پیش‌بینی قیمت مسکن برای شهر اهواز: مقایسه مدل هدانیک با مدل شبکه عصبی مصنوعی

Authors

  • افقه, سیدمرتضی دانشگاه شهید چمران اهواز، اهواز، ایران
Abstract:

Determination and the estimation of the house price in urban areas has a great importance for governments, individual and state investors and common people. The mentioned estimation can be used in future planning and decision making of many urban and regional policies. In this regard, due to the vital importance of the house price in recent decades powerful and effective functions have been used in order to forecast and estimate the house price. The main purpose of the current study was to present an optimal model to forecast and identify the determinants of the house price in Ahvaz metropolitan by the comparison of the Hedonic and Artificial Neural Network Models and the choice of the optimal model. The present study has a developmental-applied nature which follows a descriptive-analytical approach. The sample included 286 statistical unit in 2015 based on 27 related variables were evaluated to forecast the house price in Ahvaz city. This study used semi-log hedonic function and Neural Network Multilayer Perceptron (MLP) approaches. To compare the results of the two models in terms of predictability the criteria of R2, MSE, RMSE, MAPE, MAE and TIC coefficient were utilized. The results of the Hedonic model indicated that that among 27 variables, 18 variables were significant model and by the comparison of the results and the estimated value, it turned out that housing prices in Ahvaz is mainly influenced by the physical and structural factors. Moreover, the comparison between all criteria demonstrated that the Artificial Neural Network had a better performance than the Hedonic regression model in forecasting the house price. In order to test the difference of precision in forecasts of the house price in Ahvaz the Morgan-Granger-Newbold test was conducted as an appropriate instrument. The results of test indicated that the there was a significant difference between the predicative power of the two models which confirmed the greater performance of the ANN (%98) model in comparison with Hedonic regression model (88%).

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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 تأثیر قرار می دهند. همچنین، از بین ویژگی های ...

full text

پیش‌بینی قیمت مسکن در شهر تبریز:کاربرد مدل‌های 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 درکلان‌شهر تبریز می باشد. نتایج تخمین تابع قیمت هدانیک بیانگر آن است که اکثر متغیرها معنا دار بوده و دارای علامت مورد انتظار می‌باشند. عوامل فیزیکی بیشتر از عوامل مکانی(محیطی و دسترسی) قیمت واحدهای مسکونی را تحت‌تأثیر قرار می دهند. همچنین، از بین ویژگی‌ها...

full text

پیش بینی قیمت مسکن برای اهواز:مقایسه مدل هدانیک با مدل شبکه عصبی مصنوعی

در این تحقیق برای یافتن یک مدل بهینه جهت پیش بینی قیمت مسکن در کلان شهر اهواز مقایسه ای بین دو مدل هدانیک وشبکه عصبی مصنوعی انجام گرفته است. در این تحقیق از تابع هدانیکی نیمه لگاریتمی استفاده شده است نتایج مدل هدانیک نشان داد از 27 متغیر مدل 18 متغیر معنی دار بودند و با مقایسه نتایج و مقدار برآوردها، قیمت مسکن در اهواز بیشتر از عوامل فیزیکی و ساختاری تاثیر می پذیرد. برای مقایسه دو مدل از لحاظ ت...

15 صفحه اول

تخمین قیمت مسکن شهر اهواز با استفاده از شبکه عصبی

In the economy of every society, housing is a basic need that should be considered. Hence, development in the housing sector has its effect on other economy sectors. So one of the significant needs of governments in the housing field is the housing price forecasts and determine the factors affecting the price of this product. The present research aimed to estimate the cost of housing and the fa...

full text

مقایسه ی مدل قیمت هدانیک سنتی و مدل قیمت هدانیک رید در برآورد تابع قیمت هدانیک مسکن (مطالعه ی موردی مناطق شهری استان همدان)

این مطالعه به بررسی عوامل مؤثر بر قیمت واحدهای مسکونی و تخمین ارزش این عوامل در مناطق شهری استان همدان می‌ پردازد.  از میان روش‌های مختلف، روش قیمت هدانیک برگزیده شد.  در روش مرسوم و سنتی قیمت هدانیک، ویژگی‌ های مختلف فیزیکی و ساختاری واحد مسکونی و ویژگی‌ های محیطی و همسایگی برای برآورد قیمت مسکن لحاظ می‌ شود.  روشی که در این مطالعه در نظر گرفته شده است، روش هدانیک پیشنهادی توسط رِید(Reid)  است....

full text

مقایسه عملکرد شبکه عصبی و رگرسیون چند متغیره در تخمین قیمت مسکن (مطالعه موردی: شهر اهواز)

مسکن همواره نیازی اساسی در جامعه تلقی می‌گردد. بازار مسکن طی سال‌های گذشته یکی از پرنوسان-ترین بخش‌های اقتصاد کشور ایران بوده است. از آنجایی که نغییرات بخش مسکن تاثیر فراوانی بر سایر بخش‌های اقتصاد دارد بنابراین یکی از نیازهای قابل توجه در امر مسکن، پیش‌بینی دقیق قیمت این کالا می-باشد. در این راستا در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، مدلی برای پیش‌بینی قیمت مسکن در ش...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 19

pages  29- 44

publication date 2017-09

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

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023