Spatial Modeling of House Prices Using Normalized Distance-Weighted Sums of Stationary Processes
基于平稳过程归一化距离加权和的房价空间建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究房价空间残差的非平稳过程与贝叶斯推断，未明确涉及网络干扰或给定列表中其他细分方向，暂不归类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于平稳过程归一化距离加权和的房价空间建模
- 研究问题
- 如何在房价享乐模型中描述不同位置之间灵活变化的空间相关，并同时刻画房屋交易中不具有空间结构的个体差异？
- 方法与思路
- 作者将平稳过程作归一化距离加权求和，构造非平稳空间模型，另设灵活的纯误差过程，并在贝叶斯框架下估计。
- 材料陈述的贡献
- 摘要提出灵活且可计算的非平稳模型类，用组件过程数量调节空间残差刻画能力，并以斯托克顿 656 笔住宅交易作示例。
- 阅读关注点
- 核对权重归一化如何构成有效空间过程、组件数量如何选择、纯误差与空间残差如何区分，以及后验计算的数值精度。
- 阅读边界
- 摘要所称完整、精确推断基于设定模型的后验分布，同时指出计算要求较高；模型稳健性及跨地区表现仍需全文核对。
原文摘要
Hedonic models are used almost universally for modeling house prices. Recognizing the importance of location, the past decade has seen increasing effort to introduce spatial considerations into such modeling. When spatial process models are used to capture association between locations, isotropic specifications have been used almost exclusively despite the fact that they seem unlikely to be appropriate in practice. The contribution of this article is to offer a novel, flexible, and computationally tractable class of non-stationary models. We accomplish this using suitably normalized distance-weighted sums of stationary processes. The number of component processes used reflects the flexibility required to adequately explain the spatial residuals in the model. A flexible nugget (or pure error) process is also introduced and is needed to capture the nonspatial idiosyncrasies of house sale transactions. The models are fitted within a Bayesian framework requiring demanding computation but yielding full and exact inference through the posterior distributions of the model unknowns. A dataset of 656 single-family home sales in Stockton, California, provide an illustration.