(jià)格區(qū)間時(shí)，[6]比傳統(tǒng)線性模型更為精確和穩(wěn)定；張望舒等人 （2020）使用Lasso-GM-RF組合模型對(duì)北京市二手房?jī)r(jià)格進(jìn)行預(yù)測(cè)的研究也表明，[7]該模型在不同經(jīng)濟(jì)環(huán)境下均能提供良好的評(píng)估效果；武婷等人 （2019）在廣州的研究中發(fā)現(xiàn)，[8]空氣質(zhì)量對(duì)房?jī)r(jià)有顯著影響，PM10濃度的降低與房?jī)r(jià)上升相關(guān)，而PM2.5濃度與房?jī)r(jià)呈正相關(guān)，這強(qiáng)調(diào)了優(yōu)化城市空間布局的必要性。

依據(jù)目前二手房交易市場(chǎng)的研究文獻(xiàn)方向，研究領(lǐng)域針對(duì)廣東省二手房交易的文獻(xiàn)較少。因此，本文基于廣東省十大城市，從大數(shù)據(jù)的角度，采用機(jī)器學(xué)習(xí)方法XGBoost對(duì)廣東省二手房的成交價(jià)進(jìn)行預(yù)測(cè)，并分析影響二手房成交價(jià)的重要特征，以期為新質(zhì)生產(chǎn)力視域下廣東省二手房交易市場(chǎng)的改革路徑提出創(chuàng)新發(fā)展方向。

一、數(shù)據(jù)來(lái)源和研究方法

（一）數(shù)據(jù)來(lái)源

本文依據(jù)鏈家二手房信息網(wǎng)公開發(fā)布的廣東省十大城市二手房交易相關(guān)數(shù)據(jù)，匯總了2010年1月1日至2023年2月13日廣東省十大城市二手房交易共384 508條數(shù)據(jù)，涉及13個(gè)變量，篩除缺失成交價(jià)信息的數(shù)據(jù)后共剩余365 393條數(shù)據(jù)。數(shù)據(jù)集包含變量為：“成交價(jià)格 （萬(wàn)）”、“掛牌價(jià)格 （萬(wàn)）”、“調(diào)價(jià) （次）”、“建筑面積 （m2）”、“建成年代”、“城市”、“成交年份”、“區(qū)域”、“商圈”、“小區(qū)”、“房屋戶型”、“房屋朝向”、“配備電梯”、“房屋用途”。其中，數(shù)據(jù)涉及的10座城市分別為廣州、深圳、珠海、佛山、東莞、惠州、中山、江門、清遠(yuǎn)、湛江。具體的變量定義、取值和單位匯總?cè)绫?所示。

（二）研究方法

基于上述廣東省十大城市的二手房交易數(shù)據(jù)，采用機(jī)器學(xué)習(xí)的XGBoost方法，以 “成交價(jià)格 （萬(wàn)）”為預(yù)測(cè)對(duì)象，與剩余的13個(gè)變量進(jìn)行擬合。XGBoost是一種高效的梯度提升樹算法，通過(guò)逐步增加決策樹來(lái)增強(qiáng)預(yù)測(cè)能力。每次迭代時(shí)，XGBoost根據(jù)當(dāng)前模型的誤差構(gòu)建新的決策樹，將新樹的預(yù)測(cè)結(jié)果加入現(xiàn)有模型以修正誤差。擬合過(guò)程包括初始化預(yù)測(cè)值、計(jì)算殘差、構(gòu)建新決策樹和更新預(yù)測(cè)值。XGBoost通過(guò)正則化機(jī)制來(lái)防止過(guò)擬合，支持并行計(jì)算和缺失值處理，廣泛應(yīng)用于分類、回歸和排序等任務(wù)。整體上，XGBoost采用向前式分布可加的建模方式，且基礎(chǔ)學(xué)習(xí)器為包含J個(gè)葉節(jié)點(diǎn)的決策樹，具體公式可表示為：

fb（X）= fb-1（X）+βb hb（X;αb）= fb-1（X）+ ∑Ji=1 γjb I （X∈Rjb）

其中，fb（X）是第b輪迭代后模型的輸出； fb-1（X）為第b-1輪迭代后模型的輸出；βb即第b輪迭代的學(xué)習(xí)率，控制新加的樹的權(quán)重；hb（X;αb）為第b輪迭代中新加的回歸樹，參數(shù)為αb；新加的樹對(duì)應(yīng)的輸出則用∑Ji=1 γjb I （X∈Rjb）表示。

XGBoost算法每次迭代，不僅以損失函數(shù)最小為目標(biāo)解決決策樹，而且構(gòu)造目標(biāo)函數(shù)，并以目標(biāo)函數(shù)最小為目標(biāo)解決決策樹。目標(biāo)函數(shù)由損失函數(shù)和復(fù)雜度函數(shù)兩個(gè)部分組成：

objB （θ）=L［yi， fB （Xi）］+Ω［ fB （X）］

其中，L［yi， fB （Xi）］為損失函數(shù) （回歸預(yù)測(cè)可采用平方損失函數(shù)），分類預(yù)測(cè)可采用交互熵；Ω［ fB （X）］代表模型（決策樹）的復(fù)雜度。對(duì)第b次迭代，目標(biāo)函數(shù)為：

objB （θ）= ∑Ni=1 L［yi， fb-1 （Xi）］+ ∑Ji=1 γjb I （X∈Rjb）+Ω［fb-1 （X）］+ Ω［∑Ji=1 γjb I （X∈Rjb）］

其中，Ω［fb-1 （X）］是fb-1 （X）的復(fù)雜度；Ω［∑Ji=1 γjb I （X∈Rjb）］ 為第b次迭代新增決策樹的復(fù)雜度。XGBoost以損失函數(shù)和復(fù)雜度之和為最小目標(biāo)，每次迭代的目的是要找到目標(biāo)函數(shù)最小下的新增決策樹，通過(guò)泰勒展開得到損失函數(shù)在fb（X）處的近似表達(dá)[9]。

通過(guò)上述步驟，XGBoost可以有效擬合數(shù)據(jù)，提高預(yù)測(cè)能力，并通過(guò)正則化防止過(guò)擬合。

二、數(shù)據(jù)預(yù)處理

由于數(shù)據(jù)集中存在缺失數(shù)據(jù)，因此，在進(jìn)行XGBoost擬合之前需要對(duì)數(shù)據(jù)的缺失值進(jìn)行填充，主要分為以下兩個(gè)方面：一是對(duì)數(shù)值變量缺失值進(jìn)行填充，對(duì) “掛牌價(jià)格 （萬(wàn)）”“建筑面積 （m2）”“建成年代”分別計(jì)算均值填充為缺失值并對(duì)數(shù)值數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化；二是對(duì)類別變量缺失值進(jìn)行填充，對(duì) “城市”“成交年份”“區(qū)域”“商圈”“小區(qū)”“房屋戶型”“房屋朝向”“配備電梯”“房屋用途”中的缺失值填充為該變量取值的眾數(shù)。

基于XGBoost算法對(duì)模型二手房成交價(jià)格進(jìn)行預(yù)測(cè)，模型涉及的變量需要為數(shù)值形式，因此，需要對(duì)類別變量進(jìn)行處理，將類別變量的取值轉(zhuǎn)化為數(shù)值型。因此，采用獨(dú)熱編碼將每個(gè)類別轉(zhuǎn)換為新的二進(jìn)制特征來(lái)處理分類變量。一個(gè)有10種類別的特征如 “城市”，經(jīng)過(guò)獨(dú)熱編碼后生成10個(gè)新的特征，每個(gè)特征對(duì)應(yīng)一個(gè)類別。

三、實(shí)證分析

經(jīng)過(guò)數(shù)據(jù)預(yù)處理后的數(shù)據(jù)集，在Python環(huán)境中安裝XGBoost 庫(kù)，將80%的數(shù)據(jù)劃分為訓(xùn)練集，20%的數(shù)據(jù)劃分為測(cè)試集。同時(shí)，設(shè)置XGBoost算法所需的參數(shù)，由于數(shù)據(jù)量較大達(dá)到365 393條，為防止過(guò)擬合以及減少算力，采用50棵樹，樹的最大深度設(shè)置為3，學(xué)習(xí)率為初始值0.1，每棵樹采用80%的特征。使用參數(shù)對(duì)模型進(jìn)行擬合以及預(yù)測(cè)，由于預(yù)測(cè)值達(dá)到對(duì)應(yīng)的樣本數(shù)目共365 393條數(shù)據(jù)，僅輸出并展示部分預(yù)測(cè)結(jié)果如表2所示。

基于擬合的XGBoost模型，需要對(duì)模型的擬合效果進(jìn)行評(píng)估，計(jì)算相應(yīng)的模型性能的評(píng)估指標(biāo)，具體的指標(biāo)計(jì)算結(jié)果如表3所示。

根據(jù)模型預(yù)測(cè)的結(jié)果，均方誤差 （MSE）為4 510.895 0，均方根誤差 （RMSE）為67.163 2，平均絕對(duì)誤差 （MAE）為20.616 6，決定系數(shù) （R2）為0.917 5。均方誤差的取值越小，說(shuō)明預(yù)測(cè)值與真實(shí)值整體的誤差較小。該XGBoost模型的決定系數(shù)為0.9175非常接近1，說(shuō)明模型的擬合效果很好，模型能夠解釋91.75%的數(shù)據(jù)變異。

在整個(gè)訓(xùn)練過(guò)程中，XGBoost模型持續(xù)評(píng)估每個(gè)特征的增益，并將這些信息累積起來(lái)，最終為每個(gè)特征生成一個(gè)重要性評(píng)分。這種方法可以有效識(shí)別出對(duì)預(yù)測(cè)結(jié)果影響最大的特征。XGBoost中的特征重要性是根據(jù)特征在決策樹中的使用頻率和其分裂增益來(lái)計(jì)算的。在訓(xùn)練過(guò)程中，XGBoost會(huì)生成多棵決策樹。每次生成決策樹時(shí)，算法會(huì)選擇一個(gè)特征來(lái)進(jìn)行節(jié)點(diǎn)分裂，這個(gè)選擇取決于該特征的分裂增益，即該特征在分裂時(shí)對(duì)減少模型誤差的貢獻(xiàn)。分裂增益表示某個(gè)特征在分裂節(jié)點(diǎn)時(shí)對(duì)提升預(yù)測(cè)準(zhǔn)確性的貢獻(xiàn)。每當(dāng)一個(gè)特征被用于節(jié)點(diǎn)分裂時(shí)，都會(huì)計(jì)算其增益，這些增益值會(huì)被累積，形成該特征的總重要性值。因此，特征的重要性反映了其在所有決策樹中的使用頻率和貢獻(xiàn)度。累積增益越高，說(shuō)明該特征對(duì)模型的貢獻(xiàn)越大，對(duì)預(yù)測(cè)結(jié)果的影響也越明顯。依據(jù)上述XGBoost預(yù)測(cè)模型，可進(jìn)一步計(jì)算重要特征以及重要性值。模型輸出前10個(gè)重要特征以及重要性值如表4所示。

XGBoost預(yù)測(cè)模型中，首先，最重要的特征為 “num-掛牌價(jià)格 （萬(wàn)）”，對(duì)應(yīng)的重要性值為0.313 983，說(shuō)明掛牌價(jià)格是影響預(yù)測(cè)成交價(jià)格的最主要因素；其次是城市特征，“cat-城市-深圳”和 “cat-城市-廣州”也具有較高的重要性值，表明城市信息對(duì)房屋成交價(jià)有顯著影響；排在第三位的重要特征是房屋戶型，“cat-房屋戶型-一室一廳”作為重要特征，說(shuō)明不同戶型對(duì)成交價(jià)的影響較大；最后是其他特征，包括區(qū)域、建筑面積、房屋朝向、商圈、建成年代和成交年份等。

四、結(jié)束語(yǔ)

（一）結(jié)論

本文通過(guò)XGBoost模型詳細(xì)分析廣東省二手房市場(chǎng)交易數(shù)據(jù)，探索二手房市場(chǎng)交易改革在新質(zhì)生產(chǎn)力視域下的路徑。該模型評(píng)估結(jié)果表明最好模型的均方誤差 （MSE）為4510.8950，均方根誤差 （RMSE）為67.1632，平均絕對(duì)誤差 （MAE）為20.6166，R2為0.9175表明該模型預(yù)測(cè)準(zhǔn)確率和解釋力較高。該模型的特征重要性分析表明，掛牌價(jià)格、城市位置尤其是深圳和廣州、房屋戶型、區(qū)域、建筑面積、房屋朝向、商圈、建成年代和成交年份等因素對(duì)成交價(jià)格有顯著影響。基于上述研究?jī)?nèi)容，以下三點(diǎn)可以歸納出本文的研究結(jié)論：第一，二手房交易價(jià)格最主要的影響因素是掛牌價(jià)格。因此，合理的掛牌價(jià)格既可以促進(jìn)房屋交易，又可以通過(guò)市場(chǎng)化手段優(yōu)化資源配置，在新質(zhì)生產(chǎn)力背景下提高市場(chǎng)整體效率；第二，城市區(qū)位對(duì)房?jī)r(jià)影響明顯。成交價(jià)格受城市區(qū)位影響較大，尤其是深圳與廣州，這反映出各地房?jī)r(jià)差異明顯。深圳、廣州作為廣東省的核心城市，基礎(chǔ)設(shè)施水平較高，市場(chǎng)吸引力較強(qiáng)，因此具有較高的市場(chǎng)需求；第三，戶型、建筑面積等也會(huì)對(duì)成交價(jià)格產(chǎn)生重要影響。成交價(jià)格的重要影響因素還有房屋的戶型和建筑面積。隨著新質(zhì)生產(chǎn)力的發(fā)展，購(gòu)房者對(duì)房屋內(nèi)部結(jié)構(gòu)和使用面積的要求更高，從而驅(qū)動(dòng)開發(fā)商提供更具適用性的房屋設(shè)計(jì)，這種需求是開發(fā)商必須考慮的問題。

（二）建議

結(jié)合新質(zhì)生產(chǎn)力背景，筆者提出以下建議，期望以新質(zhì)生產(chǎn)力賦能交易市場(chǎng)改革發(fā)展為切入點(diǎn)，進(jìn)一步完善廣東省二手房交易機(jī)制。

第一，優(yōu)化上市價(jià)格策略，增強(qiáng)市場(chǎng)交易活力。在新質(zhì)生產(chǎn)力視域下，通過(guò)精準(zhǔn)定價(jià)提升房源吸引力，促進(jìn)房屋的順利成交，從而提高市場(chǎng)的整體效率和生產(chǎn)力。房地產(chǎn)中介和賣方應(yīng)以大數(shù)據(jù)分析和市場(chǎng)動(dòng)態(tài)為基礎(chǔ)合理定價(jià)，避免掛牌價(jià)格過(guò)低或過(guò)高而導(dǎo)致二手房滯銷。

第二，加大城鎮(zhèn)規(guī)劃和基礎(chǔ)設(shè)施建設(shè)力度，增強(qiáng)城鎮(zhèn)競(jìng)爭(zhēng)力。政府應(yīng)進(jìn)一步完善深圳、廣州等核心城市規(guī)劃和基礎(chǔ)設(shè)施建設(shè)，以宜居、便民等特點(diǎn)吸引高素質(zhì)人才和資本流入，促進(jìn)房地產(chǎn)市場(chǎng)健康發(fā)展，進(jìn)而促進(jìn)區(qū)域整體生產(chǎn)力水平的提高。

第三，注重戶型以及面積配置，滿足多元化需求。基于市場(chǎng)需求和新質(zhì)生產(chǎn)力發(fā)展的要求，開發(fā)商應(yīng)提供多樣化的合理面積配置以滿足不同購(gòu)房者的需求，增強(qiáng)住房市場(chǎng)競(jìng)爭(zhēng)力，從而促進(jìn)市場(chǎng)的高效運(yùn)行和資源的優(yōu)化配置。

第四，健全市場(chǎng)監(jiān)管政策，增強(qiáng)市場(chǎng)透明度和公正性。政府要保證房?jī)r(jià)的合理波動(dòng)，防止惡意炒作，保持市場(chǎng)健康穩(wěn)定發(fā)展，這是在新質(zhì)生產(chǎn)力背景下通過(guò)政策引導(dǎo)和市場(chǎng)調(diào)節(jié)實(shí)現(xiàn)的。同時(shí)，提高市場(chǎng)透明度，保障買賣雙方利益，以透明的市場(chǎng)信息公開機(jī)制促進(jìn)市場(chǎng)的公平公正。

第五，推動(dòng)信息化建設(shè)，提高交易智能化水平。利用先進(jìn)的信息技術(shù)和智能化手段幫助買賣雙方做出更加科學(xué)合理的決策，促進(jìn)交易率和市場(chǎng)活力的提升，進(jìn)而促進(jìn)新質(zhì)生產(chǎn)力的發(fā)展和應(yīng)用，為二手房交易平臺(tái)的功能和服務(wù)水平提供全面的市場(chǎng)信息和交易數(shù)據(jù)。

廣東省二手房市場(chǎng)將通過(guò)上述改革路徑實(shí)現(xiàn)健康、穩(wěn)定、可持續(xù)的發(fā)展目標(biāo)，從而更好地適應(yīng)新質(zhì)生產(chǎn)力的發(fā)展要求。此舉既能促進(jìn)房地產(chǎn)市場(chǎng)整體增效，又能促進(jìn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)優(yōu)質(zhì)發(fā)展，為全省經(jīng)濟(jì)提供堅(jiān)實(shí)有力的支撐。

參考文獻(xiàn)：

[1] 趙愛玲.新質(zhì)生產(chǎn)力 中國(guó)經(jīng)濟(jì)的未來(lái)動(dòng)能[J].中國(guó)對(duì)外貿(mào)易，2024（04）：8-10.

[2] 羅琳，楊喜平，李繼園.西安市二手房?jī)r(jià)格的影響因素及空間異質(zhì)性[J].地域研究與開發(fā)，2023，42（04）：57-63.

[3] 馮晗，陳海敏，周洪.公民同招改革與學(xué)區(qū)房溢價(jià)變化：基于杭州二手房交易微觀數(shù)據(jù)的研究[J].中國(guó)經(jīng)濟(jì)問題，2022（05）： 182-196.

[4] 紀(jì)宇凡，戴靚，丁子軍，等.城市二手房?jī)r(jià)格的影響因素及其空間效應(yīng)：基于MGWR模型對(duì)南京的實(shí)證[J].資源開發(fā)與市場(chǎng)， 2022，38（07）：777-783+896.

[5] 涂錦，蔣宛晨，冷正興.我國(guó)城市房?jī)r(jià)影響因素的差異化研究：基于成都市二手房市場(chǎng)大數(shù)據(jù)的分析[J].價(jià)格理論與實(shí)踐， 2021（10）：75-78.

[6] 邢會(huì)歌，錢蘇琴.城市二手房?jī)r(jià)格區(qū)間估計(jì)方法研究：基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸模型的分析[J].價(jià)格理論與實(shí)踐，2021（05）：85-88+194.

[7] 張望舒，馬立平.城市二手房?jī)r(jià)格評(píng)估方法研究：基于Lasso-GM-RF組合模型對(duì)北京市二手房?jī)r(jià)格的分析[J].價(jià)格理論與實(shí)踐，2020（09）：172-175+180.

[8] 武婷，沈靜.城市空氣質(zhì)量對(duì)住宅價(jià)格的影響研究：基于廣州市二手房的大數(shù)據(jù)分析[J].規(guī)劃師，2019，35（10）：47-52.

[9] 薛薇.Python機(jī)器學(xué)習(xí)：原理與實(shí)踐[M].北京：中國(guó)人民大學(xué)出版社，2021：162-163.

作者簡(jiǎn)介： 陳晞琳，女，漢族，廣東汕頭人，碩士研究生，中級(jí)統(tǒng)計(jì)師，研究方向：數(shù)字經(jīng)濟(jì)、統(tǒng)計(jì)學(xué)。