了解购房者对居住环境的偏好对于开发商规划和建设满足居民需求的社区非常重要。它还有助于城市规划者合理配置有限的公共资源,提高城市居民的幸福指数,从而增加城市对人才的吸引力,提高城市竞争力。另外,通过住宅市场来评估居住环境因素的资本化效应,有助于开发商和城市规划者理解居住环境因素的市场溢价。然而,早期的研究缺乏对购房者偏好的全面探索,导致一些关键因素在计量模型中被忽略。这在一定程度上是由于收集相关数据的困难。幸运的是,我们的研究表明,在线评论文本为揭示购房者的偏好提供了丰富的信息来源。在本文的研究中,我们提出了一个四阶段框架,该框架的第一阶段对应着定性研究部分,后三个阶段对应着定量分析过程,该研究框架可以很容易地应用于世界上任何一个城市。研究框架的第一阶段利用在线评论文本进行定性分析,揭示了购房者对一系列潜在环境因素的偏好。相对来讲,从评论文本中提取购房者偏好比传统的调查方法更全面、更可靠、更划算。利用Latent Dirichlet Allocation（LDA）主题模型对评论文本中购房者的关注点进行抽取,发现购房者不仅会关注早期文献中提到的诸如“学校可达性”、“周边交通设施”等“硬环境”条件,也会关注以往学者很少考虑到的“居民素质”、“房屋品质”、“社区内部设施”等“软环境”因素。在丰富了对购房者偏好认识的基础上,本研究开展了第二阶段的任务,即编写python脚本从安居客网站,电子地图中采集相关数据,并结合评论文本抽取0-1变量,从而构造计量模型特征组合。紧接着,在第三阶段的工作中,本研究将利用第二阶段获得的模型特征,从全局的视角获得购房者对不同居住环境的平均边际支付意愿。即基于成都市住房交易数据进行特征价格模型建模,用以定量的刻画研究区域范围内购房者对居住环境不同因素的边际支付意愿,并分析遗漏“软环境”因素组会对模型估计带来哪些不足。研究发现,公园,小学,医院以及交通等设施的可获得性对住房的溢价效应显著,人们愿意为这些设施的便利性支付额外的价格。此外,“居民素质”,“房屋品质”,“社区内部设施”等“软环境”均会在全局上显著的影响住房价格。并且遗漏“软环境”因素组会导致模型估计存在偏误。然而,特征价格模型只能反映居民对相应环境因素的平均支付意愿,实际上人们对处于不同地域的环境因素也会存在不同的偏好,从而产生异质性的支付意愿。因此,为了刻画人们对各种环境因素支付意愿的空间差异,本文开展了第四阶段的研究任务。该阶段主要利用地理加权回归模型进行建模,用以刻画人们对各种环境因素边际支付意愿的空间差异。理论层面上讲,本文的定性分析与定量研究结果是相互印证的,定性研究结果与定量分析结果呈现出高度的一致性,即定性研究所获得的环境因素在定量模型中的系数高度显著。从实践层面而言,实证研究的结果对于政府规划和配置公共设施,以及开发商的选址都具有参考意义。