揭示城市内部房价动态的时空差异：基于基础设施视角与可解释机器学习方法的深圳研究
Unravelling intra-urban spatiotemporal disparities in housing price dynamics: An infrastructural approach using interpretable machine-learning methods in Shenzhen, China
发表于 2026年9月3日 · 收录于雷达 2026年11月5日
中文摘要
研究基于深圳2010—2023年288,570笔二手房交易及多源地理数据，采用纳入时空异质性的基础设施分析框架和可解释机器学习方法，考察基础设施对房价的影响。结果显示房价差异加剧，在学区和15分钟基础设施可达社区尤为明显；社会基础设施，特别是公立学校，与房价的关联更突出。