مقايسه سه روش برآورد قيمت رايانه همراه در بازار تهران: رگرسيون لذت باورانه (هدانيك)، شبكه عصبي بازگشتي و شبكه عصبي GMDH

The Comparison of the three Laptop Price Estimators in the Iran Market: Hedonic Regression, Feed Forward and GMDH Neural Network

در اين مقاله، با استفاده از سه رويكرد لذت باورانه رگرسيون، شبكه عصبي بازگشتي و شبكه عصبي GMDH، تابع لذت باورانه قيمت رايانه همراه در بازار تهران الگو سازي و مقايسه شده است. براي انجام اين پژوهش، داده هاي قيمت رايانه همراه از بازار رضاي تهران، بزرگترين بازار رايانه همراه تهران جمع آوري و داده هاي فني رايانه همراه ها از وب سايت رسمي شركت هاي توليد كننده استخراج شده اند. نتايج اين پژوهش حاكي از آن است كه شبكه ي عصبي GMDH با كمترين خطا، تابع قيمت را برآورد مي كند. همچنين ظرفيت حافظه دروني پردازشگر (cache)، دي وي دي رام، حافظه ي كارت گرافيكي و داشتن ويندوز بر قيمت رايانه همراه اثر مثبتي دارد. با توجه به نتايج اين پژوهش، وارد كنندگان رايانه همراه مي توانند براي رسيدن به سود بيشتر، رايانه همراه هائي را وارد بازار كشور كنند كه شامل خصيصه هائي با بيشترين تمايل به پرداخت توسط خريداران مي باشند.

In this paper، laptop price estimator is developed by three approaches: Hedonic Regression، Artificial Neural Networks and ANN-GMDH. The data for this research is gathered from Tehran Bazar Reza and from laptops’ manufactures’ official websites. The results show that Artificial Neural networks’ model is the best estimator and its error is less than the other two estimators. Also، CPU Cache، DVDROM، Graphic Card Memory and Installed Windows on laptop positively affect the price of a laptop. By considering the result of this study، laptop importers can reach to more benefits by importing those laptops that have high willingness to pay by its buyers.