Data-Gouv-FR/nombre-de-mutations-monoventes-et-prix-moyen-au-m2-par-commune-des-maisons-et-des-appartement-en

该数据集提供了2020年法国房地产交易（DVF数据）的统计聚合，基于2020年COG（Code Officiel Géographique，法国官方地理代码）。具体内容包括：针对法国各市镇的房屋和公寓销售，统计单笔销售交易（mutations monoventes）的数量以及每平方米的平均价格。数据集旨在汇总和分析2020年房地产市场的交易活动和价格趋势。This dataset provides statistical aggregates of 2020 French real estate transactions (DVF data), based on the 2020 COG (Code Officiel Géographique, the official French geographic code). Specifically, it includes statistics on the count of single-property sales transactions (mutations monoventes) and the average price per square meter for housing and apartment sales across all French communes. This dataset is intended to aggregate and analyze transaction activities and price trends in the 2020 French real estate market.

搜集汇总

数据集介绍

构建方式

本数据集源于法国公开的DVF（Demandes de Valeurs Foncières）数据库，聚焦于2020年度法国各市镇范围内住宅物业（含独栋房屋与公寓）的单笔交易记录。通过对原始DVF数据进行系统性统计聚合，提取了单笔交易数量（mutations monoventes）与每平方米平均价格两项核心指标。数据整理依据2020年度的行政市镇编码（COG 2020）进行汇总，确保了地理空间上的精确对应。

特点

该数据集呈现了2020年法国住宅房地产市场在微观市镇层面的关键交易特征。其独特之处在于既统计了单笔交易的绝对数量，又量化了单位面积的价格水平，为研究区域住房市场活跃度与价值分布提供了双重维度。数据严格限定于单一产权转移的交易类型（monoventes），排除了复杂交易形式的干扰，从而提升了统计纯度与可比性。

使用方法

用户可通过法国开放数据平台（data.gouv.fr）以CSV等标准格式获取该数据集。在分析应用中，建议将每平方米平均价格作为因变量，结合市镇人口、收入等社会经济指标进行回归分析；也可利用单笔交易数量标准化处理，计算每千人交易密度，用于横向比较不同市镇的市场流动性。数据遵循ODbL许可协议，允许自由使用、改编与再发布，但需注明数据来源并保持同许可协议共享。

背景与挑战

背景概述

在房地产研究领域，精准的市场分析与价格评估依赖于详实的交易数据。该数据集由法国政府数据平台data.gouv.fr发布，基于2020年DVF（Demande de Valeurs Foncières）数据库构建，核心致力于统计法国各市镇住宅（独栋房屋与公寓）的单笔交易数量及每平方米平均售价。数据集以COG 2020为准，为城市经济学、空间计量与政策制定提供了重要的基准参考，其影响力体现在支撑住房可负担性评估和区域房价异质性研究中。

当前挑战

数据集面临的挑战首先源自其核心研究问题——基于聚合统计揭示房价空间分布，但原始DVF数据的完整性与清洗质量直接影响结果可靠性。构建过程中，为消除非市场交易干扰，需严格筛选“单笔交易”记录，但大规模行政数据中常存在字段缺失或录入异常等问题。此外，市镇边界随COG版本更新可能动态调整，如何确保统计口径的时空一致性成为技术难点。数据开放度虽高，但缺乏横向可比的城市设施、交通等协变量，限制了其分析深度与政策解释力。

常用场景

经典使用场景

该数据集汇聚了2020年法国各市镇独栋住宅与公寓的单一交易宗数及每平方米平均价格，为房地产经济学领域提供了弥足珍贵的基准资源。研究者常借助此数据集剖析地域间住房市场的价格分化，揭示都市圈与乡村地带的价值梯度，亦可结合时空因素探讨交易活跃度与价格波动之间的内在关联。其精细的市镇层级粒度，使得微观层面的市场异质性得以捕捉，成为验证空间计量模型与房价决定理论的理想基石。

衍生相关工作

基于该数据集，衍生出一系列聚焦法国住房市场的经典研究。部分工作围绕构建空间自回归模型，探索相邻市镇间的房价扩散效应；另一些则结合人口迁徙数据，分析交易量与价格波动的长周期趋势。此外，有研究者以此为基础开发了交互式可视化平台，助力公众与决策者直观理解区域房地产格局。这些衍生工作不仅拓展了原始数据的应用阈值，也推动了数据驱动型城市研究方法的迭代创新。

数据集最近研究

最新研究方向

该数据集聚焦于2020年法国房地产市场的交易频次与价格分布，为城市经济学与住房政策研究提供了精细化的空间分析基础。当前前沿方向包括利用这些分钟级、社区粒度的交易数据，结合机器学习模型预测住房价格波动，并探索疫情影响下的住房需求转移规律。同时，该数据集在环境正义研究中被用于关联污染暴露与住房价值变化，揭示社会空间分异的新趋势。其开源许可（ODbL）也推动了跨区域比较与可重复性分析的发展，成为不动产科学决策与可持续城市规划的重要支撑。