Сравнение гедонических моделей и моделей машинного обучения при оценке жилой недвижимости: результаты анализа субрынков в Италии

Comparing hedonic and machine learning models in residential property valuation: evidence from sub-market analysis in Italy
Gabriella Maselli, Laura Gabrielli, Antonio Nestıcò
2026-08-20

объяснимый искусственный интеллектгедоническая регрессиямодели машинного обученияоценка жилой недвижимостистэкинговая модель
Цель. Исследование направлено на сравнение прогностической эффективности, устойчивости и интерпретируемости традиционной гедонической регрессии и моделей машинного обучения (ML) при оценке жилой недвижимости. Хотя регрессионные подходы позволяют напрямую оценивать предельные цены, их возможности по учёту нелинейностей и мультиколлинеарности могут быть ограничены. Напротив, модели искусственного интеллекта (AI) обеспечивают большую гибкость, но более подвержены переобучению и часто недостаточно прозрачны. Для улучшения интерпретации механизмов формирования цен интегрируются методы объяснимого искусственного интеллекта (XAI). Методология/подход. В рамках исследовательского тематического исследования сравниваются множественная линейная регрессия (MLR), искусственные нейронные сети (ANN), случайный лес (RF) и гибридная стекинговая модель, объединяющая ANN и RF. Анализ включает определение переменных, сбор и предварительную обработку данных, спецификацию и реализацию моделей, а также валидацию посредством обучения и k-кратной перекрёстной проверки. Для повышения интерпретируемости применяются перестановочная важность признаков и значения SHapley Additive exPlanations. Результаты. Эмпирическое исследование сосредоточено на двух зонах Osservatorio del Mercato Immobiliare (B1 и B2) города Падуя (Италия). Эффективность моделей в значительной степени определяется размером выборки, неоднородностью данных и стратегией валидации. Стекинг обеспечивает благоприятный баланс между прогностической точностью и устойчивостью, особенно в более крупной и неоднородной выборке B2, тогда как ANN и RF в большей степени подвержены переобучению на небольших и менее неоднородных наборах данных (B1). MLR демонстрирует большую стабильность на этапах обучения и перекрёстной проверки. XAI подтверждает центральную роль площади этажа в формировании цены наряду с состоянием технического обслуживания, периодом строительства и доступностью услуг. Эффективность моделей следует интерпретировать как компромисс между точностью, стабильностью и прозрачностью. Научная новизна/ценность. Исследование представляет интегрированное сравнение эконометрических подходов, методов машинного обучения и подходов на основе XAI в рамках однородного рынка жилья. I...
1
ANN и RF более склонны к переобучению на меньшей и менее неоднородной выборке B1, тогда как MLR сохраняет большую стабильность при обучении и кросс-валидации.
2
Методы объяснимого ИИ показывают, что площадь жилья является главным фактором цены, за которым следуют состояние объекта, период строительства и доступность услуг.
3
На эффективность моделей существенно влияют размер выборки, неоднородность данных и стратегия валидации.
4
Модели оценки недвижимости требуют компромисса между точностью прогнозирования, стабильностью и интерпретируемостью.
5
Стекинг обеспечивает наилучший баланс между точностью прогнозирования и устойчивостью, особенно в более крупной и неоднородной выборке B2.
6
Исследование сравнивает модели MLR, ANN, RF и стекинг ANN–RF для оценки стоимости жилья на двух субрынках Падуи.

Жилая недвижимость в субрынках B1 и B2 города Падуя, Италия

Прогностическая эффективность, устойчивость, интерпретируемость и механизмы формирования цен гедонической регрессии и моделей машинного обучения для оценки стоимости недвижимости

Publication Details
Publication Date
2026-08-20
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Gabriella Maselli
Laura Gabrielli
Antonio Nestıcò
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%