در این مطالعه به بررسی برخی عوامل موثر بر قیمت مسکن در منطقه یک شهر تهران با استفاده از رویکرد اقتصادسنجی بیزین می پردازیم. در اقتصادسنجی بیزین با دخیل کردن حدس ها، باورها و نظرات نخبگان از طریق توزیع پیشین که در واقع منبع دیگری به جز داده هایی است که در اختیار محقق می باشد، می توان در نهایت به تخمین های بهتر و کاراتری دست یافت. دراین مقاله از قیمت های فروش پانصد و چهل و شش آپارتمان مسکونی فروخته شده در منطقه یک شهر تهران، در سال 1393 استفاده می کنیم که آمارهای مذکور از مشاورین املاک منطقه و اتحادیه مشاورین املاک تهران اخذ شده است. در ادامه قیمت فروش مسکن را به عنوان متغیر وابسته و چهار متغیر توضیحی اندازه آپارتمان، عمر یا قدمت آپارتمان، داشتن استخر، سونا و سالن ورزشی در مجموعه آپارتمانی (که به صورت یک متغیر مجازی بوده و در صورت وجود مقدار، یک و در صورت عدم وجود، صفر را اختیار می کند) و تعدادپارکینگ لحاظ شده برای هر واحد مسکونی را در نظر می گیریم. نتایج حاصل از این مقاله حاکی از این است که، در حالت استفاده از توزیع پیشین دارای اطلاع هر یک مترمربع افزایش در مساحت آپارتمان مسکونی تقریبا حدود چهارده میلیون و 500 هزار تومان به قیمت یا ارزش واحد مسکونی می افزاید، همچنین افزایش هر سال اضافی در عمر بنا یا قدمت ساختمان باعث کاهش حدود 75 میلیون تومان در قیمت واحد مسکونی می گردد که با توجه به اینکه متوسط متراژ آپارتمان در این منطقه در نمونه 546 تایی، استفاده شده در مقاله، حدود 140 مترمربع می باشد لذا به سهولت می توان بیان داشت که هر سال افزایش در قدمت یک آپارتمان مسکونی در منطقه یک شهر تهران به طور متوسط باعث کاهش حدود پانصد و سی هزار تومان در قیمت هر مترمربع بنای آپارتمان مسکونی می شود. همچنین نتایج تخمین ها نشان دادند که داشتن استخر، سونا و سالن ورزشی در مجتمع آپارتمانی باعث افزایش قیمت واحد مسکونی به اندازه حدود 420 میلیون تومان می شود.

مسکن یکی از نیازهای اصلی بشر در برآوردن آسایش و آرامش است. در سال های اخیر، به دلیل تغییرات شدید قیمت مسکن، به ویژه در شهر تهران، تخمین قیمت آپارتمان به یکی از موضوعات جذاب در میان شهروندان تبدیل شده است. هدف این مطالعه بررسی چگونگی تغییرات قیمت مسکن براساس پارامترهای مختلف واحدهای مسکونی و درنهایت ارائة یک مدل برای تخمین قیمت یک آپارتمان است. در ابتدا هم بستگی میان پارامترهای مؤثر در قیمت آپارتمان ها در سال 1397 بررسی شد. سپس با استفاده از داده های قیمت و روش های رگرسیون خطی و جغرافیایی، قیمت آپارتمان های منطقة 6 شهر تهران تخمین زده شد. برای تعیین قیمت آپارتمان ها از متغیرهای سن بنا، روز سال، زیربنا، آسانسور و طبقه، داشتن یا نداشتن پارکینگ، انباری و آدرس و موقعیت جغرافیایی استفاده شده است. نتایج نشان می دهد روش رگرسیون جغرافیایی نتایج دقیق تری از رگرسیون معمولی دارد و می تواند دقت مدل را نیز در هر نقطه بیان کند. براساس روش رگرسیون جغرافیایی، مدل در برخی نقاط دقتی بیش از 95 درصد دارد؛ درحالی که برای برخی نقاط کمتر از 55 درصد و نشان دهندة وابستگی شدید قیمت آپارتمان به موقعیت آن است. به عبارت دیگر، در نواحی مختلف عوامل متفاوتی در تعیین قیمت آپارتمان اهمیت دارند. درنهایت مدلی سنتی برای تخمین قیمت ارائه شده است که بیش از 90 درصد تغییرات قیمت در منطقه را بیان می کند که از روابط رگرسیونی عادی ساده تر است و با نتایج پژوهش های میدانی از مشاوران املاک هم خوانی کامل دارد.

در بعد اقتصادی هر جامعه، مسکن همواره یک نیاز اساسی است. از این رو، تحولات بخش مسکن، تاثیر 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 تاثیرگذار بر قیمت این کالا است. پژوهش حاضر، با هدف تخمین قیمت مسکن و تعیین عوامل تاثیرگذار بر آن در شهر اهواز، بررسی نسبتا 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 تاثیرگذاری 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 تاثیرگذار بر قیمت مسکن در این شهر، زیربنای ساختمان (متراژ) و دسترسی، بیشترین سهم را به خود اختصاص داده اند. با توجه به تاثیر 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.

هدف این مطالعه ایجاد مدل ترکیبی برای تخمین قیمت مسکن در شهر تهران است. تخمین قیمت مسکن از جنبه های متعدد مهم است. قیمت تخمینی مسکن بر نحوه ی برنامه ریزی، طراحی و ساخت مسکن تأثیر می گذارد. با آگاهی از قیمت تخمینی مسکن، سرمایه گذاران و سازندگان مسکن می توانند میزان سود یا ضرر خود را تخمین بزنند و با ریسک کمتری سرمایه گذاری کنند. کاهش ریسک سرمایه گذاری در مسکن باعث ایجاد فرصت های شغلی بیشتر، رشد اقتصادی و کاهش معضل های اقتصادی و اجتماعی ناشی از کمبود مسکن با کیفیت و قیمت مناسب می شود. عوامل متعددی مانند قیمت دوره ی قبل مسکن، تغییرات جمعیت، هزینه ی ساخت مسکن و تغییرات فصل تأثیر معناداری بر قیمت مسکن دارند. در این پژوهش، ابتدا عوامل کلان و اقتصاد خرد که بر قیمت مسکن تأثیر می گذارند بررسی و داده های مربوطه جمع آوری شد. در مرحله بعدی، داده ها غربال گری و آماده سازی شد. سپس، از داده ها برای توسعه مدل های رگرسیون و مدل های سری زمانی شامل میانگین متحرک خودهمبسته ی یکپارچه (آریما) و اتورگرسیون برداری استفاده شد. با استفاده از مدل رگرسیون می توان قیمت مسکن در سال های مختلف را بر اساس مجموعه ای از متغیرهای مستقل محاسبه کرد. مدل آریما خروجی مدل رگرسیون را دریافت می‎کند و قیمت مسکن را در سال های بعد تخمین می زند. از طرف دیگر، مدل اتورگرسیون برداری نیز می‎تواند به صورت مستقل برای تخمین قیمت مسکن استفاده شود. برای مقایسه عملکرد مدل ها، میزان خطای آن ها به دو روش درصد میانگین مطلق خطا و خطای استاندارد نسبی اندازه گیری شد. براساس این اندازه گیری، میزان خطای مدل اتورگرسیون برداری از ترکیب مدل رگرسیون و آریما کمتر است زیرا در مدل اتورگرسیون برداری، تأثیر متغیرهای مستقل به طور مستقیم در مدل اعمال شده است. مدل های ساخته شده در این پژوهش به سیاست گذاران، سرمایه گذاران، توسعه دهندگان، خریداران مسکن و مؤسسات مالی کمک می کند تا قیمت مسکن را تخمین بزنند و آگاهانه در خصوص سرمایه‎گذاری در مسکن تصمیم بگیرند.

امروزه بی توجهی معماران و طراحان به ارزش های متفاوت زنانه، غالب های جدید غیر قابل انعطافی را تشکیل داده است. وجود آشپزخانه های باز در خانه ها و آپارتمان های جدید جزئی از ساختار واحد مسکونی امروز ایران به حساب می آید. این تغییر فضایی پیامدهایی در نظام اجتماعی و روابط انسانی دارد. این مقاله در صدد کاوش تجربه زیست زنان ایرانی در این فضای نوپدید است. این مقاله با بهره مندی از روش مصاحبه کیفی تفاسیر زنان تهرانی از این پدیده را بازنمایی می کند. زنان موافق مورد مصاحبه دلایلی چون از میان رفتن حریم اختصاصی، نامناسب بودن این سبک معماری با سبک زندگی ایرانیان در زمینه آشپزی و پوشش را عمده ترین دلایل مخالفت خویش با این سبک معماری ذکر کرده اند. در مقابل زیبایی و به روز بودن و همچنین امکان ارتباط بیشتر با فضاهای دیگر و خانواده از سوی زنان موافق، دلایل مناسب بودن این سبک دانسته شده است. یافته های این مقاله ضرورت ارائه مدل های معماری متنوع تر برای خانه های ایرانی را مطرح می کند. مدل هایی که ضمن دارا بودن ارزش های زیباشناختی برای سبک های زندگی متنوع زنان ایران، گزینه های متنوع تر و سازگارتری را عرضه نمایند.

هدف: هدف از انجام این تحقیق تخمین قیمت بازیکنان لیگ حرفه ­ای فوتبال ایران بود.روش شناسی: روش انجام تحقیق با استفاده از طرح­ های آمیخته اکتشافی بود که تلفیقی از روش­ های کیفی و کمی می ­باشد. جامعه ­ی آماری تحقیق در بخش کیفی شامل مدیران، مربیان باشگاه­ ها و کارشناسان خبره و آشنا با حوزه خرید و فروش بازیکنان بودند که چهارده نفر تا رسیدن به نقطه اشباع، به روش گلوله برفی انتخاب شدند. در بخش کمی نیز جامعه آماری شامل کلیه ­ی فوتبالیست ­های حاضر در لیگ حرفه ­ای فوتبال خلیج فارس ایران در سال ­های 1396-1398 بودند. ابزار تحقیق در روش کیفی شامل مصاحبه عمیق بود که پایایی آن از طریق روش بازآزمون 81 درصد محاسبه شد. داده ­های مورد نیاز برای تجزیه و تحلیل روش­ های کمی نیز از سایت ­های معتبر و سازمان لیگ فوتبال ایران جمع ­آوری شدند. همچنین طراحی مدل از طریق شبکه ­های عصبی شعاعی با بهره ­گیری از نرم­ افزار R انجام پذیرفت.یافته ها: یافته­های پژوهش در بخش کیفی نشان داد که عملکرد بازیکن، ویژگی های شخصی، توانایی­ های آن ها، ویژگی­ های باشگاه و عوامل ایجاد کننده حباب، در تعیین قیمت بازیکنان فوتبال مؤثر است. همچنین در بخش کمی مدلی با سه لایه ­ی پنهان طراحی شد که کمترین میزان خطا را در پیش­بینی قیمت بازیکنان داشت.نتیجه گیری: در مجموع طراحی این مدل موجب آگاهی مسئولین خرید و فروش باشگاه ­های فوتبال خواهند شد تا بتوانند بازیکنان با استعداد و دارای هزینه نقل و انتقال مناسب را با حداقل هزینه و سطح بالایی از قابلیت اطمینان جذب نمایند.