این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جغرافیا و آمایش شهری منطقه ای، جلد ۱۱، شماره ۴۰، صفحات ۵۷-۸۲
عنوان فارسی مقایسۀ عملکرد رگرسیون‌‌‌‌های خطی چندگانه و جنگل تصادفی درجهت ارزیابی قیمت واحدهای مسکونی (موردشناسی: ولیعصر شمالی، شهر تبریز)
چکیده فارسی مقاله اقتصاد مسکن یکی از مهم‌ترین ابعاد اقتصادی هر کشوری می­باشد. چرا که تغییرات قیمتی آن تبعات مختلفی را در کوتاه­مدت و بلندمدت بر اقتصاد ملی در بر خواهد داشت؛ بنابراین، تعریف مدلی که بتواند قیمت مسکن را ارزیابی نماید بسیار ضروری است. در این راستا، اهداف پژوهش حاضر مقایسه رگرسیون­های خطی چندگانه و جنگل تصادفی برای تعریف مدل ارزیابی قیمت واحدهای مسکونی و استخراج عوامل مؤثر بر قیمت واحدهای مسکونی می­باشد. جامعه آماری پژوهش حاضر کلیه واحدهای مسکونی محله­های یک الی چهار کوی ولیعصر واقع در منطقه یک شهر تبریز به تعداد 30272 واحد می­باشد. با استفاده از فرمول کوکران 379 نمونه در سطح اطمینان 95 درصد و ضریب خطای 5 درصد برآورد گردید. جهت مدل‌سازی مطلوب، اطلاعات 400 واحد مسکونی به‌عنوان نمونه به‌صورت میدانی جمع‌آوری شد. به‌منظور حذف اثر زمان در این پژوهش، تنها از داده­های شهریور سال 1399 استفاده شد. همچنین، جهت تجزیه‌وتحلیل داده­ها از نرم­افزارهای ArcMap، SPSS و RStudio استفاده شد.بر اساس نتایج، متغیرهای مساحت با 78/24 درصد، کل طبقات ساختمان با 86/9 درصد، سال ساخت با 9/7 درصد، فاصله از مراکز بهداشتی با 89/6 درصد، فاصله از تأسیسات شهری با 84/6 درصد، فاصله از فضای سبز با 03/5 درصد، فاصله از کاربری مذهبی با 48/4 درصد، فاصله از مراکز درمانی با 26/4 درصد، فاصله از مراکز نظامی و انتظامی با 99/3 درصد و استقرار واحد در طبقه با 92/3 درصد به ترتیب ده متغیر مؤثر دررابطه‌با قیمت مسکن محله­های ولیعصر شمالی می­باشند.بر پایه یافته­های پژوهش مشخص گردید که رگرسیون جنگل تصادفی نسبت به رگرسیون خطی چندگانه قابلیت بالایی را در پیش­بینی قیمت مسکن ولیعصر شمالی شهر تبریز دارا می­باشد.
کلیدواژه‌های فارسی مقاله قیمت مسکن، رگرسیون خطی چندگانه، رگرسیون جنگل تصادفی، ولیعصر شمالی، شهر تبریز،
عنوان انگلیسی A Comparison of Multiple Linear Regression and Random Forest Regression to Evaluate the Price of Residential Units (Case Study: North Valiasr, Tabriz)
چکیده انگلیسی مقاله One of the most fundamental aspects of any country is the housing economy. Because its price changes will cause numerous effects on the national economy in the short and long periods; therefore, it is essential to obtain a model which can assess housing prices. In this regard, the objectives of this research are to compare multiple linear regression and random forest regression to evaluate the price of residential units and extract the important factors in relation to the price of them. The statistical population included four north valiasr neighborhoods (n=30,272 units) and the sample size was estimated to be 379 units using the cochran formula at 95% confidence level and with a 5% error. But 400 samples considered. To eliminate the effect of time, only the data of september, 2020 were used. Also, arcmap, spss and rstudio software were used to analyze the data. According to the results, area, apartment floors, construction year, proximity to health centers, urban facilities, green spaces, religious land-use, medical centers, military land-uses and floor level, are the ten most important variables in relation to housing prices in the north valiasr neighborhoods, respectively. Further, according to the findings, random forest regression has a superior capability in predicting housing prices in north valiasr of tabriz compared to multiple linear regression.
کلیدواژه‌های انگلیسی مقاله قیمت مسکن, رگرسیون خطی چندگانه, رگرسیون جنگل تصادفی, ولیعصر شمالی, شهر تبریز
نویسندگان مقاله محمدعلی کوشش وطن |
دانشجوی دکتری جغرافیا و برنامه‌‌ریزی شهری، دانشکده برنامه‌‌ریزی و علوم محیطی، دانشگاه تبریز

اکبر اصغری زمانی |
دانشیار گروه جغرافیا و برنامه‌‌ریزی شهری، دانشکده برنامه‌‌ریزی و علوم محیطی، دانشگاه تبریز

محمد نعمتی |
دانشجوی دکتری جغرافیا و برنامه‌‌ریزی شهری، دانشکده برنامه‌‌ریزی و علوم محیطی، دانشگاه تبریز

فیروز پورمحمد |
کارشناسی ارشد جغرافیا و برنامه‌‌ریزی شهری، دانشگاه تبریز

نشانی اینترنتی https://gaij.usb.ac.ir/article_6486_d6bac030d4e36d8531f259f676b419df.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات