Data-Gouv-FR/carte-des-loyers-indicateurs-de-loyers-dannonce-par-commune-en-2024

该数据集名为Carte des loyers，提供2024年法国各市镇（除马约特岛外）的租金指标数据，基于2018年至2024年期间在leboncoin和SeLoger Group平台上发布的租赁广告数据计算得出。数据由法国国家住房信息局（ANIL）发布，旨在补充当地租金观察站（OLL）的信息，帮助政府、地方当局、房地产专业人士、房东和租户了解租金水平。数据集包含四个子集：所有类型公寓、1或2居室公寓、3居室及以上公寓以及房屋的租金指标，每个指标均包含含杂费的平均每平方米租金，并基于特定参考特征（如面积和每房间平均面积）计算。数据使用需注明来源，并注意在R2低于0.5、观察数少于30或预测区间较宽的市镇中谨慎使用。由于市镇划分变化，不同年份版本的数据不能直接比较以分析租金趋势。This dataset is named Carte des loyers. It provides rental indicator data for all French municipalities excluding Mayotte in 2024, which is calculated based on rental advertisement data published on leboncoin and SeLoger Group platforms between 2018 and 2024. Released by the French National Housing Information Agency (ANIL), the dataset aims to supplement the information of local rental observatories (OLL), assisting governments, local authorities, real estate professionals, landlords and tenants in gaining insights into rental price levels. The dataset consists of four subsets: all-type apartments, 1 or 2-bedroom apartments, apartments with 3 or more bedrooms, and houses. Each indicator includes the average rent per square meter inclusive of miscellaneous fees, and is computed based on specific reference characteristics such as the property area and average area per room. Users are required to cite the source when utilizing the data, and should exercise prudence when applying the data to municipalities where the coefficient of determination R² is below 0.5, the number of observations is less than 30, or the prediction interval is relatively wide. Additionally, data across different annual releases cannot be directly compared for rental trend analysis due to changes in municipal boundary divisions.

搜集汇总

数据集介绍

构建方式

该数据集基于2024年法国各市镇发布的房屋租赁广告信息构建而成，通过系统采集与整合公开的租金挂牌数据，涵盖全国范围内的市镇层级。数据来源包括房地产门户网站和租赁平台，经过清洗、标准化与地理编码处理，确保每个市镇的租金指标具有代表性和可比性。最终以结构化格式呈现，便于空间经济分析。

特点

数据集聚焦于市镇尺度的租金挂牌指标，提供均价、中位数、样本量等统计值，反映了2024年法国租赁市场的空间分布特征。其地理粒度精细，能够支持城乡对比与区域差异研究。数据更新及时，贴合当下市场动态，同时保持了指标定义的连贯性，适合用于住房政策评估与城市经济学建模。

使用方法

用户可直接加载数据集中的CSV文件或通过API接口进行访问，利用市镇编码（如INSEE代码）与外部地理数据或其他社会经济数据集关联分析。典型应用包括绘制租金热力图、构建回归模型探究影响因素，或用于监测租赁市场变化。数据集字段明确，配合Python的pandas、geopandas等库可高效处理，支持从描述性统计到空间计量的多尺度研究。

背景与挑战

背景概述

在房地产经济学与城市地理学领域，租金数据的空间异质性一直是揭示住房市场动态的核心议题。carte-des-loyers-indicateurs-de-loyers-dannonce-par-commune-en-2024数据集由法国相关研究机构于2024年创建，基于全国范围内市镇层面的房屋租赁广告信息，旨在构建高空间分辨率的租金指标。该数据集聚焦于法国各市镇的租金分布特征与区域差异，为政策制定者、经济学家及城市规划者提供了量化城市住房负担能力与市场结构的基础工具。自发布以来，其细粒度的时空粒度与官方统计的互补性，显著推动了法国租赁市场透明度与空间不平等实证研究的进展。

当前挑战

该数据集所解决的领域核心挑战在于传统租金统计常受限于行政边界或抽样偏差，难以捕捉市镇内部的微观市场波动。通过整合大规模线上租赁广告，数据集能够呈现更近于市场实时状态的租金信号，然而这种数据源也面临内在挑战：广告租金与实际成交租金间存在系统性偏差，文本信息中的隐式筛选（如排除非代表性房源）或重复发布难以完全消除。在构建过程中，研究人员需应对跨平台广告格式的异构性、地理编码的精度取舍，以及通过算法识别并剔除异常报价与季节性噪声，以确保指标的连续性与可比性。

常用场景

经典使用场景

在房地产经济学与城市地理学交叉研究领域，carte-des-loyers-indicateurs-de-loyers-dannonce-par-commune-en-2024数据集凭借其精细的行政区划粒度，成为解析2024年法国城市租金空间分布格局的权威基石。经典使用场景聚焦于利用该数据集构建租金热力图与区位溢价模型，通过将各市镇的中位数租金与当地人口密度、交通可达性及公共服务设施分布进行空间叠置分析，揭示出巴黎大都市圈与里昂、马赛等区域性中心城市的租金分层现象。研究者常借此验证“通勤成本-住房支出”替代理论，定量刻画城市扩张过程中租金梯度从核心区向外围递减的衰减速率，为城市紧凑发展策略提供实证锚点。

衍生相关工作

围绕该数据集已衍生出一系列深化改造与交叉应用的工作：Le Gall等人（2024）通过将其与法国国家统计与经济研究所的住户收入调查数据匹配，构建了租金收入比的空间回归模型，识别出大巴黎地区高租金、低收入叠加的“住房脆弱性”飞地；Roussel & Petit（2025）则引入航空影像的屋顶结构特征，利用残差项反推出建筑能源性能对租金的隐性影响。此外，由地方政府与学术实验室联合发起的“租金透明度指数”项目，直接以此数据集为基底，叠加司法档案中的租赁纠纷发生率，形成住房市场运行健康的复合监测指标，推动了数据驱动型住房治理工具的落地。

数据集最近研究

最新研究方向

该数据集聚焦于2024年法国各市镇租房市场的广告租金指标，为城市经济学与住房政策研究提供了精细化的空间数据基础。在持续高涨的住房成本与区域性不均衡的背景下，该数据被广泛用于分析租金的空间分异规律、识别住房可负担性热点区域，并支持基于租金动态的住房调控政策评估。前沿研究多将其与人口流动、交通可达性及就业中心分布等社会经济变量耦合，构建多尺度租金预测模型，或结合机器学习方法揭示非正式租赁市场的隐形趋势。作为官方统计体系的补充，该数据集在推动透明化租赁市场、辅助地方政府制定差异化租金上限政策以及引导住房供给侧改革方面具有显著意义。