برآورد قيمت مسكن شهري با استفاده از تابع هدانيك و شبكه‌هاي عصبي مصنوعي مورد شناسي: كوي وليعصر شهر تبريز

Estimation of Urban housing Price by Using Hedonic and Artificial Neural Networks; (Case Study Koye Valiaser, Tabriz)

مسكن به‌عنوان يك كالاي ناهمگن، بادوام، غير‌منقول، سرمايه‌اي و مصرفي با پيامدهاي جانبي، سهم زيادي از بودجه خانوارها را به خود اختصاص مي‌دهد و همچنين نقش زيادي در اشتغال و ارزش افزوده كشورها دارد؛ بنابراين، تعيين و برآورد قيمت مسكن براي برنامه‌ريزان و تصميم‌گيران، از اهميت بسيار بالايي برخوردار است. اين برآورد به‌ويژه اگر بتواند سهم عوامل تاثير‌گذار در ارزش مسكن را به خوبي منعكس كند، مي‌تواند در سياست‌گذاري‌هاي شهري و منطقه‌اي مورد استفاده قرار گيرد. با توجه به اهميت مسيله، تحقيق حاضر قصد دارد تا به بررسي عوامل تاثير‌گذار در تعيين قيمت مسكن و برآورد قيمت مسكن شهري در كوي وليعصر تبريز بپردازد. اغلب از روش تابع هدانيك و شبكه‌هاي عصبي مصنوعي به‌عنوان روش‌هاي رگرسيون چند متغيّره به‌منظور برآورد قيمت مسكن استفاده مي‌شود. براي فراهم‌سازي متغيّرهاي اثر‌گذار در قيمت مسكن، از روش دلفي بهره گرفته شد. داده‌ها نيز از طريق پيمايش و پرسشگري جمع‌آوري شدند. يافته‌ها ميزان و ضريب اهميت هر‌كدام از متغيّرها را در تابع هدانيك نشان مي‌دهد. طبق يافته‌ها، نتايج تابع هدانيك در مقايسه با شبكه عصبي مصنوعي از دقت كمتري در برآورد و پيش‌بيني قيمت مسكن برخوردار است. نتايج تحقيق نشان داد كه بين متغيّرهاي فضايي و قيمت مسكن در كوي وليعصر تبريز، همبستگي وجود دارد. اين همبستگي براي متغيّر فاصله از پارك، مثبت و براي متغيّرهاي فاصله از مراكز خريد، حمل‌و‌نقل، خيابان اصلي و مسجد، معكوس است. همچنين، نتايج به‌دست آمده نشان مي‌دهد، شبكه عصبي در صورتي‌ كه آموزش كافي ببيند، قابليت بالايي در برآورد دقيق قيمت هر متر مربع مسكن دارد.

Housing as a heterogeneous product, durable, immovable,capitalist, useable, with lateral effects has dedicated itself a large part of family budget and also has a great role in the occupation and value added of the countries.Then prediction of the housing price has a great importance among the urban planners and decision makers. If this prediction be able to provide the main factors which affect the housing price, then it will be a good instrument for decision making. If this estimation, particularly be able to reflect suitably the share of effective factors on the housing value, then it can be used in the urban and regional policy making. With respect to the importance of the issue, this article intends to investigate the main factors which affect on the housing price of the Koye Valiaser in the Tabriz. It is common to use hedonic regression and neural networks as a multi regression methods for predicating the housing price. For providing the effective factors we got help from Delphi method and the data gathered from questioner survey. Both Hedonic and Artificial Neural network could predicate the price. But the accuracy of neural network was much better than the Hedonic. Also the research showed there is relation among the spatial factors and the price of housing in Koye Valiaser.