پيش‌بيني قيمت مسكن در شهر تبريز:كاربرد مدل‌هاي قيمت هدانيك و شبكه عصبي مصنوعي

Predicting Housing Prices for the City of Tabriz: Application of the Hedonic Pricing and Artificial Neural Network Models

هدف اصلي اين مطالعه مقايسه قدرت پيش بيني دو مدل رگرسيون هدانيك و شبكه عصبي مصنوعي (ANN) و تعيين يك مدل بهينه براي پيش بيني قيمت هدانيك مسكن دركلان‌شهر تبريز مي باشد. نتايج تخمين تابع قيمت هدانيك بيانگر آن است كه اكثر متغيرها معنا دار بوده و داراي علامت مورد انتظار مي‌باشند. عوامل فيزيكي بيشتر از عوامل مكاني(محيطي و دسترسي) قيمت واحدهاي مسكوني را تحت‌تاثير قرار مي دهند. همچنين، از بين ويژگي‌هاي فيزيكي، دارابودن سالن اجتماعات، دارا بودن استخر، تعداد اتاق ها و نماي ساختمان مهم‌ترين عوامل موثر بر قيمت مسكن هستند. مهم‌ترين ويژگي مكاني اثر‌گذار بر قيمت نيز، فاصله تا مراكز آموزشي مي باشد. به‌منظور مقايسه قدرت پيش بيني از معيارهاي MSE، RMSE، MAE و R2 استفاده شده گرديد. براساس كليه معيارها، مدل شبكه عصبي مصنوعي خطاي كمتر و در نتيجه كارايي بيشتري در پيش بيني قيمت هدانيك مسكن داشته است. همچنين، براي اينكه از لحاظ آماري نيز فرضيه برابري قدرت پيش‌بيني در مدل‌هاي رقيب مورد آزمون قرار گيرد از آزمون مرگان-گرنجر-‌ نيوبلد (MGN) استفاده شده گرديد كه نتايج آزمون بيانگر آن است كه روش شبكه عصبي مصنوعي از لحاظ آماري نيز برتر از مدل هدانيك مي باشد.

The main goal of this paper is to study and compare the predicting power of Hedonic pricing model and Artificial Neural Network (ANN) model and determining the optimum model for forecasting the housing prices for the city of Tabriz. The results of the estimation of the price function show that most of the variables in the Hedonic pricing model are significant with the expected signs, according to the theory. Physical factors have more important effect than locational factors (environmental and accessibility) on the housing prices. Among the structural characteristics, having lobby, swimming pool, number of bedrooms, and the frontage of the building are the most important factors affecting the prices. The most important locational characteristic on the housing price is the distance to educational centers. For our comparison, we have utilized MSE, RMSE, MAE and criteria. According to all criteria, ANN model had less error in prediction of the housing Hedonic prices for the city of Tabriz. In order to test the hypothesis of equal predicting power of the two models, we have used MGN test. The result of this test indicates that the ANN approach is statistically superior to hedonic model.