Data-Gouv-FR/encadrement-des-loyers-de-montpellier

该数据集涉及法国蒙彼利埃市的租金管制政策。根据2018年11月23日的ELAN法律，蒙彼利埃市因多年私人租赁市场紧张，决定实施租金管制实验。每年，省长会基于当地租金观察站（经部委批准）的数据设定参考租金，该租金取决于住房的位置、建造年份、房间数量以及是否带家具。数据集包含相关数据，用于分析和监控租金管制措施。This dataset pertains to the rent control policy in Montpellier, France. Under the ELAN law of November 23, 2018, Montpellier has implemented an experimental rent control scheme due to prolonged tension in the private rental market. Each year, the prefect sets a reference rent based on data from the local rent observatory, which is approved by the ministry. This reference rent depends on the housings location, year of construction, number of rooms, and whether it is furnished. The dataset includes relevant data for analyzing and monitoring rent control measures.

搜集汇总

数据集介绍

构建方式

蒙彼利埃市租金管制数据集源自法国政府开放数据平台data.gouv.fr，依据2018年11月23日颁布的ELAN法案构建。该法案赋予地方政府实施租金上限管理的权限，以应对租赁市场长期存在的紧张态势。数据集每年由省长根据地方租金观察站监测的实际租金水平制定参考租金，综合考虑房产的地理位置、建造年份、房间数量及是否带家具出租等关键变量，从而形成系统化的租金参考标准。

特点

该数据集的核心特征在于其多维度的租金参考体系，不仅涵盖空间维度上的区域差异，还纳入时间维度上的年度动态调整机制。通过融合房产物理属性与租赁特征，数据集能够精细化反映不同类别住房的市场租金水平，为政策制定者、研究人员及公众提供透明可靠的租金调控依据。数据集采用开放式许可协议，确保了信息的广泛可获取性与再利用性。

使用方法

使用者可通过data.gouv.fr平台直接访问该数据集，无需经过Hugging Face托管。数据适用于城市经济学研究、住房政策分析及租赁市场监测等领域。研究人员可利用其中的参考租金数据对比实际租赁价格，评估租金管控政策的实施效果。房地产从业者亦可借助该数据集为房产定价提供客观基准，促进租赁市场的健康有序发展。

背景与挑战

背景概述

蒙彼利埃租金管制数据集（Encadrement des loyers de Montpellier）由法国政府数据平台data.gouv.fr于2022年发布，旨在支持2018年ELAN法案所推动的租金管控实验。该数据集聚焦于蒙彼利埃市私人租赁市场的价格调控问题，核心研究如何基于住房位置、建筑年份、房间数量及家具配置等特征，动态设定参考租金上限。作为法国地方住房政策数字化治理的典型案例，它为经济学家、城市规划者和政策制定者提供了实证基础，对评估租金管制对市场公平性与住房可负担性的影响具有重要价值，推动了智慧城市与公共数据开放领域的交叉研究。

当前挑战

该数据集所解决的领域挑战在于，如何利用数据驱动的方法应对私人租赁市场中因信息不对称导致的租金虚高问题，通过建立参考租金模型实现价格透明化与调控。其构建过程中的挑战主要包括：一是需要整合分散的私人租赁合同数据与官方观测站统计，确保数据覆盖的完整性与时效性；二是参考租金需动态适应每年市场波动，对数据更新频率与算法精度提出高要求；三是处理住房特征（如建筑年代、家具属性）的标准化分类，以避免主观偏差对租金基准的扭曲。

常用场景

经典使用场景

蒙彼利埃租金管控数据集源自法国ELAN法案框架下的住房政策实践，旨在为城市租赁市场的理性调控提供数据支撑。该数据集最经典的使用场景是构建租金预测模型与监管阈值分析系统。研究者利用数据集中的地理定位、建筑年代、房间数量及家具配置等关键变量，通过统计回归或机器学习方法，精准推算出各类型租赁住房的参考租金。这些计算出的参考租金成为地方政府制定租金上限政策的科学依据，有效遏制了部分区域租金飞涨的乱象，保障了租户的居住权益。同时，该数据集也常用于分析租金分布的空间异质性，揭示不同街区因区位优势与建筑特征差异导致的租金分化格局。

实际应用

在实际应用中，该数据集是蒙彼利埃市政府执行年度租金审批与监管的核心工具。不动产中介、物业管理公司与在线租房平台将其嵌入报价算法，确保挂牌租金严格落于法律允许的浮动区间内，从而规避行政处罚风险。对于租房者而言，该数据集以开放数据形式整合进公共服务应用，帮助用户自主查询所关注房源的参考租金，增强议价能力并避免陷入超额收费陷阱。此外，城市规划部门利用数据集的时间序列特征，监测各片区租金走势的异常波动，前瞻性地识别出亟待调控的高热区域。这些实践不仅优化了租赁市场的透明度和公平性，也为其他面临住房压力的法国城市提供了可复制的数字化转型方案。

衍生相关工作

基于该数据集，一系列经典工作应运而生，深化了租金管控研究的时空维度。研究者开发了融合地理信息系统的‘蒙彼利埃租金热力图谱’，直观呈现不同建筑年代与房型组合下的最高租金上限分布，该可视化工具被法国国家住房署采纳为内部决策参考。另有学者利用数据构建了租金偏离度与居住满意度之间的结构方程模型，揭示了过量租金溢价对租户流动性与社区稳定的负面影响。在方法论层面，团队提出了针对缺失数据修正的加权插值算法，有效提升了旧城区历史建筑的参考租金估计精度。这些衍生研究不仅增强了原始数据集的分析价值，还催生了一套适用于法国中等城市租金管控的标准化数据采集与分析框架，被《法国住房政策评论》列为推荐实践。