全市一套公式估不准房价——GWR和随机森林怎么选

这篇是 ArcGIS Pro「使用回归分析和机器学习预测房价」系列的第二篇。第一篇[1]用 GLR 给金县房价建了个模型，R²=0.69。

上一篇用 GLR 给金县房价建模，R²=0.69，整体还行。但打开残差地图一看——湖边那一片全是深色。

残差空间模式示意图

看到成片的颜色扎堆，说明模型漏了空间信息。

模型系统性低估了湖边的房价。不是偶尔猜错，是一直往一个方向错。为什么会这样？

因为 GLR 给全城用一套公式——面积每多 100 平方英尺，全市统一涨同样的钱。但市中心的 100 平和湖边的 100 平，含金量完全不一样。这就好比你开了 10 家奶茶店，全城同一套菜单同一套定价。写字楼旁边卖爆了，老城区根本没人来——不是奶茶的问题，是不同地方的人要的东西不一样。

GLR/GWR/FBCR 三模型对比图

三种方法的核心差异。

教程二要解决的就是这个问题。ArcGIS Pro 提供了两种新方法：GWR 和 FBCR。

1. GWR：每个地方画自己的线

GWR 的思路很简单：既然全市一套公式不准，那就每个位置单独算一套系数。

预测某个位置的房价时，只看附近的样本——离得近的权重大、离得远的权重小。这样市中心算出来「面积系数高、湖景系数低」，湖边反过来——「面积没那么重要，湖景才是大哥」。

打个比方：你在全城开了 100 家水果店。普通回归的做法是「全城统一定价：西瓜 8 块/斤」，算一个平均数，所有店照搬。GWR 的做法是让每家店自己定价：老城区消费力低，定 6 块；CBD 白领不在乎，定 10 块；景区游客更不看价，定 12 块。因为它看的不是全城平均，而是自己附近那几家店的销售数据。

GWR 工具参数（官方教程截图）

GWR 的变量与参数设置。

金县这个案例，GWR 拿到的校正 R² 是 0.87——比 GLR 的 0.69 高了一大截（看起来只多了 0.18，但房价预测里这是质变）。

而且它可解释：你能打开结果，看到每个变量在每个地方的系数是多少。老板问「为什么这套房估 700 万」，你能回答「面积贡献了 30 万，学区 20 万，离地铁近 15 万……」。

GWR 结果地图（官方教程截图）

GWR 输出结果的空间分布。颜色越深，预测值越高。

但 GWR 有两个硬伤。

第一个硬伤：每条局部回归线还是直的。 现实里面积和房价的关系不是一条直线——小房子单价高，大房子单价低，关系是弯的。GWR 在每个局部都假设直线，画不出这种弯弯绕绕。

第二个硬伤更隐蔽：GWR 对所有变量用同一把尺子。 什么叫「尺子」？就是「看多大范围的邻居来算系数」。地铁站的影响能跨好几个街区，街道绿化只在附近几百米有用。但 GWR 用一把尺子量所有变量——在老城区，地铁的信号太强了，绿化那点微弱的信号直接被淹没了。

MGWR 就是来解决这个问题的。

2. MGWR：每个变量选自己的尺子

GWR[2] 用一把尺子量所有变量，MGWR（多尺度地理加权回归）[3] 让每个变量自己选范围。地铁站用 5 公里，绿化用 300 米，互不干扰。

GWR vs MGWR 尺度示意图

GWR 一把尺子量所有变量；MGWR 每个变量有自己的尺子。

广州有篇论文《建成环境对共享单车周末出行的影响》[4]用 MGWR 分析周末骑行数据，发现了一个有意思的现象：道路密度在城中村影响最大——城中村路密，人们更爱骑车。但城市绿地在公园附近反而抑制骑行——可能是政府管制。同一个变量在不同地方效果完全相反，只有 MGWR 能抓住这种差异。

MGWR 是更理想的方向。但说句实话，目前 mgwr 库[3]的文档和社区支持还不够成熟，踩坑成本高。GWR 的「一把尺子量所有变量」确实粗糙，但胜在工具链稳定，ArcGIS Pro 里直接能用。

3. FBCR：不画线，问 250 棵树

FBCR 是另一条路——ArcGIS Pro 里的叫法（Forest-based and Boosted Classification and Regression）[5]，底层就是随机森林。它的思路完全不同：不画任何回归线，而是训练 250 棵决策树，每棵树独立预测，最后取平均。

你问 250 个房产中介「这套房值多少钱？」中介 A 看面积，中介 B 看学区，中介 C 看装修。每个人判断依据不一样，但 250 个人取平均，通常比问一个人靠谱。

FBCR 变量重要性（官方教程截图）

模型眼里，哪些变量最重要。

FBCR 在金县数据上的测试 R² 也是 0.87，跟 GWR 一样。但它的训练 R² 是 0.97——说明它在训练数据上几乎完美拟合，换了新数据精度会掉一些。

它最大的优势是能处理非线性关系。面积和房价之间的弯弯绕绕，它不在乎——决策树天然就是一刀一刀切出来的，不需要假设直线。变量多也不怕，你塞 50 个变量进去它也不会崩。

代价是什么？你不知道它为什么这么算。 它告诉你「这套房值 650 万」，但你说不清「为什么不是 700 万」。做学术论文，审稿人问「系数空间分布呢」，你答不上来。做房产估值报告，业主问「凭什么比邻居低 50 万」，你只能说「模型说的」。另外结果有随机性，同一模型多跑几次，每次略有差别。

FBCR 结果地图（官方教程截图）

FBCR 预测结果的空间分布。

FBCR 验证 R2 图表（官方教程截图）

FBCR 的验证 R² 图表。

4. 怎么选？看你要解决什么问题

R² 都是 0.87，不是「哪个更准」的问题，而是你的场景适合哪个。

三种模型拟合金县房价的精度

三种模型 R² 对比。GWR 和 FBCR 精度一样，但原理完全不同。

要跟别人解释「为什么」→ 选 GWR。 做房产估值报告或写学术论文，审稿人一定会问「你的系数在空间上怎么分布」。GWR 每个变量在每个地方的系数都能看到，解释力最强。

只要「更准」，不需要解释 → 选 FBCR。 做房价预测 APP，用户输入地址和面积就出估价，没人关心「为什么是 650 万」。FBCR 能处理非线性关系，变量多也不怕。

发现变量影响范围差很多 → 选 MGWR。 做城市规划研究或交通分析，发现「地铁站影响跨 5 公里，绿化只影响 500 米」，GWR 的一把尺子会把小信号淹没。

4.1 速查表

金县这个案例，我选了 GWR。R² 都是 0.87，精度没差别，但 GWR 能告诉我每个变量在每个地方的系数。写论文、做报告，这个比「模型说的」值钱。如果你做的是产品——用户只看数字不看解释——FBCR 更省心。

MGWR 是更理想的方向。GWR 的「一把尺子量所有变量」确实粗糙，只是目前 mgwr 库的文档和社区支持还不够成熟，踩坑成本高。半年后再看。

参考链接

[1] https://www.renhai.online/blog/arcpy-tutorial/regression-study-notes

[2] https://mgwr.readthedocs.io/en/latest/

[3] https://github.com/pysal/mgwr

[4] https://doi.org/10.1080/15568318.2023.2299018

[5] https://pro.arcgis.com/en/pro-app/latest/tool-reference/spatial-statistics/forestbasedandboostedclassificationregression.htm