文／馮俞璇、周若湘

一直密切關注住宅租賃市場發展的法國政府，擁有豐富且多元的住宅統計數據庫。為了更有效地掌握租賃市場的關鍵要素之一 —「租金」，法國國家住宅資訊局（Agence nationale pour l'information sur le logement, ANIL）便在 2020 年推出「 租金地圖 」，不僅為政府部門和地方當局提供監測租賃市場現況和推動政策的有力工具，同時更藉由向大眾公開發布，讓不動產專業人士、房東及租客們都能夠輕鬆使用此網站深入了解法國的租賃市場現況。

繼上一篇倫敦租金地圖的介紹，今天就讓筆者來帶大家認識「 法國租金地圖 」的各項衡量指標以及使用限制吧！

法國租金地圖歷程

早在 2018 年，法國租金地圖便由規劃、住宅和自然總局（Direction générale de l'aménagement, du logement et de la nature, DGALN）主導並開始構想建立，開發團隊包括來自第戎農業大學和國家農業、食品和環境研究所（National Research Institute for Agriculture, Food and the Environment, INRAE）的研究團隊，以及 SeLoger、leboncoin 和 pap.fr 等 3 家私營租賃網站的協力合作。

2020 年，租金地圖的開發才由法國國家住宅資訊局（ ANIL ）接手，並發布第一版本的官方租金地圖；一直到 2022 年，ANIL 才又再次與 SeLoger 、 leboncoin 這兩間私營租賃企業合作，更新租金數據庫並應用新的計算方法，並且據此正式推出新版本的「 法國租金地圖 」。

法國租金地圖呈現了什麼？ 

社會統計數據指標比較

相較於英國倫敦租金地圖僅呈現「租金水準」一項指標，法國租金地圖增加了「比較其他社會統計數據指標」的功能！圖1 為 2022 年 ANIL 發布的租金地圖，可以看到該平台並非僅提供「租金」這項指標，介面上同時還可以選取就業、所得水準、都市土地使用分區等多項社會統計指標，平台使用者更可直接比較不同指標於空間分布的狀況。

 
圖1 法國租金地圖 

圖片來源：https://www.observatoire-des-territoires.gouv.fr/outils/cartographie-interactive/#c=indicator&i=loyers_dgaln.loypredm2_app3&s=2022&view=map53

換句話說，ANIL 不只是提供一個地圖平台，更提供使用者在這平台分析比較多種與住宅相關的社會統計指標，其中當然也包含租金水準。舉例來說，在圖2 中，我們可以同時選取「租金」與「失業率」兩項指標繪製地圖，圖2 左為 2022 年私人標準公寓每平方公尺的開價租金，圖2 右則為 2022 年法國各地失業率。

圖2 租金與失業率地圖比較

(圖片經google 翻譯將法文轉英文)

互動式圖表統計

除此之外， ANIL 提供的地圖平台還加入了互動式的圖表連結及統計數據。假設我們選擇 CARTE（地圖）和 TABLEAU（圖3），接著選擇編號 75056 Paris這座城市，那我們就可以看到 Paris 在 2022 年私人租賃存量中三房以上公寓的開價租金為每平方公尺 28.3 歐元。

圖3 同時呈現CARTE（地圖）和TABLEAU

如果我們選擇CARTE（地圖）和SYNTHÈSE（圖4），那我們就可以從畫面右邊上方的表格看到 2022 年私人租賃存量中三房以上公寓的開價租金法國全國最小值、最大值及中位數，右邊下方則可以比較法國開價租金最貴的前 10 名或最便宜的前 10 名城市。

圖4 同時呈現CARTE（地圖）和SYNTHÈSE

法國租金地圖租金衡量指標

在法國租金地圖介面中，我們可以從左邊選單中選擇 HOUSING / Real estate market and access to housing，點進去後可以看到該平台將租金水準分為不同建物型態的租金指標（如圖5 ），而租金指標是以 2022 年第 3 季典型待租和出租不動產為衡量基準，其不動產參考特徵如下：
1.    公寓：
包含所有類型的公寓，建物平均面積約為 52 平方公尺，每間房間平均面積約為 22.2 平方公尺。
2.    公寓（T1-T2型）：
指 1～2 房型的公寓，建物平均面積約為 37 平方公尺，每間房間平均面積約為 22.9 平方公尺。
3.    公寓（T3型）：
指 3 房以上的公寓，建物面積約為 72 平方公尺，每間房間面積約為 21.2 平方公尺。
4.    獨棟住宅：
獨棟住宅建物面積約為 92 平方公尺，每間房間平均面積約為 22.3 平方公尺。

圖5 各類租金指標選單

(圖片經google 翻譯將法文轉英文)

假設我們選擇公寓（T1～T2型）和獨棟住宅，透過法國租金地圖的介面可以比較兩種不動產類型的租金水準在空間分布差異，如圖6 所示。

圖6 比較公寓（T1～T2型）和獨棟住宅租金水準之比較地圖

(圖片經google 翻譯將法文轉英文)

法國租金地圖資料來源？公私合作的強大數據庫！

法國國家住宅資訊局（ANIL）成立於 1975 年，該機關致力於蒐集法國境內住宅的相關資訊，藉由與省級住宅資訊局（Agences départementales d’information sur le logement, ADIL）的合作，由下而上彙整住宅相關的公私部門數據，參與者包含住宅事務部、地方相關協會、居民社會聯盟（l'Union Sociale pour l'Habitat）、國家相關機構和其他與住宅有關的利益團體、住宅專業人士代表等。

在過去幾十年來，ANIL 已經累積相當數量的住宅資訊。然而，法國租金地圖的數據庫不僅止於統合公部門數據，更嘗試與私營租賃網站合作，使得租金地圖呈現的數據更貼近市場行情。

2022 年發布的第二版本租金地圖之租金指標計算期間為 2018 年 1 月 1 日至 2022 年 9 月 30 日，數據庫除了涵蓋 ANIL 原先擁有的調查數據，同時也包含SeLoger 和 leboncoin 兩間私營租賃網站的數據，這兩間私人租賃網站，類似於台灣的租屋平台網站，如：591租屋網等。

法國租金地圖數據資料庫整理流程

主要變數調查

使用不同平台的數據庫，勢必會面臨時間框架、調查方法和內容等差異，因此 ANIL 在整合這些數據庫上，花了非常大的力氣去排除重複交易。首先，必須了解到各平台調查的變數不同，表2 彙整這兩間私人租賃網站調查的主要變數：

表2 SeLoger 和 leboncoin 數據庫主要調查之變數表

資料來源：住宅部，私部門租賃指標統計方法說明書（2022年版）

不一致性數據處理

接著，ANIL 對以上提到的變數進行了一系列的檢查，以處理數據不一致性的各種問題，例如：是否有錯別字、用詞不準確、遺漏、缺失值、異常值、未編碼或有錯誤格式的觀測值皆會被刪除。此外，在觀察數據分佈後設置了門檻值，以避免因極端值而造成的估計偏差，表3 為官方設定的門檻值，當數據未落在規定範圍內，則會進行必要的排除：

表3 刪除極端值標準

資料來源：住宅部，私部門租賃指標統計方法說明書（2022年版）
 

刪除重複數據

最後，數據還需要經過「刪除重複數據」的過程，以確保租金地圖所使用的數據沒有重複的案例，可分為三個階段：

1. 刪除同一數據庫內同一刊登帳號之重複數值，避免因為更新刊登租屋廣告，而被重複計入數據中。
2. 刪除同一數據庫內不同刊登帳號，但明顯是同一刊登物件之重複數值，避免同一個物件被不同帳號刊登，而被重複計入數據中。
3. 刪除不同數據庫間重複刊登的物件，避免同一個物件因重複刊登在不同租屋廣告平台，而被重複計入數據中。

在 2022 年發布的租金地圖數據中，經過各種刪減步驟和方法後，最終具有代表性樣本共 7,182,710 筆，其中公寓類型共 5,750,382 筆、獨棟住宅共 1,432,328 筆；數據來自租屋網站者佔總體的49% ，而其中 86% 來自 leboncoin、14% 來自 SeLoger 。

法國租金地圖使用限制

限制1：租金數據為租金開價，非實際成交租金

法國租金地圖使用的數據來自私營租賃網站刊登的租屋案例，租金數據為刊登租屋廣告的「開價租金」，並非出租時實際成交的租金！

如果刊登租屋廣告者為專營租屋公司，則租金開價與實際成交租金的差異可能可以忽略不計，換言之，開價租金極有可能非常接近實際成交租金；不過，如果是屋主自租的案例，開價租金與實際成交租金間價格差異則可能會造成租金數據分析不準確等疑慮，這樣的現象通常發生在鄉村地區或交易案例較少地區，兩者間租金差異的問題很有可能被放大。

限制2：租金數據難以拆分出管理費

一般租金數據很難將「管理費」拆出來計算，因為多數時候我們看到的租金價格是隱含管理費的。然而，由於 SeLoger 數據庫會提供每一筆租屋個案的管理費多寡，因此我們可以透過扣除管理費用的方式，取得不含管理費的租金指標，以便更精確地估算租金水準。

限制3：租金數據遺漏可能影響租金價格的變數

租金數據中顯示的變數相較房價數據為少，且大多缺乏許多建物結構體相關的變數，如：住宅的建築期間、是否有電梯、住宅舒適度、庭院面積等資訊皆未列入變數，但這些變數卻是影響租金價格的重要因子。

此外，租金數據也大多只能呈現租金個案粗略位置，較難掌握個案的精確位置，而這將影響判斷租屋個案的區域因素，例如：附近公共設施、教育設施等的可及性與影響力。這也導致租屋個案間的空間自相關情形並未被考量進去，也就是說需假設租金個案不受到鄰居租金等影響。

綜上，我們可以知道租金地圖是基於 2 個假設：誤差項為隨機，且異質性已被修正而符合同質變異性的假設。

限制4：排除重複交易案例須投入大量金錢與人力資源

因為租金數據來自兩個不同私營租賃網站，所以排除重複交易非常重要，這將影響租金地圖的參考性。雖然經過三階段「刪除重複交易」的程序，但難免有漏網之魚，這時還可以透過機器判斷照片或其他更複雜的方法來鑑別特徵以確認為相同交易案例，但這需要耗費非常多的金錢與人力資源。

限制5：來自租金數據庫的基礎變數內生性

事實上，我們很難確定不同數據庫的不動產是否一致，特別是在SeLoger 數據庫中，會發現不同不動產數據在同一個地區可能呈現相似的特徵，使得我們難以判斷這些數據是否完全代表真實情況，這樣的現象我們稱為「選擇性偏誤 」。當「選擇性偏誤」發生時，可能影響我們對該地區不動產市場的準確理解，並可能產生誤導性的結論。為了克服這種偏誤，需要在前端更嚴謹地進行資料清理以確保研究的可靠性和準確性。同時，在呈現數據結果時，也應詳細說明資料來源和限制，以確保結果的客觀性和有效性。

法國租金地圖和倫敦租金地圖差在哪？

到這邊我們可以先回想上一篇介紹的「英國倫敦租金地圖」專欄文章，可以發現倫敦租金地圖與法國租金地圖兩者設計的共通目的皆是為了幫助使用者「了解租金水準」；然而，法國租金地圖的功能似乎更進階，不僅呈現租金水準，更讓使用者能自由地選擇欲呈現的統計指標，以便做跨指標間的比較。

此外，兩種租金地圖所選擇的空間單元、發布頻率、數據來源等也有所差異，筆者在這邊將法國租金地圖和英國倫敦租金地圖的差異彙整為表格，供各位讀者們參考：

表1 法國租金地圖和英國倫敦地圖的差異

法國租金地圖重要性？

法國租金地圖是一項重要且具有潛力的工具，透過公私合作整合不同來源的數據，提供了多元指標的呈現方式，使政府、地方當局、房東和租戶能更深入了解法國租賃市場。儘管目前仍面臨數據來源完整性和精確性等限制，但隨著進一步的改進和更新，這項工具將繼續發揮重要作用，幫助促進租賃市場的發展和政策制定。

參考資料
1.    MINISTÈRE CHARGÉ DU LOGEMENT Liberté Égalité Fraternité (2022, December 16). Les indicateurs de loyers dans le parc locatif privé Note méthodologique. 
https://static.data.gouv.fr/resources/carte-des-loyers-indicateurs-de-loyers-dannonce-par-commune-en-2022/20221216-153508/note-methodologique-loyers-2022.pdf
2.    OBSERVATOIRE DETERRITOIRES (2022) Carte des loyers.
https://www.observatoire-des-territoires.gouv.fr/outils/cartographie-interactive/#c=indicator&i=loyers_dgaln.loypredm2_app3&s=2022&view=map53
3.    RÉPUBLIQUE FRANÇAISE Liberté Égalité Fraternité  (2023, January 10). "Carte des loyers" - Indicateurs de loyers d'annonce par commune en 2022.
https://www.data.gouv.fr/fr/datasets/carte-des-loyers-indicateurs-de-loyers-dannonce-par-commune-en-2022/
4.    國立政治大學社會科學學院 空間社會資料整合研究中心 (2021) 強化租屋市場資訊透明案，內政部委託研究計畫報告。