Indices et transactions

IMPI suisse : comprendre la méthode hédonique

Comparer des logements vendus à des périodes différentes est difficile, car aucun objet n’est parfaitement identique à un autre. La surface, l’époque de construction, l’état, la situation et de nombreuses caractéristiques varient. Une simple moyenne risquerait donc de confondre évolution du marché et changement dans la qualité des biens observés.

L’Office fédéral de la statistique utilise une méthode hédonique pour limiter ce biais dans l’IMPI. Le modèle estime l’influence statistique de caractéristiques observables, puis ajuste les comparaisons entre périodes. Cette technique améliore la cohérence de l’indice, sans supprimer toutes les limites liées aux données, aux échantillons et aux particularités locales.

Réponse courte

La méthode hédonique décompose statistiquement un logement en caractéristiques mesurables. Elle tient compte, entre autres, du type d’objet, de sa taille, de son âge et de sa situation. L’objectif n’est pas de décrire chaque logement, mais de comparer des ensembles de transactions comme si leur niveau de qualité était plus stable d’une période à l’autre.

Dans l’IMPI, les modèles sont appliqués à des strates combinant type de bien et catégorie de commune. Ils sont réestimés régulièrement afin de rester adaptés aux données disponibles. Le résultat demeure un indice agrégé. Il ne constitue ni un inventaire exhaustif des transactions ni une mesure directe pour une adresse précise.

Le problème de la qualité changeante

Si davantage de logements spacieux ou récents sont échangés pendant une période, une moyenne brute peut évoluer même si la dynamique sous-jacente reste stable. À l’inverse, une proportion plus forte d’objets anciens ou situés dans des zones moins accessibles peut infléchir la moyenne. Ce phénomène est appelé effet de composition et complique toute comparaison temporelle.

L’ajustement hédonique cherche à isoler l’évolution commune en contrôlant les différences observables entre objets. Il rend les périodes plus comparables, mais dépend de la qualité des variables reçues. Une caractéristique absente, mal renseignée ou difficile à quantifier peut encore influencer les résultats sans être entièrement captée par le modèle.

  • Repérer les effets de composition
  • Distinguer qualité et mouvement temporel
  • Examiner les variables disponibles

Les caractéristiques prises en compte

La documentation de l’OFS mentionne des variables structurelles comme la surface, le nombre de pièces, l’époque de construction, le volume ou l’état du bâtiment. Des éléments de situation peuvent aussi intervenir, notamment l’accessibilité, le bruit, la vue ou la distance à un centre. Leur rôle est estimé à partir des transactions constituant l’échantillon.

Ces variables ne sont pas toutes interprétées isolément dans la publication finale. Elles alimentent un modèle conçu pour ajuster les différences de qualité. Il serait donc incorrect de reprendre un coefficient technique comme une règle universelle. Les relations estimées dépendent du périmètre, de la période, du segment et de la spécification statistique retenue.

  • Variables structurelles du logement
  • Caractéristiques de la situation
  • Informations sur le type d’usage

Strates, pondérations et mise à jour

L’IMPI sépare les maisons individuelles et les appartements en propriété, puis les répartit selon des catégories de communes. Chaque strate rassemble des transactions suffisamment proches pour être modélisées ensemble. Les sous-indices sont ensuite agrégés selon une pondération documentée. Cette organisation limite le mélange de segments dont le comportement peut différer.

Les pondérations et les modèles sont révisés périodiquement pour tenir compte de la structure récente des transactions. Cette actualisation est nécessaire, mais elle impose de lire les métadonnées associées à chaque publication. Une série demeure cohérente grâce aux méthodes de chaînage, tandis que sa représentation du marché s’adapte progressivement.

  • Séparer les types de logement
  • Utiliser les catégories de communes
  • Vérifier le millésime méthodologique

Ce que le modèle ne peut pas garantir

Un modèle hédonique améliore la comparaison, mais il ne transforme pas un échantillon en recensement complet. Les transactions sans financement observé par les établissements participants peuvent être moins représentées. Certaines qualités rares, subjectives ou mal codées restent difficiles à intégrer. Les résultats sont donc accompagnés d’un périmètre et de limites qu’il faut conserver.

À l’échelle communale, l’incertitude augmente lorsque peu de transactions sont disponibles. C’est pourquoi l’OFS publie des catégories territoriales plutôt qu’une série pour chaque commune. Pour une lecture locale, la bonne pratique consiste à utiliser l’IMPI comme tendance de contexte et à mobiliser des statistiques communales portant sur le parc, la construction et les ménages.

  • Échantillon non exhaustif
  • Caractéristiques parfois non observées
  • Aucune série automatique par commune

Questions fréquentes

Pourquoi une moyenne simple ne suffit-elle pas ?

Parce que les logements échangés changent d’une période à l’autre. Une moyenne peut varier seulement parce que les objets observés sont plus grands, plus récents ou situés ailleurs. La méthode hédonique contrôle une partie de ces différences afin de mieux isoler le mouvement temporel.

Le modèle hédonique décrit-il chaque logement ?

Non. Il estime des relations statistiques sur un ensemble de transactions. Son objectif est d’ajuster un indice agrégé, pas de produire une fiche individuelle. Les coefficients dépendent du modèle, du segment et de la période ; ils ne doivent pas être appliqués comme des règles fixes.

Pourquoi les modèles sont-ils mis à jour ?

La structure du marché, les données disponibles et les relations entre caractéristiques évoluent. Une réestimation régulière maintient le modèle en phase avec les transactions récentes. La continuité de la série est préservée par la méthode de calcul et par la documentation des changements.

Sources officielles

Sources consultées le 13 juillet 2026. Vérifiez le millésime propre à chaque tableau avant toute comparaison.

Pour poursuivre la lecture