به دلیل افزایش نرخ شهرنشینی در بسیاری از کشورهای دنیا، مطالعه آن اهمیت بسزایی دارد. در این تحقیق ضمن بررسی نرخ شهرنشینی ایران، سعی در ارائه مدلی برای پیشبینی نرخ شهرنشینی ایران شده است. به-منظور مدلسازی نرخ شهرنشینی، از روش مدلسازی رگرسیونی استفاده شده است. در این راستا، توابع رگرسیونی بر داده¬هاي تجربی برازش داده شده است. سپس بر اساس تحلیل¬هاي آماري بهترین مدل¬ براي تخمین نرخ شهرنشینی انتخاب شد. به کمک این مدل¬ها می¬توان تأثیر پارامترهاي درصد کارفرمایان، درصد اشتغال در بخش خدماتی، نسبت میزان مشارکت نیروی کار زن به مرد، درصد خوداشتغالی و درصد کارگران دستمزد بگیر نسبت به کل کارکنان را بر نرخ شهرنشینی تعیین نمود. نتایج مدلسازی نشان می¬دهد که مدلسازی با استفاده از رگرسیون خطی داراي دقت بسیار بالایی در تعیین نرخ شهرنشینی می¬باشد
Due to the increasing rate of urbanization in many countries around the world, its study is very important. In this study, while examining Iran's urbanization rate, an attempt has been made to provide a model for predicting Iran's urbanization rate. In order to model the urbanization rate, regression modeling method has been used. In this regard, various regression functions are fitted to the experimental data. Then, based on statistical analysis, the best models were selected to estimate the urbanization rate. With the help of these models, the effect of the parameters of percentage of employers, percentage of employment in the service sector, the ratio of female to male labor force, percentage of self-employment and percentage of wage earners relative to total employees on urbanization rate can be determined. The modeling results show that modeling using nonlinear multivariate regression (logarithmic) and second order regression has a very high accuracy in determining the urbanization rate. Nevertheless, nonlinear multivariate (logarithmic) regression with partial superiority is the best model in explaining the rate of urbanization in Iran.