"Carte des loyers" - Indicateurs de loyers d'annonce par commune en 2018

This dataset comes from a certified public service

Ministère de la Transition écologique

Informations

Licencia
Licence Ouverte / Open Licence version 2.0
Cobertura temporal
2018/07 to 2018/09
Frequency
Puntual
Fecha de creación
2 de diciembre de 2020
Modification date
3 de diciembre de 2020
Latest resource update
3 de diciembre de 2020
Territorial coverage granularity
Ciudad francesa
Territorial coverage
France

Extras

ID
5fc7bd499a1944cb674fd064
Fecha de creación
2 de diciembre de 2020
Modification date
3 de diciembre de 2020

Contexte du projet

La connaissance du niveau des loyers est importante pour garantir le bon fonctionnement du marché locatif et la conduite des politiques nationales et locales de l’habitat. La Direction Générale de l’Aménagement, du Logement et de la Nature (DGALN) a lancé en 2018 le projet de « carte des loyers » en s’associant d’une part à une équipe de recherche en économie d’Agrosup Dijon et de l’Institut national de la recherche en agronomique (INRAE), et d’autre part à SeLoger, leboncoin et PAP.

Ce partenariat innovant a permis de reconstituer une base de données avec plus de 9 millions d’annonces locatives. A partir de ces données, l’équipe de recherche a développé une méthodologie d’estimation d’indicateurs, à l’échelle communale, du loyer (charges comprises) par m² pour les appartements et maisons.

Ces indicateurs expérimentaux sont mis en ligne afin d’être utilisable par tous : services de l’Etat, collectivités territoriales, professionnels de l’immobiliers, particuliers bailleurs et locataires. Dans une deuxième phase du projet, la méthodologie devra être consolidée et pérennisée, pour prévoir une actualisation à intervalle régulier de ces indicateurs.

Ce projet fournit une information complémentaire à celle offerte par les Observatoires Locaux des Loyers (OLL), déployés depuis 2013 et renforcés depuis 2018 par la loi Elan. Aujourd’hui, ce réseau associatif de 30 OLL publie chaque année des informations précises sur les loyers pratiqués dans 51 des principales agglomérations françaises.

Présentation du jeu de données

Les données diffusées sont des indicateurs de loyers d’annonces, à l’échelle de la commune. Le champ couvert est la France entière, hors Mayotte. La géographie des communes est celle en vigueur au 1er janvier 2017.

Les indicateurs de loyers sont calculés grâce à l’utilisation des données d’annonces parues sur leboncoin, SeLoger et PAP sur la période 2015-2019.

Les indicateurs de loyers sont fournis charges comprises pour des biens types mis en location au 3ème trimestre 2018 avec les caractéristiques de référence suivantes :

  • Pour un appartement : surface de 49 m² et surface moyenne par pièce de 22,1 m²
  • Pour une maison : surface de 92 m² et surface moyenne par pièce de 22,5 m²

Conditions d’utilisation des données

Ces indicateurs sont utilisables librement, sous réserve de mentionner la source sous la forme suivante : « Estimations UMR 1041 CESAER (AgroSup Dijon-INRAE) à partir des données SeLoger, leboncoin, PAP ».

Précautions d’emploi

Les indicateurs de loyers sont calculés charges comprises, sur des données d’annonces, donc mesurent des loyers de flux uniquement. Les données ont été dédoublonnées mais sans pouvoir s’appuyer sur des photos et des caractéristiques très discriminantes. Pour les communes n’ayant aucun logement mis en location via une annonce sur au moins un des 3 sites sur la période considérée, l’indicateur de loyer est celui estimé pour une maille plus grande comprenant des communes voisines présentant des caractéristiques similaires.

Par ailleurs, les données ne permettant pas de distinguer avec certitude les locations meublées et touristiques, des biais dans les indicateurs de loyers peuvent être observés localement.

Les utilisateurs sont invités à considérer avec prudence les indicateurs de loyer dans les communes où le coefficient de détermination (R2) est inférieur à 0,5, le nombre d’observations dans la commune est inférieur à 30 ou l’intervalle de prédiction est très large.

Resources 4

See also: community resources

Main file 2

611 downloads

indicateurs-loyers-appartements.csv

Disponible

Indicateurs de loyers par m2 charges comprises en 2018, pour les appartements

Tipo
Main file
MIME Type
text/csv
sha1
558e7032e785bc2141b44509c85f73168cf5c8f2
Created on
3 de diciembre de 2020
Modified on
3 de diciembre de 2020
Published on
3 de diciembre de 2020
227 downloads

indicateurs-loyers-maisons.csv

Disponible

Indicateurs de loyers par m2 charges comprises en 2018, pour les maisons

Tipo
Main file
MIME Type
text/csv
sha1
f7f859882f97f1623c3872940e7e09923649a377
Created on
3 de diciembre de 2020
Modified on
3 de diciembre de 2020
Published on
3 de diciembre de 2020

Documentation 2

162 downloads

note-methodologique-loyers.pdf

Disponible
pdf (1.6Mo)

Note technique présentant de manière détaillée la méthodologie d'estimation des indicateurs de loyer

Tipo
Documentation
MIME Type
application/pdf
sha1
da9751ac774bf6a56e0515f92635302c566b530a
Created on
2 de diciembre de 2020
Modified on
2 de diciembre de 2020
Published on
2 de diciembre de 2020
175 downloads

dictionnaire-variables.pdf

Disponible
pdf (228.4Ko)

Dictionnaire des variables et guide d'utilisation des données

Tipo
Documentation
MIME Type
application/pdf
sha1
e94f35b87e152cc7431b2119bb52e6bd62a6d99e
Created on
2 de diciembre de 2020
Modified on
2 de diciembre de 2020
Published on
2 de diciembre de 2020

Embed

You can easily embed this dataset on your website by pasting this snippet in your html page.

Community resources 2

You have built a more comprehensive database than those presented here? This is the time to share it!

0 downloads

indicateurs-loyers.7z

adl 31

Disponible
7z (29.8Mo)

Données jointes avec les contours communaux - Admin express 2017 de l'IGN.
Données "nettoyées" -> codes communes sur 5 caractères et codes département et région sur 2 caractères, le tout en utf-8.
Les arrondissements de Marseille, Lyon et Paris ne figurant pas dans Admin express 2017 de l'IGN, les indicateurs, pour ces communes ont été agrégés par commune (moyennes pondérées par le nombre d'observations).
Les scripts sql effectués sous postgis sont dans le fichier en téléchargement.

Données au format gpkg en lambert 93 (epsg:2154).

Tipo
MIME Type
application/x-7z-compressed
sha1
c5f678d55e41dc464342e513b5b146ed9d2da389
Created on
9 de marzo de 2021
Modified on
25 de marzo de 2021
Published on
9 de marzo de 2021
1 downloads

prixm2+loyer_communes.csv

Gauthier Thurin

Disponible

Contenu

À l'échelle communale, prix moyen au m2 des ventes foncières (entre 2018 et 2019) ainsi que loyers moyens au m2.

Auteurs

LABARBARIE Pol, Master 2 Modélisation Statistique et Stochastique, Université de Bordeaux, labarbariepol@gmail.com

THURIN Gauthier, Master 2 Modélisation Statistique et Stochastique, Université de Bordeaux, thuringauthier@gmail.com

Source 1

https://www.data.gouv.fr/fr/datasets/prix-moyen-au-m2-des-ventes-de-maisons-et-dappartements-par-commune-en-2019/

Nous avons réutilisé les données fournies par Boris Mericskay ("à l'échelles des communes françaises métropolitaines, le nombre de ventes de maisons et d'appartements et le prix moyen au m² des transactions simples"). En regroupant les données fournies pour 2018 et pour 2019, nous avons rajouté un prix moyen au m2 pour chaque commune (moyenne pondérée par le nombre de ventes). Ceci comble, pour les petites communes n'ayant aucune vente en 2018 ou en 2019, les valeurs manquantes de l'un ou l'autre des csv de M. Boris Mericskay.

Source 2

https://www.data.gouv.fr/fr/datasets/carte-des-loyers-indicateurs-de-loyers-dannonce-par-commune-en-2018/

Également, nous avons regroupé des informations issues de la "carte des loyers" (indicateurs de loyers d’annonces, à l’échelle de la commune). Ces données "carte des loyers" sont utilisables librement, sous réserve de mentionner la source sous la forme suivante : « Estimations UMR 1041 CESAER (AgroSup Dijon-INRAE) à partir des données SeLoger, leboncoin, PAP ». Nous disposions de plus de communes pour ces indicateurs de loyers que pour les prix moyens (source 1). Nous nous sommes donc restreints aux communes présentes dans ce premier csv.

Variables

Ainsi, pour chaque commune, ce data comprend des informations communales (INSEE de la commune, INSEE du département, INSEE de la région, code EPCI, nom de la commune, population), le nombre de ventes de 2019 (Nb_Ventes), un prix moyen au m2 pour 2019 (PrixMoyen_M2), un prix moyen au m2 moyenné entre 2018 et 2019 (PrixMoyen_M2_1819), un loyer moyen au m2 de 2018 (un pour les appartements et un pour les maisons) ainsi qu'un coefficient de détermination (R2) associé à la prédiction du-dit loyer. Pour comprendre d'où vient ce R2, veuillez considérer la page "carte des loyers" sur data.gouv.

Codes R


prix_2019 = read.csv2("prixm2-communes-2019.csv") # Données publiées par Boris Mericskay
prix_2018 = read.csv("prixm2-communes-2018.csv") # Données publiées par Boris Mericskay

prix_2018 = prix_2018[,-1] 

prix_2018 = prix_2018[order(prix_2018$ID),] 
prix_2019 = prix_2019[order(prix_2019$ID),] 

prix_2018$Nb_Transac[is.na(prix_2018$Nb_Transac)] <- 0 
prix_2018$Prixm2_Moy[is.na(prix_2018$Prixm2_Moy)] <- 0 
prix_2019$Nb_Ventes[is.na(prix_2019$Nb_Ventes)] <- 0 
prix_2019$PrixMoyen_M2[is.na(prix_2019$PrixMoyen_M2)] <- 0 

prix_2019$PrixMoyen_M2_1819 = ((prix_2018$Nb_Transac * prix_2018$Prixm2_Moy) + (prix_2019$Nb_Ventes * prix_2019$PrixMoyen_M2)) / (prix_2018$Nb_Transac + prix_2019$Nb_Ventes )

loyers_apparts_2018 = read.csv2("indicateurs-loyers-appartements.csv") #données "carte des loyers"
loyers_maisons_2018 = read.csv2("indicateurs-loyers-maisons.csv") #données "carte des loyers"

loyers_maisons_2018[loyers_maisons_2018$INSEE %in% prix_2019$INSEE_COM,] 
loyers_apparts_2018[loyers_apparts_2018$INSEE %in% prix_2019$INSEE_COM,]

#On rajoute les infos des indicateurs de loyers dans prix_2019

prix_2019$loyer_apparts = rep(0,nrow(prix_2019))
for (i in 1:nrow(prix_2019)){
  if (nrow(loyers_apparts_2018[loyers_apparts_2018$INSEE==prix_2019$INSEE_COM[i],])!=0){
  prix_2019$loyer_apparts[i] = loyers_apparts_2018[loyers_apparts_2018$INSEE==prix_2019$INSEE_COM[i],]$loypredm2
  }
}

prix_2019$loyer_maisons = rep(0,nrow(prix_2019))
for (i in 1:nrow(prix_2019)){
  if (nrow(loyers_maisons_2018[loyers_maisons_2018$INSEE==prix_2019$INSEE_COM[i],])!=0){
    prix_2019$loyer_maisons[i] = loyers_maisons_2018[loyers_maisons_2018$INSEE==prix_2019$INSEE_COM[i],]$loypredm2
  }
}


write.csv(x = prix_2019, file = "prixm2+loyer_communes.csv")

Si vous réutilisez ces données, n'hésitez pas à nous contacter pour partager votre travail. Si vous trouvez des imprécisions pour ces données, n'hésitez pas à nous le faire remarquer par mail.

Tipo
MIME Type
text/csv
sha1
8822a76cdd2d2d717ec880625c384ddaaf410439
Created on
25 de febrero de 2021
Modified on
25 de febrero de 2021
Published on
25 de febrero de 2021
Generated with Avocode.<Path><Rectangle><Rectangle>Add a community resource

Reutilizaciones 4

You reused these data and published an article, a computer graphics, or an application? It's time to let you know! Reference your work in just a few clicks and increase your visibility.

Discussions 0

Discussion between the organization and the community about this dataset.