5. Les conséquences de la prise en compte de l’autocorrélation spatiale dans la fonction de valorisation immobilière

L’introduction de l’autocorrélation spatiale dans la fonction des prix hédonistes n’infirme pas la théorie, à l’exception du cas de la variable DIST (la distance au centre). Ainsi le prix des biens hédonistes dépend des caractéristiques du logement, de la structure de l’immeuble, de l’environnement du logement, de l’aménagement de l’espace public urbain. La prise en compte de l’interaction entre les observations conduit à modifier les paramètres et la significativité des variables retenues dans le modèle. En effet, certaines variables ne sont plus significatives dans le modèle spatial des prix hédonistes.

La théorie est basée sur l’importance de la distance au centre comme variable explicative des choix de localisation résidentielle et du prix des biens immobiliers. Dans le modèle spatial des prix hédonistes, la valeur demeure une variable significative, quelle que soit la matrice spatiale à l’exception de l’estimation de la fonction des prix hédonistes avec autocorrélation des résidus pour la matrice W₃. Quelques résultats sur la valeur du paramètre de la variable distance au centre figurent dans le tableau 8.12.

Les deux premières valeurs des paramètres de la variable DIST restent très proches les unes des autres et ont des niveaux similaires de significativité. En revanche, dans le troisième cas, le paramètre estimé est deux fois plus faible et le test n’est plus significatif.

En ce qui concerne les variables liées à l’aménagement de l’espace public urbain, nous pouvons comparer leurs impacts dans le modèle a-spatial et deux modèles spatiaux. Nous retenons le modèle 7 avec la matrice W₃ afin de comparer la valorisation immobilière de ces variables avec les résultats correspondant au modèle 3.

Comme dans le chapitre VI, afin de simuler l’impact de l’aménagement et l’usage de l’espace public urbain sur le prix du logement, nous proposons 7 scénarios possibles correspondant à la combinaison des trois variables aménagement de l’espace public urbain. Le tableau 8.14 montre les conséquences de ces scénarios sur le prix du logement.

Pour le modèle 3, l’écart est d’environ 45 % entre le scénario 7 qui correspond à la situation la moins favorable en termes d’aménagement de l’espace public urbain et le scénario 1 le plus favorable. Après avoir introduit les interactions spatiales (modèle 7 avec la matrice spatiale W₃), l’écart est seulement de 41 %. L’écart entre les deux situations est surestimé d’environ 10 % en l’absence de prise en compte des interactions spatiales entre observations.

Le calcul du montant de la valorisation par les ménages de l’aménagement de l’espace public urbain montre que les résultats sont analogues pour le modèle 3 et le modèle 7 avec comme matrice spatiale W₃. L’aménagement de l’espace public urbain est valorisé dans notre échantillon à environ 16,7 millions de francs. Ceci représente 3,8 % du montant total des transactions estimées (hors frais de notaires). Ce pourcentage est également en concordance avec les résultats obtenus au chapitre VI (Cf. Tableau 6.35), puisque la valorisation de l’aménagement de l’espace public était estimée à environ 3,6 %.