Chapter

1. Introduction

Author(s):
Statistical Office of the European Communities;International Labour Office;International Monetary Fund;Organization for Economic Co-operation and Development;United Nations;World Bank
Published Date:
September 2014
Share
  • ShareShare
Show Summary Details

1.1 L’immobilier résidentiel est une source de richesse et, dans la mesure où les propriétaires occupent leur bien foncier, un facteur déterminant du coût de la vie. Le prix d’un logement se distingue du coût des services qu’il fournit, bien que les deux notions soient à l’évidence étroitement liées.

1.2 Le suivi de l’évolution des prix immobiliers est considéré comme important, surtout en période de tourmente économique. Or, la méthode utilisée à cette fin varie selon les pays et il existe parfois deux méthodes concurrentes ou plus dans un pays. Il va sans dire que cette situation n’est pas propice à l’élaboration de mesures gouvernementales cohérentes, fondées sur des comparaisons internationales valables.

1.3 Dans ce contexte, le projet d’élaboration d’un manuel relatif aux indices des prix du logement, ou plus généralement de l’immobilier à usage résidentiel, prend tout son sens1. Les objectifs fondamentaux du manuel sont les suivants :

  • donner des orientations aux statisticiens désireux d’établir des indices des prix de l’immobilier résidentiel ou de modifier les indices existants dans un souci d’harmonisation internationale;

  • fournir une analyse et une comparaison des différents objectifs et des cadres conceptuels correspondants;

  • établir un inventaire des pratiques existantes.

Le contenu du manuel est présenté ci-dessous.

1.4 Le chapitre 2 passe en revue divers domaines dans lesquels les indices des prix de l’immobilier résidentiel (IPIR) jouent un rôle. Il en examine les applications suivantes :

  • comme indicateur macroéconomique de l’activité économique;

  • aux fins de politique monétaire et de ciblage de l’inflation;

  • comme instrument d’évaluation de la valeur d’une composante du patrimoine réel;

  • comme indicateur de la stabilité ou de la solidité financière pour mesurer l’exposition au risque;

  • comme déflateur dans la comptabilité nationale;

  • en tant qu’élément d’information permettant aux citoyens de décider s’ils doivent vendre ou acheter un bien immobilier résidentiel;

  • à titre d’intrant de l’indice des prix à la consommation; et

  • aux fins d’utilisation dans les comparaisons interrégionales et internationales.

1.5 Le chapitre 3, qui porte sur les différentes utilisations d’un IPIR, s’attache à combler les lacunes du Système de comptabilité nationale et de la compilation d’un indice des prix à la consommation. Si l’on parvient à construire des IPIR pour pallier ces déficiences, la famille d’IPIR en résultant satisfera probablement aux besoins de la plupart des utilisateurs.

1.6 Globalement, on peut distinguer deux types d’IPIR : un indice des prix à qualité constante du stock de logements résidentiels à un moment donné, et un indice des prix à qualité constante des ventes de biens immobiliers résidentiels intervenues au cours d’une période donnée. La construction de ces deux types d’indices diffère, notamment en ce qui concerne la pondération associée à chacun d’eux.

1.7 Le chapitre 3 résume ensuite les quatre principales méthodes de construction d’un IPIR. Les dernières sections traitent divers sujets, comme la périodicité de l’IPIR, la compatibilité des estimations mensuelles et trimestrielles et celle des estimations trimestrielles et annuelles, les politiques de révision et les ajustements saisonniers.

1.8 Les chapitres 4 à 7 analysent en profondeur les principales méthodes d’établissement des IPIR. Les plus simples se fondent sur une mesure de la tendance centrale de la distribution des prix de transaction au cours d’une période donnée, en particulier la moyenne ou la médiane. Les distributions des prix du logement présentant généralement une asymétrie positive (ce qui tient essentiellement au caractère hétérogène du logement, à l’asymétrie positive des distributions des revenus et au prix minimal nul des transactions), on utilise plus souvent la médiane que la moyenne. Comme le calcul de la médiane ne nécessite pas de données sur les caractéristiques du logement, il est facile de construire un indice qui suit l’évolution du prix de vente du logement médian d’une période sur l’autre. Les indices médians présentent en outre l’intérêt d’être faciles à comprendre.

1.9 Les indices fondés sur une médiane simple ont pour inconvénient majeur de fournir des estimations très bruitées de l’évolution des prix. L’ensemble (ou un échantillon) des logements ayant effectivement fait l’objet d’une transaction au cours d’une période est généralement de petite taille et n’est pas nécessairement représentatif du stock total de logements. Les variations dans la composition des biens immobiliers vendus influenceront donc davantage le prix médian de l’échantillon que le prix médian du stock de logements. L’erreur systématique, ou biais, présente un problème peut-être plus important que le bruit à court terme. Un indice médian peut être entaché d’un biais quand la qualité du stock de logements varie au cours du temps. Des biais peuvent également apparaître si certaines catégories de logements sont vendues plus souvent que d’autres et si les prix des deux catégories évoluent différemment au même moment.

1.10 Une méthode générale de réduction du biais de sélection de l’échantillon est la (post)stratification. Cette technique est analysée au chapitre 4.

1.11 Le chapitre 5 examine la méthode de régression hédonique. Celle-ci reconnaît que des biens hétérogènes peuvent être décrits par leurs attributs ou caractéristiques. Autrement dit, chaque bien est essentiellement un ensemble de caractéristiques de performance. Dans le contexte de l’immobilier, ces caractéristiques peuvent concerner tout autant le bâtiment que l’emplacement des biens concernés. Bien qu’il n’existe pas de marché pour les caractéristiques, puisque celles-ci ne peuvent être vendues séparément, la demande et l’offre de biens immobiliers déterminent implicitement leur contribution marginale aux prix immobiliers. On peut faire appel à des techniques de régression pour estimer ces contributions marginales ou les prix implicites.

1.12 Le chapitre analyse, sous un angle non technique, les principaux modèles utilisés et les méthodes employées pour établir des IPIR à partir de l’estimation de ces modèles. De manière générale, la méthode de régression hédonique offre probablement le meilleur moyen de construire des IPIR à qualité constante pour différentes catégories de biens immobiliers résidentiels. Néanmoins, c’est aussi celle qui exige le plus grand nombre de données.

1.13 La méthode des ventes répétées, examinée au chapitre 6, fait appel aux informations concernant les biens immobiliers qui ont été vendus plus d’une fois. Comme elle utilise uniquement des «paniers fixes», il n’y a pas de variation des paramètres de qualité à neutraliser. Sous sa forme de base, les seules informations requises sont le prix, la date de la vente et l’adresse du bien immobilier. Cette méthode exige donc beaucoup moins de données que les méthodes hédoniques. Elle tiendra en outre automatiquement compte de la microlocalisation (l’adresse), ce que les méthodes hédoniques ne sont pas en mesure de faire.

1.14 La méthode des produits appariés (ou du panier fixe), qui compare les prix du même bien au cours du temps, est le point de départ naturel de la construction d’un indice de prix. Étant donnée la faible fréquence des transactions et l’évolution constante de la qualité des logements, la méthode standard du panier fixe ne peut être appliquée directement. La méthode des ventes répétées s’efforce de résoudre ce problème en tenant uniquement compte des biens immobiliers qui ont été vendus plus d’une fois au cours de la période observée. Cette approche risque néanmoins de produire un nombre relativement faible d’observations et un biais de sélection de l’échantillon. Pour pallier ces problèmes, on peut faire appel aux valeurs estimées des biens immobiliers.

1.15 Il existe dans de nombreux pays des évaluations gouvernementales officielles de l’ensemble des biens immobiliers, car ces données sont nécessaires à des fins fiscales. Si les évaluations concernent une date de référence donnée, on peut construire un IPIR en associant les prix effectifs des ventes aux valeurs estimées. Cette démarche constitue une variante de la méthode de l’appariement de modèles, dont elle se distingue par la prise en compte des variations de composition. Dans ce cas, il est inutile de recourir à des techniques économétriques. Les diverses méthodes d’évaluation, et en particulier celle du ratio prix de vente/prix estimé, sont examinées au chapitre 7.

1.16 Les chapitres 4 à 7 présentent tous en conclusion des exemples empiriques testés sur des données réelles afin d’illustrer les méthodes examinées et de fournir des éléments de référence complémentaires. Le jeu de données couvre les ventes de biens immobiliers résidentiels dans 14 quartiers d’une ville relativement petite des Pays-Bas. Comme ces chapitres le montreront, la plupart des méthodes ne sont pas en mesure de décomposer un IPIR en terrains et en bâtiments. Le chapitre 8 se penche sur la façon dont on peut utiliser les méthodes de régression hédoniques pour obtenir cette décomposition et examine comment construire un IPIR pour le stock de biens immobiliers quand des méthodes de régression hédoniques sont employées. Se fondant sur des données réelles, il propose en outre différents moyens de surmonter les problèmes pratiques souvent rencontrés dans les travaux empiriques de cette nature, comme la forte corrélation entre la superficie du bâtiment et celle du terrain.

1.17 Dans la pratique, étant donné le coût élevé lié à la conduite d’études des prix immobiliers à des fins spécifiques, les méthodes adoptées par les organismes statistiques et d’autres organismes pour construire des IPIR ont été essentiellement déterminées par les jeux de données des prix immobiliers résultant de processus, juridiques et autres, intervenant dans le cadre de l’achat d’un logement. Les indices ainsi construits peuvent varier en fonction du moment où le prix est évalué, par exemple selon que le prix définitif de la transaction ou celui précédemment estimé pour obtenir un crédit est retenu. La quantité d’informations détaillées disponibles sur les caractéristiques des biens immobiliers vendus influencera en outre les méthodes de calcul de l’indice et limitera souvent le nombre de techniques utilisables pour mesurer l’effet qualité des modifications de taille ou d’emplacement des logements. Ainsi, le choix de la méthode pour construire un indice a toujours été conditionné par les données disponibles.

1.18 Le chapitre 9 examine, sous un angle qualitatif, les différentes sources de données utilisables pour construire des IPIR : presse écrite, agences immobilières, sociétés de prêts hypothécaires, cadastres et centres des impôts. Il se penche dans sa dernière partie sur la situation de nombreux pays en développement où les données sont rares et où la question de la propriété foncière est ambiguë.

1.19 Le chapitre 10 recense les IPIR disponibles dans différents pays et présente quelques études de cas. Il s’appuie sur les métadonnées recueillies par divers organismes, notamment la Banque centrale européenne et la Banque des règlements internationaux, et sur une enquête récemment conduite par Eurostat en relation avec l’intégration des coûts des logements occupés par leurs propriétaires dans l’indice harmonisé des prix à la consommation de l’Union européenne, qui a été élargi de manière à couvrir quelques pays non membres de l’UE.

1.20 Le chapitre 11 fournit d’autres indications pratiques en expliquant le fonctionnement des méthodes de construction d’un IPIR (à l’exclusion de la méthode rapport prix de vente/évaluation) présentées aux chapitres 4, 5 et 6 au moyen d’exemples simples faisant appel à des jeux restreints de données.

1.21 Pour conclure, le chapitre 12 formule des recommandations.

Cette proposition a en fait été formulée à l’issue de l’atelier conjoint OCDE–FMI sur les indices de prix immobiliers qui s’est tenu à Paris les 6 et 7 novembre 2006.

    Other Resources Citing This Publication