Data-Gouv-FR/encadrement-des-loyers-a-lille-hellemmes-et-lomme-zonage

该数据集展示了法国里尔、洛姆和埃莱姆的租金管制区域。文件包含与租金管制参考数据相关的信息，这些数据也可通过开放数据平台访问。背景信息指出，2018年11月23日的ELAN法律再次允许实施租金管制。鉴于多年来私人租赁市场的紧张状况，里尔市希望在其领土上试行该措施。每年，省长根据当地租金观察站（经部委批准）记录的租金情况设定参考租金，该参考租金取决于住房地址、建造年份、房间数量以及是否配备家具。因此，自2020年3月1日起，里尔、埃莱姆和洛姆的租金再次受到管制。用户可通过在线工具检查租金是否符合参考标准。This dataset presents the rent control zones in Lille, Lomme, and Hellemmes, France. The file includes information related to the rent control reference data, which is also accessible via an open data platform. Background information indicates that the ELAN law of November 23, 2018, again allows for the implementation of rent control. Given the tension observed in the private rental market for several years, the city of Lille wished to experiment with this measure on its territory. Each year, the prefect sets a reference rent based on rents recorded by the local rent observatory, which is approved by the ministry. This reference rent depends on the housing address, year of construction, number of rooms, and whether the property is furnished. Thus, since March 1, 2020, rents are again regulated in Lille, Hellemmes, and Lomme. Users can check if their rent complies with the reference standards through an online tool.

搜集汇总

数据集介绍

构建方式

该数据集源于法国政府开放数据平台data.gouv.fr，聚焦于里尔、埃莱姆和洛姆三市镇的租金管控区域划分。原始数据以CSV和Parquet格式存储，在Hugging Face平台上被重构为单一数据子集，包含一个名为'train'的分割，并转换为Parquet格式以提升存取效率。每个来自data.gouv.fr的表格资源对应Hugging Face中的一个配置，确保了数据来源的透明性和可追溯性，为研究法国ELAN法案下的租金调控政策提供了标准化、易于获取的数据基础。

特点

数据集核心特点在于其空间与属性双重维度：记录了里尔、埃莱姆和洛姆地区根据地址、建造年份、房间数量及是否带家具定义的租金参考区间。这些变量直接受法国国家观察机构每年基于市场实测租金调整，体现了动态性与地方特异性。数据以开源许可发布，结合官方平台交互工具（如租金合规测试网站），既满足学术研究的精确性需求，又为公众与政策制定者提供直观的租金上限比较基准，展现了开放数据在住房政策中的实操价值。

使用方法

用户可通过Hugging Face的datasets库便捷加载该数据集，使用简单Python代码'load_dataset'指定配置名称即可获取原始数据，并以Pandas DataFrame形式操作'train'分割。数据以Parquet格式存储，支持快速列式读取和内存高效处理，便于执行统计分析或时空建模。实践中，用户可结合地址信息与参考租金阈值，验证私人租赁市场的合规性，或用于构建租金预测模型，从而助力城市住房政策的量化评估与决策支持。

背景与挑战

背景概述

该数据集源自法国政府开放数据平台data.gouv.fr，由里尔大都会区于2020年3月创建，旨在响应2018年ELAN法案关于租金管控的再实施。核心研究问题聚焦于通过划分Lille、Hellemmes及Lomme三个区域的租赁市场，建立基于房屋地址、建造年份、房间数量及是否带家具的租金参考标准。该数据集作为公共政策工具，为评估租金管控有效性、分析市场动态及保障租户权益提供了结构化数据支撑，对法国地方住房政策研究具有重要参考价值。

当前挑战

该数据集面临的挑战首先在于解决法国租赁市场长期存在的租金失衡问题，即如何通过精细化的区域划分与多维度房屋特征（如房龄、户型）制定合理的租金上限，以防止过度涨价并平衡供需矛盾。构建过程中，需克服数据采集的复杂性——整合来自地方租金观测站的分散数据，并确保每年更新的时效性与准确性；同时，需要在法律框架下协调不同行政层级（如国家ELAN法案与地方实施细则）的衔接，避免数据标准冲突。此外，数据集以法语单一语种发布，可能限制了国际比较研究的可复制性。

常用场景

经典使用场景

该数据集聚焦于法国里尔、埃勒姆和洛姆三座城市的租金管控分区信息，是研究城市住房政策与租赁市场调控机制的宝贵资源。在社会科学与城市规划领域，研究者可借助该数据集剖析租金参考价的制定逻辑，探究其与地理位置、建筑年代、房间数量及是否配备家具等关键变量的关联。通过将官方观察数据与立法框架（如2018年ELAN法案）相结合，该数据集为构建租金管控效果评估模型提供了坚实的数据基础，尤其适用于分析政策对租赁市场平衡与住房可负担性的长期影响。其精细的空间分区特征亦支持地理信息系统（GIS）分析，助力揭示租金分布的空间异质性。

解决学术问题

该数据集的问世有效填补了法国地方性租金管控实证研究的空白，为验证租金上限政策对抑制非理性上涨、缓解住房市场供需失衡的效力提供了量化依据。学术界可借此探讨租金参考价设定如何影响房东定价行为、租户流动性与邻里社会经济结构变迁。此外，它推动了关于监管政策与二级市场（如短租平台）交互作用的探讨，帮助厘清行政干预如何在维护租户权益与保持市场效率之间寻求微妙平衡。这些研究贡献不仅深化了对法国住房体系的理解，也为全球其他高压力租赁市场制定循证政策提供了方法论启示。

衍生相关工作

基于该数据集衍生的工作主要集中在政策效果评估与空间计量分析领域。例如，研究者将其与里尔都市区住房普查数据联动，构建双重差分模型（DID）量化租金管控对周边区域溢出的空间效应。另一经典工作是利用随机森林等机器学习算法，从建筑特征与区位变量中预测租金偏离参考值的概率，进而识别潜在违规高发区。此外，该数据集被整合到法国开放数据门户的跨城市对比研究中，通过将里尔模式与巴黎、波尔多等地区的管控经验进行比较，揭示了地方政策执行差异化的深层逻辑。这些工作显著提升了数据的社会影响力，并催生了开源分析工具包的开发。