بررسی عوامل مؤثر بر قیمت مسکن شهری با استفاده از شبکۀ عصبی مصنوعی موردشناسی: منطقۀ دو تبریز

Authors

  • ایرج تیموری استادیار جغرافیا و برنامه‌‌ریزی شهری، دانشگاه تبریز، تبریز، ایران
  • شهریور روستایی دانشیار جغرافیا و برنامه‌‌ریزی شهری، دانشگاه تبریز، تبریز، ایران
Abstract:

مسکن، سهم پایه‌ای در بسته مصرفی خانوارها را داراست. در حقیقت، برای اغلب خانوارها، خرید مسکن مهم‌ترین تراکنش مالی آن‌ها محسوب می‌شود. همچنین، مسکن سهم قابل توجهی از هزینه های خانوار و در برخی موارد حتی کل دارایی خانوارها را تشکیل می دهد. بازار مسکن، می‌تواند تحت‌تاثیر متغیرهای کلان اقتصادی، تفاوت‌های فضایی، ویژگی‌های ساختاری جامعه و امکانات رفاهی محیط قرار گیرد. بدین‌سان که ناهمگن بودن مسکن و چگونگی رتبه‌بندی ویژگی‌های مختلف یک واحد مسکونی توسط خریداران سبب شده است تا قیمت مسکن دستخوش تغییرات و نوسانات گردد. پژوهش حاضر، به دنبال پاسخ‌گویی به این سوال است که «چه عواملی سهم بیشتری در تعیین قیمت مسکن در منطقه دو تبریز دارد؟». پژوهش حاضر به لحاظ هدف کاربردی و به لحاظ روش و ماهیت همبستگی می‌باشد. از شبکه عصبی مصنوعی براس سنجش همبستگی بین متغیرهای استفاده گردیده است. اطلاعات مربوط به واحدهای مسکونی از طریق مراجعه مستقیم به مشاورین املاک جمع‌آوری شده است. جامعه آماری، واحدهای مسکونی منطقه دو تبریز به تعداد 56107 مسکن می‌باشد که با استفاده از فرمول کوکران 384 نمونه برآورد شد و برای برآورد مطلوب 400 واحد مسکونی به صورت تصادفی به عنوان نمونه پژوهش انتخاب گردیده ‌است. یافته‌های پژوهش نشان می‌دهد که سهم متغیر‌های کالبدی در تعیین قیمت واحدهای مسکونی 8/53 درصد، سهم متغیر‌های دسترسی برابر با 2/39 درصد و سهم متغی‌های محیطی 7 درصد می‌باشد. از بین کل متغیر‌ها، متغیر‌های مساحت زیربنا با 4/28 درصد، فاصله از مراکز درمانی با 4/6 درصد، فاصله از مراکز بهداشتی با 1/5 درصد و نمای ساختمان با 6/4 درصد بیشترین سهم متغیر قیمت مسکن را به خود اختصاص می‌دهند. در این پژوهش از نرم افزارهای MATLAB 2013 و ArcMap 10.4 بهره گرفته شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی عوامل مؤثر بر قیمت مسکن شهری با استفاده از مدل هدانیک قیمت (نمونه موردی: منطقه دو شهر سنندج)

Houses, as heterogeneous, lasting, immovable, capitalizable, and consumable goods, having side effects, have attracted a significant part of household budget, expenses, and gross national fixed investment and play an important role in a nation’s employment and value added. One of the most important and emphasized factors in housing issue, hence, is predicting the price and the effective factors...

full text

برآورد قیمت مسکن شهری با استفاده از تابع هدانیک و شبکه‌های عصبی مصنوعی مورد شناسی: کوی ولیعصر شهر تبریز

مسکن به‌عنوان یک کالای ناهمگن، بادوام، غیر‌منقول، سرمایه‌ای و مصرفی با پیامدهای جانبی، سهم زیادی از بودجة خانوارها را به خود اختصاص می‌دهد و همچنین نقش زیادی در اشتغال و ارزش افزودة کشورها دارد؛ بنابراین، تعیین و برآورد قیمت مسکن برای برنامه‌ریزان و تصمیم‌گیران، از اهمیت بسیار بالایی برخوردار است. این برآورد به‌ویژه اگر بتواند سهم عوامل تأثیر‌گذار در ارزش مسکن را به خوبی منعکس کند، می‌تواند در ...

full text

برآورد قیمت مسکن شهری با استفاده از تابع هدانیک و شبکه های عصبی مصنوعی مورد شناسی: کوی ولیعصر شهر تبریز

مسکن به عنوان یک کالای ناهمگن، بادوام، غیر منقول، سرمایه ای و مصرفی با پیامدهای جانبی، سهم زیادی از بودجه خانوارها را به خود اختصاص می دهد و همچنین نقش زیادی در اشتغال و ارزش افزوده کشورها دارد؛ بنابراین، تعیین و برآورد قیمت مسکن برای برنامه ریزان و تصمیم گیران، از اهمیت بسیار بالایی برخوردار است. این برآورد به ویژه اگر بتواند سهم عوامل تأثیر گذار در ارزش مسکن را به خوبی منعکس کند، می تواند در ...

full text

بررسی عوامل موثر بر قیمت مسکن در شهر تبریز با استفاده از مدل هدانیک

هدف اصلی این مطالعه، تعیین عوامل موثر بر قیمت مسکن در شهر تبریز می‌باشد. برای این منظور دو دسته واحدهای مسکونی ویلایی و آپارتمانی مورد پرسشگری و تجزیه و تحلیل قرار گرفتند. متغیرهای تاثیرگذار در قیمت مسکن به چهار دسته‌ اصلی متغیرهای کالبدی- فیزیکی، متغیرهای دسترسی، متغیرهای محیطی (همسایگی) و ویژگی‌های اقتصادی و اجتماعی تقسیم‌بندی شدند؛ داده‌های مورد نیاز با پرسشگری از خانوارها و قیمت مسکن با مرا...

full text

مدل‎سازی تغییرات پوشش سرزمین شهرستان تبریز با استفاده از شبکۀ عصبی مصنوعی و زنجیرۀ مارکف

هدف از پژوهش پیش رو، مدل­سازی تغییرات کاربری اراضی شهرستان تبریز برای سال­های 1395 و 1400 با استفاده از مدل­ساز تغییر سرزمین (LCM) در محیط سامانۀ اطلاعات جغرافیایی است. برای این کار، تجزیه‎وتحلیل و بارزسازی تغییرات کاربری­ها، به‎کمک سه دوره از تصاویر ماهوارۀ لندست مربوط به سال­های 1367، 1380 و 1390 انجام گرفت و نقشه­های پوشش اراضی جداگانه‎ای برای هر سال تهیه شد. مدل­سازی پتانسیل انتقال، به‎کمک ...

full text

بررسی عوامل مؤثر بر قیمت پساب تخصیص داده شده به صنعت در استان اصفهان با استفاده از شبکه‌های عصبی مصنوعی

استفاده از فاضلاب شهری تصفیه شده به عنوان یک منبع آب جایگزین، در اقصی نقاط دنیا افزایش یافته و شواهد نشانگر روند روز افزون استفاده از این منبع آب غیرمتعارف در کشورهای توسعه یافته و در حال توسعه است. قیمت‌گذاری مناسب بر پساب، یکی از مهم‌ترین ابزارهای موثر در مصرف بهینه این منبع آبی است. در این پژوهش با استفاده از مدل شبکه عصبی، عوامل موثر بر قیمت پساب تولیدی در محدوده اصفهان بررسی شد.</s...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 18  issue 59

pages  129- 148

publication date 2020-05-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023