Spatially Disaggregated Real Estate Indices
按空间细分地区构建房地产指数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：摘要研究住房重复交易的时空指数，图连接用于相关性建模；所给标签缺少直接的空间计量方向，故暂不归类。
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…
关注这篇论文的作者
按空间细分地区构建房地产指数
- 研究问题
- 如何利用住房重复交易数据构建细分地区的房价增值指数，并同时反映相邻地区及相邻时期指数之间的相关性？
- 方法与思路
- 作者以地区和时期的组合作为图节点，连接空间邻居及相邻时期的同一地区，用马尔可夫随机场描述指数相关性及其与重复交易的关系。
- 材料陈述的贡献
- 摘要提出模型参数与地区指数的估计方法，并计算美国佛罗里达州戴德县的住宅房地产指数，与仅考虑空间关系的模型比较。
- 阅读关注点
- 阅读时应核对邻接图、空间与时间相关性设定、重复交易到指数的对应关系，以及参数估计和仅空间模型比较的具体结果。
- 阅读边界
- 摘要未报告指数精度、统计不确定性或比较的数值结果，也未说明重复交易样本的代表性，因此不能断言时空模型更优。
原文摘要
A spatial–temporal Markov random-field model is used to produce indices for residential real estate from repeat home sale data. A set of regions is represented by a graph in which neighboring regions are linked. This graph, repeated consecutively a number of times, with each region linked to the same region at adjacent times, defines a spatial–temporal graph that connects regions over space and time in which each node represents a region at a particular time. An index is defined at each node to be the rate of appreciation of log sale price in a region during the preceding time interval. The indices are estimated from data consisting of repeat home sales. The Markov random-field model specifies spatial and temporal correlations between neighboring indices and relations between indices and individual repeat sales. A method is proposed for estimating various parameters in the model and for obtaining real-estate indices. Following this prescription, indices are calculated for the Dade County, Florida, residential real-estate market. Results are compared to those obtained using competing space-only models.