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 بودجه خانوارها را به خود اختصاص می‌دهد و همچنین نقش زیادی در اشتغال و ارزش افزوده 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 تاثیر‌گذار در ارزش مسکن را به خوبی منعکس کند، می‌تواند در سیاست‌گذاری‌های شهری و منطقه‌ای مورد استفاده قرار گیرد. با توجه به اهمیت مسئله، تحقیق حاضر قصد دارد تا به بررسی عوامل تاثیر‌گذار در تعیین قیمت مسکن و برآورد قیمت مسکن شهری در کوی ولیعصر تبریز بپردازد. اغلب از روش تابع هدانیک و شبکه‌های عصبی مصنوعی به‌عنوان روش‌های رگرسیون چند متغیّره به‌منظور برآورد قیمت مسکن استفاده می‌شود. برای فراهم‌سازی متغیّرهای اثر‌گذار در قیمت مسکن، از روش دلفی بهره گرفته شد. داده‌ها نیز از طریق پیمایش و پرسشگری جمع‌آوری شدند. یافته‌ها میزان و ضریب اهمیت هر‌کدام از متغیّرها را در تابع هدانیک نشان می‌دهد. طبق یافته‌ها، نتایج تابع هدانیک در مقایسه با شبکۀ عصبی مصنوعی از دقت کمتری در برآورد و پیش‌بینی قیمت مسکن برخوردار است. نتایج تحقیق نشان داد که بین متغیّرهای فضایی و قیمت مسکن در کوی ولیعصر تبریز، همبستگی وجود دارد. این همبستگی برای متغیّر فاصله از پارک، مثبت و برای متغیّرهای فاصله از مراکز خرید، حمل‌و‌نقل، خیابان اصلی و مسجد، معکوس است. همچنین، نتایج به‌دست آمده نشان می‌دهد، شبکۀ عصبی در صورتی‌ که آموزش کافی ببیند، قابلیت بالایی در برآورد دقیق قیمت هر متر مربع مسکن دارد.

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

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.