Porównanie regresji liniowej (dynamicznej AR(2)-X) i sieci neuronowych w prognozowaniu cen nieruchomości mieszkaniowych w Polsce – analiza na danych kwartalnych 2014–2024 / Comparison of Linear Regression (Dynamic AR(2)-X) and Neural Networks in Forecasting Residential Real Estate Prices in Poland – Analysis on Quarterly Data 2014–2024

Abstract

Celem rozdziału jest porównanie skuteczności prognozowania cen nieruchomości mieszkaniowych w Polsce za pomocą modelu regresji dynamicznej typu AR(2)-X (OLS/MNK) oraz sztucznych sieci neuronowych (ANN). Analiza oparta jest na danych GUS z lat 2014-2024 dotyczących rynku wtórnego w 16 miastach wojewódzkich. Przedstawiono konstrukcję modeli, ich walidację oraz ocenę jakości prognoz. Model regresji dynamicznej AR(2)-X charakteryzował się wysoką dokładnością, osiągając MAPE 2,05% i MAE 206,71 zł/m². Model sieci neuronowej MLP, choć przewyższał modele naiwne, uzyskał wyższe błędy predykcyjne: MAPE 2,24% i MAE 220,76 zł/ m².

The aim of this chapter is to compare the effectiveness of forecasting residential property prices in Poland using a dynamic regression model of the AR(2)-X type (estimated by OLS) and artificial neural networks (ANN). The analysis is based on Statistics Poland (GUS) data for 2014-2024 covering the secondary market in 16 regional capital cities. The paper presents the construction of the models, their validation, and an assessment of forecast accuracy. The AR(2)-X dynamic regression model exhibited high accuracy, achieving a MAPE of 2.05% and an MAE of PLN 206.71 per m². The MLP neural network model, although outperforming naïve benchmarks, produced higher prediction errors: a MAPE of 2.24% and an MAE of PLN 220.76 per m².