دوره 5، شماره 19 - ( تابستان 1396 )                   جلد 5 شماره 19 صفحات 29-44 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ghorbani S, Afgheh S M. Forecasting the House Price for Ahvaz City: the Comparison of the Hedonic and Artificial Neural Network Models. IUESA. 2017; 5 (19) :29-44
URL: http://iueam.ir/article-1-738-fa.html
قربانی سالار، افقه سیدمرتضی. پیش‌بینی قیمت مسکن برای شهر اهواز: مقایسه مدل هدانیک با مدل شبکه عصبی مصنوعی. فصلنامه علمی-پژوهشی اقتصاد و مدیریت شهری. 1396; 5 (19) :29-44

URL: http://iueam.ir/article-1-738-fa.html


1- کارشناسی‌‌ارشد اقتصاد دانشگاه شهید چمران اهواز، اهواز، ایران ، salar.ghorbany66@yahoo.com
2- دانشیار گروه اقتصاد نظری دانشگاه شهید چمران اهواز، اهواز، ایران
چکیده:   (4178 مشاهده)
تعیین و برآورد قیمت مسکن در مناطق شهری، از اهمیت زیادی برای دولت، سرمایه‌گذاران خصوصی و دولتی و افراد عادی برخوردار است. این تخمین می‌تواند در برنامه‌ریزی و تصمیم‌گیری‌های آینده در بسیاری از سیاست‎های شهری و منطقه‌ای مورد استفاده قرار گیرد. در این راستا به دلیل اهمیت بالای قیمت مسکن در دهه‌های اخیر، استفاده از توابع قدرتمند و کارا برای پیش‌بینی و تخمین قیمت مسکن مرسوم شده است. پژوهش حاضر، با هدف ارائه مدلی بهینه برای پیش‌بینی قیمت مسکن و تعیین عوامل تأثیرگذار بر قیمت مسکن در کلان‌شهر اهواز و نیز مقایسه‌ای بین دو مدل هدانیک و شبکه عصبی مصنوعی انجام شده است. ماهیت پژوهش، توسعه‌ای-کاربردی و روش انجام آن، توصیفی- تحلیلی می‌باشد. در این پژوهش، 286 نمونه واحد مسکونی در سال 1394 براساس 27 متغیر مربوطه به منظور پیش‌بینی قیمت مسکن، مورد ارزیابی قرار گرفته است. در این تحقیق از تابع هدانیکی نیمه‌لگاریتمی و شبکه عصبی پرسپترون چند لایه (MLP) استفاده شده است. برای مقایسه دو مدل از لحاظ توانایی پیش‌بینی، از معیارهای R2، MSE، RMSE، MAPE، MAE و ضریب TIC استفاده شده است. نتایج مدل هدانیک نشان دادند از میان 27 متغیر مدل، 18 متغیر معنی‌دار بودند و با مقایسه نتایج و مقدار برآوردها، مشخص شد که قیمت مسکن در اهواز بیشتر از عوامل فیزیکی و ساختاری تأثیر می‌پذیرد. برای بررسـی تفاوت در دقت پیش‌بینـی مدل‌های مختلف بـرای پیش‌بینی قیمت مسـکن در شهـر اهواز، از آزمـون مورگان-گرنجر- نیوبلد استفاده شده است. نتایج به‎دست آمده از آزمون نشان دادند که تفاوت قدرت پیش‌بینی دو مدل از لحاظ آماری نیز معنی‌دار است که نشان‌دهنده کارایی بهتر و عملکرد مناسب‌تر شبکه عصبی مصنوعی (98 درصد) نسبت به مدل رگرسیون هدانیک (88 درصد) است.
متن کامل [PDF 918 kb]   (3130 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۵/۱۰/۸ | پذیرش: ۱۳۹۶/۱/۱۴ | انتشار: ۱۳۹۶/۶/۳۰

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به فصلنامه علمی-پژوهشی اقتصاد و مدیریت شهری می باشد.

استفاده از مطالب ارایه شده در این پایگاه با ذکر منبع آزاد می باشد.

© 2018 All Rights Reserved | Journal of Urban Economics and Management

Designed & Developed by : Yektaweb