بهرامی، بهنام، قربانب، اردوان. (1393). ارزیابی کاربرد مدلهای شبکه عصبی و رگرسیونی به منظور پیشبینی تنوع گونهای با استفاده از برخی عوامل خاکی و فیزیوگرافی (مطالعه موردی: حوزه آبخیز خرابه سنجی ارومیه). 2، 65-80.
دشتی رحمتآبادی، ابراهیم، محمدی، حمید و زکریا فرجزاده (1390)، «ارزیابی عملکرد الگوهای شبکه عصبی و خودرگرسیون میانگین متحرک در پیشبینی قیمت نفت خام ایران»، فصلنامه مطالعات اقتصاد انرژی، سال هشتم، شماره 28، 118-97.
روستایی شهریور، پورمحمدی محمدرضا، و فرزانه درویشی (1397) «تحلیل فضایی عوامل موثر بر افزایش قیمت مسکن در کلان شهر تبریز با استفاده از ضریب هم بستگی و مدل برازش رگرسیونی»، فصل نامه مطالعات مدیریت شهری، سال دهم، شماره 33، 85-96.
زراءنژاد, منصور, کیانی, پویان, ابراهیمی, صلاح, رئوفی, علی. (1391). پیشبینی قیمت نفت خام اوپک با استفاده از مدل خودبازگشتی میانگین متحرک انباشته فازی. پژوهشنامه اقتصاد انرژی ایران، 107-207.
صدرالسادات، لیلا، ستوده نیا، سلمان، امیری، علی.(1396). بررسی رابطه هموارسازی سود و خطر ریزش قیمت سهام در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، پژوهشهای جدید در مدیریت و حسابداری، شماره 21، 207-230.
فرج زاده، منوچهر، دارند، محمد. (1388) مقایسه روشهای رگرسیون خطی و شبکه عصبی مصنوعی در پیشبینی میزان مرگ و میربهعنوان تابعی از دمای هوا (مطالعه موردی: تهران). تحقیقات نظام سلامت حکیم (حکیم)، 12، 45-53.
قلیزاده، وحیدپور، 1390، پیشبینی قیمت سهام با روش رگرسیون فازی، پژوهشنامهی علوم اقتصادی، 1-22.
کوه پیما جواد، ارگانی میثم، نیسانی سامانی نجمه (1399) «تخمین قیمت آپارتمان، با استفاده از رگرسیون خطی و وزن دار جغرافیایی (مطالعه موردی: منطقه 6 شهر تهران) پژوهشهای جغرافیایی برنامهریزی شهری، دوره 8، شماره 2،369-347
مدیر شانه چی، محمد حسین و ارغوان علیزاده(1385)، پیشبینی کوتاه مدت قیمت نفت با استفاده از شبکه عصبی، فصلنامه مطالعات اقتصادی انرژی، سال سوم، شماره 9، 1- 27.
Ahmed Mahoto, N., Iftikhar, R., Shaikh, A., Asiri, Y., Alghamdi, A., & Rajab, K. (2021). An Intelligent Business Model for Product Price Prediction Using Machine Learning Approach. Intelligent Automation & Soft Computing, 29(3), 147-159.
Ataman, G., & Kahraman, S. (2021). Stock Market Prediction in Brics Countries Using Linear Regression and Artificial Neural Network Hybrid Models. The Singapore Economic Review, 67(02), 635-653.
Azadeh, A. , Khakestani, M. and M. Saberi (2009), “A Flexible Fuzzy Regression Algorithm for Forecasting Oil Consumption Estimation”, Energy Policy, No. 37, pp. 5567-5579.
Budiantara, M., Gunawan, H., & Utami, E. S. (2019). Perceived Usefulness, Perceived Ease of Use, Trust in Online Store, Perceived Risk Sebagai Pemicu Niat Beli Online Pada Produk Umkm “Made in Indonesia” Melalui Penggunaan E-Commerce Marketplace. Jurnal Riset Akuntansi Mercu Buana, 5(1), 19.
Bujang, M., & Baharum, N. (2016). Sample Size Guideline for Correlation Analysis. World Journal Of Social Science Research, 3(1), 37.
Chaffey, D. (2022). E-Business and E-Commerce Management: Strategy, Implementation and Practice (5th Edition) (5th (Fifth) Edition). Prentice Hall.
Chau, K., Ma, V., & Ho, D. (2001). The Pricing of ‘Luckiness’ in the Apartment Market. Journal of Real Estate Literature, 9(1), 29-40.
Chen, C., Kim, J. B., & Yao, L. (2017). Earnings smoothing: Does it Exacerbate or Constrain Stock Price Crash Risk? Journal of Corporate Finance, 42, 36-54.
Chen, W., Zhang, H., Mehlawat, M. K., & Jia, L. (2021). Mean-Variance Portfolio Optimization Using Machine Learning-Based Stock Price Prediction. Applied Soft Computing, 100, 106943.
Ejdys, J., Ginevicius, R., Rozsa, Z., & Janoskova, K. (2019). The Role of Perceived Risk and Security Level in Building Trust in E-Government Solutions. E+M Ekonomie a Management, 22(3), 220-235.
Emioma, C. C., & Edeki, S. O. (2021). Stock Price Prediction Using Machine Learning on Least-Squares Linear Regression Basis. Journal of Physics: Conference Series, 1734(1), 012058.
Gujarati D.N. Basic Econometrics, 3rd Edition, Mc Graw-Hill International Edition 1995.
Hayton, J. W., & Blundell, M. (2021). Exploring the Relationship Between Social Class and Sport Event Volunteering. Sport Management Review, 24(1), 92-115.
Kedem B., Fokianos K. Regression Model for Time Series Analysis”. Journal of Amerian Statistical Association 2004; 99: 299.
Khashei, M., Reza Hejazi, S., & Bijari, M. (2008). A New Hybrid Artificial Neural Networks and Fuzzy Regression Model for Time Series Forecasting. Fuzzy Sets and Systems, 159(7), 769-786.
Lind D.A., Marchal W.G., Wathen S.A. Statistical Techniques in Business and Economics, 12th edition, New York, Mcgraw-Hill 2005.
Meng, Q.N., Xu, X. (2018). Price Forecasting Using an ACO-Based Support Vector Regression Ensemble in Cloud Manufacturing. Computers & Industrial Engineering, 125, 171-177.
Moskowitch, H, K. J, Kim(1993) «On Assessing the H-Value in Fuzzy Linear Regression», Journal of Fuzzy Sets and Systems, 58, 1993, Pp: 313-320.
Park, J., & Chung, H. (2009). Consumers’ Travel Website Transferring Behaviour: Analysis Using Clickstream Data-Time, Frequency, and Spending. The Service Industries Journal, 29(10), 1451-1463.
Riantini, R. E., Andini, S., Florencia, M. M., & Rabiah, A. S. (2019). E-Marketing Strategy Analysis of Consumer Purchase Decision in Indonesia Online Sports Stores. 2019 International Conference on Information Management and Technology (ICIMTech).
Seitz, C., Pokrivčák, J., Tóth, M., & Plevný, M. (2017). Online Grocery Retailing in Germany: an Explorative Analysis. Journal of Business Economics and Management, 18(6), 1243-1263.
Tseng, F. M., & Lin, L. (2005). A Quadratic Interval Logit Model for Forecasting Bankruptcy. Omega, 33(1), 85-91.
Tseng, F. M., Tzeng, G. H., Yu, H. C., & Yuan, B. J. (2001). Fuzzy ARIMA Model for Forecasting the Foreign Exchange Market. Fuzzy Sets and Systems, 118(1), 9-19.
Wen, H. Z., Sheng-hua, J., & Xiao-yu, G. (2005). Hedonic Price Analysis of Urban Housing: An Empirical Research on Hangzhou, China. Journal of Zhejiang University-SCIENCE A, 6(8), 907-914.
Whitehill, S. (2009). An Introduction to Pricing Correlation Products Using a Pair-Wise Correlation Matrix. The Journal of Credit Risk, 5(1), 97-110.
Witten, I. H., & Frank, E. (2002). Data Mining. Acm Sigmod Record, 31(1), 76-77.
Wu, B., & Tseng, N. F. (2002). A New Approach to Fuzzy Regression Models with Application to Business Cycle Analysis. Fuzzy Sets and Systems, 130(1), 33-42.
Zhang, H., Nguyen, H., Vu, D. A., Bui, X. N., & Pradhan, B. (2021). Forecasting Monthly Copper Price: A Comparative Study of Various Machine Learning-Based Methods. Resources Policy, 73, 102189.