住房是社会关注度最高的热点问题之一。住房价格受宏观经济、市场供需、国家政策等因素影响，也与地理区位、住房特征等微观因素密切相关。城市住房价格的分析、预测对于住房保障、房地产业发展和城市规划具有重要的意义。本文尝试从地理区位的角度，使用并扩展地理加权回归方法，探索典型城市住房价格的时空分布特征及变化规律。　　选择湖北省黄石市作为研究区。该市地形较为复杂、土地稀缺，属于资源型组团城市，处于转型期，具有典型性和代表性。收集整理2007至2012年全市新建商品住房的位置、住宅特征和销售价格等数据，建立地理空间数据库。通过GIS探索性空间数据分析，归纳城市住房价格时空分布特征，及影响住房价格的关键因素。构建地理加权回归和时空加权回归模型，定量分析住房价格的区位特征和时空分异规律。进而采用时空窗口概念和局部线性拟合方法，尝试对地理加权回归和时空加权回归模型进行扩展，提高模型拟合精度。本文主要发现如下：　　(1)研究区住房价格具有显著的空间和时间分布格局，与小区等级、容积率、绿化率、楼栋总层数、销售年份、距区域中心距离等指标的相关性在片区尺度上较为显著；土地价格对住房价格影响不明显；因土地稀缺，容积率与住房价格具有显著的正相关性；水体众多，受工业影响污染严重，离水域较近区域居住的适宜性不够明显。　　(2)案例分析表明：地理加权回归模型能较准确地反映住房价格的区位变化特征；与常规线性回归模型相比，校正拟合度由0.48提高到0.82，房价预测误差由平均18.3％降低到8.4%；模型提供了系列空间连续的残差分布和回归系数，对系数的空间分布的解释具有实际意义。区别于地理加权回归模型中将时间作为解释变量，时空加权回归模型针对样本数据的时空异质性特点，构造时空权重矩阵，使模型的校正拟合度进一步提升到0.87。　　(3)模型扩展实验表明：引入“时空窗口”概念，兼顾了空间依赖性和空间异质性，能有效处理时空自相关特征，对地理加权回归和时空加权回归进行改进，模型残差有明显下降，拟合度均进一步提升；利用局部线性地理加权回归模型纠正边界效应造成的估计误差，能实现系数函数和误差方差的无偏估计，提高模型的拟合精度。　　本文主要结论和创新点如下：　　(1)时空数据探索性分析是归纳城市住房价格空间格局的有效手段，能较为全面地把握住房价格的整体特征和片区特征；论文运用系列探索性分析方法，较好地解决了住房价格模型构建中的因子选择、区域划分、模型适用性判断等关键问题，可为类似城市的住房价格模型构建提供方法和思路方面的借鉴。　　(2)针对资源型组团等形态较为复杂的城市，以楼栋为单位选取样本，地理加权回归、时空加权回归及相关改进模型，均适用于此类城市住房价格建模，能较准确地解释房价时空变化规律。论文所归纳的住房价格时空分布规律对于类似城市，房价预测和城市管理具有一定的借鉴意义。　　(3)针对城市住房价格样本数据时空自相关性和边界估值失真问题，分别引入时空窗口和局部线性方法对模型进行改进，能进一步改善模型性能，具有一定的理论价值。　　总体上，把握城市基本形态，确定合理的城市组团边界和区域中心，并充分运用探索性空间数据分析工具筛选模型变量，本文提供的方法具有在同类城市应用的潜力。