fa پیش‌بینی قیمت مسکن در شهر تبریز:کاربرد مدل‌های قیمت هدانیک و شبکه عصبی مصنوعی عمومى General پژوهشي Research <div align="justify" style="direction: rtl"> 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 ویژگی‌های فیزیکی، دارابودن سالن اجتماعات، دارا بودن استخر، تعداد اتاق ها و نمای ساختمان مهم‌ترین عوامل مؤثر بر قیمت مسکن هستند. مهم‌ترین ویژگی  مکانی اثر‌گذار بر قیمت نیز، فاصله تا مراکز آموزشی می باشد. به‌منظور مقایسه قدرت پیش بینی از معیارهای MSE، RMSE، MAE و R2 استفاده شده گردید. براساس کلیه معیارها، مدل شبکه عصبی مصنوعی خطای کمتر و در نتیجه کارایی بیشتری در پیش بینی قیمت هدانیک مسکن داشته است. همچنین، برای اینکه از لحاظ آماری نیز فرضیه برابری قدرت پیش‌بینی در مدل‌های رقیب مورد آزمون قرار گیرد از آزمون مرگان-گرنجر-‌ نیوبلد (MGN) استفاده شده گردید که نتایج آزمون بیانگر آن است که روش شبکه عصبی مصنوعی از لحاظ آماری نیز برتر از مدل هدانیک می باشد. </div> 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. قیمت هدانیک، شبکه عصبی مصنوعی، شبکه عصبی پرسپترون چندلایه، الگوریتم پس انتشار خطا، کلان‌شهر تبریز Hedonic Pricing, Artificial Neural Network, Multi-Layer Perception Neural Network, Back Propagation Algorithm, Metropolitan City of Tabriz 113 138 http://qjerp.ir/browse.php?a_code=A-10-23-18&slc_lang=fa&sid=1 Mansour Khalili Araghi منصور خلیلی‌عراقی khalili@ut.ac.ir 1003194753284600444 1003194753284600444 Yes Elham Nobahar الهام نوبهار enobahar@ut.ac.ir 1003194753284600445 1003194753284600445 No