返回资讯中心
外部精选
软件工程
#社区热议

西班牙房价与人口密度关系研究:密度可解释64%的购房压力差异

来源标题:The Housing Market Is Nuts

西班牙59个NUTS-3区域中47个的数据显示,人口密度单独解释了64%的购房压力差异,剔除Málaga、Girona和Huesca三个旅游或异常区域后升至76%。葡萄牙样本较小,少数区域即可显著影响拟合结果,R²需谨慎解读。两国合并分析使用了工资水平与价格结构差异较大的样本。

Hacker NewsherTTTz2026/11/11 · 6 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

样本量这么小,少数几个地区就能显著影响拟合结果,因此R²需要谨慎解读。不过,方向是明确的:人口密度越高的地区,购房压力越大。西班牙的样本更大:59个NUTS-3地区中有47个可用。缺失的12个是巴利阿里群岛、加那利群岛以及自治市休达和梅利利亚,这些地区在此地理层级上没有价格或工资数据。四个特许省(阿拉瓦、比斯开、吉普斯夸、纳瓦拉)被纳入,但使用NUTS-2的备用工资数据,因为AEAT不覆盖拥有独立税务管理的地区;这四个省被排除在回归拟合之外,剩余43个。仅密度一项就解释了64%的变异,排除旅游 outlier 马拉加和赫罗纳以及第三个 outlier 韦斯卡后,该值升至76%(R² = 0.757)。更大的样本、更低的 outlier 比例,使得对关系的估计更为稳定。西班牙(59个地区中的47个;群岛和自治市除外)。当我们将葡萄牙和西班牙合并在一起——这两个国家的工资水平、价格结构和区域地理差异很大——合并样本达到73个地区(排除备用数据后为68个)。仅密度一项解释了50%的变异(R² = 0.50),排除此合并拟合的五个 outlier(阿尔加维、马德拉、利托拉尔阿连特茹、中阿连特茹、马拉加)后升至72%。这一关系跨越了国界。葡萄牙和西班牙合并(73个地区)。两个不同的国家,同一种模式。加入法国后,带来了其96个本土省中的90个。缺失三个是因为DVF房产交易数据库不覆盖阿尔萨斯-摩泽尔(下莱茵、上莱茵、摩泽尔),当地的土地登记法早于国家系统。剩余的缺口是巴黎:其NUTS-3边界仅覆盖103平方公里的市区,登记就业密度超过每平方公里21,000个岗位——密度如此极端,以至于将其他所有地区都压缩到图表的左侧。为使巴黎与其他首都地区具有可比性,我们将其与其小皇冠的三个省(上塞纳、塞纳-圣但尼、马恩河谷)合并,按就业加权。合并后的巴黎都市单元仍以约每平方公里6,500个岗位领跑密度排名,但压力指数从2.1降至1.61——仍然很高,但不再处于数学悬崖边缘。这也是我们改用对数x轴的原因:即使合并后,密度范围仍从个位数跨越到数千。这种合并并非作弊:数据工作有时就是混乱的,NUTS-3分类本身也不干净(参见附录中“NUTS-3地区并不等同”)。三个国家共163个地区(158个参与拟合),密度解释了64%的压力变异(R² = 0.637,排除13个 outlier)。对数关系跨越国界、工资体系和住房市场均成立。葡萄牙、西班牙和法国合并(163个地区,巴黎与小皇冠合并)。对数刻度。将全部五个国家合并后,这一关系在方向上仍然成立,尽管意大利情况复杂、荷兰相对其就业密度具有不寻常的可负担性,以及存在可比性问题(参见附录中“可比性注意事项”)。全部五个国家(306个地区,巴黎与小皇冠合并)。对数刻度。对这些数据的简单解读是“大城市很贵”。当然,价格随就业密度上升,工资也是如此。但 dense 地区的工资并不会与住房成本成比例上升。随着你向经济中心移动,住房成本与人们收入之间的差距在扩大。然后是那些明显的旅游地区:阿尔加维、马拉加、赫罗纳、阿利坎特、蓝色海岸(滨海阿尔卑斯、瓦尔)、科西嘉、里米尼、博尔扎诺。这些地区密度低、压力高——旅游业推高了价格,而当地工资由缺乏足够竞争力的非旅游就业市场驱动,根本无力跟上。这些地区是一个非常特殊的少数群体,其情况不遵循一般规律。而且它们通常不是包含首都的地区。移除这些 outlier 后,一个强密度-压力关系浮现出来,即使在混合多个国家时也成立。它并未消除旅游业的影响——它消除的是极端旅游业的影响。剩余地区仍在不同程度上感受到旅游业,这种残余影响部分解释了为什么拟合虽然稳健但并不完美:适度的旅游业将一些地区推到仅密度趋势线之上,但又不足以将其标记为 outlier。一旦认识到这一点,自然的下一步不是继续丢弃数据点,而是将旅游强度作为就业密度之外的第二个变量来接受。仅使用两个预测变量的多变量模型——就业密度和旅游强度——解释了57%到85%的压力变异,具体取决于国家。模型:压力 = a·ln(密度) + b·旅游 + c。旅游以每工人过夜住宿量衡量。我们可以通过分别拟合密度和旅游来分离每个变量的贡献。下表显示了仅密度和仅旅游拟合的R²,均包含所有地区和排除 outlier 后的结果。单变量OLS拟合:ln(密度) vs 压力,以及旅游过夜数/工人 vs 压力。“Clean”排除IQR检测到的 outlier。仅密度一项解释了34%到64%的变异,排除 outlier——即打破密度模式的旅游地区——后升至61%到82%。仅旅游拟合则相反:西班牙、法国和荷兰的R²保持在0.25以下,排除 outlier 后本已很低的值进一步崩溃。葡萄牙仅旅游的R²为0.57,是由阿尔加维和马德拉等少数旅游 outlier 的强拉力驱动的——小样本(拟合n=25)使这种异常情况更可能出现;一旦移除这些 outlier,旅游解释

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →