2 Estimateurs de Horvitz-Thompson et l'indice SPAR
Jan de Haan et Rens Hendriks
Précédent | Suivant
Habituellement, l'objectif de
l'échantillonnage est d'estimer le total ou la moyenne (arithmétique) d'une
variable donnée pour une population finie. Dans le contexte du logement, nous
pourrions vouloir estimer la valeur totale du parc de logements, disons, à la
période 0. Soit le parc de logements de taille et la valeur du logement La valeur cible que l'on veut estimer est
Supposons que nous ayons un
échantillon comprenant logements vendus durant la période de
référence. Si les logements sont sélectionnés par échantillonnage aléatoire
simple dans le parc de logements où chaque logement possède la même probabilité
d'inclusion, alors l'estimateur de Horvitz-Thompson
est un estimateur sans biais de (2.1);
voir, par exemple, Cochran (1977).
Une cible naturelle quoi qu'il ne s'agisse pas de
la seule possibilité pour un indice des prix des
logements serait la variation de la valeur d'un parc de logements fixe. Le
conditionnement sur le parc à la période
de référence a deux implications : les ajouts au parc (principalement
des logements neufs) doivent être exclus et les variations des biens immobiliers
existants doivent être ajustées pour tenir compte des changements de qualité,
c'est-à-dire l'effet de la dépréciation, des rénovations et des rajouts. Pour
simplifier, nous supposons que ces changements de qualité sont négligeables.
Dans ces conditions, l'indice des prix cible en passant de la période de
référence 0 à la période de comparaison est défini comme
la notation étant évidente.
Supposons que nous ayons aussi un échantillon constitué de logements vendus à la période et supposons qu'il s'agit d'un tirage
aléatoire indépendant fait dans le parc de logements à la période de référence.
Le ratio des estimateurs de Horvitz-Thompson (les moyennes d'échantillon) aux
deux périodes
peut sembler être un estimateur
naturel de notre indice cible (2.3). Toutefois, si les échantillons et sont tirés indépendamment, la variance de
l'estimateur (2.4) risque d'être considérable. En outre, un ratio estimé
tel que (2.4) présente un biais qui dépend de la variance du numérateur et de
la covariance du numérateur et du dénominateur (Cochran 1977). Dans la
perspective d'un indice, le problème important est que la composition des biens
négociés à la période n'est pas la même qu'à la période 0.
Autrement dit, nous ne comparons pas les mêmes choses.
L'approche classique d'estimation des
indices de prix repose sur les méthodes d'appariement de modèles où les prix et sont observés pour un panel fixe d'articles.
L'utilisation de données de panel permet de s'assurer que l'on compare des
articles qui sont les mêmes, ce qui réduit la variance de l'estimateur par le
ratio, parce que et sont habituellement corrélés positivement.
Cependant, à moins que les échantillons et soient extraordinairement grands, on n'obtient
que quelques appariements de logements, si tant qu'il y en ait. Donc, alors que
les prix sont observés pour les logements appartenant à
les prix à la période de référence « manquent » pour la plupart de ces
logements. Les données qui pourraient par contre être disponibles sont les
évaluations foncières de l'administration publique Nous pourrions utiliser ces évaluations comme
valeurs à la période de référence et construire l'estimateur par
« pseudo » appariement de modèles qui suit de la variation des prix
des logements :
Un problème que pose
l'estimateur (2.5) est que l'indice à la période de référence ne sera pas
égal à 1, parce que les évaluations diffèrent des prix de vente Le rééchelonnement de l'estimateur (2.5)
en le divisant par sa valeur à la période de référence est une solution
évidente, qui donne
Notons que le facteur de
rééchelonnement est stochastique, car il s'agit d'un ratio de moyennes
d'échantillon pour la période de référence, ce qui augmentera la variance de (2.6)
comparativement à l'estimateur donné par (2.5), en fonction des corrélations
entre les évaluations foncières et les prix de vente. Des renseignements
détaillées figurent dans de Haan (2007). Cependant, nous ne pouvons pas
contourner le rééchelonnement, puisqu'un indice de prix dont la valeur initiale
n'est pas égale à 1 n'aurait pas de sens.
L'expression (2.6) est appelée
indice du ratio prix de vente-évaluation (sale
price appraisal ratio) ou indice SPAR. La méthode SPAR est appliquée aux
Pays-Bas depuis janvier 2008 pour mesurer le changement de prix des
logements occupés par le propriétaire. Comme il est mentionné plus haut, nous
supposons que l'indice SPAR a pour objectif de suivre l'évolution du prix du parc de logements, qui est une mesure de
la variation du patrimoine. Par ailleurs, dans le contexte de l'Indice
harmonisé des prix à la consommation, l'indice des prix des logements doit
mesurer le changement de prix des logements
vendus durant la période de référence (Makaronidis et Hayes 2006; Eurostat
2010). Sous ce dernier concept, aucun échantillonnage ne doit être effectué si
toutes les transactions sont enregistrées et utilisées dans le calcul de
l'indice, comme cela est le cas aux Pays-Bas.
Le deuxième membre de l'équation (2.6)
exprime l'indice SPAR sous la forme du produit de deux facteurs, le ratio des
moyennes d'échantillon et un facteur entre crochets. Comme l'indice SPAR est
essentiellement fondé sur la méthode d'appariement de modèles (en utilisant des
évaluations à la place des prix de vente à la période de référence), ce facteur
rajuste le ratio des moyennes d'échantillon pour tenir compte des changements
de composition qualitative des échantillons qui ont lieu entre la
période 0 et la période Un problème éventuel est que l'indice SPAR n'est pas un estimateur de type panel. Par
conséquent, une série chronologique SPAR, disons pour les périodes pourrait souffrir d'une volatilité dans le
court terme due à des changements de composition, surtout si le nombre de
ventes est faible.
Précédent | Suivant