پیش بینی قیمت مسکن در شهر تبریز:کاربرد مدل های قیمت هدانیک و شبکه عصبی مصنوعی

هدف اصلی این مطالعه مقایسه قدرت پیش بینی دو مدل رگرسیون هدانیک و شبکه عصبی مصنوعی (ANN) و تعیین یک مدل بهینه برای پیش بینی قیمت هدانیک مسکن درکلان شهر تبریز می باشد. نتایج تخمین تابع قیمت هدانیک بیانگر آن است که اکثر متغیرها معنا دار بوده و دارای علامت مورد انتظار می باشند. عوامل فیزیکی بیشتر از عوامل مکانی(محیطی و دسترسی) قیمت واحدهای مسکونی را تحت تاثیر قرار می دهند. همچنین، از بین ویژگی های فیزیکی، دارابودن سالن اجتماعات، دارا بودن استخر، تعداد اتاق ها و نمای ساختمان مهم ترین عوامل موثر بر قیمت مسکن هستند. مهم ترین ویژگی  مکانی اثر گذار بر قیمت نیز، فاصله تا مراکز آموزشی می باشد. به منظور مقایسه قدرت پیش بینی از معیارهای MSE، RMSE، MAE و R۲ استفاده شده گردید. براساس کلیه معیارها، مدل شبکه عصبی مصنوعی خطای کمتر و در نتیجه کارایی بیشتری در پیش بینی قیمت هدانیک مسکن داشته است. همچنین، برای اینکه از لحاظ آماری نیز فرضیه برابری قدرت پیش بینی در مدل های رقیب مورد آزمون قرار گیرد از آزمون مرگان-گرنجر- نیوبلد (MGN) استفاده شده گردید که نتایج آزمون بیانگر آن است که روش شبکه عصبی مصنوعی از لحاظ آماری نیز برتر از مدل هدانیک می باشد.

Keywords:

Hedonic Pricing , Artificial Neural Network , Multi-Layer Perception Neural Network , Back Propagation Algorithm , Metropolitan City of Tabriz , قیمت هدانیک , شبکه عصبی مصنوعی , شبکه عصبی پرسپترون چندلایه , الگوریتم پس انتشار خطا , کلان شهر تبریز