تحلیل قیمت مسکن شهر مشهد با یک چارچوب مدل بندی فضایی ناهمگن دومرحله ای

داده های حاصل از اندازه گیری شاخص های مالی و اقتصادی، مانند قیمت مسکن، عموما به طور فضایی همبسته و ناهمگن هستند. مدل های اقتصادسنجی فضایی برای لحاظ کردن وابستگی موجود در این داده ها پرطرفدار هستند. اما مدل بندی کارای ناهمگنی فضایی هنوز مورد سوال است. معمولا از رگرسیون وزنی جغرافیایی برای مدل بندی ناهمگنی موضعی داده های فضایی استفاده می شود. این رده از مدل ها برای داده های فضایی همگن در چند زیرناحیه، بیش از حد پیچیده هستند. در این مقاله، از یک رهیافت مبتنی بر خوشه بندی فضایی برای شناسایی زیرنواحی همگن استفاده می شود. سپس، در هر زیرناحیه، مدل های اقتصادسنجی فضایی بیزی به داده ها برازش داده می شوند. با توجه به پیچیدگی توزیع پسین مدل های پیشنهادی و دوری از مشکلات الگوریتم های MCMC، از روش تقریب لاپلاس آشیانه ای جمع بسته استفاده می شود. آنگاه در یک مطالعه شبیه سازی، عملکرد رهیافت پیشنهادی ارزیابی و نحوه کاربست رهیافت دومرحله ای پیشنهادی برای تحلیل داده های قیمت مسکن در شهر مشهد ارائه خواهد شد.

Keywords:

Approximate Bayesian inference , Spatial clustering , Econometrics models , Spatial heterogeneity. , استنباط بیزی تقریبی , خوشه بندی فضایی , مدل های اقتصادسنجی , ناهمگنی فضایی.