پیش بینی قیمت مسکن: مقایسه روش رگرسیون هدانیک و شبکه عصبی رگرسیونی

پایان نامه
چکیده

در این تحقیق کارایی دو روش پیش بینی قیمت رگرسیون هدانیک و شبکه عصبی رگرسیونی تعمیم یافته، در برآورد قیمت مسکن در شهر تهران مورد ارزیابی قرار گرفته است. روش رگرسیون هدانیک یکی از روش های مرسوم در این زمینه می باشد. با این وجود با توجه به ادبیات موجود و سایر تحقیقات صورت گرفته، شواهدی وجود دارد که بازار مسکن تهران برخی از فروض اولیه مدل های رگرسیون هدانیک را دارا نمی باشد. بدین منظور شبکه عصبی رگرسیونی به عنوان روشی جایگزین برای رگرسیون هدانیک انتخاب گردید و کارایی آن مورد آزمون واقع شد. ضمناً تابع هدانیک نیمه لگاریتمی برای برآورد مدل رگرسیونی مورد استفاده قرار گرفت. داده های مورد استفاده شامل 643 نمونه اطلاعات مسکن در نیمه شمالی شهر تهران می باشد. نتایج نشان می دهند که شبکه عصبی رگرسیونی عملکرد بهتری نسبت به رگرسیون هدانیک در برآورد قیمت مسکن در تهران دارد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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 ...

متن کامل

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

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 use...

متن کامل

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...

متن کامل

مقایسه قدرت پیش بینی روش شبکه عصبی مصنوعی با سایر روش های پیش‏بینی: مورد قیمت چغندرقند

این مطالعه با هدف پیش­بینی قیمت اسمی و واقعی چغندرقند و مقایسه روش شبکه عصبی مصنوعی با سایر روش­ها صورت گرفت. پس از بررسی ایستایی سری­ها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون بررسی شد. براساس نتایج این آزمون­ها سری قیمت اسمی چغندرقند به‏عنوان سری غیرتصادفی و قابل پیش­بینی و سری قیمت واقعی به‏عنوان سری تصادفی ارزیابی شد. دوره مطالعه نیز ...

متن کامل

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...

متن کامل

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

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه علم و فرهنگ - دانشکده مهندسی صنایع

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023