تخمین قیمت

در بعد اقتصادی هر جامعه، مسکن همواره یک نیاز اساسی است. از این رو، تحولات بخش مسکن، تأثیر فراوانی بر سایر بخش های اقتصاد دارند؛ بنابراین یکی از نیازهای قابل توجه دولت ها در امر مسکن، پیش بینی دقیق قیمت مسکن و تعیین عوامل تأثیرگذار بر قیمت این کالا است. پژوهش حاضر، با هدف تخمین قیمت مسکن و تعیین عوامل تأثیرگذار بر آن در شهر اهواز، بررسی نسبتاً کاملی از عملکرد شبکه عصبی (مدل پرسپترون چند لایه) در پیش بینی قیمت مسکن انجام داده است. ماهیت تحقیق، توسعه ای-کاربردی و روش انجام آن، توصیفی- تحلیلی می باشد. در این پژوهش، 233 نمونه واحد آماری در سال 1392 براساس 16 متغیر مربوطه به منظور تخمین قیمت مسکن، مورد ارزیابی قرار گرفته است. از این رو برای ایجاد شبکه عصبی مصنوعی، از نرم افزار MATLAB بهره گرفته شد و در نهایت، شبکه ای با یک لایه پنهان و 12 نرون، استفاده شد. همچنین به منظور تعیین میزان تأثیرگذاری عوامل گوناگون بر قیمت این کالا، از روش رگرسیون خطی گام به گام، بهره گرفته شده است. نتایج به دست آمده، نشان دهنده دقت 91 درصدی شبکه عصبی در تخمین قیمت واحد مسکونی شهر اهواز است. همچنین از بین عوامل تأثیرگذار بر قیمت مسکن در این شهر، زیربنای ساختمان (متراژ) و دسترسی، بیشترین سهم را به خود اختصاص داده اند. با توجه به تأثیر بسزای شاخص متراژ زمین و دسترسی، لازم است در برنامه ریزی های ساخت و ساز مسکن، به این عوامل، بیش از سایر عوامل، اهمیت داده شود.

با توجه به تعداد زیاد کالاها در فروشگاه های آنلاین، تغییر روزانه قیمت کالاها و عدم امکان استعلام و ثبت این حجم از قیمت ها توسط اپراتورها، توسعه یک سیستم تخمین قیمت برای پیش بینی روزانه قیمت کالاها با دقت بالا بسیار ضروری می باشد. برای این منظور، در مقاله حاضر یک سیستم نوین تخمین قیمت با استفاده از ماتریس همبستگی و رگرسیون خطی، توسعه داده شده است. با توجه به خطای بالای رگرسیون خطی در پیش بینی قیمت ها، یک روش رگرسیون خطی ابتکاری جهت افزایش دقت پیش بینی و کاهش خطای میانگین بر مبنای تعیین اهمیت داده ها بر حسب زمان توسعه داده شده است. سیستم توسعه داده شده بر روی داده های واقعی شرکت نگین پولاد نقش جهان (آهن آنلاین) پیاده سازی شده است که نتایج حاکی از دقت بالای قیمت های تخمینی این مدل می باشد. همچنین نتایج مدل ارائه شده با در نظر گرفتن تغییرات نرخ دلار مورد بررسی و تحلیل قرار گرفته است. نتایج حاکی از آن است که در اکثر اوقات رگرسیون ابتکاری ارائه شده خطای کمتری نسبت به سایر روش های مورد بررسی دارد.