一般在研究房屋價格的特徵價格模型中，通常不考慮空間因素在房屋價格的影響，即不受空間位置與方向影響；往往有數筆房屋的交易資料，它們出現屬性相同或特徵相同，可是它們所呈現的交易價格卻是不同，其原因可能是兩者的區位不同，會產生不同的價格，這反映人們對區位的偏好，所形成區位價值亦有所不同。由於沒有詳細考慮到空間影響因素變化，即沒有考慮房屋價格在空間屬性的影響，所以會造成房屋價格模型中的解釋能力不足，無法正確建立房屋價格的特徵模型，例如人們喜歡文教區、公園綠地附近以及交通可及性高的地區，由於這一些地區的區位條件有利，所以相對的價值會高於其他地方，可是人們對於區位的喜好程度，卻沒有反應到房屋交易價格上。
由於房價相互影響而產生空間相依的概念，也稱為「空間自我相關現象」。高房價房屋周圍也是高房價聚集，而低房價則相反，這會產生空間自我相關的問題，殘差彼此間相互受到影響，呈現不獨立而且不相等分配。如果可以知道聚集的地方位於何處，將這些空間的因素導入模型中，用這些空間屬性變數來解釋空間的區位，將可以明顯的改善自我相關的問題。
本研究欲以空間統計的兩種方法，包含了GAM 點模式空間分析技術與克利金法(KRIGING)討論影響房屋價格變動的空間因素。在房屋的交易價格的預測模型會不會受到空間的影響，造成模型的解釋能力低落，如果加入空間屬性的參數資料，是否可以提高模型的解釋能力。並嘗試找出空間群聚的現象，並且將有群聚現象的分區，並給予虛擬變數，做為空間屬性的分區，以提高模型的解釋能力，最後並且利用檢定的方式，評估使用行政分區、使用GAM點模式空間分析與克利金法(KRIGING)，了解哪一種方法對於模型的解釋能力較佳。最後在和傳統空間自我回歸模型作分析比較，找出最合適的空間模式。實證結果顯示利用GAM點模式空間分析與克利金法(KRIGING)和地理加權回歸法(GWR)，相較於傳統的特徵價格法可以解決空間自我相關問題，並進一步的提升模型的解釋能力。

The research of hedonic price function in housing price don’t allow for spatial factor. In factor spatial factor has the influence on housing price model and amounts the question of spatial autoregression. Some several houses transaction material, it appear the attribute same or the characteristic same, but it presents the transaction price actually is different, it reason possibly is two positions is different, can have the different price, this reflected the people to the position by chance, form the position value also to have differently.
Because the house price mutually affects has the concept which the space dependence on one another, also is called "the spatial autoregression". Around the high house price also is the high house price gathers, but low house price then is opposite. This is the question of spatial autoregression.The residual mutually comes under the influence, the basic assumption of identical and independent distribution (iid) of the housing price variation would very possibly be violated.If may know gathers the place is located where, lead-in these spatial factors in the model, explains the spatial position with these spatial attribute variables, will be allowed the distinct improvement spatial autoregression question.
The aim of the paper combined these GAM , KRIGING method and GWR to treat the spatial autoregression question and to compare the difference of the three methods. The paper shows a good result in R square and accountable ability and find Space Cluster . The results also show that that these GAM , KRIGING method and Geographical weighted regression model indeed has improved the estimation accuracy of the court auction derached house price , compared to linear hedonic price model.

壹、中文文獻
1. 王秉五、王大立（1995），「台中市房屋價格與空間結構之研究」，《規劃與設計學報》，4期，pp127-143
2. 王勁峰，(2006)，空間分析，科學出版社，北京
3. 朱思潔，(2007)，台南市透天法拍屋價格空間自我迴歸分析，長榮大學土地與開發研究所，碩士論文
4. 朱健銘，(2000)，土地利用空間型態之研究，台灣大學地理學研究所，碩士論文
5. 江博煌、謝顯堂，(2006)，「利用地理資訊系統評估台南安順污染廠址周圍之土壤污染」，《台灣衛誌》，25期第5號，pp363-371
6. 艾兆蕾，(2005)，影響住宅區地價因素之空間分析─以鄉鎮與縣市為例，世新大學管理學院經濟學研究所，碩士論文
7. 何友鋒、吳綱立（1993），「台中市房屋價格與屬性關係之研究」，《建築學報》，8期，pp59-84
8. 沈育民，(2002)，工業區土地之特徵價格，國立成功大學都市計劃研究所，碩士論文
9. 林尚得，(2002)，土地估價動態模型之建立，國立成功大學都市計劃研究所，碩士論文
10. 林信穎，(2008)，地方環境改造計畫之群聚分析，國立成功大學都市計劃研究所碩士論文
11. 林國民，(1996)，高雄市自有住宅特徵價格之研究，國立成功大學都市計劃研究所，碩士論文
12. 林啟淵、高文津，(2001)，房屋價格屬性與房屋價格關係之研究，《台灣經濟金融月刊》，37期，pp100-107
13. 林漢良，(2005)，「土地使用圖之點資料空間分析研究」，《規劃學報》，32期，pp31-44
14. 林美君、蘇明道、溫在弘，(2005)，「空間點型態分析-臺北市照護分析」，《2005 年台灣地理資訊學會年會暨學術研討會論文集》
15. 邱清安，林博雄，(2004)，「由測站資料推估台灣地區之氣溫與降水之空間分佈」，《大氣科學》，32期，4號，pp329-349
16. 張秀玲，2001，整合空間資訊科技與土地大量估價作業之研究，國立成功大學都市計劃研究所，碩士論文
17. 張康聰，(2005)，台北市住宅竊盜犯罪地圖製作與犯罪區位分析，國立台灣大學環境地理研究所，碩士論文
18. 張梅英，(1992)，建立土地大量估價方法之研究，國立政治大學地政研究所，碩士論文
19. 張齡方、古建廷，(2006)，「以地理加權迴歸分析建立灌溉率與各影響因子之關係」，《農業工程學報52期》，12卷，pp73-82
20. 郭峰、黃璀娟、王謄森，(2006)，「人力資本對所得水準影響之跨國實證研究：空間計量分析」，《經濟情勢暨評論季刊》，12卷1期，pp87-105
21. 陳慈仁，(2001)，台北市資訊軟體業與網際網路服務業區位分佈之研究，台灣大學建築與城鄉研究所，碩士論文
22. 陳賸中，（2000），濁水溪沖積扇水力傳導係數空間變異性之研究，國立臺灣大學農業工程學研究所，碩士論文
23. 陳景堂，(2005)，統計分析SPSS for Windows 入門與應用，台北，儒林
24. 陳正昌、程炳林、陳新豐、劉子鍵，2003，多變量分析方法－統計軟體應用，台北，五南
25. 黃任薇，(2007)，GIS網格解析度之研究，國立成功大學都市計劃研究所，碩士論文
26. 黃信誠，(2000)，空間統計簡介，中央研究院統計研究所，台北
27. 黃紹東，(2004)，台南市東區住宅價格之空間自我回歸分析，國立成功大學都市計劃研究所，碩士論文
28. 楊菲帆，(2007)，「台灣私立大學教育品質與學費之關係-特徵價格模型之應用」，《政策研究學報》，7期，pp139-174 。
29. 溫在弘、謝欣怡、潘麒帆、蘇明道，(2005)，「應用地理加權迴歸分析區域製造業用水之地理空間差異」，《2004年台灣地理資訊學會年會暨學術研討會論文集》
30. 溫在弘，(2007)，「病媒蚊密度對爆發登革熱病例的地理效應」，《2007年台灣地理資訊學會年會暨學術研討會論文集》
31. 鄒克萬，(2000)，「區域人口分布之時空分析」，《土地科學學報》，1期，pp33-50
32. 鄭文馨，(2006)，台灣都市土地價格空間聚集分析－1997~2006年為例，長榮大學土地與開發學系碩士論文
33. 鄭俗娟，(2002)，一階格點空間模型之方向相關關係細數檢定，國立清華大學統計研究所，碩士論文
34. 謝純瑩，(2002)，「應用空間自相關分析於人口老化時空變遷之研究」， 《人口學刊》，25期，pp91~119
35. 謝惠紅、鄭士仁、劉璟燁，周世昌、蕭博仁，(2006)，「夏日日降雨量空間分佈特性之研究」，《農業工程學報》，52卷，21期，pp47-55
貳、英文文獻
1. Anselin, L. (1988a). Spatial econometrics: methods and models , Kluwer Academic, Dordrecht
2. Anselin, L. (1995). Local Indicators of Spatial Association - LISA. Geographical Analysis, VOL 27, 115
3. Anselin, L., and A. Bera. (1998) . Spatial dependence in linear regression models with an introduction to spatial , Forest Ecology and Management VOL 245 (2007) 20–30
4. Anselin, L. (1999). Spatial Econometrics , Bruton CenterSchool of Social Sciences University of Texas at Dallas Richardson
5. Arthur, G. (2007). Reflections on spatial autocorrelation , Regional Science and Urban Economics ,VOL 37 , 491-496
6. Ays, e. Can . (1998). GIS and Spatial Analysis of Housing and Mortgage Markets , Journal of Housing Research , Vol 9 , Issue 1, 61-86
7. Ays, e. Can . (1998). Analysis of Spatial Autocorrelation in House Prices , Journal of Real Estate Finance and Economics , Vol.17(1) , 61-85
8. Basu, S. & Thibodeau & Thomas, G. (1998). Analysis of spatialautocorrelation in house price, Journal of Real Estate Finance and Economics , Vol 17 (1) , 61-85
9. Brimicombe , A. J. (2007). A dual approach to cluster discovery in point event data sets , Computer , Environment and Urban Systerms , VOL 31 , 4-18
10. Cliff , A. Ord & J. K. (1973). Spatial Autocorrelation , London , Pion.
11. Dubin , R. A. (1998). Predicting House Prices Using Multiple Listings Data , Journal of Real Estate Finance and Economics, Vol. 17, 35-48.
12. Edzer , J. , Pebesma , R . B. (2008). Classes and methods for spatial data -The sp Package , http://r-spatial.sourceforge.net/
13. Fotheringham A. S., (2002). Geographically Weighted Regression , JOHN WILEY & SONS , LTD
14. Fotheringham A. S. & Brunsdon C. (1998). Geographically weighted regression: anatural evolution of the expansion : method for spatialdata analysis , Environment and Planning , Vol 30 , 1905-1927
15. GeoDa , (2003). GeoDa - An Introduction to Spatial Data Analysis. https://www.geoda.uiuc.edu/
16. Griffith , D. A. (1988). Advanced Spatial Statistics , Dodrecht Kluwer
17. Goodchild, M. F. (1986). Spatial Autocorrelation , Norwich , CN: Geo Books.
18. Goodchild, M. F. and Janelle, D. G. (2004). Spatially Integrated Social Science, Oxford . 316-318.
19. Lancaster, K. J. (1966). A New Approach to Consumer Theory . , Journal of Political Economy , VOL 74, 132-157
20. Matheron. (1971). The theory of Regionalized variables , Fontainebleau Centre de Morphologie Mathematique
21. Malpezzi , S. (2002). Hedonic pricing models: a selective and applied review. Housing Economics , Blackwell Publishing , Oxford.
22. Nicholas & J. Lewin-Koh & Roger , B. (2008). Tools for reading and handling spatial objects , http://r-spatial.sourceforge.net/
23. Olmo. (1994). Spatial Estimation of Housing Prices and Locational Rents , Urban Studies , Vol32 (8) , 1331-1344
24. Openshaw , S. & Charlton, M. W. C. & Craft , A. (1987). A mark geographical analysis machine for the automated analysis of point data sets . International Journal of Geographical Information Systems , 335–358.
25. Openshaw , S. (1998). Building automated geographical analysis and explanation machines , in Geocomputation a Primer, Longley P, Books S, Mcdonnell R, Macmillan . B (eds) , JohnWiley & Sons,
26. Rosen , S. (1974). Hedonic Price and Implicit Market：Product Differentiation in Pure Competition . Journal of Political Economy ,VOL. 32 , 34-55.
27. Roger , B. & Danlin , Yu. (2007). Geographically Weighted Wegression-The spgwr Package , http://ncg.nuim.ie/ncg/GWR/index.htm
28. S.Openshaw. (1986). Spatial Data Analysis by Example , The Journal of Ecology, Vol. 74(1) , (Mar., 1986), 313-314
29. Sawada, M. (2004). Global Spatial Autocorrelation Indices - Moran's I, Geary's C and the General Cross-Product Statistic. Source: http://www.lpc.uottawa.ca/publications/moransi/moran.htm
30. Chen , Y. J. (2007). The Environmental Externality and the Spatial Autocorrelation of Unban Housng Prices:Cases Studies of Taiwan City , 第六屆中國城市住宅研討會 , 中國北京