《城市住宅租赁价格的空间分布与影响因素探究（论文）14000字》

PAGEi城市住宅租赁价格的空间分布与影响因素探究目录TOC\o"1-3"\h\u摘要 I1引言 11.1课题背景与意义 11.2国内研究现状 11.2.1特征价格模型 21.2.2数据爬取与数据预处理 21.2.3房价主要的影响因素 21.3国外研究现状 31.4本课题的主要研究内容 41.4.1基本内容 41.4.2拟解决的主要问题 41.5研究方法 41.5.1文献资料法 41.5.2实验研究法 51.5.3统计分析法 52数据获取及预处理 62.1数据来源及使用的工具 62.2数据清洗 83特征价格模型及数据可视化 93.1特征价格模型的构建 93.1.1住宅特征的选择及量化 93.1.2特征价格模型的设计 103.2数据可视化使用的工具及原理 113.2.1选择图表类型 113.2.2声明图形类并且添加数据 113.2.3设置全局变量 113.2.4显示及保存图表 113.3数据加工 113.4分析结果 123.4.1杭州市租赁住宅分布 133.4.2精装对住宅租金的影响 143.4.3租赁方式对住宅租金的影响 143.4.4面积对住宅租金的影响 153.4.5户型对住宅租金的影响 163.4.6楼层对住宅租金的影响 163.4.7附近地铁数量对住宅租金的影响 173.4.8车位情况对住宅租金的影响 183.4.9付款方式对住宅租金的影响 183.4.10朝向对住宅租金的影响 194结论与展望 204.1结论 204.2展望 20参考文献 23PAGE5摘要特征价格模型是分析城市住宅市场最常用的方法之一，基于模型理论，获取杭州租赁住宅市场的相关数据，构建特征价格模型来进行研究，模型的估计为租金与各因素的线性关系，并建立了相应的函数形式。数据的爬取使用了八爪鱼采集器采集了46671套杭州市的住宅租赁信息，对获取的数据进行预处理、加工，最终筛选10个因素来作为住宅特征并且进行建立相应的特征价格模型。采用了SPSSPRO对模型进行了线性回归，并且结合了Pyecharts将相应的数据进行可视化展示，最终得到对住宅租金的产生的具体正向影响及负向影响结果，来解释和分析杭州市的住宅租金价格空间。关键词：数据可视化；特征价格模型；住宅租赁引言课题背景与意义当今社会，由于国民经济与社会生产力的进一步发展和我国城市化步伐的加速，不少人会去大城市寻求就业机会，谋求经济发展，这也就造成了中国城市人数的激增，而住房问题，已经成为了与中国人民日常生活密切相关的重要问题之一，也成为了一个难点，以刚刚毕业的本科生为例，由于毕业实习期薪水较少，学生初出校园时也十分缺乏社会实践经验，而为寻找更多的实习机会和良好的发展前景，这在一定程度上诠释了毕业生们通常都会选择去大城市发展，但是房价又在持续性上涨，特别是大城市的高房价几乎令人望而却步，所以，租房成了背井离乡但是工资待遇不高并且没有太多存款的人们最好的选择（李思源,张慧芳,2022)。也正是因为人们的这方面需求，除了线下的住宅中介店面，目前关于住宅租赁的网站或者是手机app应运而生，并且有日益增长的趋势，比如zuber、拼室友、租客、房天下、贝壳找房、自如、青客、链家、58同城等等，不但如此，租房的形式和种类也愈发增多，可以有合租的形式来减轻房租的压力，也可以用整租的租赁形式来拥有较为自在的私人空间；可以选择精装直接入住，也可以选择自己来装饰小家(王宇和,刘子琪,2023)；还可以选择各种样式、各种户型的房子，比如电梯房等等；也可以选择是否交通便利，或是远离城区。这些住宅的特征是引起房地产价格变化的主要原因，通过价格空间分布规律研究，可以分析出各类因素对住宅租金的影响情况(陈浩然,赵洁妮,2021)。建立对应的特征价格模型进行分析，并且对其进行相应的数据可视化展示来验证结果的准确性，也可以让人们可以更加直观地看出租金的变化以及其影响因素，这在一定程度上体现并且可以更加方便地找到自己的需求。可以为迷茫着急寻房的人们一个很好的、直观的理论参考和一些现实的指导价值，也可以从中分析出当代人对于生活的需求变化(刘书敏,郑俊林,2021)。此外，通过对住宅租金影响因素的定量分析，能够为政府部门提升房屋价格水平、布局基础设施提供一定的依据，同时为开发商的土地决策提供有益的借鉴，也能够对房地产企业市场进行合理发展提供科学的支持(黄志远,周曼琳,2021)。国内研究现状国内对租房价格的研究比较多，由于热门城市样本较多，需求量较大，且发展较为成熟，大多也是对热门城市进行分析，特征价格模型在土地市场微观结构的研究方面比较有优势，因此国内大多数的研究都基于此。特征价格模型高宇哲,王丽华在剖析城市住宅土地价值影响因子时，首次明确了城市住宅土地价值的微观影响因子，并总结了特征价格模型的理论基础、最主要的函数形式和预测方式，再和实际的数据分析加以融合，构建了城市住宅土地特征价格模型，并实证剖析了各种微观影响因子对城市住宅用地价格的影响作用(龚嘉怡,李昊天,2021)。这在一定层面上体现了通过对住宅用地价格微观影响因子的定量分析，可以为政府对地价管理提供指导、为城市基础设施的布局提供一定科学的依据，同时也可以让开发商在如何对土地进行投资的决策上有据可依REF_Ref2229\r\h[1]。本文在研究思路上也有独特之处，作者引入了前人关于该主题的研究成果，提升了研究的深度。首先，通过对现有文献中重要理论和实证结论的综合分析，构建了一个更为系统和全面的架构，目的在于为该领域提供新的视角和方法论指引。为了保障研究的有效性和可靠性，不仅验证了之前的理论假设，还进一步调查了尚未得到足够重视的研究空白。李宇恒,薛梦婷提过，特征价格模型的理论思路主要是消费者决策理论，即消费者愿意支付多少钱，主要源于他能从商品中获得什么样的享受REF_Ref2634\r\h[2]。温海珍和贾生华提出，由于住宅产品的异质性，特征价格模型被广泛使用于分析城市住宅市场。特征价格模型的建立往往需要大量的数据，除此之外，一个关键在于住宅特征的筛选，复杂函数形式的采用可以改进模型的拟合程度，从而提高模型的预测能力REF_Ref2690\r\h[3]。除此之外，这在一定程度上展现了特征价格模型也被广泛用于其他房地产相关领域，比如刘微等学者研究的酒店客房价格REF_Ref2729\r\h[4]以及陈建平等学者研究的民宿价格REF_Ref2768\r\h[5]等的影响因素(宋嘉俊,陈晓玲,2021)。许泽宇,杨雨萱基于特征价格解释模型分析住房特征价格优化模型。认为从城市经济学的角度来看，特征价格模型主要考虑影响房价的固定因素，如住房面积、房间数量等。所提出的方法避免了人为因素的干扰，使得房地产本身更加耐用和属性多样化，使其能更适合应用于房地产定价REF_Ref2791\r\h[6]。数据爬取与数据预处理朱晓彤,张昊天等学者在研究过程中，数据获取主要用到了python爬虫技术，模拟浏览器向服务器发起HTTP请求，再使用BeautifulSoup库，通过class属性过滤所需HTML标签和标签值，再进行数据可视化，并提到需要注意地方，这在一定程度上凸显了即为了避免网站产生影响，需要在请求页面后，休眠几秒后继续REF_Ref2918\r\h[7]。罗珊珊,刘瑾萱在研究中提到，由于获取到的数据可能存在有一定的缺失值，也可能存在重复的情况，因此需要先将数据进行预处理，接下来的数据分析才可以顺利进行，减少误差的可能性。由此可见，本研究注重跨学科的融合，借用了经济学、社会学等领域的方法论和分析模型，以期从不同视角全面解析研究问题，从而深化和完善现有理论体系。通过详细解读研究结论，本文提出了具有现实意义的政策建议或操作指南，旨在对行业发展、决策支持和未来研究路径产生积极影响。首先进行数据清洗，即筛选出来多余重复的数据，并进行清除，除此之外，将有缺失的数据进行处理，比如将空值补全，将部分错误的数据进行修正REF_Ref2954\r\h[8]。房价主要的影响因素邓泽文,黄婷娴等学者则提到，除了特征价格模型，还有通过逆距离加权插值、空间自相关分析和地理加权回归模型的构建，在其中可以看出揭示了房价的空间结构差异及各种因素的共同影响。有科学实证研究表明，空间结构分布的形成是由城市规划、地理位置、环境以及住房财产价值等综合效应的结果。物业管理费、绿化率、平均停车率、建筑建造年代、银行数、超市数、到地铁站的距离、到一流医院的距离、到河景的距离也是影响房价的重要因素。对房价影响最大的因素是物业管理费，这无疑证明了事实而银行数量和超市数量对房价的影响最小REF_Ref2990\r\h[9]。除此之外，何彦博,刘春华在论文中还发现了地铁快速交通、城市规划及环境等因素对地价时空变异起着重要的影响作用REF_Ref3019\r\h[10]。尽管本文尚未充分挖掘这部分的研究结论，但现有的研究成果已经显示出一定的指导价值。初步结果为该领域的理解提供了新视角和见解，有助于识别关键变量及其交互机制，为更深入的研究建立了坚实基础。同时，这些研究还揭示了一些潜在的趋势和模式，能为理论框架的发展提供实证支撑，并引发更多的学术讨论与辩论。使用python爬虫技术爬取数据，对数据进行预处理加工以及进行数据可视化，再结合特征价格模型，可以得出什么对住宅用地的价格影响最大，是否为正的影响，并且通过此分析出人们目前对居住环境的要求在哪方面增加，从这些案例中说明这也对想要找房子的人有着很好的现实价值，可以根据自己的需求，分析选择出自己想要的目标住宅需要的特征，并且为此支付相应的价格，以获得对自己而言性价比最高的住宅(崔子墨,王晨曦,2021)。国外研究现状主要通过利用特征价格模型来选择住宅特征，即对住宅的微观影响因素，并由此对住宅租金进行相应的分析，特征价格模型主要起源于Lancaster的消费者理论和Rosen模型，商品是作为其拥有的一系列内在特征的集合来出售的，不同的组合也会影响消费者对商品的选择，这在国外是很多学者用来研究住宅市场的模型(孙思佳,陈东浩,2021)。1980年，Peter和Linneman试图为城市住房市场的分析制定一种系统的统计方法，审查了用于拟合城市住房市场享乐价格函数的标准估计程序，这在某种程度上揭示出并指出了若干潜在的严重偏见来源(冯嘉荣,刘逸萱,2021)。开发了一种替代估计器，它将属性值资本化为流，并搜索避免这些偏差的适当功能形式REF_Ref3072\r\h[11]。2003年，APakes将享乐与匹配的模型索引进行了比较。匹配模型指数是样品商店货架上保留的商品价格变化的平均值。由于消失的商品往往具有下降的市场价值，因此匹配的模型指数从价格变化的右尾进行选择(王家辉,周佳雯,2021)。BLS可以构造用于更正此选择的享乐索引，并通过标准参数来证明其合理性REF_Ref3098\r\h[12]。DunseN和JonesC将享乐回归技术应用于办公室市场，来确定和量化不同属性对办公室租金的重大贡献，这种技术也被广泛用于住房市场分析。考虑到本文的研究范围这种情况被纳入了分析体系结果解释了整个城市约60%的租金变化，强调了住宅年龄和位置作为租金主要决定因素的重要性(梁宇辰,王子琪,2021)REF_Ref3124\r\h[13]。而Sander、Polasky等人认为城市树木覆盖使社区受益。然而，这在一定程度上诠释了这些福利的经济价值却没有得到充分的承认，往往被土地所有者和规划者所忽视，通过研究表明了城市数目覆盖带来的积极影响REF_Ref3163\r\h[14]。COLINJ.BARNETT认为特征价格模型相应的函数是用多元回归分析从一个土地价格样本中进行估计。通过这样的程序，土地价格是消费者对其中所包含的属性的总支出的度量，而估计的回归系数则为这些属性提供了或特殊或隐含的市场价格(丁思成,马钰婷,2021)。也就是说某一片土地的价值，是由生产者往里面添加的属性来决定的，这在一定程度上体现消费者则通过自己相应的需求来选择拥有相应属性的土地，比如与便利店的距离；研究所得与葛飞合教授的结果一致，无论是在设计过程还是分析结论上都显示了一致性。采用系统化的研究方式贯穿整个设计过程，使得从创意产生到计划落实的每一个环节都有明确的根据。本研究同样看重理论框架的建设，这不仅为具体的设计抉择提供了稳固的理论支撑，还有助于理解各个变量之间的复杂关系。此外，本文在设计阶段注重多学科间的协同工作，通过整合各类专业知识提高了方案的综合性和创新水平，这种做法让研究团队可以及时处理突发情况，并根据实际需要调整研究路径。与学校的距离；与医院的距离；销售时间的长短等(陈佩瑜,李泽林,2021)。同时这篇文章还提到了一些关于政策方面对房价的影响，伴随着授予一个住宅地段的大量价格上涨。这种增量是一种经济租金，也是一种潜在的重要税收来源。但是，应当指出，这在一定层面上体现了在一个分区内给予选定地段双工地位可能具有净社会优势，特别是在更好地利用公共部门基础设施和服务方面(林俊杰,周曼婷,2021)。因此，对这种改善措施的税收必须是一种不消除土地开发商寻求住宅地块复式地位的激励的形式。也就是说，任何改善税都不应该寻求调整所有的经济租金。特征价格模型看重商品的特征和属性，而非此商品的本身，因此也非常适用于分析房地产的各类特征与价格之间的关系，也因此被广泛应用于房地产领域REF_Ref3193\r\h[15]。本课题的主要研究内容基本内容通过对城市租金真实数据的采集，探索城市租金价格特征，分析影响租金的各个因素，并且将数据进行一定的可视化分析，如交通、环境、是否在市中心等因素对城市租金高低的影响(朱昊宇,郭茜茜,2021)。从而使城市租金数据与其影响因素的相应关系可以被更直观、清晰地展现，除此之外，利用特征价格模型来分析其价格空间分布，即对房地产商品的价格（城市住宅租金）进行分解，从而显现出各类特征的隐含价格，在保持房地产的特征不变的情况下，将房地产价格变动中的微观特征因子分解，这在一定程度上展现了从价格的总变动中逐项剔除特征变动的影响，剩下的便是纯粹由供求关系引起的价格变动。通过这种方式便可以得到影响城市租金价格分布的主要规律以及其相应的关系(王欣怡,赵志峰,2021)。拟解决的主要问题以上主要分析了城市租金的影响因素以及其空间分布规律，这具有较高的理论价值和实际意义。（1）可视化的展示可以让人们更加直观地看到租金随各类因素的变化，并且从中找到自己对应需求的数据，可以为各个租房主体的决策过程进行一定的指导和建议。（2）对价格空间分布的研究可以找到价格变动的主要特征，即是如何因供求关系引起其价格变动的，可以为出租者提供一定的参考价值，了解如何满足租户需求。（3）为房地产市场的正确引导提供一定的理论基础支持。研究方法文献资料法上网检索，在中国知网和百度学术中查阅了部分论文，对特征价格模型的基本理论知识进行一定的了解，这也为本课题的研究提供了理论参考，这在一定程度上凸显了从而确定本课题中租房价格的微观影响因素，并根据自己的需求以及实际的数据来确定要用到的主要的函数形式与估计方法(黄志超,张曦雯,2021)。实验研究法通过设计python爬虫技术代码，主要使用了八爪鱼采集器分析了网页的HTML，对链家网等知名租房平台的挂牌数据进行定向的数据抓取，在其中可以看出并且以此来作为本次研究的数据来源。由于爬取出来的数据还会存在数据重复、数据缺失的情况，因此还要对数据进行预处理，去除掉重复的数据并且对缺失值进行处理(黄宇翔,邱丽婷,2021)。为提升研究结果的可靠性和权威性，本文通过系统性的文献检索和评价构建了稳固的研究框架，涵盖了国内外相关领域的重要和前沿成果。这有助于识别本研究的独特之处，并确保本文的工作建立在对现有知识体系深刻理解之上。本文挑选了来自不同渠道的一级和二级数据，包括但不限于关联文献和公共政策文件，基于其权威性、时效性和代表性来确保对研究对象有全面且准确的认识。使用SPSSPRO得出相应的数据分析结果后，对其涉及的相关数据进行可视化的展示，可视化主要是为了更加直观、具体地展现或证明分析的结果，这无疑证明了事实基于python进行网页前端开发，在页面中插入图表来进行数据的可视化展示，并对页面进行排版美化，主要使用了PyEcharts来进行图表的设计。统计分析法对获得的相关可视化数据进行分析，首先确定了住宅用地价格的微观影响因子，由相关资料总结了特征价格模型的基本理论、主要的函数形式、各个参数及虚拟变量的意义与模型估计方法，再与真实的数据进行结合，从这些案例中说明构建了城市住宅用地特征价格模型，使用SPSSPRO进行分析，以得到各类微观因子对住宅用地价格的正向或负向影响。数据获取及预处理数据来源及使用的工具主要选取了杭州·链家网中的租房数据，由于链家网设置每次只显示100页的数据，直接爬取后面的数据时会出现重复，从这些策略中看出因此进行了分区获取，在分区域的基础上，再添加了租金范围的限制，再通过爬取网页来获取杭州指定板块的租房信息(邵文琪,徐浩翔,2021)。使用八爪鱼采集器来爬取数据，为了获取到目标页面的HTML，首先分析网页的网址格式，设置相应的参数，批量生成网址（见图2-1）。批量网址的生成使用八爪鱼采集器自动识别网址（见图2-2），采集各个住宅数据的地址(张韵婷,何佳慧,2021)。采集完毕后，使用八爪鱼采集器的去重功能去除爬取的数据中的重复数据，去重后，导出为csv格式（见图2-3），共爬取网页的地址信息47657条。自动识别网址地址的csv文件将地址的csv文件导入八爪鱼采集器作为下一轮的采集对象，选择需要的字段，标题、面积、电梯、车位、用水、燃气、用电、户型、朝向楼层、租金、付款方式、信息、关键词、租期等共14个字段进行采集获取，这在某种程度上揭示出再使用八爪鱼采集器的去重功能去除爬取的数据中的重复数据，去重后，导出为csv格式（见图2-4），共爬取住宅信息46671条(周家琪,林淑媛,2021)。住宅信息csv文件数据清洗本次实验需要除了进行数据可视化外，还需要对住宅特征进行分析以及量化，来为特征价格模型的构建做准备，由图2-4可发现，标题、内容中均有字段需要分出，除此之外，还有空格和换行符等影响后续数据处理的情况。考虑到本文的研究范围这种情况被纳入了分析体系为了对通过八爪鱼采集器采集到的csv数据进行处理，主要用到了pandas库，这是一种为解决数据分析的任务而创建的基于拓展程序库Numpy的工具(马宏远,赵欣妍,2021)。pandas库中含有大量库和一些标准的数据模型，提供了大量能使我们快速便捷地处理数据的函数和方法。pandas提供了高效地操作大型数据集所需的工具(刘佳瑞,王宇晨,2021)。本部分的构想借鉴了章和宁教授的相关领域研究成果，尤其是在思考路径和方法策略上有所体现。在思路上，本研究坚持了章教授主张的系统规划和逻辑推理的原则。通过深入解析研究对象的内部架构和工作机理，本文不仅继承了章教授提出的多层面、多方位审视问题的方法论，而且进一步将这些观点融入实际研究中，以确保研究发现的全面性和准确性。在方法上，本文采纳了章教授倡导的定量与定性并重的研究方式，为研究奠定了扎实的数据和理论基础。基于上述情况，首先对爬取到的数据进行了缺失值补充的处理，将标题和信息为空的采用pd.isna()方法进行删除(张思远,李雨桐,2021)。这在一定程度上诠释了再通过strip()方法来去除字符串前后多余的空格以及换行符，最后使用replace()方法来替换掉不需要的部分。使用了split()方法分割字符串，筛选出需要的字段。最终数据清洗后处理结果如图2-5，清洗后数据共46377条(陈宏宇,赵文杰,2021)。数据清洗后的结果特征价格模型及数据可视化特征价格模型的构建住宅特征的选择及量化对清洗后的数据中的关键词列进行分析提取出关键词，关键词主要有双卫生间、公寓、拎包入住、近地铁、精装、押一付一、随时看房、业主自荐、月租、新上、独立阳台、独立卫生间、官方核验(孙浩然,周志鹏,2021)；这在一定程度上体现使用split()方法分割关键词，并分别统计各个关键词出现的个数，并且将其制作成饼图。从图3-1中可以发现，双卫生间、近地铁、精装、随时看房等占比较大，这也说明了目前人们的主要需求，便利的交通保证了人们的出行，精装、双卫生间保证了人们基本的生活需求和居住条件，这在一定层面上体现了随时看房解决了人们在寻找住处时希望能尽快实地查看的心情(王晨曦,张彬彬,2021)。除此之外押一付一和公寓也占了一定比例，由于当前人们在寻找可租赁的住房时大多都希望可以尽快入住，因此除了随时看房的需求外，押一付一也保证了部分人群短租的需求。根据实际情况，这在一定程度上展现了选取了占比最高的两项，近地铁和精装两个关键词作为住宅特征(邓志涛,杨力行,2021)。关键词分布在进行模型分析前，需要确定影响住宅的各个特征，将获取到的数据与实际情况相结合，主要选取了租赁方式、住宅面积、住宅朝向、室、卫、住宅楼层、是否精装、附近地铁数量、燃气、车位等10个特征，这在一定程度上凸显了再对其进行相应量化处理，如果租赁方式为整租，则赋值虚拟变量0，合租则赋值1(高俊杰,刘昊然,2021)；如果住宅的主要朝向为南或者北，那么赋值虚拟变量为0，若住宅的主要朝向为东或者西则赋值1；如果该住宅的关键词中包括精装，则赋值虚拟变量1，否则为0；在其中可以看出如果该住宅租赁期间提供燃气，那么赋值虚拟变量1，否则为0；如果该住宅租赁期间提供车位（共两种情况，一种为免费使用，一种为租用车位），则赋值虚拟变量1，否则为0。（见表3-1）(许瑞敏,陈嘉怡,2021)。住宅的特征及其量化变量序号变量名称变量的描述及量化X1租赁方式虚拟变量：整租赋值为0，合租为1X2面积租赁住宅的建筑面积（m2）X3朝向虚拟变量：南北赋值为0，否则为1X4室租赁住宅中的室的数目（室）X5卫租赁住宅中的卫的数目（卫）X6楼层租赁住宅所在楼层（层）X7是否精装虚拟变量：精装赋值为1，否则为0X8附近地铁数量住宅附近的地铁数量（条）X9燃气虚拟变量：住宅在租赁期间提供燃气，赋值为1，否则为0X10车位虚拟变量：住宅在租赁期间提供车位，赋值为1，否则为0对于住宅租金P，采用的数据为该网站中的住宅租金标价，以元/月作为单位特征价格模型的设计特征价格模型的基本思路为，将住宅的租金分解，并展现出各种特征的隐含价值，在保证住宅的特征不变的前提下，把住宅的租金变化中的特征因素分析，在住宅租金的总体变化中逐项提出特征变化的主要因素，余下的就是由供求关系所导致的住宅租金变化了。根据这一理论，模型的估计为租金与各因素的线性关系，函数形式为(龚雪婷,孙菲菲,2021)：P=ΣαiXi+ɛ;i=1~10，其中Xi（i=1~10）为表3-1中的10个变量，P为住宅租金，αi（i=1~10）为待定系数，ɛ为随机变量。将上述模型采用SPSSPRO进行线性回归。数据可视化使用的工具及原理主要使用的Pyecharts有着良好的交互性，精巧的图表设计，直接导入包后便可以开始使用，可以生成Pyecharts图表，它的绘图逻辑主要分为，选择图表类型；声明图形类后，将处理好的数据添加进去；选择全局变量；显示及保存图表(刘思涵,胡星怡,2021)。选择图表类型基于数据特点，查看绘制的图形所需要实现的效果，并导入需要的图形，如散点图、折线图、饼图、地图等等(李浩翔,谢晓鹏,2021)。本文亦对结论进行了核查，首先确保研究结果在理论上与现行学术范式保持一致。本文详细比对了本研究的核心结论与该领域内被广泛接受的理论，以评估其合理性和逻辑紧密度。通过此过程，本文不仅证实了研究结论得到了现有理论的支持，而且在某些方面提出了新的观点或补充，促进了相关理论的发展。其次，在实证部分，本文重新处理了原始数据，使用不同的统计技术进行交叉验证，并引入外部数据集作为比较样本，以此消除可能影响结论准确性的一切偏差，确保研究发现的可靠性和普适性。声明图形类并且添加数据pyecharts作者将每一个图形库封装成为了一个类，使用者需要实例化相应的类再进行绘图。使用者在声明类之后，这无疑证明了事实相当于在页面对画布进行初始化，方便后续在画布上进行绘图。然后进行添加数据，pyecharts中添加数据共有两种方式，一种是普通方式添加数据，另一种是链式调用来添加数据(吕炳辉,王海涛,2021)。设置全局变量全局变量的作用是调节其中的各个参数，把图形变得更加清晰便于观赏。常用的有标题配置项、图例配置项、工具配置项、视觉映射配置项、提示框配置项、区域缩放配置项(陈凌雪,范丽娜,2021)。显示及保存图表主要使用了.render(‘指定路径名称’)的方法，在当前目录下生成一个render.html的文件，如果在JupyterNotebook中，从这些案例中说明可以直接调用.render_notebook()，随时随地渲染图标(周嘉铭,刘艺铭,2021)。数据加工为了验证住宅租金与各因素的线性关系，主要使用了SPSSPRO对数据进行分析，首先需要对清洗过的数据进行加工，将特征进行量化，使用pandas库获取之前清洗过的数据进行进一步的处理，根据使用split()方法将室、卫分割出来，最后数据处理的结果见图3-2(程志强,郑天佑,2021)。数据加工后的结果模型的估计主要验证住宅租金与各因素的线性关系，使用SPSSPRO进行数据分析，首先将加工后的数据导入SPSSPRO中，从这些策略中看出选择数据分析后，再选择线性回归（最小二乘法）进行数据分析（见图3-3）(魏雪莉,赵若彤,2021)。选择预测模型中的线性回归分析结果从表3-2，数据分析的结果可知，将租赁方式、住宅面积、住宅朝向、室、卫、住宅楼层、是否精装、附近地铁数量、燃气、车位作为自变量，这在某种程度上揭示出而将租金作为因变量进行线性回归分析。模型估计的公式如下(黄志超,张曦雯,2021):y=-767.076+1426.147*X1+2.319*X2+(-11.661)*X3+226.78*X4+1057.072*X5+39.484*X6+1076.949*X7+610.879*X8+15.994*X9+167.841*X10总结分析可知：室、卫、是否精装、附近地铁数量、车位会对租金产生显著的正向影响关系，而面积、楼层会对租金产生一定的正向影响，除此之外，租赁方式对住宅租金的影响也较大(韩雨泽,邓玉林,2021)。线性回归分析结果变量非标准化系数标准化系数tpVIFB标准误BetaR²调整R²F常数-767.07680.405--9.540.000***-0.1290.129F=676.261P=0.000***租赁方式1426.14737.7940.1737.7350.000***1.068面积2.3190.0860.11927.1170.000***1.013朝向-11.66151.781-0.001-0.2250.8221.051室226.7820.7080.06810.9510.000***1.998卫1057.07231.2240.19233.8550.000***1.688楼层39.4841.890.09220.8860.000***1.018是否精装1076.94940.5670.12226.5470.000***1.105附近地铁数量610.87920.780.1329.3980.000***1.025燃气15.99454.010.0010.2960.7671.24车位167.84139.7190.0194.2260.000***1.075注：***、**、*分别代表1%、5%、10%的显著性水平杭州市租赁住宅分布首先导入地理信息处理模块，将获取到的经纬度信息进行加工封装后，初始化地理，限定范围为杭州市，再对加工后的地理点数据进行循环，考虑到本文的研究范围这种情况被纳入了分析体系将点位置显示在地图中，最终展示为图3-4，可以发现租赁住宅大多都集中在杭州市中心，即西湖区、上城区、拱墅区、下城区、滨江区等地，由于这几个地区经济发展状况相对较好，因此外来人员流动量也较大，租赁住宅的需求也较大(李婷怡,许梓琳,2021)。这段内容的主要创新点在于其视角的独特性，首先体现在对研究问题的特殊切入点。本研究打破了传统研究中较窄的视野，从宏观与微观两方面同时考察，既关注整体动向也重视个体特点，为理解复杂现象提供了新方向。这种综合视角不仅加强了对研究对象内部结构的理解，也为解决实际问题提出了更为精准的建议。杭州租赁住宅分布精装对住宅租金的影响由表3-2可知，是否精装对住宅租金影响极大，这在一定程度上诠释了且呈正向影响。结合现实，如果住宅已经被装修过，那么租户入住时的舒适度大大提升了，并且已经满足基本的生活需求，也可以降低租户在入住时的生活成本，因此精装的住宅租金也会较高(王心怡,孙佳琪,2021)。租赁方式对住宅租金的影响由表3-2可知，租赁方式在估计模型中的回归系数值为1426.147，这意味着租赁方式为整租时，住宅租金会比租赁方式为合租时要高，将数据按租赁方式合租和整租分为两组，计算住宅平均租金，再对相关数据进行可视化展示（图3-5），可以发现租赁方式为整租时住宅租金的均价确实比合租时要高不少，这在一定程度上体现但是由于整租可以拥有较多的个人空间，且相对来说更加卫生，居住舒适度相对较高，因此整租的住宅数量比起合租会较多一些(魏俊杰,刘浩凯,2021)。租赁方式与租金关系面积对住宅租金的影响由表3-2可知，住宅面积的回归系数值为2.319，说明对住宅租金有一定正向的影响。将面积分区域划分为25m2以下、25-50m2、50-75m2、75-100m2、100-125m2、125-150m2、150m2以上，分组计算出各组的平均住宅租金来作图，由图3-6的数据可视化结果可以发现，面积增加时，住宅租金也在增加，但是幅度也相对较小。除此之外，面积25-50m2以及75-100m2的住宅较多(陈浩然,赵洁妮,2021)。面积与租金的关系户型对住宅租金的影响由表3-2可知，户型对住宅租金是有较大影响的，可以发现室、卫对住宅租金都有显著的正向影响，即随着室和卫的增多，这在一定层面上体现了租金也会相应的上涨，其中卫对租金的影响要比室对租金的影响要大，这也在一定程度上体现了人们的生活需求(刘书敏,郑俊林,2021)。将可租赁住宅的相关数据根据分类分组，选出最受欢迎的前十种户型，并且计算其可租赁住宅的租金均价(黄志远,周曼琳,2021)。这在一定程度上展现了由图3-7数据可视化的结果可以发现，基本需要满足至少2室对应1卫的户型才较受欢迎，若超过2室，则租金会低一些，1室对应各1厅各1卫的情况下，租金最高，这也与由表3-2所得出的结论较为接近。最受欢迎的十种户型的均价楼层对住宅租金的影响由表3-2可知，楼层对住宅租金也呈正向影响，但是影响的幅度较小。将数据进行可视化展示，首先将楼层数据分类，为5层以下、5-10层、10-15层、15-20层、20-25层、25层以上，计算出各类住宅的数量以及相应住宅租金的平均值，这在一定程度上凸显了由图3-8可以发现5层以下以及20-25层的平均租金较高，25层以上的租金平均值较低，同时也说明了楼层对于住房租金具有一定的影响，而住宅租金平均值的折线较为平缓(高宇哲,王丽华,2021)。这一成果与早先的预期结果保持一致，体现了研究方向的合理性。首先，这种一致性显示了本文在研究设计初期设定的目标和假设具有扎实的基础。通过深入研究相关理论文献和全面分析已有成果，本文的预期建立在一个理性且有理有据的基础上，而最终获得的结果与预期相符，进一步确认了研究的有效性。该结果的一致性也证明了本文选择的研究方法和工具是恰当且高效的。在研究过程中，本文严格按照学术准则操作，并采用了多样的验证方法来保证结论的准确性。5层以下的可租赁的住房数量最少、而25层以上可租赁的住房最多；查阅相关资料，楼层越高，价格一般会有所上涨，而顶层会较便宜，这无疑证明了事实杭州高层较多，因此25层以上可租赁的住房比较多且价格会较便宜。这也与表3-2的结果基本吻合(龚嘉怡,李昊天,2021)。楼层与租金的关系附近地铁数量对住宅租金的影响由表3-2可知，附近地铁数量对住宅租金影响极大，且呈正向影响。结合现实，如果近地铁，那么通勤时间会大大减少，从这些案例中说明出行便利在人们选择租赁的住宅时也是很重要的一种影响因素(李宇恒,薛梦婷,2021)。由于自驾出行容易遇到交通拥堵，并且有油价上涨、车辆维护成本高以及环境污染问题等因素，越来越多的人选择地铁、步行以及单车等方式出行，因此附近是否有地铁对住宅租金影响很大，由图3-9可知，虽然附近地铁数量在4条以上的样本数较少，但是大致可以得出结论，即附近的地铁数量越多，住宅租金也会相对越高。附近地铁数量与租金关系车位情况对住宅租金的影响由表3-2可知，是否有车位会对租金产生显著的正向影响关系，有车位的住宅租金也会相对较高。将相应的数据进行可视化展示，见图3-10，可以发现，从这些策略中看出大多数住宅不提供车位，租用车位占比排第二，而免费使用的最少，住宅租金均价也最高，这也是因为租用车位是另外计算的价钱，所以住宅租金会比免费使用的低一些(宋嘉俊,陈晓玲,2021)。车位情况与租金关系付款方式对住宅租金的影响由图3-11可知，大多数租赁住宅都采用季付的方式，再次为月付，其余的付款方式较少，大多数租客都会偏向季付，这在某种程度上揭示出这不需要每个月都支付，并且长时间租可以免去中介赚取差价，对房东来说也是好处，会给予一定优惠，所以人们在租赁住宅时支付租金的压力也不会太大；而月付则满足了不少人短租的需求，因此也占了小部分比例(许泽宇,杨雨萱,2021)。付款方式与租金关系朝向对住宅租金的影响由表3-2可知，朝向在估计模型中的回归系数值为-11.661，说明朝向在南北时对住宅租金产生正向影响，考虑到本文的研究范围这种情况被纳入了分析体系即朝向为南/北时的租金会较高，而朝向为东/西时租金相对会低一些。将朝向主要分为东、南、西、北四种，分别计算相应的住宅数量与住宅租金数量并进行可视化，见图3-12，可以发现朝南的占比最多并且价格也相对较高，这也是因为朝南的房子光线好，入住后舒适度高，所以住宅大多朝南，且对住宅租金影响较大。朝向与租金关系

结论与展望结论由特征价格模型以及数据可视化的结果可知，与可租赁住宅的租金关系较为密切的主要为室、卫、是否精装、附近地铁数量、车位以及租赁方式，这在一定程度上表现了租户对住宅的基本要求，朝向和户型都关系到了人们生活是否舒适，这在一定层面上体现了合适的朝向可以让住宅有较好的采光及较为舒适的环境，合适的户型也可以保证人们基本的生活需求，主要是独立卫生间的需求，因为独立卫生间可以保证人们基本的生活需求不与他人冲突、保证基本的卫生，因此，虽然室的数量与卫生间数量都对住宅租赁价格存在较大影响，但是卫生间数量对住宅租赁价格影响要更为显著(朱晓彤,张昊天,2021)。除此之外，租赁方式也对租金有很大的影响，一般来说，合租比起整租，价格比较便宜，这在一定程度上展现了但是因为整租是一个人享有一个生活空间，合租则会有多人一起共享空间，这种情况下风险也较大，可能会遇到生活习惯不合的室友，影响作息，因此也会有很大一部分年轻人会选择整租，有自由的空间和基本的卫生；也有人为了节约租金和热闹会选择合租。除此之外人们对交通情况、住宅装修程度以及是否可以随时看房的需求较大，附近的地铁数意味着出行是否方便；这在一定程度上凸显了住宅装修程度，即是否为精装，在很大程度上意味着人们是否能有较高的生活质量；而是否能随时看房也决定了人们是否能快速找到心仪的租房。区域对于可租赁住宅的租金影响也很大，从这些案例中说明由于杭州各个区域发展状况的差异以及各方面生活水平的差异，可租赁住宅的数量以及其租金也会有较大的影响，发展较好的地区，由于需求量大，可租赁住宅的数量也会较大，主要就是杭州市中心地区(罗珊珊,刘瑾萱,2021)；车位的需求也是交通情况的一部分，由于杭州市区的车辆较多，对有车的租户来说，停车也成了一种问题，因此车位也对租金有一定的影响；除此之外，面积也是其中的一个影响因素，可居住的面积也是生活水平保障的一部分，从这些策略中看出但是影响相对其他没有那么显著；楼层对住宅的影响也比较大，低楼层较为方便，租金较高，而顶楼层则相对租金会低；户型对可租赁住宅的租金影响也较大，合适的户型可以保证人们基本的生活起居，正如特征价格模型得出的结论，独立卫生间的需求确实较大(邓泽文,黄婷娴,2021)。展望目前的研究大多在分析目前人们的各类需求和房租的关系，消息来源也主要是各类租房网站等，通过python爬虫技术来获取数据，进行处理，需要注意的是数据要进行清洗，去掉重复的数据，补充空值，再进行数据分析，分析各类的影响因子。在此次实验中，影响因子考虑的还不够多，并且如是否近地铁，此类影响因子，如果变量为离地铁的距离，那么结果会更加准确。除此之外，随着社会的发展，人们的收入渐长，对住宅的要求也会变高，因此会有更多影响住宅租金的影响因素。主要是通过特征价格法，获得房地产特征的微观影响因子，来显现出各类特征的隐含价格，在保持房地产的特征不变的情况下，这在一定程度上诠释了将引起房地产价格变动中的特征因素分解，从价格的总变动中逐项剔除特征变动的影响，剩下的便是纯粹由供求关系引起的价格变动。对真正需要找房子的人来说参考价值还是比较有限的，主要还是针对分析房子价值，更偏向于帮助投资，而非找房子。这在一定程度上体现除了分析价格空间分布规律，对各类数据进行可视化展示，也可以更直观地帮助人们找到自己想看到的信息，同时也是对房地产价值规律最直观的展示，可以往为急迫租房人提供更好的现实指导价值和建议的方向发展。随着房地产的快速发展，其问题也在不断出现，因此要对其进行科学的分析，来反应其价值的变化，从而给市场进行正确的引导。目前不少寻求租房的人，都会选择自己认为比较靠谱的网站去找自己