بررسی عوامل موثر بر قیمت مسکن شهری با استفاده از شبکه عصبی مصنوعی موردشناسی: منطقه دو تبریز

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 287

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GDIJ-18-59_007

تاریخ نمایه سازی: 9 خرداد 1400

چکیده مقاله:

مسکن، سهم پایه ای در بسته مصرفی خانوارها را داراست. در حقیقت، برای اغلب خانوارها، خرید مسکن مهم ترین تراکنش مالی آن ها محسوب می شود. همچنین، مسکن سهم قابل توجهی از هزینه های خانوار و در برخی موارد حتی کل دارایی خانوارها را تشکیل می دهد. بازار مسکن، می تواند تحت تاثیر متغیرهای کلان اقتصادی، تفاوت های فضایی، ویژگی های ساختاری جامعه و امکانات رفاهی محیط قرار گیرد. بدین سان که ناهمگن بودن مسکن و چگونگی رتبه بندی ویژگی های مختلف یک واحد مسکونی توسط خریداران سبب شده است تا قیمت مسکن دستخوش تغییرات و نوسانات گردد. پژوهش حاضر، به دنبال پاسخ گویی به این سوال است که «چه عواملی سهم بیشتری در تعیین قیمت مسکن در منطقه دو تبریز دارد؟». پژوهش حاضر به لحاظ هدف کاربردی و به لحاظ روش و ماهیت همبستگی می باشد. از شبکه عصبی مصنوعی براس سنجش همبستگی بین متغیرهای استفاده گردیده است. اطلاعات مربوط به واحدهای مسکونی از طریق مراجعه مستقیم به مشاورین املاک جمع آوری شده است. جامعه آماری، واحدهای مسکونی منطقه دو تبریز به تعداد ۵۶۱۰۷ مسکن می باشد که با استفاده از فرمول کوکران ۳۸۴ نمونه برآورد شد و برای برآورد مطلوب ۴۰۰ واحد مسکونی به صورت تصادفی به عنوان نمونه پژوهش انتخاب گردیده است. یافته های پژوهش نشان می دهد که سهم متغیر های کالبدی در تعیین قیمت واحدهای مسکونی ۸/۵۳ درصد، سهم متغیر های دسترسی برابر با ۲/۳۹ درصد و سهم متغی های محیطی ۷ درصد می باشد. از بین کل متغیر ها، متغیر های مساحت زیربنا با ۴/۲۸ درصد، فاصله از مراکز درمانی با ۴/۶ درصد، فاصله از مراکز بهداشتی با ۱/۵ درصد و نمای ساختمان با ۶/۴ درصد بیشترین سهم متغیر قیمت مسکن را به خود اختصاص می دهند. در این پژوهش از نرم افزارهای MATLAB ۲۰۱۳ و ArcMap ۱۰.۴ بهره گرفته شده است.

نویسندگان

شهریور روستایی

دانشیار جغرافیا و برنامه ریزی شهری، دانشگاه تبریز، تبریز، ایران

ایرج تیموری

استادیار جغرافیا و برنامه ریزی شهری، دانشگاه تبریز، تبریز، ایران

محمد نعمتی

کارشناس ارشد جغرافیا و برنامه ریزی شهری، دانشگاه تبریز، تبریز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • اکبری، نعمت الله؛ رحمان خوش اخلاق؛ سارا مردی ها (۱۳۹۲). ...
  • https://www.sid.ir/fa/journal/ViewPaper.aspx?id=۲۰۱۹۳۳. ...
  • تخمین قیمت مسکن شهر اهواز با استفاده از شبکه عصبی [مقاله ژورنالی]
  • http://iueam.ir/article-۱-۱۰۵-fa.html. ...
  • پورمحمدی، محمدرضا (۱۳۹۳)، برنامه ریزی مسکن، انتشارات سمت ...
  • http://samta.samt.ac.ir/content/۱۰۸۰۶. ...
  • برآورد قیمت مسکن شهری با استفاده از تابع هدانیک و شبکه های عصبی مصنوعی مورد شناسی: کوی ولیعصر شهر تبریز [مقاله ژورنالی]
  • ۱۰.۲۲۱۱۱/gaij.۲۰۱۷.۲۹۹۵. ...
  • خلیلی عراقی، سیدمنصور؛ الهام نوبهار(۱۳۹۰).پیش بینی قیمت مسکن در ...
  • http://qjerp.ir/article-۱-۱۸۹-fa.pdf. ...
  • شعبان پور، زهرا؛ اصغر شکرگزار؛ مریم جعفری مهرآبادی (۱۳۹۸). بررسی ...
  • https://www.sid.ir/fa/journal/ViewPaper.aspx?id=۴۹۰۷۵۹. ...
  • تاثیر آلودگی هوا بر ارزش مسکن مطالعه موردی:کلان شهر تبریز [مقاله ژورنالی]
  • https://www.sid.ir/Fa/Journal/ViewPaper.aspx?id=۹۲۸۹۶. ...
  • مرکز آمار ایران (۱۳۹۴). سالنامه آماری استان آذربایجان شرقی ...
  • https://www.amar.org.ir/Portals/۰/Files/fulltext/۱۳۹۴/n_salname_keshvar_۹۴.pdf. ...
  • مهندسان مشاور نقش محیط (۱۳۹۰). طرح عمران توسعهشهر تبریز؛ شناخت ...
  • http://nmoheet.com/FA/index.php. ...
  • هاروی، دیوید (۱۳۸۲). عدالت اجتماعی و شهر، ترجمه محمدرضا حائری، ...
  • https://www.adinehbook.com/gp/product/۹۶۴۷۹۴۳۱۱۳. ...
  • یزدانی، فردین؛ طهمورث الیاسی (۱۳۸۰). بررسی اقتصادی عرضه و تقاضای ...
  • شهرداری منطقه دو تبریز، www.m۲.tabriz.ir، تاریخ مراجعه: ۱۵/۱۱/۱۳۹۸.. ...
  • Alberto Díaz-Álvarez, Miguel Clavijo, Felipe Jiménez, Edgar Talavera, Francisco Serradilla ...
  • https://doi.org/۱۰.۱۰۱۶/j.trf.۲۰۱۸.۰۴.۰۰۴. ...
  • Brito Paulo M. B. & Pereira Alfredo M. (۲۰۰۲). Housing ...
  • https://doi.org/۱۰.۱۰۰۶/juec.۲۰۰۱.۲۲۴۴.. ...
  • Charles Leung (۲۰۰۴). Macroeconomics and housing: a review of the ...
  • https://doi.org/۱۰.۱۰۱۶/j.jhe.۲۰۰۴.۰۹.۰۰۲.. ...
  • G. Naga Satish, Ch. V. Raghavendran, M.D. Sugnana Rao, Ch.Srinivasulu ...
  • Gayle Cain (۲۰۱۷).Artificial Neural Networks: New Research, Nova Science Pub ...
  • Hassan Selim (۲۰۰۹). Determinants of House Prices in Turkey: Hedonic ...
  • https://doi.org/۱۰.۱۰۱۶/j.eswa.۲۰۰۸.۰۱.۰۴۴.. ...
  • Kelvin J. Lancaster (۱۹۶۶). A New Approach to Consumer Theory, ...
  • https://doi.org/۱۰.۱۰۸۶/۲۵۹۱۳۱.. ...
  • Kim Kabsung & Park Juyoung (۲۰۰۵). Segmentation of the housing ...
  • https://doi.org/۱۰.۱۰۸۰/۰۰۰۴۹۱۸۰۵۰۰۱۵۰۰۱۹.. ...
  • Mabrouk Hamadache, Othmane Benkortbi, SalahHanini, AbdeltifAmrane (۲۰۱۷). Application of multilayer ...
  • https://doi.org/۱۰.۱۰۱۶/j.egypro.۲۰۱۷.۱۱.۱۶۹.. ...
  • Nghiep Nguyen and Al Cripps (۲۰۰۱). Predicting Housing Value: A ...
  • https://ideas.repec.org/a/jre/issued/v۲۲n۳۲۰۰۱p۳۱۳-۳۳۶.html. ...
  • Snehashish Chakraverty and Susmita Mall (۲۰۱۷). Artificial Neural Networks for ...
  • https://www.semanticscholar.org/paper/Artificial-Neural-Networks-for-Engineers-and-Chakraverty-Mall/۸۷۲۴ef۶۸۶۰۹۷d۳d۶fd۸۸۳۹۱۳d۲۸۷۰۱e۸f۹ea۲۱۶d. ...
  • Subana Shanmuganathan & Sandhya Samarasinghe (۲۰۱۶). Artificial Neural Network Modelling, ...
  • https://www.springer.com/gp/book/۹۷۸۳۳۱۹۲۸۴۹۳۴. ...
  • Vincenza Chiarazzoa, L.Caggiani, M. Marinelli, M.Ottomanelli (۲۰۱۴). A Neural Network ...
  • https://doi.org/۱۰.۱۰۱۶/j.trpro.۲۰۱۴.۱۰.۰۶۷.. ...
  • Cozmei, Cătălina; Onofrei Muler (۲۰۱۲). Impact of Property Taxes on ...
  • نمایش کامل مراجع