Statistiques spatiales et étude immobilière

Spatial Statistics and Real Estate Study

• Auteur / Autrice : Piyawan Srikhum
• Direction : Laurent Batsch
• Type : Thèse de doctorat
• Discipline(s) : Sciences de gestion
• Date : Soutenance le 12/11/2012
• Etablissement(s) : Paris 9
• Ecole(s) doctorale(s) : Ecole doctorale SDOSE (Paris)
• Partenaire(s) de recherche : Laboratoire : Dauphine Recherches en management (Paris)

Mots clés

Mots clés contrôlés

France

Logement -- Vente

Géostatistique

Méthodes d'évaluation immobilières

Analyse spatiale (statistique)

Mots clés libres

Econométrie spatiale

Non stationnarité spatiale

Quartier dominant

Evaluation de biens immobiliers

Spatial statistics

Spatial econometrics

Real estate price estimation

Non-stationary variogram

Résumé

La présence de dépendance spatiale des prix immobiliers impose aux méthodes d’estimation de prendre en compte cet élément. Les deux approches de la statistique spatiale sont l’économétrie spatiale et la géostatistique. La géostatistique estime directement la matrice de variance-covariance en supposant que la covariance entre les observations dépend inversement de la distance séparant leur localisation. L’économétrie spatiale définit et intègre la matrice d’interaction spatiale dans un modèle de régression hédonique. Si ces deux méthodes sont possibles pour étudier la dépendance spatiale des prix immobiliers dans des contextes variés, il n’existe cependant pas de règles très claires quant au choix de la méthode à sélectionner. Cette thèse procède à un examen détaillé de ces deux approches afin de pouvoir en distinguer les ressemblances et les différences, les avantages et les inconvénients. Des exemples d’application de chaque approche dans une étude immobilière sont présentés. La géostatistique est utilisée pour analyser la stationnarité du variogramme, ainsi que la sensibilité du variogramme aux paramètres de l’estimation hédonique. Le modèle d’économétrie spatiale est utilisé pour tenter d’identifier économétriquement le quartier dominant du marché immobilier d’une ville

Geostatistics and spatial econometrics are two spatial statistical approaches used to deal with spatial dependence. Geostatistics estimates directly the variance-covariance matrix by assuming that the covariance among observations depends inversely on the distance between their locations, called the covariogram. Spatial econometrics defines and integrates the spatial interaction matrix in a hedonic regression model. In real estate, price estimation should take into account these spatial characteristics because property prices are correlated. Hence, these two approaches are commonly used to study the spatial dependence of the real estate prices in many contexts. However, a definite rule in selection these statistic approaches has not been established. This thesis examined these two approaches in order to distinguish the similarities, differences, advantages, and disadvantages of each methodology. Some examples of their applications in a real estate study. The geostatistics is used to analyze the stationarity of the variogram and its sensitivity depending on the parameters added in hedonic estimation. The spatial econometric is used to define econometrically the real estate market dominant area