تعیین و برآورد قیمت مسکن در مناطق شهری، از اهمیت زیادی برای دولت، سرمایه گذاران خصوصی و دولتی و افراد عادی برخوردار است. این تخمین می تواند در برنامه ریزی و تصمیم گیری های آینده در بسیاری از سیاست های شهری و منطقه ای مورد استفاده قرار گیرد. در این راستا به دلیل اهمیت بالای قیمت مسکن در دهه های اخیر، استفاده از توابع قدرتمند و کارا برای پیش بینی و تخمین قیمت مسکن مرسوم شده است. پژوهش حاضر، با هدف ارائه مدلی بهینه برای پیش بینی قیمت مسکن و تعیین عوامل تأثیرگذار بر قیمت مسکن در کلان شهر اهواز و نیز مقایسه ای بین دو مدل هدانیک و شبکه عصبی مصنوعی انجام شده است. ماهیت پژوهش، توسعه ای-کاربردی و روش انجام آن، توصیفی- تحلیلی می باشد. در این پژوهش، 286 نمونه واحد مسکونی در سال 1394 براساس 27 متغیر مربوطه به منظور پیش بینی قیمت مسکن، مورد ارزیابی قرار گرفته است. در این تحقیق از تابع هدانیکی نیمه لگاریتمی و شبکه عصبی پرسپترون چند لایه (MLP) استفاده شده است. برای مقایسه دو مدل از لحاظ توانایی پیش بینی، از معیارهای R2، MSE، RMSE، MAPE، MAE و ضریب TIC استفاده شده است. نتایج مدل هدانیک نشان دادند از میان 27 متغیر مدل، 18 متغیر معنی دار بودند و با مقایسه نتایج و مقدار برآوردها، مشخص شد که قیمت مسکن در اهواز بیشتر از عوامل فیزیکی و ساختاری تأثیر می پذیرد. برای بررس ی تفاوت در دقت پیش بین ی مدل های مختلف ب رای پیش بینی قیمت مس کن در شه ر اهواز، از آزم ون مورگان-گرنجر- نیوبلد استفاده شده است. نتایج به دست آمده از آزمون نشان دادند که تفاوت قدرت پیش بینی دو مدل از لحاظ آماری نیز معنی دار است که نشان دهنده کارایی بهتر و عملکرد مناسب تر شبکه عصبی مصنوعی (98 درصد) نسبت به مدل رگرسیون هدانیک (88 درصد) است.
