《表4 长三角房价与影响因素相关性及变量间共线性检验Tab.4 Test of correlation between influencing factors and housing price an

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《长三角一体化区域城市商品住宅价格分异机理研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:根据相关系数得分，分为极强相关（0.8，1]、强相关 (0.6，0.8]、中等程度相关 (0.4，0.6]、弱相关 (0.2，0.4]、极弱相关[0，2]；根据VIF得分划为不存在多重共线性[0，10）、 (10，100]存在较强多重共线性、大于100存在严重多重共线性。

利用SPSS软件，首先对表1所列16项指标变量进行Z-score标准化处理；然后以2016年房价为因变量、16项指标为自变量，计算Pearson相关系数检验各影响因素与房价的线性关系，并根据自变量方差膨胀因子（Variance Inflation Factor，VIF）进行影响因素间的多重共线性诊断。结果表明，整体上影响因素与房价的相关性较好，特别是高校资源、高端从业者占比、人口集聚度、房产政策、城市规模、优质教育资源等与房价相关性较强，同时也存在如政府驻地、人口吸引力等相关性较弱的指标；自变量多重共线性诊断结果也较理想，仅“经济密度”与其他自变量存在较强多重共线性（表4）。鉴于此，采用逐步回归分析法（Stepwise Regression），一方面剔除对房价影响不显著的变量；另一方面解决指标多重共线性问题，保留最显著的解释变量，筛选出最优的解释变量集，即最具有解释力的房价分异影响因素。考虑到长三角地域单元类型差异和局部特性明显，房价影响因素可能存在“空间非平稳性”特征[22，23]。这种变量间的非同质性关系，意味着传统回归模型分析此类空间数据较难得到满意的结果。因此，出于对数据空间结构属性的考虑，进一步通过地理加权回归分析模型（Geographically Weighted Regression，GWR），重点考察各个显著性影响因素在长三角不同空间地域内的作用强度差异。