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، ۲۸۶ نمونه واحد مسکونی در سال ۱۳۹۴ براساس ۲۷ 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 R۲، MSE، RMSE، MAPE، MAE و ضریب TIC استفاده شده است. نتایج مدل هدانیک نشان دادند از میان ۲۷ متغیر مدل، ۱۸ 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 (۹۸ درصد) نسبت به مدل رگرسیون هدانیک (۸۸ درصد) است.
