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

该数据集包含2022年巴黎租金管制的数据，源自相关官方文档。根据2018年11月23日的ELAN法律，允许实施租金管制措施；鉴于多年来私人租赁市场的紧张状况，巴黎希望试行此政策。每年，地方租赁观察站（经部委批准）会根据观察到的租金情况，由省长设定参考租金。该参考租金取决于房屋的地理位置、建造年份、房间数量以及是否配备家具。This dataset contains data on rent regulation in Paris for 2022, sourced from the relevant official document. Under the ELAN law of November 23, 2018, rent regulation measures can be implemented; given the tension observed in the private rental market for several years, Paris wished to experiment with this policy. Each year, the prefect sets a reference rent based on rents observed by the local rent observatory, which is approved by the ministry. This reference rent depends on the location of the housing, its year of construction, the number of rooms, and whether it is furnished or not.

搜集汇总

数据集介绍

构建方式

该数据集源自法国政府开放数据平台data.gouv.fr，具体对应巴黎2022年租金管控数据。Hugging Face仓库中，每个data.gouv.fr数据集对应一个独立存储库，每个原始表格资源被转化为一个子集或配置，并统一包含名为'train'的分割。当前版本仅包含'paris2022'子集，数据以Parquet格式存储于路径data/paris2022.parquet中，便于高效读取与处理。

特点

数据集聚焦于巴黎2022年租金管控实践，基于ELAN法案（2018年11月23日）赋予地方政府实施租金上限的权限。核心内容包含由省长依据地方租金观测站数据每年制定的参考租金，其决定因素涵盖住房地理位置、建造年份、房间数量及是否带家具等关键变量，为分析巴黎租赁市场紧张态势和调控效果提供了结构化数据支撑。

使用方法

用户可通过Hugging Face的datasets库便捷加载数据，示例代码如下：from datasets import load_dataset; ds = load_dataset('Data-Gouv-FR/encadrement-des-loyers-de-paris', 'paris2022'); print(ds['train'])。该指令将直接获取带有'train'分割的数据集对象，适用于Python环境下的进一步探索、统计分析与建模工作。

背景与挑战

背景概述

巴黎租金管制数据集（Encadrement des loyers de Paris）由法国数据开放平台data.gouv.fr于2022年发布，旨在应对巴黎私有租赁市场长期存在的租金紧张问题。该数据集的核心研究问题聚焦于2018年11月23日ELAN法案框架下，巴黎实施的租金管制实验性政策的量化评估。数据集收录了2022年巴黎各区参照租金标准，涵盖住房地理位置、建造年份、房间数量及是否带家具等关键变量，为城市经济学、住房政策与公共管理领域提供了重要的实证基础。该数据集的影响力体现在其作为法国首个大规模租金管制公开数据，不仅支持了政策效果的分析与优化，也为国际住房调控研究提供了可复制的参照范本。

当前挑战

该数据集所解决的领域问题在于，巴黎私有租赁市场长期面临信息不对称与租金失衡的挑战，数据通过透明化的参照租金标准，为政策制定者、租户及房东提供了理性的定价依据，有助于抑制租金过快上涨并保障住房可负担性。构建过程中面临的主要挑战包括：多源数据整合——需从地方租金观测站（Observatoire local des loyers）采集分散的租赁交易记录，并统一变量定义；时间对齐——2022年数据需与历年ELAN法案执行效果进行纵向比较，但历史数据格式不一；此外，数据隐私保护要求对具体地址进行匿名化处理，同时保留空间分辨率以支持空间经济学分析，这增加了数据清洗与脱敏的复杂性。

常用场景

经典使用场景

在住房经济学与城市政策研究的交叉领域，巴黎房租管控数据集（encadrement-des-loyers-de-paris）承载着极为关键的基础数据支撑功能。该数据集汇集了2022年度巴黎各行政区内依据法定要素——包括地理位置、建筑年代、房间数量及是否带家具——所设定的房租参考价格，为学者提供了一幅微观层面上透视租金调控制度的全景图。其最常见的经典使用场景是用于分析租金上限政策（loyer de référence）实施后，对巴黎私人租赁市场实际成交租金的影响，并通过对比参考租金与实际租金之间的偏离幅度，评估市场对调控政策的响应机制。此外，研究者常借助此数据集构建空间计量模型，揭示政策效果在不同街区层面的异质性和溢出效应。

衍生相关工作

围绕该数据集已衍生出多个引领城市政策评估方法的前沿工作。一方面，不少研究团队基于该数据集构建了巴黎租赁市场的价格预测模型，将参考租金作为重要特征纳入经典的特征价格模型（Hedonic Price Model）或随机森林等机器学习框架中，显著提升了对实际租金波动趋势的预测准确性。另一方面，衍生工作延伸至政策因果推断领域，研究者利用该数据集作为对照组数据，采用双重差分法（Difference-in-Differences）或断点回归设计（Regression Discontinuity Design），分析2022年新版租金参考值公布后对新签租约价格分布的因果冲击，从而更严谨地识别出调控政策的局部处理效应。此外，一些学者将该数据集与巴黎市层面的住房供给数据、人口普查数据进行空间融合，生成多维度的街区级综合指标面板，进一步衍生出关于租金管制对住房流动性、居民构成及邻里变迁的间接影响机制的研究成果。

数据集最近研究

最新研究方向

巴黎租金管制数据集（encadrement-des-loyers-de-paris）作为法国公开住房数据治理的典范，其前沿研究方向聚焦于利用机器学习模型分析2018年ELAN法案实施后的租金调控效果。该数据集通过整合地理位置、建筑年代、房间数量及是否带家具等细粒度特征，驱动研究人员构建租金异常检测与政策影响评估系统。在2023年法国住房危机加剧的背景下，该数据集被广泛应用于量化分析租金上限对租赁市场供需平衡的干预效应，并结合巴黎本地租金观察站的实测数据，验证不同市区段调控政策的差异化表现。其开源架构与标准化格式不仅推动了法国数据开放运动与欧盟住房政策透明度倡议的衔接，还为跨城市对比研究提供了可复用的基准，对优化大都市区住房可负担性治理具有突出的实证价值。