دوره 5، شماره 19 - ( تابستان 1396 )
جلد 5 شماره 19 صفحات 44-29 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
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
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
1- دانشگاه شهید چمران اهواز، اهواز، ایران ، salar.ghorbany66@yahoo.com
2- دانشگاه شهید چمران اهواز، اهواز، ایران
2- دانشگاه شهید چمران اهواز، اهواز، ایران
چکیده: (8699 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.
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1395/10/8 | پذیرش: 1396/1/14 | انتشار: 1396/6/30 | انتشار الکترونیک: 1396/6/30
دریافت: 1395/10/8 | پذیرش: 1396/1/14 | انتشار: 1396/6/30 | انتشار الکترونیک: 1396/6/30
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
