一种城市和区县吸引力评价方法、设备及介质与流程

1.本技术涉及数据处理领域，具体涉及一种城市和区县吸引力评价方法、设备及介质。


背景技术：

2.城镇化作为中国现代化的主旋律，不仅是拉动中国经济成长的引擎，同时也是变革中国经济社会结构的原动力。城镇化背景下的人口流动已经深刻地影响着每一个城市。城市对于人口的吸引力深刻影响着一个城市的可持续发展。因此，衡量一个城市或区域的吸引力对于城市规划和城市的长远发展具有重要意义。
3.现有的城市吸引力评价方法多采用多因子加权的分析方法，通常因子的权重由研究人员主观设定，且权重变化将影响排名结果，因此缺乏客观性。卢文杰等利用显性的人口流动数据和城市距离因素对城市吸引力进行了评价。该种评价方法虽然简单易操作但缺乏理论支撑。刘佳发明了一种基于引力模型多维度的城市吸引力度量方法。该方法可评估一个中心城市对周边辐射城市的吸引能力，是一种基于主体-客体的评价体系，并不适用于对所有城市在同一标准下的吸引力指数计算和排名。


技术实现要素：

4.为了解决上述问题，本技术提出了一种城市和区县吸引力评价方法、设备及介质，其中方法包括：
5.获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据；按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型；获取居民收支数据，并根据所述收支数据以及自变量模型，构造目标变量模型；通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子；根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数；根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。
6.在一个示例中，所述按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型，具体包括：根据预设空间分辨率，将所述兴趣点数据对应的城市划分为多个栅格，所述栅格中心点为格点；根据所述经济统计数据，确定所述格点内居民的税前收入模型；根据所述税前收入模型以及城市税率数据、给定工资数据、商品价格数据和吸引力数据，确定所述格点级自变量模型；根据所述税前收入模型以及城市税率数据、给定工资数据、商品价格数据和吸引力数据，确定所述格点内居民的效用模型；根据所述效用模型，确定所述格点级自变量模型。
7.在一个示例中，所述税前收入模型为：
[0008][0009]
其中，c为目标城市，i为城市内的区域，为居民的税前总收入，为居民的劳
动收入，i为居民的非劳动收入；所述效用模型为：
[0010][0011]
其中，为居民的最小效用值，miny表示求解满足右边不等式的最小的城市吸引力指数，τ为税率，u为每个居民的税后净支出至少可以获得的效用；g为商品向量，为商品向量的当地价格，为偏好用效用函数。
[0012]
在一个示例中，所述根据所述效用模型，确定所述格点级自变量模型，具体包括：在全国均值点处，对处于均衡状态下的所述效用模型进行全微分，以得到中间模型；利用夏普引理并重写所述中间模型，以得到所述格点级自变量模型。
[0013]
在一个示例中，所述处于均衡状态下的所述效用模型如下：
[0014][0015]
其中，为居民得到的效用；所述中间模型为：
[0016][0017]
所述格点级自变量模型为：
[0018]
其中，τ
′
为平均边际税率，为吸引力的边际支付意愿。
[0019]
在一个示例中，所述预设实证模型如下：
[0020][0021]
其中，为栅格经济地理变量向量，β为格点变量因子权重，tc为城市经济地理变量向量，γ为城市级变量因子权重，ρc为制度差异因子。
[0022]
在一个示例中，所述通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子，具体包括：通过如下第一回归模型，确定格点变量因子权重：
[0023][0024]
其中，nc为城市c的格点数；通过如下第二回归模型，确定城市级变量因子权重：
[0025][0026]
其中，δc为误差项；通过如下第三回归模型，确定所述制度差异因子：
[0027][0028]
在一个示例中，所述根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数，具体包括：通过如下公式，确定所述格点吸引力指数：
[0029][0030]
其中，r
ic
为格点吸引力指数；所述根据所述格点吸引力指数，确定城市吸引力指数
以及区县吸引力指数，具体包括：根据所述格点吸引力指数以及所述区县包含的格点数，通过如下公式，确定所述区县吸引力指数：
[0031][0032]
其中，为城市c下辖的区县d的吸引力指数，nd为区县d包含的格点数；根据所述格点吸引力指数以及所述城市包含的格点数，通过如下公式，确定所述城市吸引力指数：
[0033][0034]
其中，rc为城市c的吸引力指数，nc为城市c的格点数。
[0035]
本技术还提供了一种城市和区县吸引力评价设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据；按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型；获取居民收支数据，并根据所述收支数据以及自变量模型，构造目标变量模型；通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子；根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数；根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。
[0036]
本技术还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据；按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型；获取居民收支数据，并根据所述收支数据以及自变量模型，构造目标变量模型；通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子；根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数；根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。
[0037]
通过本技术提出的方法能够带来如下有益效果：剔除了因为户籍制度限制等导致的城市之间的差异问题，可以在同一客观条件下量化城市的吸引力水平。本发明通过三阶段回归得到的因子权重客观易解释，具有扎实的经济学理论支撑，即具有客观性和科学性。本发明可通过加总平均一个区域内的所有格点吸引力数值得到区县级的吸引力指数，可帮助政府比较一个城市内不同区域的综合发展水平，制定相应的发展政策。
附图说明
[0038]
此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
[0039]
图1为本技术实施例中一种城市和区县吸引力评价方法的流程示意图；
[0040]
图2为本技术实施例中一种城市和区县吸引力评价设备的结构示意图。
具体实施方式
[0041]
为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0042]
以下结合附图，详细说明本技术各实施例提供的技术方案。
[0043]
图1为本说明书一个或多个实施例提供的一种城市和区县吸引力评价方法的流程示意图。该方法可以应用于不同的城市以及城市内的区县，流程中的某些输入参数或者中间结果允许人工干预调节，以帮助提高准确性。
[0044]
本技术实施例涉及的分析方法的实现可以为终端设备，也可以为服务器，本技术对此不作特殊限制。为了方便理解和描述，以下实施例均以服务器为例进行详细描述。
[0045]
需要说明的是，该服务器可以是单独的一台设备，可以是有多台设备组成的系统，即，分布式服务器，本技术对此不做具体限定。
[0046]
如图1所示，本技术实施例提供一种城市和区县吸引力评价方法，包括：
[0047]
s101：获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据。
[0048]
首先，确定需要进行评估的目标城市，然后获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据。这里经济统计数据可以包括城市经济总量、人口规模、人口自然增长率、高等院校数、规模以上企业数、医疗机构数、上市企业数、平均房价、平均工资、公交、地铁线路数、绿化率等。兴趣点数据包括各类学校数、公交站点、医院、运动休闲场所数、餐饮店铺数、景点数、生活服务设施数、企业数、招聘数、二手房价、房租租金等。
[0049]
s102：按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型。
[0050]
由于城市中各个区域对居民的吸引力不完全相同，因此首先需要按照预设的空间分辨率，将城市划分为多个区域，并对经济统计数据以及兴趣点数据进行预处理，从而得到格点级自变量模型。城市级的自变量包括海拔，人均城市道路面积、绿化覆盖率、一般工业固体废物综合利用率、污水处理率、生活垃圾无害化处理率、每万人拥有公共汽车、pm2.5、医院数、普通高等学校数、普通中学数、小学数、公园数、公交线路数、地铁线路数、景点数、超市/便利店、酒店、咖啡厅、理发店、眼镜店、药店、加油站、健身馆、停车场等；格点级自变量包括普通高等学校、中学、小学、幼儿园、公交站点、医院、景点数、剧院/音乐厅、图书馆、公共服务机构、超市/便利店、电影院、ktv、酒店、咖啡厅、茶馆、网咖、书店、鲜花店、理发店、眼镜店、洗衣店、家政服务、药店、烟酒茶叶、加油站、健身馆、公共厕所、停车场、棋牌室、银行网点、物流快递、运动场馆、甜品饮品、中餐厅、西餐厅,到最近的公园的距离，到最近的购物中心的距离，到火车站的距离，到cbd的乘车时间或距离，到机场的距离等。
[0051]
居民愿意到一个城市居住和工作是由该城市给其带来的效用决定的。居民的效用由其在该城市的收入和支出联合表示。影响居民效用的是城市的综合经济发展水平，如教育、医疗、产业、交通、居住条件、工资水平等。
[0052]
假设居民可以在不同的城市自由流动，城市用c表示,该城市的某个区域用i表示。居民的偏好用效用函数表示，其是商品组合g的递增和拟凹函数,是城市区域
(c,i)对居民的吸引力强度。商品向量g的当地价格用向量表示。依赖于城市区域设施和经济环境指标xc，即。居民提供劳动并获得劳动收入同时获得与所在城市无关的非劳动收入(比如金融产品)i。所以，居民的税前总收入为假设税率为τ，给定工资、当地商品价格和吸引力，每个居民的税后净支出至少可以获得效用u，效用模型可以描述为：由于居民是可以在区域间随意流动的，因此效用u在每个地方都是相同的。因此，在均衡状态下没有居民会要求额外补贴来居住在其所选区域，即。其中，为居民得到的效用。在全国均值点处对上式进行全微分得到中间模型：。利用夏普引理并重写上式可以得到：；其中，τ
′
为平均边际税率，为吸引力的边际支付意愿。对数线性化上式以使,并且标准化，得到。其中，sy为商品的支出份额向量，表示总收入中劳动收入的占比。以百分比的形式表示，表示居民的名义收入水平有多高。吸引力是以基数表示的，且表示居民为了生活在城市(c,i)而不是平均意义上的城市所愿意放弃的总消费的百分比。
[0053]
s103：获取居民收支数据，并根据所述收支数据以及自变量模型，构造目标变量模型。
[0054]
本实施例中，目标变量y通过房价和工资水平计算得到，具体公式为：
[0055]
其中，p
hous
表示一个城市的平均房价，表示所有城市的平均房价，wage表示一个城市的平均工资水平，代表所有城市的平均工资水平。
[0056]
公式中的指数系数sh和sw由以下步骤实现：将商品分为住房和非住房两大类，得到其中，s
hous
,为住房支出比例和居住成本，s
oth
，分别表示非住房商品的支出比例和价格。根据居民人均居住消费支出和居民其他消费支出分别对居民人均可支配收入的占比计算得到：s
hous
＝0.15，s
oth
＝0.52。
[0057]
非住房商品的价格通过人均食品类消费价格ln(p
food
)对ln(p
hous
)进行回归可以得到：把该式作为的近似，可以得到即sy＝0.25。
[0058]
sw＝0.72为(工资性收入+经营净收入)/人均可支配收入。扣除平均边际税率后sw＝0.72
×
(1-10％)＝0.65。
[0059]
s104：通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子。
[0060]
吸引力变量y考虑到了地区间的物价差异，但是没有考虑到其他因素造成的差异。由于人口在城市间的流动存在限制，而这种限制程度又与城市的房价存在关系。本实施例中设计以下计量经济学模型来控制城市间的制度性差异，保证最终构造的吸引力指数客观。
[0061]
城市吸引力计量经济学模型表述如下：
[0062][0063]
其中，x
ic
：一个包含城市内一个格点的经济地理变量的向量，包含的变量如步骤s2中所述。β：格点变量的因子权重(系数)，需要通过模型回归得到。tc：一个包含城市经济地理变量的向量。γ：城市级变量的因子权重(系数)，需要通过模型回归得到。ρc：制度差异因子，用于反映城市房价和工资差异的标量，这一差异不是由影响城市吸引力的因素造成，而是由人口在城市间的不完全流动性造成的。通过以下步骤估计ρc：
[0064]
通过第一回归模型得到：
[0065][0066]
其中，nc为城市c的格点数。
[0067]
通过第二回归模型得到：
[0068][0069]
通过第三回归模型得到：
[0070][0071]
s105：根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数。
[0072]
最终得到调整制度差异之后的格点吸引力指数r
ic
：
[0073][0074]
s106：根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。
[0075]
吸引力计算步骤：通过加总平均每个区县和城市内的格点数值计算分别得到区县级的吸引力指数和城市级的吸引力指数。
[0076]
本实施例中，区县级的吸引力指数通过下面的公式计算得到：
[0077][0078]
其中，为城市c下辖的区县d的吸引力指数，nd为区县d包含的格点数。
[0079]
城市级的吸引力指数通过以下公式计算得到：
[0080]
[0081]
其中，rc为城市c的吸引力指数，nc为城市c的格点数。
[0082]
如图2所示，本技术实施例还提供了一种城市和区县吸引力评价设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
[0083]
获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据；按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型；获取居民收支数据，并根据所述收支数据以及自变量模型，构造目标变量模型；通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子；根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数；根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。
[0084]
本技术实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
[0085]
获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据；按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型；获取居民收支数据，并根据所述收支数据以及自变量模型，构造目标变量模型；通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子；根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数；根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。
[0086]
本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0087]
本技术实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
[0088]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0089]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0090]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指
令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0091]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0092]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0093]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0094]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0095]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0096]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种城市和区县吸引力评价方法，其特征在于，包括：获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据；按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型；获取居民收支数据，并根据所述收支数据以及自变量模型，构造目标变量模型；通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子；根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数；根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。2.根据权利要求1所述的方法，其特征在于，所述按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型，具体包括：根据预设空间分辨率，将所述兴趣点数据对应的城市划分为多个栅格，所述栅格中心点为格点；根据所述经济统计数据，确定所述格点内居民的税前收入模型；根据所述税前收入模型以及城市税率数据、给定工资数据、商品价格数据和吸引力数据，确定所述格点级自变量模型；根据所述税前收入模型以及城市税率数据、给定工资数据、商品价格数据和吸引力数据，确定所述格点内居民的效用模型；根据所述效用模型，确定所述格点级自变量模型。3.根据权利要求2所述的方法，其特征在于，所述税前收入模型为：其中，c为目标城市，i为城市内的区域，为居民的税前总收入，为居民的劳动收入，i为居民的非劳动收入；所述效用模型为：其中，为居民的最小效用值，min
y
表示求解满足右边不等式的最小的城市吸引力指数，τ为税率，u为每个居民的税后净支出至少可以获得的效用；g为商品向量，为商品向量的当地价格，为偏好用效用函数。4.根据权利要求3所述的方法，其特征在于，所述根据所述效用模型，确定所述格点级自变量模型，具体包括：在全国均值点处，对处于均衡状态下的所述效用模型进行全微分，以得到中间模型；利用夏普引理并重写所述中间模型，以得到所述格点级自变量模型。5.根据权利要求4所述的方法，其特征在于，所述处于均衡状态下的所述效用模型如下：其中，为居民得到的效用；
所述中间模型为：所述格点级自变量模型为：其中，τ
′
为平均边际税率，为吸引力的边际支付意愿。6.根据权利要求1所述的方法，其特征在于，所述预设实证模型如下：其中，为栅格经济地理变量向量，β为格点变量因子权重，t
c
为城市经济地理变量向量，γ为城市级变量因子权重，ρ
c
为制度差异因子。7.根据权利要求6所述的方法，其特征在于，所述通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子，具体包括：通过如下第一回归模型，确定格点变量因子权重：其中，n
c
为城市c的格点数；通过如下第二回归模型，确定城市级变量因子权重：其中，δ
c
为误差项；通过如下第三回归模型，确定所述制度差异因子：8.根据权利要求1所述的方法，其特征在于，所述根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数，具体包括：通过如下公式，确定所述格点吸引力指数：其中，r
ic
为格点吸引力指数；所述根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数，具体包括：根据所述格点吸引力指数以及所述区县包含的格点数，通过如下公式，确定所述区县吸引力指数：其中，为城市c下辖的区县d的吸引力指数，n
d
为区县d包含的格点数；
根据所述格点吸引力指数以及所述城市包含的格点数，通过如下公式，确定所述城市吸引力指数：其中，r
c
为城市c的吸引力指数，n
c
为城市c的格点数。9.一种城市和区县吸引力评价设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据；按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型；获取居民收支数据，并根据所述收支数据以及自变量模型，构造目标变量模型；通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子；根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数；根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据；按照预设空间分辨率，对所述经济统计数据以及所述兴趣点数据进行预处理，以得到所述预设空间分辨率对应的格点级自变量模型；获取居民收支数据，并根据所述收支数据以及自变量模型，构造目标变量模型；通过三阶回归模型，确定所述目标城市对应的预设实证模型中的制度差异因子；根据所述制度差异因子以及所述目标变量模型，确定格点吸引力指数；根据所述格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。

技术总结
本申请公开了一种城市和区县吸引力评价方法、设备及介质，方法包括：获取目标城市的经济统计数据以及带有经纬度坐标的兴趣点数据；按照预设空间分辨率，对经济统计数据以及兴趣点数据进行预处理，以得到预设空间分辨率对应的格点级自变量模型；获取居民收支数据，并根据收支数据以及自变量模型，构造目标变量模型；通过三阶回归模型，确定目标城市对应的预设实证模型中的制度差异因子；根据制度差异因子以及目标变量模型，确定格点吸引力指数；根据格点吸引力指数，确定城市吸引力指数以及区县吸引力指数。剔除了因为户籍制度限制等导致的城市之间的差异问题，可以在同一客观条件下量化城市的吸引力水平。量化城市的吸引力水平。量化城市的吸引力水平。


技术研发人员：肖雪 王少华 谭新龙
受保护的技术使用者：浪潮云洲（山东）工业互联网有限公司
技术研发日：2023.05.24
技术公布日：2023/8/24