Data-Gouv-FR/logement-encadrement-des-loyers

该数据集展示了自2019年实施租金管制以来，按街区划分的参考租金。它每年于7月1日更新，并保留历史数据。数据集包括巴黎市各街区的建筑位置地图，按地理区域和住房类型（房间数量、建筑年代、租赁类型（带家具、不带家具））分类，详细列出了参考租金、上调租金和下调租金，以每平方米居住面积的欧元表示。数据集基于行政街区数据，并附有年度法令文件。请注意，交互式地图和参考租金表仅供参考，具有法律效力的租金参考和地图可在相关政府网站获取。This dataset provides neighborhood-level reference rents following the implementation of rent control policies in 2019. It is updated annually on July 1, with historical data archived. The dataset includes building location maps for each neighborhood within the City of Paris, categorized by geographic area and housing type (number of rooms, construction era, lease type (furnished, unfurnished)), and details reference rents, rent increases and decreases, denominated in euros per square meter of habitable area. The dataset is based on administrative neighborhood data and is accompanied by annual official decree documents. Please note that the interactive maps and reference rent tables are for reference only; the legally binding rent references and official maps are available on the relevant government websites.

搜集汇总

数据集介绍

构建方式

该数据集源自法国官方开放数据平台data.gouv.fr，汇集了自2019年租金管控政策实施以来，巴黎各行政区域的参考租金信息。数据集以Parquet格式储存，对应原平台的单一表格资源，并依托Hugging Face数据集框架进行结构化存储。每个子集均包含一个名为‘train’的分割，便于直接加载与使用。数据每年7月1日更新，并保留历史快照，确保纵向可比性。

使用方法

用户可通过Hugging Face的`datasets`库便捷调用该数据集，首次使用即自动下载。加载命令为`load_dataset('Data-Gouv-ML/logement-encadrement-des-loyers', 'logement-encadrement-des-loyers')`，随后可通过`ds['train']`获取包含所有字段的表格数据。适用于Python环境下的统计分析、可视化与机器学习建模，尤其适合用来研究巴黎租金调控政策的实际效果与市场分布特征。

背景与挑战

背景概述

该数据集源于法国政府于2019年实施的租金管控政策（Encadrement des loyers），由法国数据开放平台data.gouv.fr发布并持续更新至每年7月1日。其主要研究问题聚焦于巴黎市内各行政区按地理区域、住房类型（房间数、建造年代、家具状态）划分的参考租金、最高及最低租金阈值，以欧元每平方米居住面积计算。数据集覆盖巴黎全境，旨在为政策执行提供透明化基准，并服务于公众查询与学术评估。作为法国公共数据开放运动的典型成果，该数据集对住房政策研究、城市经济学分析及房地产市场监管具有重要参考价值，推动了基于证据的租金调控决策。

当前挑战

领域层面，该数据集需解决的挑战在于量化租金管控政策的实际效果，如抑制过度租金上涨与保障住房可负担性之间的平衡，同时需处理巴黎房价高企与租赁市场复杂的动态关系。构建过程中，数据集面临多重技术性挑战：首先，需将行政区的空间数据（如街区划分）与多维度住房属性（面积、房龄、家具类型）进行标准化关联；其次，年度更新需保证历史数据连续性与版本兼容性，避免因法规调整导致指标断裂；此外，数据来源依赖多个政府机构（如巴黎市政府与法兰西岛大区行政署），需协调不同开放数据接口的格式差异与许可协议（如ODbL），确保元数据的准确性与法律合规性。

常用场景

经典使用场景

该数据集logement-encadrement-des-loyers源自法国公共开放数据平台，记录了自2019年巴黎实施租金管控政策以来，各行政区域内按房屋类型、建造年代、租赁方式（带家具与不带家具）划分的参考租金、租金上限与下限等信息。经典使用场景包括分析租金管制政策对租赁市场定价结构的影响，评估租金上限与下限随时间变迁的演变趋势，以及将租金数据与房屋地理位置、区域社会经济指标结合，探讨城市空间租金差异的形成机制。研究者可利用这些数据构建租金定价模型，检验政策在遏制租金过快上涨方面的实际效果，为其优化调整提供实证依据。

解决学术问题

该数据集有效回应了城市经济学与住房政策领域的核心问题，即为验证租金管控政策有效性提供精细化的微观证据。传统研究常因缺乏分区域、分类型的租金参考值数据而难以量化政策对市场均衡租金水平的干预效果。该数据集以年度更新且保留历史记录的方式，使学者能够对比政策实施前后租金水平的动态变化，识别租金上限对市场价格的锚定效应，并区分不同住房类型和区位的政策影响差异。其意义在于弥补了法国乃至国际范围内高时空分辨率租金管制数据的稀缺，推动租金管控政策评估从定性分析向定量实证转型，为各国制定或调整住房市场干预措施提供科学参照。

实际应用

在实际应用中，该数据集直接服务于巴黎市政府运营的租金管控自助查询工具，公众通过输入房屋区位、房间数、建造年代与租赁类型，即可获取对应的参考租金、上限与下限数值，从而判断自身租金是否合规。房地产行业从业者与租赁中介可据此制定合理的租金定价策略，避免因超越法定上限而面临法律风险。城市规划部门与住房保障机构则利用该数据集监测不同街区租金水平对低收入群体的可负担性影响，识别租金过高区域以布局补贴或保障性住房计划。此外，第三方数据平台将此数据整合进城市生活成本评估工具，辅助租户、投资者与政策研究者决策。

数据集最近研究

最新研究方向

在住房政策与数据科学交叉领域，该数据集聚焦于法国巴黎租金管制政策的量化评估与动态监测。前沿研究方向包括利用2019年以来的季度租金参考价、涨幅阈值与减幅下限等结构化指标，结合地理编码与建筑年代、房型等维度，构建精细化租金预测模型，以识别政策实施对市场均衡的冲击效应。近期热点事件围绕巴黎大区2024年新一轮租金管制法规修订，数据集被广泛用于验证租金上限对中低收入群体住房可及性的实际影响，其年度更新机制确保了跨期对比的可靠性，为欧洲其他城市推行类似政策提供了实证基准与数据基础设施支撑。