3èmes journées du logement Marseille, 23 octobre 2009

1. 3èmes journées du logementMarseille, 23 octobre 2009 Les prix immobiliers reflètent-ils une prime de risque sur les coûts de transport? Véronique Flambard Nicolas Vaillant Université Catholique de Lille LEM (UMR 8179)

2. Plan de la présentation • Présentation de la question posée • Modèle théorique • Approche empirique • Données • Estimation économétrique • Résultats • Conclusions

3. Question • Les prix immobiliers au centre ville sont plus élevés qu’en banlieue: • Notamment pour tenir compte des coûts de transport dans une ville monocentrique (Alonso (1960), Muth (1969), Mills (1973), Fujita (1989) • Incluent-ils aussi une prime de risque sur l’incertitude des coûts de transport? Page 3

4. Modèle théorique • Hypothèses: • Ville monocentrique (les agents travaillent au centre) • Logement: bien de consommation et d’investissement • Le revenu doit être alloué entre le logement, les transports et les autres biens & services • Le temps doit être alloué entre travail, temps de transport, loisir Page 4

5. Modèle théorique • S’il n’y a pas d’incertitude sur les coûts de transport, à l’équilibre: Prix au centre-Prix en banlieue= coût de transport • S’il y a incertitude sur les coûts de transport, aversion au risque, à l’équilibre: Prix au centre-Prix en banlieue= espérance coût de transport+prime de risque où la prime de risque dépend de l’aversion au risque et de l’incertitude Voir Scafuri (1984) Page 5

6. Approche empirique • Plutôt que d’utiliser des données individuelles, on utilise des séries temporelles. • Objectif: tester si la différence de prix entre le centre et la banlieue augmente avec les coûts de transports et l’incertitude. • Coût de transport entre 2 points (ici le centre et la banlieue) augmente quand l’indice des coûts de transport augmente • La prime de risque dépend du niveau d’incertitude sur les coûts de transport. • (On ignore les changements d’aversion au risque et d’anticipations sur les coûts de transport futurs.) Page 6

7. Données • Application sur les différences de prix entre Paris et sa banlieue • Indices trimestriels cvs de prix des appartements anciens de l’INSEE pour Paris, la petite couronne, la grande couronne entre 1996 et 2009. • Indice des prix à la consommation mensuelle de véhicules personnels entre 1990 et 2009. Page 7

8. Données • Caractéristiques des séries: • la différence de prix entre paris et sa banlieue, Xt, est I(1) • les coûts de transport, Yt, forment une série I(1) • Etape 1: Estimation de la volatilité des coûts de transport • La différence première des coûts de transport va être estimée à partir d’un modèle GARCH (Generalized autoregressive conditional heteroskedasticity) Page 8

9. Estimation économétrique • Suite: Estimation de la volatilité des coûts de transport avec un GARCH (1,1) • Sur la période 1990-2009 (les agents utilisent toute l’information) • Pondération plus forte des dernières périodes + espérance des termes d’erreur fluctue + autocorrélation entre les périodes Page 9

10. Estimation économétrique • Etape 2: Estimation d’un modèle VECM (Modèle vectoriel à correction d’erreur) • Variables endogènes: • différence de prix entre Paris et sa banlieue, Xt • Coûts de transport, Yt • Volatilité de la différentielle des coûts de transport, σ2 • Toutes les variables sont I(1): satisfont les conditions pour un VECM Page 10

11. Résultats Paris-Petite couronne • Il existe une relation de cointégration entre les variables endogènes (long terme): Xt, Yt, σ2 (les variables tendent à varier ensemble) • Quand σ2 augmente, la différence de prix entre Paris et la petite couronne augmente dans le long terme • Pas d’effet significatif de Yt sur Xt • Analyse des causalités au sens de Granger (court-terme) à partir du VECM: On retrouve aussi les 2 effets précédents. • Conclusion: La différence de prix entre Paris et la petite couronne augmente pour compenser une plus grande incertitude sur les coûts de transport. Page 11

12. Résultats Paris-Grande couronne • Il existe une relation de cointégration entre les variables endogènes (long terme): Xt, Yt, σ2 (les variables tendent à varier ensemble dans le long terme) • Quand les coûts de transport et quand σ2 augmentent, la différence de prix entre Paris et la grande couronne augmente dans le long terme • Analyse des causalités au sens de Granger (court-terme) à partir du VECM: Seule σ2 cause Xt (Yt ne cause pas Xt) au sens de Granger • Conclusion: La différence de prix entre Paris et la grande couronne augmente pour compenser une plus grande incertitude sur les coûts de transport. Page 12

13. Conclusion • Les prix en banlieue sont-ils plus faibles pour compenser les ménages pour la volatilité des coûts de transport? • Premier test empirique (à notre connaissance) sur Paris et sa banlieue, sur la période 1996-2009 • Les résultats confirment les prédictions théoriques: en période d’incertitude, l’écart de prix entre Paris et la banlieue tend à croître Page 13

14. Page 14

15. Page 15