9. Améliorer la base factuelle
Le logement est un domaine pluridimensionnel de l’action publique, où une réforme des politiques fondée sur des données factuelles nécessite divers indicateurs permettant d’évaluer à la fois les résultats et les instruments. Des lacunes importantes existent notamment dans les données relatives aux trois thèmes suivants : les prix des logements, la vulnérabilité face au logement et les règles locales d’occupation des sols. Il serait très utile de combler ces lacunes pour pouvoir mieux éclairer les choix stratégiques des pouvoirs publics dans le domaine du logement.
Depuis une dizaine d’années sont élaborées des normes statistiques internationales pour l’établissement d'indices des prix des logements. Tous les pays de l’OCDE diffusent maintenant des statistiques comparables au niveau international permettant de suivre l’évolution des prix de l'immobilier d’habitation au niveau national. Néanmoins, neuf pays de l’OCDE ne fournissent toujours aucune statistique permettant de suivre l’évolution des prix des logements à l’échelon régional ou au niveau des villes.
Les progrès accomplis vers une mesure rigoureuse et comparable sur le plan international des niveaux des prix des logements sont nettement plus modestes. Or, l’existence d’une telle mesure permettrait de cerner les obstacles à la mobilité de la main d’œuvre, de comprendre les difficultés financières auxquelles se heurtent des ménages vivant dans des zones différentes, et de concevoir les politiques économiques au niveau régional. Des avancées dans ce domaine seraient favorisées par des projets pilotes menés dans certains pays, qui pourraient ensuite servir de base pour l’élaboration de directives statistiques internationales. La réalisation de progrès pourrait passer par les travaux statistiques suivants :
élaborer des indices des prix des logements au niveau infranational conformément aux normes statistiques internationales ;
élargir autant que possible la couverture des indices des prix des logements, afin qu’elle englobe tous les types et toutes les générations de biens immobiliers d’habitation ;
élaborer des statistiques sur les prix des logements en milieu urbain en s’appuyant sur le concept de zone urbaine fonctionnelle ; et
commencer à élaborer des statistiques sur les niveaux des prix des logements, tant à l’échelon national qu’infranational.
Suivre l’évolution de la situation des ménages vulnérables en matière de logement, en particulier compte tenu de l’accentuation de leur fragilité économique provoquée par la pandémie de COVID-19, constitue une autre démarche cruciale. La Base de données de l’OCDE sur le logement abordable contient des informations sur le logement en général et le logement abordable en particulier, ainsi que sur les expulsions et le sans-abrisme, mais des lacunes considérables subsistent, qui sont dues en partie à des problèmes de définition et de méthodologie. La réalisation de progrès pourrait passer par les travaux statistiques suivants :
intégrer des questions relatives aux expulsions dans les enquêtes périodiques nationales et internationales sur le logement ;
recueillir régulièrement des données sur le sans-abrisme tout en élargissant leur couverture géographique ; et
intégrer différentes sources de données sur le sans-abrisme (telles que des données administratives et/ou d’enquêtes, des données sur la santé et sur le sans-abrisme).
L’urbanisme contribue de manière importante à rendre les villes attrayantes, durables et productives. Pourtant, les règles d’urbanisme peuvent limiter l’offre de biens immobiliers d’habitation et contribuer à faire augmenter les coûts de logement, en particulier dans les villes les plus chères. Les données collectées de manière systématique sur les règles d’urbanisme sont des plus rares, ce qui tient en partie à leur complexité et au fait qu’elles relèvent essentiellement de la compétence des collectivités locales. L’OCDE s’est fixé pour but d’élaborer des mesures des règles d’urbanisme qui soient comparables au niveau international, en collectant auprès des collectivités locales des données sur :
Les indices des prix des logements mesurent la variation des prix dans le temps tout en tenant compte de l’évolution de la qualité
La crise financière mondiale a montré qu’il était nécessaire de repérer les lacunes dans des domaines tels que le marché du logement, où des données de meilleure qualité et plus facilement comparables au niveau international pourraient permettre de détecter plus tôt l’accumulation de déséquilibres. En 2009, les ministres des Finances et les gouverneurs de banque centrale du G20 ont approuvé 20 recommandations visant à combler les lacunes en matière de données mises en évidence par la crise financière mondiale. Cette initiative du G20 sur les lacunes en matière de données (en anglais « G20 Data Gaps Initiative ») a abouti à l’élaboration de normes statistiques internationales aux fins de l’établissement d’indices des prix des logements (OIT et al., 2013[1]). Actuellement, tous les pays du G20, à l’exception de l’Argentine, publient au moins un indice officiel qui est établi selon ces règles et qui est représentatif de l’évolution des prix des logements au niveau national. L’OCDE recueille ces informations tous les trimestres et les rend gratuitement accessibles en ligne dans sa base de données OECD.Stat.
Les indices des prix des logements mesurent la variation dans le temps des prix des biens immobiliers d’habitation achetés par les ménages. Ces indices sont corrigés des différences de qualité entre les logements vendus au cours de la période actuelle et ceux vendus au cours de la période de référence. Autrement dit, ils visent à mesurer la variation pure des prix. Ils recouvrent à la fois les logements neufs et anciens, le cas échéant, indépendamment de leur utilisation finale (occupation personnelle ou location). Les prix incluent le prix du terrain sur lequel se trouvent les biens immobiliers d’habitation.
À l’échelle nationale, la couverture est large
Chacun des 37 pays membres de l’OCDE publie au moins un indice des prix des logements qui est établi conformément aux normes statistiques internationales et qui est représentatif de l’ensemble du territoire (Tableau 9.1). Cependant, seuls 32 d’entre eux établissent des indices nationaux qui englobent tous les types et toutes les générations de biens immobiliers d’habitation en même temps. Les cinq pays dans lesquels certains types ou certaines générations de logements ne sont pas inclus dans l’indice national général sont le Canada, la Corée, les États-Unis, la Grèce et la Suisse. Aux États-Unis, par exemple, l’indice le plus représentatif à l’échelle nationale comprend uniquement les maisons individuelles et les logements anciens, ce qui peut s’avérer problématique pour rendre compte de l’évolution des prix des logements dans les zones urbaines, où l’on trouve essentiellement des logements collectifs.
À l’échelle régionale, la couverture a été élargie mais demeure restreinte
Par ailleurs, 28 pays de l’OCDE établissent au moins un indice des prix des logements au niveau infranational, et 16 d’entre eux fournissent des indices infranationaux englobant tous les types et toutes les générations de logements (tableau 9.1). Cependant, les séries chronologiques sont parfois très courtes. En Israël, par exemple, les indices régionaux ne commencent qu’en 2018. Si l’on se fonde sur les données factuelles observées dans d’autres pays de l’OCDE, l’établissement d’indices des prix des logements à l’échelle des différentes régions ou villes dans certains des grands pays parmi les neuf qui ne fournissent pas de telles mesures (Allemagne1, Belgique, Estonie, Lettonie, Luxembourg, Nouvelle-Zélande, Portugal, République slovaque et République tchèque) ferait probablement apparaître des disparités dans l’évolution des prix des logements (OCDE, 2020[2]).
La comparabilité internationale des statistiques régionales sur les prix des logements peut être considérablement améliorée. Les statistiques disponibles respectent le découpage administratif des pays et permettent généralement une mise en correspondance avec les classifications régionales adoptées à l’échelon international, telles que la nomenclature NUTS d’Eurostat et le découpage territorial de l’OCDE, ainsi qu’avec les autres statistiques régionales disponibles. La délimitation des villes aux fins de l’établissement de certains indices des prix des logement n’est toutefois pas aussi simple, et les pratiques varient selon les pays. Un suivi de l’évolution des prix des logements dans les zones urbaines fonctionnelles (ZUF), établissant de préférence une distinction entre la ville (le centre urbain) et la zone d’influence, permettrait de garantir la comparabilité des données entre les pays et se révèlerait très utile aux fins des analyses économiques. Dijkstra et al. (2019[3]) donnent une définition des ZUF et présentent la méthodologie élaborée conjointement par l’Union européenne et l’OCDE pour délimiter ces zones. En 2020, la Commission de statistique de l’Organisation des Nations Unies a approuvé les ZUF comme méthode de délimitation à des fins de comparaison internationale. À ce jour, même si l’on trouve des variables de remplacement, aucun institut officiel de la statistique ne s’appuie explicitement sur la notion de ZUF pour définir la zone géographique visée par les indices des prix des logements. Or cette pratique devrait être encouragée.
Les statistiques sur les niveaux des prix des logements pourraient être développées
Bien que les indices des prix des logements soient conçus pour mesurer l’évolution des prix des biens immobiliers d’habitation dans une zone géographique donnée, ils ne permettent pas de comparer les niveaux des prix des logements entre différentes zones géographiques. De même, les indices des prix à la consommation (IPC) servent à calculer l’inflation (c’est-à-dire la variation dans le temps des prix à la consommation), mais seules les parités de pouvoir d’achat (PPA) permettent de comparer les niveaux des prix au plan géographique.
En règle générale, les instituts officiels de la statistique ne fournissent pas de statistiques analogues aux PPA qui permettraient de comparer les niveaux des prix des logements au plan géographique2. Or l’existence de telles données permettrait de cerner les obstacles à la mobilité de la main-d’œuvre, de comprendre les difficultés financières auxquelles se heurtent des ménages vivant dans des zones différentes, et d’élaborer des politiques économiques régionales. Les Perspectives régionales de l’OCDE 2019 (OCDE, 2019[4]) soulignent que le facteur géographique du mécontentement de la population est étroitement lié au degré des inégalités régionales et que les politiques visant à apaiser ce mécontentement doivent revêtir une dimension territoriale. S’agissant des niveaux des prix des logements, les écarts entre les régions contribuent précisément aux inégalités régionales et l’établissement de statistiques sur cette question pourrait aider à concevoir des politiques économiques à l’échelle régionale.
Dans l’idéal, les statistiques sur les niveaux des prix des logements devraient tenir compte des différents types de logements dans le parc immobilier de chaque zone géographique (le nombre de maisons individuelles avec jardin étant plus important dans les zones rurales que dans les zones urbaines, par exemple). Même si les prix élémentaires des logements peuvent être relevés à partir des transactions ou des évaluations observées, comme pour l’établissement des indices des prix des logements, le système de pondération devrait dépendre des caractéristiques du parc de logements de la région, tandis que les informations relatives au parc de logements devraient être tirées du recensement ou d’autres types de registres administratifs. Bien qu’ils puissent aussi être employés aux fins du calcul des indices des prix des logements, les coefficients de pondération fondés sur le parc de logements sont, dans ce contexte, moins couramment utilisés que ceux fondés sur les transactions.
Le développement des statistiques officielles sur les niveaux des prix des logements implique notamment :
l’établissement de statistiques sur les caractéristiques (qualité, taille, âge) du parc de logements et leur mise à jour périodique ;
la détermination du niveau à partir duquel il faudrait utiliser des coefficients de pondération compte tenu de l’hétérogénéité des prix des logements dans une zone donnée. Il convient de noter que l’utilisation de coefficients de pondération n’est utile que si les caractéristiques et le prix des logements dans la zone concernée sont suffisamment hétérogènes, faute de quoi il n’y aurait aucune différence entre les données pondérées par les transactions, les données pondérées par le parc de logements et les données non pondérées ;
l’analyse des divergences éventuelles entre les variations des niveaux et des indices des prix des logements. De telles divergences sont potentiellement liées au niveau auquel des coefficients de pondération sont introduits ou à l’utilisation de différents systèmes de pondération (par les transactions ou par le parc de logements) ou de différentes méthodes de calcul (méthodes de stratification ou de régression hédonique, par exemple) ;
l’évaluation de la précision avec laquelle les niveaux des prix des logements peuvent être calculés compte tenu du nombre de transactions observées ;
l’utilisation éventuelle des prix de vente relevés sur les sites internet des agences immobilières pour établir les statistiques sur les prix des logements ;
l’étude de ces questions dans le cadre de projets pilotes dans menés certains pays en vue de favoriser les progrès. Les enseignements tirés pourraient ensuite servir de base pour l’élaboration de directives statistiques internationales.
Un programme de mesure pour les statistiques sur les prix des logements se dessine
Au vu de l’état actuel de la situation présenté ci-dessus, il est proposé de mettre en œuvre le programme de mesure suivant :
élaborer des indices des prix des logements au niveau infranational, conformément aux normes statistiques internationales, en donnant priorité aux zones géographiques dans lesquelles l’évolution des prix des logements est présumée différer le plus de la moyenne nationale, et fournir des séries chronologiques aussi longues que possible afin de faciliter l’analyse économique ;
élargir autant que possible la couverture des indices des prix des logements, afin qu’elle englobe tous les types (logements individuels et collectifs) et toutes les générations (logements neufs et anciens) de biens immobiliers d’habitation. Des indices distincts peuvent être élaborés pour certains types ou certaines générations de logements, mais il faudrait qu’au moins un indice les englobe tous en même temps ;
élaborer des statistiques sur les prix des logements en milieu urbain en s’appuyant sur le concept de zone urbaine fonctionnelle et en établissant une distinction entre la ville et la zone d’influence chaque fois que possible ;
commencer à élaborer des statistiques sur les niveaux des prix des logements, tant à l’échelon national qu’infranational. De telles données seraient très utiles pour cerner les obstacles à la mobilité de la main-d’œuvre, pour comprendre les difficultés financières auxquelles se heurtent des ménages vivant dans des zones différentes et pour élaborer des politiques économiques régionales.
Disposer de données plus solides sur les expulsions
Les données sur les expulsions (définies comme l’action de chasser involontairement une personne du lieu où elle habite en engageant une procédure judiciaire devant un tribunal ou une autre instance compétente) sont fragmentaires dans les pays de l’OCDE (OCDE, 2020[5]). La présente section porte exclusivement sur les expulsions des ménages locataires, même si, comme on le verra plus loin, des expulsions des ménages propriétaires peuvent également avoir lieu. La procédure d’expulsion officielle est tout d’abord complexe et peut varier d’un pays à l’autre, voire au sein d’un même pays. Elle comprend généralement trois phases : phase 1) le propriétaire engage la procédure d’expulsion formelle en déposant une demande d’expulsion du locataire (à la suite de quoi une assignation à comparaître peut être remise aux deux parties concernées) ; phase 2) le tribunal prononce la saisie du logement locatif – le cas échéant, un commandement de quitter les lieux est délivré au locataire – ou rejette la demande d’expulsion initiale ; phase 3) la décision de justice est exécutée et le ménage locataire est physiquement expulsé du logement (avec ou sans le concours de la force publique).
Les ménages qui reçoivent un avis d’expulsion ou de saisie ne finissent pas tous par être expulsés ; ils peuvent éviter l’expulsion s’ils sont, par exemple, en mesure de payer leurs arriérés de loyer. Certains locataires ignorent cependant que les commandements de quitter les lieux ou les avis d’expulsion ne doivent pas nécessairement aboutir à une expulsion formelle et quittent donc leur logement prématurément. En Finlande, par exemple, dans environ 39 % des saisies exécutées par les huissiers, le logement a déjà été libéré par le ménage (Valtakunnanvoudinvirasto, 2020[6]). Par ailleurs, seules les données sur les expulsions formelles et légales sont généralement disponibles ; il est beaucoup plus rare de trouver des données sur les expulsions informelles (c’est-à-dire sans procédure judiciaire) (Kenna et al., 2016[7]).
Plusieurs obstacles entravent la collecte, l’analyse et la comparaison internationale de ces données.
Les pays signalent les expulsions de manière sensiblement différente. Les données publiées peuvent concerner les trois phases de la procédure d’expulsion. En général, les informations sur les procédures d’expulsion engagées (phase 1) sont plus nombreuses que les informations sur les commandements de quitter les lieux (phase 2) ou sur les expulsions physiques effectives (phase 3). Qui plus est, chaque phase peut prendre des proportions différentes, c’est-à-dire que les procédures engagées ne débouchent pas toutes sur des avis d’expulsion, et les avis d’expulsion ne sont pas tous exécutés, ce qui complique encore la comparaison internationale.
Les données sont difficiles à obtenir. Les données relatives aux expulsions ne sont pas toujours rendues publiques en raison de leur caractère confidentiel et des risques liés leur utilisation finale (elles peuvent, par exemple, être utilisées par les propriétaires pour éliminer lors du processus de location les locataires susceptibles de présenter un risque élevé). La collecte et la comparaison des données s’avèrent difficiles car les sources varient au sein d’un même pays et d’un pays à l’autre (archives judiciaires et statistiques des huissiers, chiffres des fournisseurs de logements (publics), enquêtes menées par des équipes universitaires ou des associations, rapports ponctuels, etc.). De plus, les données sont parfois accessibles uniquement au niveau local ou régional (aux États-Unis, par exemple) et ne sont pas toujours disponibles sous forme électronique. Les archives judiciaires, dont le niveau de détail varie selon les juridictions, ne se prêtent pas facilement à la comparaison (Eviction Lab, 2018[8]).
Les données sont souvent incomplètes. Dans certains pays, les données sur les expulsions portent uniquement sur un segment du marché du logement, comme en Nouvelle-Zélande et aux Pays-Bas, où elles ne concernent que les logements locatifs sociaux. En Allemagne, elles incluent les locations commerciales. En France, les expulsions physiques effectives ne sont déclarées que si elles impliquent une intervention de la police. Le nombre réel d’expulsions est donc susceptible d’être sensiblement sous-estimé. Au Portugal, les données disponibles ne concernent que les procédures spéciales d’expulsion engagées par le Bureau national des locations (Balcão Nacional do Arrendamento), qui couvrent environ un tiers de toutes les procédures d’expulsion, dont la plupart sont traitées par les tribunaux civils.
Dans certains cas, comme en Autriche, la distinction entre expulsion de locataire et saisie immobilière n’est pas possible (voir ci-dessous), ce qui complique la comparaison entre pays. Par ailleurs, dans la mesure où très peu d’informations sont fournies sur les caractéristiques des ménages visés par des procédures d’expulsion, il est difficile d’analyser les facteurs potentiels d’expulsion et de déterminer si ceux-ci sont plus répandus dans certains groupes que d’autres.
La base de données de l’OCDE sur le logement abordable rassemble des données comparatives sur les expulsions des ménages locataires dans un grand nombre de pays de l’OCDE (indicateur HC3.3 dans OCDE (2020[5])). Les propriétaires qui ne sont pas en mesure de rembourser leur prêt hypothécaire peuvent également faire l’objet d’une expulsion. La procédure de saisie immobilière est généralement engagée par la banque qui a octroyé le prêt. La collecte de données sur les procédures de saisie immobilière présente les mêmes limitations que celle sur les expulsions des ménages locataires.
Le sans-abrisme est difficile à mesurer et à comparer entre les pays
Il est difficile d’obtenir des données sur le sans-abrisme et d’effectuer des comparaisons entre pays. Le problème tient essentiellement à l’absence de définition du sans-abrisme reconnue à l’échelle internationale et à la diversité des définitions ou des méthodes de comptage des sans-abri utilisées dans les pays. Dans 13 pays de l’OCDE, le terme « sans-abri » ne s’applique qu’à ceux qui vivent dans la rue ou dans des espaces publics (personnes qui dorment dehors), et/ou dans des refuges ou dans d’autres types d’hébergement d’urgence. Dix pays de l’OCDE appliquent une définition plus large qui englobe aussi ceux qui vivent à l’hôtel ou sont hébergées par des amis ou des parents (OCDE, 2020[9]). Des efforts de normalisation ont cependant été consentis au niveau européen en vue de la mise en place d’une typologie commune (ETHOS Light) (tableau 9.2).
Outre les définitions, la méthode, la portée et la fréquence de la collecte de données diffèrent aussi selon les pays. Dans la mesure où les personnes sans abri sont plus ou moins invisibles pour les autorités et les organismes d’aide, la situation de sans-abri est, par nature, difficile à évaluer, et donc à rendre compte dans les statistiques officielles. Les méthodes de collecte de données varient mais reposent le plus souvent sur des estimations ponctuelles (comptages annuels dans la rue effectués un jour particulier de l’année, comme la Nuit de la solidarité organisée par la ville de Paris), des données administratives (registres des foyers et des autorités locales), ou une combinaison des deux. Ces méthodes ne donnent cependant qu’une image incomplète de la situation et ne permettent pas de rendre compte des « sans-abri cachés », c’est-à-dire de ceux qui n’apparaissent pas dans les statistiques officielles, parce qu’ils ne demandent pas d’aide publique, qu’ils sont hébergés temporairement par des parents ou des amis, ou qu’ils dorment dans leur voiture. Un tel sans-abrisme caché est susceptible d'être plus répandu parmi les femmes, les jeunes et les groupes vulnérables en dehors du champ des enquêtes sur le sans-abrisme (OCDE, 2020[24]).
La couverture géographique incomplète, la faible fréquence et la non-régularité de la collecte de données représentent des problèmes méthodologiques supplémentaires. Ainsi, certains pays collectent des données uniquement dans les plus grandes communes ou dans la plus grande région ou ville, et le font selon une périodicité mensuelle, trimestrielle, annuelle semestrielle ou de façon non périodique (OCDE, 2020[5]).
Dans le cadre de son Questionnaire sur les logements sociaux et abordables (QuASH), l’OCDE recueille régulièrement des données sur le sans-abrisme dans ses pays membres, ses principaux pays partenaires et les Etats membres de l’Union européenne, conformément à la définition statistique nationale. Ces statistiques nationales, ainsi que la définition et les catégories utilisées dans chaque pays, figurent dans la base de données de l’OCDE sur le logement abordable (indicateur HC3.1).
Compte tenu de l’augmentation du sans-abrisme dans environ un tiers des pays de l’OCDE avant la pandémie de COVID-19, ainsi que de la vulnérabilité potentiellement accrue de nombreux ménages face à la pandémie, l’amélioration de la collecte de données sur le sans-abrisme devrait constituer une priorité (OCDE, 2020[9]). À cet effet, il faudrait notamment, en fonction du pays, recueillir plus régulièrement des données sur le sans-abrisme, intégrer différentes sources de donnée et élargir la panoplie d’outils méthodologiques utilisés pour la collecte des données. Des méthodes innovantes permettant de combiner les données administratives et les données d’enquête peuvent donner une idée plus précise des problèmes et des besoins des différents groupes de population sans abri. En mettant en relation des ensembles de données sur le sans-abrisme et sur la santé, des chercheurs en Écosse (Royaume-Uni) ont découvert qu’au moins 8 % de la population écossaise, à la mi-2015, se sont trouvés à un moment donné de leur vie dans une situation de sans-abrisme, soit une proportion bien plus importante qu’attendu (Waugh et al., 2018[11]). Une utilisation plus répandue de la typologie ETHOS Light pourrait également statistiques et des tendances en matière de sans-abrisme.
Un programme de mesure s’impose pour améliorer la base factuelle sur les expulsions et le sans-abrisme
Il serait possible d’améliorer l’évaluation et le suivi de la vulnérabilité face au logement en réalisant les objectifs suivants :
améliorer le suivi des expulsions, en instaurant, dans la mesure du possible, un système de suivi national. Les données devraient notamment porter sur toutes les phases de la procédure d’expulsion, ainsi que sur les caractéristiques des ménages et des logements concernés ;
intégrer des questions relatives aux expulsions dans les enquêtes périodiques nationales et internationales sur le logement ;
recueillir des données sur le sans-abrisme de manière périodique, en élargissant autant que possible la couverture géographique pour rendre compte des tendances dans les villes, les régions et les zones plus rurales ; dans la mesure du possible, publier des statistiques sur le sans-abrisme conformément à la typologie ETHOS Light afin de faciliter la comparaison entre pays ;
développer de nouveaux outils méthodologiques permettant de regrouper différentes sources de données (par exemple, données administratives et/ou d’enquête, données sur la santé et sur le sans-abrisme) afin de mieux cerner les besoins et les problèmes de la population sans abri.
Les règles d’occupation des sols concourent à la réalisation d’un vaste éventail d’objectifs de l’action publique. Elles ont vocation à protéger les résidents des nuisances et des dangers, à garantir des capacités d’infrastructures et une offre de transports publics suffisantes, à créer des quartiers attrayants, à réduire la ségrégation, ainsi qu’à préserver l’environnement et le patrimoine bâti. Cependant, en imposant des restrictions en matière d’aménagement du territoire, les règles d’occupation des sols peuvent rendre l’offre de logements moins réactive à la demande et faire augmenter du même coup les prix des logements (chapitre 4).
Les règles d’occupation des sols sont des documents complexes qui ne se prêtent souvent pas au traitement statistique et ne font pas l’objet de statistiques officielles. Des chercheurs ont tenté de combler les lacunes de données officielles en menant des enquêtes auprès des collectivités locales (Gyourko, Saiz and Sumers, 2008[12]) ou en utilisant des métriques de remplacement (Ganong and Shoag, 2017[13]). Ces méthodes présentent toutefois des limites non négligeables : les métriques actuelles fondées sur des enquêtes ont souvent une couverture géographique limitée, tandis que celles obtenues avec les valeurs de remplacement sont d’une précision inconnue et ne fournissent aucune information détaillée sur la manière dont les règles d’occupation des sols restreignent la construction de logements.3 Par ailleurs, les données disponibles ne sont généralement pas comparables d’un pays à l’autre.
Le manque de données comparables au niveau international nous empêche de bien saisir l’incidence des règles d’occupation des sols sur le logement. Il est notamment difficile de concevoir des idées pour réformer les systèmes d’aménagement du territoire de façon à encourager la construction de logements sans entraver d’autres objectifs importants, tels que la prévention de l’étalement urbain. En vue d’améliorer la base factuelle, l’OCDE a commencé à collecter, auprès de collectivités locales, des données sur les règles d’occupation des sols qui sont comparables au niveau international.
La quantification des règles d’occupation des sols pose des problèmes de taille
La règlementation relative à l’occupation des sols est un ensemble de règles complexes qui comprend généralement des règles qualitatives, quantitatives et cartographiques, dont l’importance varie selon les pays. Ces règles confèrent souvent d’importants pouvoirs discrétionnaires aux autorités locales responsables de l’aménagement du territoire. En raison de leur complexité et de leur caractère discrétionnaire, leur quantification pose des problèmes de taille.
Les règles d’occupation des sols peuvent considérablement varier d’une collectivité locale à l’autre au sein d’un même pays. Dans tous les pays de l’OCDE, l’aménagement du territoire relève essentiellement de la compétence des administrations infranationales, et en particulier des collectivités locales. Bien que l’application des règles d’occupation des sols soit régie par un cadre national dans de nombreux pays, les collectivités locales disposent tout de même d’une grande latitude pour décider si, et de quelle manière, elles souhaitent utiliser les instruments dont elles disposent. Par conséquent, toute métrique précise des règles d’occupation des sols doit tenir compte de leur diversité géographique.
Les règles d’occupation des sols sont souvent ambiguës. Les règles qui empêchent la construction de logements sur des terrains non aménagés, tels que les terres agricoles et les forêts, sont souvent nuancées et difficiles à quantifier : certaines peuvent autoriser la construction de logements intercalaires à proximité de bâtiments anciens, mais pas la construction de logements en dehors des zones bâties. De nombreux pays ont en outre recours à un zonage multifonctionnel pour restreindre la construction de bâtiments d’habitation, ce qui complique aussi la quantification de ces règles : le zonage multifonctionnel peut notamment imposer une densité résidentielle maximale ou minimale ou n’autoriser la construction de logements que dans certains endroits (face à de grandes routes par exemple).
Des données supplémentaires sont nécessaires pour quantifier les restrictions de densité de construction, mais elles sont souvent difficiles à obtenir. Les règles d’occupation des sols qui visent à limiter la densité de construction (hauteur maximale des bâtiments, coefficient d’occupation des sols, superficie minimale des lots, etc.) sont étroitement liées à la densité du parc immobilier existant. Si les bâtiments existants sont construits jusqu’aux limites autorisées, aucune densification supplémentaire ne peut être envisagée ; en revanche, s’ils restent suffisamment en retrait des limites autorisées, des logements supplémentaires peuvent être construits en densification. Les données cadastrales nécessaires pour mesurer le parc immobilier existant sont cependant difficiles d’accès et ne sont souvent pas entièrement numérisées. Il est donc impossible de comparer les limites de densité autorisées et le parc immobilier existant pour un grand nombre de villes. Dans de nombreux pays, les règles concernant la densité de construction contiennent également des dispositions spéciales, telles que l’interdiction de construire des bâtiments ayant une vue dominante sur les propriétés adjacentes ou leur faisant de l’ombre. Les responsables de l’aménagement du territoire décident au cas par cas si un nouveau projet de construction est conforme à ces règles.
Les politiques d’aménagement du territoire peuvent imposer une série de conditions préalables à la délivrance de permis de construire des logements et doivent être prises en compte dans la mesure des règles relatives à l’occupation des sols. Ces conditions portent le plus souvent sur le type de bâtiment (maisons individuelles, maisons mitoyennes ou îlots). On trouve aussi souvent des conditions architecturales liées notamment à la conception des façades et à la toiture. Les mesures de protection du patrimoine restreignent quant à elles les possibilités de démolition ou de modification des bâtiments anciens dans les quartiers historiques des villes. Les règlements de construction, qui visent à garantir la sécurité des bâtiments, peuvent réduire la surface utile de ces derniers et augmenter les coûts de construction. Certains pays imposent encore d’autres conditions ou restrictions. Certaines collectivités locales fixent par exemple les dimensions intérieures minimales et/ou maximales des logements individuels ou exigent que des logements soient réservés à des groupes de population spécifiques, tels que les personnes âgées ou handicapées.
Les règles d’occupation des sols comprennent souvent des clauses qui sont appliquées au cas par cas et peu fréquemment. Par exemple, dans plusieurs pays, elles prévoient l’offre de logements locatifs à des prix inférieurs à ceux du marché. La rareté et la particularité de ce type de clauses compliquent la collecte de données représentatives.
La fréquence de mise à jour des documents d’urbanisme doit aussi être prise en compte dans les mesures des règles d’occupation des sols. Toutes choses égales par ailleurs, une fréquence de mise à jour plus élevée indique généralement une réglementation moins restrictive. Si un document d’urbanisme contient des règles strictes mais qu’il est souvent mis à jour ou remplacé à l’initiative des promoteurs pour permettre la construction de bâtiments supplémentaires, il est alors beaucoup moins restrictif qu’un document analogue qui ne subit aucune modification pendant une longue période. Si l’on veut quantifier avec précision les règles d’occupation des sols, il faut donc aussi tenir compte de la manière dont les documents d’urbanisme sont mis à jour. Dans les pays où ces documents sont fréquemment révisés, le processus de mise à jour peut être un facteur plus important que la teneur du plan à un moment donné pour déterminer le caractère restrictif des règles d’aménagement du territoire.
Vers des données comparables au niveau international sur les règles locales d’occupation des sols
L’OCDE s’est fixé pour objectif de collecter des données auprès des collectivités locales afin d’élaborer la première métrique internationalement comparable des règles d’occupation des sols. La première étape de cette enquête a lieu en République tchèque, où l’OCDE, en coopération avec le ministère du Développement régional, a recueilli des données auprès de 2 000 communes. Elle couvre toutes les communes situées dans des zones urbaines fonctionnelles de plus de 50 000 habitants, ainsi qu’un ensemble de communes supplémentaires que le ministère du Développement régional considère comme particulièrement importantes pour le marché du logement tchèque.
L’enquête recueille des informations sur les règles locales d’occupation des sols et sur d’autres aspects pertinents des politiques locales en matière de logement. Elle se concentre principalement sur les règles contenues dans les plans directeurs locaux (telles que les règles de densité et d’occupation) et s’intéresse dans une moindre mesure à la teneur des plans réglementaires plus détaillés (conditions architecturales par exemple). Elle s’intéresse à trois éléments clés des politiques d’aménagement du territoire :
Pour pouvoir examiner les données collectées au regard de leur contexte, l’enquête recueille également des informations sur le parc de logements, les prix des logements, les logements appartenant aux communes et la construction de logements. Elle vise à obtenir des données internationalement comparables, mais aussi à rendre compte de tous les aspects importants des politiques locales d’aménagement du territoire. Pour ces raisons, certaines parties de l’enquête sont destinées à s’appliquer à tous les pays, tandis que d’autres sont spécifiquement axées sur le contexte tchèque.
Deux contraintes principales limitent la quantité d’informations pouvant être recueillies dans le cadre de l’enquête. Premièrement, afin de limiter la charge administrative incombant aux collectivités locales sondées, le questionnaire ne porte que sur les règles d’aménagement du territoire les plus importantes. Deuxièmement, les collectivités locales qui répondent au questionnaire sont confrontées à un grand nombre des problèmes conceptuels évoqués ci-dessus. Par exemple, il est peu probable qu’elles puissent évaluer avec précision dans quelle mesure les règles de densité de construction permettent la création de logements supplémentaires.
Malgré ces contraintes, l’enquête devrait fournir de nouveaux éclairages sur les politiques locales en matière de logement et d’occupation des sols. Pour de nombreux pays, elle fournira la première métrique des règles locales d’occupation des sols élaborée de manière systématique. Même dans les pays où de telles métriques existent déjà, les données recueillies dans le cadre de l’enquête seront vraisemblablement les premières à être issues de sources officielles. Et au fur et à mesure qu’elle sera lancée dans d’autres pays, l’enquête établira la première base factuelle solide sur les règles d’occupation des sols en vue de comparaisons statistiques entre pays. Elle permettra de réfléchir à la manière de réformer les systèmes d’aménagement du territoire de façon à favoriser la construction de logements sans entraver d’autres objectifs importants. Dans la mesure où l’OCDE prévoit d’élargir la couverture géographique de l’enquête, elle souhaite continuer à travailler avec les pays intéressés.
References
[68] Ahrend, R., C. Gamper and A. Schumann (2014), “The OECD Metropolitan Governance Survey : A Quantitative Description of Governance Structures in large Urban Agglomerations”, Documents de travail de l’OCDE sur le développement régional, No. 2014/4, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jz43zldh08p-en.
[254] AIE (2020), Energy Efficiency Indicators, http://data.iea.org/payment/products/120-energy-efficiency-indicators.aspx.
[98] AIE (2020), Tracking Transport 2019, https://www.iea.org/reports/tracking-transport-2019.
[247] AIE (2019), Transport sector CO2 emissions by mode in the Sustainable Development Scenario, https://www.iea.org/data-and-statistics/charts/transport-sector-co2-emissions-by-mode-in-the-sustainable-development-scenario-2000-2030 (accessed on 11 June 2020).
[246] Akgun, O., B. Cournède and J. Fournier (2017), “The effects of the tax mix on inequality and growth”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 1447, Éditions OCDE, Paris, https://dx.doi.org/10.1787/c57eaa14-en.
[245] Allain-Dupré, D. (2018), “Assigning responsibilities across levels of government: Trends, challenges and guidelines for policy-makers”, OECD Working Papers on Fiscal Federalism, No. 24, Éditions OCDE, Paris, https://dx.doi.org/10.1787/f0944eae-en.
[133] Allen, L. (2018), The effect of tax increment financing development on housing affordability in Houston, Texas, University of Texas at Austin, https://doi.org/10.15781/T2C82518C.
[63] Alpanda, S. and S. Zubairy (2016), “Housing and Tax Policy”, Journal of Money, Credit and Banking, Vol. 48/2-3, pp. 485-512, https://doi.org/10.1111/jmcb.12307.
[50] Andrews, D. and A. Caldera Sánchez (2011), “The Evolution of Homeownership Rates in Selected OECD Countries: Demographic and Public Policy Influences”, OECD Journal: Economic Studies, Vol. 1, https://www.oecd-ilibrary.org/docserver/eco_studies-2011-5kg0vswqpmg2.pdf?expires=1568809412&id=id&accname=ocid84004878&checksum=BD80B53B366EB54B6A4F571327AD1B20 (accessed on 18 September 2019).
[85] Andrews, D., A. Caldera Sánchez and Å. Johansson (2011), “Housing markets and structural policies in OECD countries”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 836, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5kgk8t2k9vf3-en.
[96] Angel, S. et al. (2011), Making Room for a Planet of Cities, Lincoln Institute of Land Policy, http://www.lincolninst.edu (accessed on 4 June 2020).
[244] Arnold, J. et al. (2011), “Tax Policy for Economic Recovery and Growth”, The Economic Journal, Vol. 121/550, pp. F59-F80, https://doi.org/10.1111/j.1468-0297.2010.02415.x.
[243] Azpitarte, F. (2010), “The household wealth distribution in Spain: The role of housing and financial wealth”, Hacienda Publica Espanola.
[117] Baker, D., N. Sipe and B. Gleeson (2006), “Performance-Based Planning”, Journal of Planning Education and Research, Vol. 25/4, pp. 396-409, https://doi.org/10.1177/0739456X05283450.
[83] Balestra and Tonkin (2018), Inequalities in household wealth across OECD countries: Evidence from the OECD Wealth Distribution Database.
[110] Ball, M. et al. (2014), “Urban Growth Boundaries and their Impact on Land Prices”, Environment and Planning A: Economy and Space, Vol. 46/12, pp. 3010-3026, https://doi.org/10.1068/a130110p.
[90] Banque mondiale (2018), Living and Leaving: housing, mobility and welfare in the European union, Banque mondiale.
[188] Banzhaf, H. and N. Lavery (2010), “Can the land tax help curb urban sprawl? Evidence from growth patterns in Pennsylvania”, Journal of Urban Economics, Vol. 67/2, pp. 169-179, https://doi.org/10.1016/j.jue.2009.08.005.
[192] Banzhaf, H. and R. Walsh (2008), “Do People Vote with Their Feet? An Empirical Test of Tiebout’s Mechanism”, The American Economic Review, Vol. 98/3, pp. 843-863.
[53] Barcelone, W., N. Converse and A. Wong (2020), US Housing as a Global Safe Asset: Evidence from China Shocks, https://www.banque-france.fr/sites/default/files/session1_c_presentation_converse.pdf.
[152] Bardhan, A. et al. (2014), “Energy efficiency retrofits for U.S. housing: Removing the bottlenecks”, Regional Science and Urban Economics, Vol. 47/1, pp. 45-60, https://doi.org/10.1016/j.regsciurbeco.2013.09.001.
[242] Barker, A. (2019), “Improving well-being through better housing policy in New Zealand”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 1565, Éditions OCDE, Paris, https://dx.doi.org/10.1787/b82d856b-en.
[156] Barr, J. and T. Tassier (2020), Are Crowded Cities the Reason for the COVID-19 Pandemic?, Scientific American Blog, https://blogs.scientificamerican.com/observations/are-crowded-cities-the-reason-for-the-covid-19-pandemic/ (accessed on 4 June 2020).
[187] Bartholomew, K. and R. Ewing (2011), “Hedonic Price Effects of Pedestrian-and Transit-Oriented Development”, Journal of Planning Literature, Vol. 26/1, pp. 18-34, https://doi.org/10.1177/0885412210386540.
[241] Bassanini, A. and A. Garnero (2012), “Dismissal Protection and Worker Flows in OECD Countries: Evidence from Cross-Country/Cross-Industry Data”, IZA Discussion Paper, Vol. IZA DP No. 6535.
[93] Bayoumi, T. and J. Barkema (2019), “Stranded! How Rising Inequality Suppressed US Migration and Hurt Those Left Behind”, Vol. 19/122.
[240] Bayoumi, T. and J. Barkema (2019), Stranded! How Rising Inequality Suppressed US Migration and Hurt Those Left Behind, FMI.
[86] BCE (2009), Housing Finance in the Euro Area, Banque centrale européenne, http://www.ecb.europa.eu.
[239] Beck, J. and M. Lin (2020), Impacts of Sea Level Rise on Real Estate Prices in Coastal Georgia, http://www.srsa.org/rrs (accessed on 4 June 2020).
[128] Been, V. (2005), Impact Fees and Housing Affordability.
[111] Bengston, D. and Y. Youn (2006), “Urban Containment Policies and the Protection of Natural Areas: The Case of Seoul’s Greenbelt”, Source: Ecology and Society, Vol. 11/1, https://doi.org/10.2307/26267777.
[136] Bertaud, A. and J. Brueckner (2005), “Analyzing building-height restrictions: Predicted impacts and welfare costs”, Regional Science and Urban Economics, Vol. 35/2, pp. 109-125, https://doi.org/10.1016/j.regsciurbeco.2004.02.004.
[18] Bétin, M. and V. Ziemann (2019), “How responsive are housing markets in the OECD? Regional level estimates”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 1590, Éditions OCDE, Paris, https://dx.doi.org/10.1787/1342258c-en.
[33] Billio, M. et al. (2020), Final Report on Correlation Analysis Between Energy Efficiency and Risk, https://eedapp.energyefficientmortgages.eu/wp-content/uploads/2020/08/EeDaPP_D57_27Aug20-1.pdf.
[89] Blanchflower, D. et al. (2013), Does High Home-Ownership Impair the Labor Market?, http://www.nber.org/papers/w19079.ack.
[112] Blöchliger, H. et al. (2017), “Local fiscal policy, land use regulation, and land use: A survey of the evidence”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 1375, Éditions OCDE, Paris, https://dx.doi.org/10.1787/52da7c6a-en.
[100] Borck, R. and P. Schrauth (2021), “Population density and urban air quality”, Regional Science and Urban Economics, Vol. 86/janvier, pp. 1-24.
[130] Brandt, N. (2014), “Greening the Property Tax”, OECD Working Papers on Fiscal Federalism, No. 17, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jz5pzw9mwzn-en.
[60] Bricongne, J., A. Turrini and P. Pontuch (2019), “Assessing House Prices: Insights from “Houselev”, a Dataset of Price Level Estimates”, Discussion paper, No. 101, Commission européenne, https://doi.org/10.2765/807.
[238] Brooks, L. and B. Lutz (2016), “From Today’s City to Tomorrow’s City: An Empirical Investigation of Urban Land Assembly”, American Economic Journal: Economic Policy, Vol. 8/3, pp. 69-105, https://doi.org/10.1257/pol.20130399.
[134] Brown, Z., W. Oueslati and J. Silva (2016), “Links between urban structure and life satisfaction in a cross-section of OECD metro areas”, Ecological Economics, Vol. 129, pp. 112-121, https://doi.org/10.1016/j.ecolecon.2016.05.004.
[23] Brys, B. et al. (2021), Effective Taxation of Residential Property, à paraître.
[202] Brys, B. et al. (2016), “Tax Design for Inclusive Economic Growth”, Documents de travail de l’OCDE sur la fiscalité, No. 26, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jlv74ggk0g7-en.
[129] Byrne, J. and K. Zyla (2016), “Climate Exactions”, 75 Maryland Law Review, Vol. 758, https://scholarship.law.georgetown.edu/facpub/1668http://ssrn.com/abstract=2765191 (accessed on 3 June 2020).
[88] Caldera Sánchez, A. and D. Andrews (2011), “Residential Mobility and Public Policy in OECD Countries”, OECD Journal: Economic Studies, Vol. 2011, https://doi.org/10.1787/eco_studies-2011-5kg0vswqt240.
[57] Caldera, A. and Å. Johansson (2013), “The price responsiveness of housing supply in OECD countries”, Journal of Housing Economics, Vol. 22/3, pp. 231-249, https://doi.org/10.1016/J.JHE.2013.05.002.
[154] Carrns, A. (2020), “Home Prices Are Rising, Along With Post-Lockdown Demand”, The New York Times, https://www.nytimes.com/2020/06/05/your-money/houses-prices-coronavirus.html?action=click&module=News&pgtype=Homepage (accessed on 11 June 2020).
[118] Carroll, T. et al. (2009), Analysis of the Impacts of Transferable Development Rights Programs on Affordable Housing.
[16] Causa, O., M. Abendschein and M. Cavalleri (2021), The laws of attraction: economic drivers of inter-regional migration, housing costs and the role of policies, Documents de travail du Département des Affaires économiques de l’OCDE, p. à paraître.
[95] Causa, O., M. Abendschein and M. Cavalleri (À paraître), The laws of attraction: economic drivers of inter-regional migration,housing costs and the role of policies, OCDE, Documents de travail du Département des Affaires économiques.
[237] Causa, O. et al. (à paraître), Internal migration, regional house price divergence and the role of policies.
[17] Causa, O., M. Cavalleri and N. Luu (2021), Migration, housing and regional disparities: a gravity model of inter-regional migration with an application to selected OECD countries, OCDE, Documents de travail du Département des Affaires économiques, p. à paraître.
[236] Causa, O., M. cavalleri and N. Luu (à paraître), Migration, housing and regional disparities: a gravity model of inter-regional migration with an application to selected OECD countries, Documents de travail du Département des Affaires économiques de l’OCDE.
[47] Causa, O. and J. Pichelmann (2020), “Should I Stay or should I Go? Housing and residential mobility across OECD countries”, OECD Economics Department Working papers (à paraître), Éditions OCDE.
[52] Causa, O., N. Woloszko and D. Leite (2019), “Housing, Wealth Accumulation and Wealth Distribution: Evidence and Stylized Facts”, Documents de travail du Département des Affaires économiques de l’OCDE, no 1588.
[40] Cavalleri, M., B. Cournède and E. Özsöğüt (2019), “How responsive are housing markets in the OECD? National level estimates”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 1589, Éditions OCDE, Paris, https://dx.doi.org/10.1787/4777e29a-en.
[15] Cavalleri, M., B. Cournède and V. Ziemann (2019), “Housing markets and macroeconomic risks”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 1555, Éditions OCDE, Paris, https://dx.doi.org/10.1787/737133d8-en.
[105] CEE-ONU (2008), Spatial planning: Key Instrument for Development and Effective Governance with Special Reference to Countries in Transition, Nations Unies, Genève, https://www.unece.org/fileadmin/DAM/hlm/documents/Publications/spatial_planning.e.pdf (accessed on 5 June 2020).
[147] Cerin, P., L. Hassel and N. Semenova (2014), “Energy Performance and Housing Prices”, Sustainable Development, Vol. 22/6, pp. 404-419, https://doi.org/10.1002/sd.1566.
[190] Chatman, D. and N. Voorhoeve (2010), “The transportation-credit mortgage: a post-mortem”, Housing Policy Debate, Vol. 20/3, pp. 355-382, https://doi.org/10.1080/10511481003788786.
[171] Chen, Y. et al. (2019), “The impact on neighbourhood residential property valuations of a newly proposed public transport project: The Sydney Northwest Metro case study”, Transportation Research Interdisciplinary Perspectives, Vol. 3, p. 100070, https://doi.org/10.1016/j.trip.2019.100070.
[200] Cheshire, P. and C. Hilber (2008), “Office Space Supply Restrictions in Britain: The Political Economy of Market Revenge”, The Economic Journal, Vol. 118/529, pp. F185-F221, https://doi.org/10.1111/j.1468-0297.2008.02149.x.
[199] Cheshire, P. and S. Sheppard (2005), “The introduction of price signals into land use planning decision-making: A proposal”, Urban Studies, Vol. 42/4, pp. 647-663, https://doi.org/10.1080/00420980500060210.
[92] Chetty, R., N. Hendren and L. Katz (2016), The effects of exposure to better neighborhoods on children: New evidence from the moving to opportunity experiment, American Economic Association, https://doi.org/10.1257/aer.20150572.
[235] Clarke, R., S. Königs and R. Fernandez (À paraître), “Inequalities in household wealth – drivers and policy implications”, Documents de travail de l’OCDE sur les affaires sociales, l’emploi et les migrations.
[234] Claveres, G. et al. (2020), “Housing and inequality: The case of Luxembourg and its cross-border workers”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 1608, Éditions OCDE, Paris, https://dx.doi.org/10.1787/666babc1-en.
[10] Commission européenne (2007), ETHOS Light: Typologie européenne de l’exclusion liée au logement, Measurement of Homelessness at European Union Level, https://www.feantsa.org/download/fea-002-18-update-ethos-light-0032417441788687419154.pdf (accessed on 8 October 2019).
[233] Congressional Research Service (2020), An Economic Analysis of the Mortgage Interest Deduction, https://crsreports.congress.gov (accessed on 11 December 2020).
[232] Costa, A. et al. (2019), “Subnational purchasing power of parity in OECD countries: Estimates based on the Balassa-Samuelson hypothesis”, Documents de travail de l’OCDE sur le développement régional, No. 2019/12, Éditions OCDE, Paris, https://dx.doi.org/10.1787/3d8f5f51-en.
[32] Cournède, B., F. De Pace and V. Ziemann (2020), The Future of Housing: Policy Scenarios.
[231] Cournède, B., O. Denk and P. Hoeller (2015), “Finance and Inclusive Growth”, OECD Economic Policy Papers, No. 14, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5js06pbhf28s-en.
[203] Cournède, B., J. Fournier and P. Hoeller (2018), “Structure des finances publiques et croissance inclusive”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 25, Éditions OCDE, Paris, https://dx.doi.org/10.1787/42b878d8-fr.
[55] Cournède, B., S. Sakha and V. Ziemann (2019), “Empirical links between housing markets and economic resilience”, Documents de travail du Département des Affaires économiques de l’OCDE, No. 1562, Éditions OCDE, Paris, https://dx.doi.org/10.1787/aa029083-en.
[185] Creutzig, F. et al. (2015), “Global typology of urban energy use and potentials for an urbanization mitigation wedge”, PNAS, Vol. 112/20, pp. 6283-6288, https://doi.org/10.1073/pnas.1315545112.
[73] de Boer, R. and R. Bitetti (2014), “A Revival of the Private Rental Sector of the Housing Market?: Lessons from Germany, Finland, the Czech Republic and the Netherlands”, in Documents de travail du Département des Affaires économiques de l’OCDE, Éditions OCDE, Paris, https://www.oecd-ilibrary.org/economics/a-revival-of-the-private-rental-sector-of-the-housing-market_5jxv9f32j0zp-en.
[151] de Feijter, F., B. van Vliet and Y. Chen (2019), “Household inclusion in the governance of housing retrofitting: Analysing Chinese and Dutch systems of energy retrofit provision”, Energy Research and Social Science, Vol. 53, pp. 10-22, https://doi.org/10.1016/j.erss.2019.02.006.
[71] Diamond, R., T. McQuade and F. Qian (2019), “The effects of rent control expansion on tenants, landlords, and inequality: Evidence from San Francisco”, American Economic Review, Vol. 109/9, pp. 3365-3394, https://doi.org/10.1257/aer.20181289.
[3] Dijkstra, L., H. Poelman and P. Veneri (2019), “The EU-OECD definition of a functional urban area”, Documents de travail de l’OCDE sur le développement régional, No. 2019/11, Éditions OCDE, Paris, https://dx.doi.org/10.1787/d58cb34d-en.
[30] Duprey, T. and A. Ueberfeldt (2020), Managing GDP Tail Risk, Banque du Canada.
[132] Dzigbede, K. and R. Pathak (2019), Tax Increment Financing and Economic Development, The Brookings Institute.
[170] Efthymiou, D. and C. Antoniou (2013), “How do transport infrastructure and policies affect house prices and rents? Evidence from Athens, Greece”, Transportation Research Part A: Policy and Practice, Vol. 52, pp. 1-22, https://doi.org/10.1016/j.tra.2013.04.002.
[165] El-Geneidy, A., D. van Lierop and R. Wasfi (2016), “Do people value bicycle sharing? A multilevel longitudinal analysis capturing the impact of bicycle sharing on residential sales in Montreal, Canada”, Transport Policy, Vol. 51, pp. 174-181, https://doi.org/10.1016/j.tranpol.2016.01.009.
[161] Eliasson, J. and L. Mattsson (2001), Transport and Location Effects of Road Pricing: A Simulation Approach, https://www.jstor.org/stable/20053883 (accessed on 3 June 2020).
[230] Engels, F. (1872/73), “Die Wohnungsfrage”, Der Volksstaat, Leipzig, http://www.mlwerke.de/me/me18/me18_209.htm.
[41] Eurostat (2020), Construction cost (or producer prices), new residential buildings - annual data, https://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do (accessed on 15 July 2020).
[250] Eurostat, OCDE (2012), Methodological Manual on Purchasing Power Parities, https://www.oecd.org/sdd/prices-ppp/PPP%20manual%20revised%202012.pdf.
[8] Eviction Lab (2018), Methodology Report v.1.1.0 (5/7/18), Princeton University, https://evictionlab.org/docs/Eviction%20Lab%20Methodology%20Report.pdf (accessed on 11 June 2020).
[229] Fack, G. (2006), “Are housing benefit an effective way to redistribute income? Evidence from a natural experiment in France”, Labour Economics, Vol. 13/6, pp. 747-771, https://doi.org/10.1016/j.labeco.2006.01.001.
[228] Fan, J. et al. (2020), “The impact of climate change on residential energy consumption in urban and rural divided southern and northern China”, Environmental Geochemistry and Health, Vol. 42/3, pp. 969-985, https://doi.org/10.1007/s10653-019-00430-3.
[227] Figari, F. et al. (2017), “Removing Homeownership Bias in Taxation: The Distributional Effects of Including Net Imputed Rent in Taxable Income”, Fiscal Studies, Vol. 38/4, pp. 525-557, https://doi.org/10.1111/1475-5890.12105.
[66] Fischel, W. (2001), The Homevoter Hypothesis: How Home Values Influence Local Government Taxation, School Finance, and Land-Use Policies, Harvard University Press, https://books.google.fr/books?hl=fr&lr=&id=q9bJ6eZMR_IC&oi=fnd&pg=PR9&dq=homevoter+hypothesis&ots=_Y-DbzGiSg&sig=Yq-YCANpWOUFnxtgNEXcRg9TRsM#v=onepage&q=homevoter hypothesis&f=false.
[139] Frew, T., D. Baker and P. Donehue (2016), “Performance based planning in Queensland: A case of unintended plan-making outcomes”, Land Use Policy, Vol. 50, pp. 239-251, https://doi.org/10.1016/j.landusepol.2015.10.007.
[120] Furman Center for Real Estate and Urban Policy (2014), Unlocking the right to build: Designing a more flexible system for transferring development rights, http://www.nyc.gov/ (accessed on 2 June 2020).
[172] Gallo, M. (2018), “The Impact of Urban Transit Systems on Property Values: A Model and Some Evidences from the City of Naples”, Journal of Advanced Transportation, https://doi.org/10.1155/2018/1767149.
[177] Gan, H. and Q. Wang (2013), “Emissions Impacts of the Park-and-Ride Strategy: A Case Study in Shanghai, China”, Procedia - Social and Behavioral Sciences, Vol. 96, pp. 1119-1126, https://doi.org/10.1016/j.sbspro.2013.08.128.
[13] Ganong, P. and D. Shoag (2017), “Why has regional income convergence in the U.S. declined?”, Journal of Urban Economics, Vol. 102, pp. 76-90, https://doi.org/10.1016/j.jue.2017.07.002.
[226] Gerardi, K. and P. Willen (2008), Subprime Mortgages, Foreclosures, and Urban Neighborhoods, Federal Reserve Bank of Boston Public Policy Discussion paper, http://www.bos.frb.org/economic/ppdp/index.htm. (accessed on 12 June 2020).
[126] Gilderbloom, J., M. Hanka and J. Ambrosius (2009), “Historic preservation’s impact on job creation, property values, and environmental sustainability”, Journal of Urbanism: International Research on Placemaking and Urban Sustainability, Vol. 2/2, pp. 83-101, https://doi.org/10.1080/17549170903056821.
[225] Glaeser, E. and M. Kahn (2008), The Greenness of Cities: Carbon Dioxide Emissions and Urban Development, http://www.nber.org/papers/w14238 (accessed on 14 May 2020).
[224] Glick, R. and K. Lansing (2010), “Global household leverage, house prices, and consumption”, FRBSF Economic Letter, http://homepage.ntu.edu.tw/~nankuang/Global%20Household%20Leverage,%20House%20Prices,%20and%20Consumption-1.pdf (accessed on 4 December 2018).
[223] Grislain-Letrémy, C. and C. Trevien (2014), “G2014/8”, in The Impact of Housing Subsidies on the Rental Sector: the French Example, http://www.epsilon.insee.fr/jspui/bitstream/1/22484/1/g2014-08.pdf.
[25] Gruber, J., A. Jensen and H. Kleven (2021), “Do People Respond to the Mortgage Interest Deduction? Quasi-Experimental Evidence from Denmark”, American Economic Journal: Economic Policy 2021, Vol. 13/2, pp. 273-303, https://doi.org/10.1257/pol.20170366.
[72] Guillemette, Y. (2019), “Recent improvements to the public finance block of the OECD’s long-term global model”, Documents de travail du Département des affaires économiques de l’OCDE, No. 1581, Éditions OCDE, Paris, https://dx.doi.org/10.1787/4f07fb8d-en.
[67] Gyourko, J. and R. Molloy (2015), “Regulation and Housing Supply”, Handbook of Regional and Urban Economics, Vol. 5, pp. 1289-1337, https://doi.org/10.1016/B978-0-444-59531-7.00019-3.
[12] Gyourko, J., A. Saiz and A. Sumers (2008), “A New Measure of the Local Regulatory Environment for Housing Markets: The Wharton Residential Land Use Regulatory Index”, Urban Studies, Vol. 45/3, pp. 693-729, https://doi.org/10.1177/0042098007087341.
[69] Gyourko, J., A. Saiz and A. Summers (2008), “A New Measure of the Local Regulatory Environment for Housing Markets: The Wharton Residential Land Use Regulatory Index”, Urban Studies, Vol. 45/3, pp. 693-729.
[180] Haller, M. et al. (2007), “Economic costs and environmental impacts of alternative fuel vehicle fleets in local government: An interim assessment of a voluntary ten-year fleet conversion plan”, Transportation Research Part D: Transport and Environment, Vol. 12/3, pp. 219-230, https://doi.org/10.1016/j.trd.2007.02.001.
[125] Haninger, K., L. Ma and C. Timmins (2017), “The Value of Brownfield Remediation”, https://doi.org/10.1086/689743.
[54] Harding, D. and A. Pagan (2002), “Dissecting the cycle: a methodological investigation”, Journal of Monetary Economics, Vol. 49/2, pp. 365-381, https://doi.org/10.1016/S0304-3932(01)00108-8.
[145] Heeren, N. et al. (2015), “Environmental Impact of Buildings - What Matters?”, Environmental Science and Technology, Vol. 49/16, pp. 9832-9841, https://doi.org/10.1021/acs.est.5b01735.
[201] Herkenhoff, K., L. Ohanian and E. Prescott (2018), “Tarnishing the golden and empire states: Land-use restrictions and the U.S. economic slowdown”, Journal of Monetary Economics, Vol. 93, pp. 89-109, https://doi.org/10.1016/j.jmoneco.2017.11.001.
[58] Hermansen, M. and O. Röhn (2017), “Economic resilience: The usefulness of early warning indicators in OECD countries”, OECD Journal: Economic Studies, Vol. 2016/1, https://www.oecd-ilibrary.org/docserver/eco_studies-2016-5jg2ppjrd6r3.pdf?expires=1547983022&id=id&accname=ocid84004878&checksum=3A3C6140FEC597236FBC3673C21D5C42.
[196] Hoggart (2016), The City’s Hinterland: Dynamism and Divergence in Europe’s Peri-Urban, Routledge, London.
[94] Hsieh, C. and E. Moretti (2019), “Housing Constraints and Spatial Misallocation”, American Economic Journal: Macroeconomics, Vol. 11/2, pp. 1-39, https://doi.org/10.1257/mac.20170388.
[222] Hsieh, C. and E. Moretti (2019), “Housing Constraints and Spatial Misallocation”, American Economic Journal: Macroeconomics, Vol. 11/2, pp. 1-39, https://doi.org/10.1257/mac.20170388.
[155] Hughes, C. (2020), “Coronavirus Escape: City to Suburbs”, The New York Times, https://www.nytimes.com/2020/05/08/realestate/coronavirus-escape-city-to-suburbs.html (accessed on 5 June 2020).
[148] Im, J. et al. (2017), “Energy efficiency in U.S. residential rental housing: Adoption rates and impact on rent”, Applied Energy, Vol. 205, pp. 1021-1033, https://doi.org/10.1016/j.apenergy.2017.08.047.
[221] Jahoda, R. and J. Godarovo (2014), “Distribution Impact of the Mortgage Interest Deduction in the Czech Republic”, Review of European Studies, Vol. 6/2, https://doi.org/10.5539/res.v6n2p110.
[143] Jeddi Yeganeh, A., A. McCoy and S. Hankey (2019), “Green Affordable Housing: Cost-Benefit Analysis for Zoning Incentives”, Sustainability, Vol. 11/22, p. 6269, https://doi.org/10.3390/su11226269.
[116] Jepson, E. and A. Haines (2014), “Zoning for Sustainability: A Review and Analysis of the Zoning Ordinances of 32 Cities in the United States”, Journal of the American Planning Association, Vol. 80/3, pp. 239-252, https://doi.org/10.1080/01944363.2014.981200.
[46] Jowers, K. et al. (2021), “Housing Precarity & the COVID-19 Pandemic: Impacts of Utility Disconnection and Eviction Moratoria on Infections and Deaths Across US Counties”, National Bureau of Economic Research (NBER) Working Papers, No. 28394, National Bureau of Economic Research (NBER), https://www.nber.org/papers/w28394 (accessed on 26 February 2021).
[91] Judge, L. (2019), Moving Matters: Housing costs and labour market mobility, Resolution Foundation Briefing, [email protected], http://www.nuffieldfoundation.org.
[220] Justo, I. et al. (2019), Mortgage Tax Reforms in Sweden: Scope for a Double Dividend?, Commission européenne, https://ec.europa.eu/info/publications/economic-and-financial-affairs-publications_en.
[79] Kamal-Chaoui, L. and A. Robert (2009), Competitive Cities and Climate Change, http://www.oecd.org/gov/regional/workingpapers.
[219] Karagulian F. et al. (2017), Attribution of anthropogenic PM2.5 to emission sources, https://publications.jrc.ec.europa.eu/repository/bitstream/JRC104676/jrc_technical_report_-_final_identif.pdf (accessed on 21 January 2021).
[99] Karagulian, F. et al. (2015), “Contributions to cities’ ambient particulate matter (PM): A systematic review of local source contributions at global level”, Atmospheric Environment, Vol. 120, pp. 475-483, https://doi.org/10.1016/j.atmosenv.2015.08.087.
[153] Karatasou, S., M. Laskari and M. Santamouris (2014), Models of behavior change and residential energy use: A review of research directions and findings for behavior-based energy efficiency, Taylor and Francis Ltd., https://doi.org/10.1080/17512549.2013.809275.
[191] Kaza, N. et al. (2016), “Housing Policy Debate Location Efficiency and Mortgage Risks for Low-Income Households”, https://doi.org/10.1080/10511482.2016.1159972.
[122] Kelly, J. (2015), Sustaining Neighborhoods of Choice: From Land Bank(ing) to Land Trust(ing), Notre Dame Law School Legal Studies Research Paper No. 1520, https://scholarship.law.nd.edu/law_faculty_scholarship/1207 (accessed on 3 June 2020).
[218] Kelly, J., J. Le Blanc and R. Lydon (2018), “Pockets of risk in European Housing Markets: then and now”, Research Technical Papers, https://ideas.repec.org/p/cbi/wpaper/12-rt-18.html (accessed on 28 November 2018).
[7] Kenna, P. et al. (2016), Pilot project - Promoting protection of the right to housing - Homelessness prevention in the context of evictions, Union européenne, https://doi.org/10.2767/463280.
[159] Kholodilin, K. (2020), Housing policy during COVID-19 crisis: Challenges and solutions, https://rpubs.com/Konstantin_Xo/605805 (accessed on 14 May 2020).
[70] Kholodilin, K. and S. Kohl (2020), “Does Social Policy through Rent Controls Inhibit New Construction? Some Answers from Long-Run Historical Evidence”, Diskussionspapiere, No. 1839, http://www.diw.de/discussionpapers.
[168] Knittel, C. and R. Sandler (2013), “The Welfare Impact of Indirect Pigouvian Taxation: Evidence from Transportation”, NBER Working Paper Series, https://doi.org/10.3386/w18849.
[56] Kohl, S. (2020), “Too much mortgage debt? The effect of housing financialization on housing supply and residential capital formation”, Socio-Economic Review, https://doi.org/10.1093/ser/mwaa030.
[217] Kohl, S. (2018), “More Mortgages, More Homes? The Effect of Housing Financialization on Homeownership in Historical Perspective”, Politics & Society, Vol. 46/2, pp. 177-203, https://doi.org/10.1177/0032329218755750.
[142] Kontokosta, C., V. Reina and B. Bonczak (2020), “Energy Cost Burdens for Low-Income and Minority Households: Evidence From Energy Benchmarking and Audit Data in Five U.S. Cities”, Journal of the American Planning Association, Vol. 86/1, pp. 89-105, https://doi.org/10.1080/01944363.2019.1647446.
[127] Krizek, K. (2003), Transit Supportive Home Loans: Theory, Application, and Prospects for Smart Growth.
[174] Krizek, K. and P. Johnson (2006), “Proximity to Trails and Retail: Effects on Urban Cycling and Walking”, Journal of the American Planning Association, Vol. 72/1.
[102] Kuethe, T. and R. Keeney (2012), “Environmental Externalities and Residential Property Values: Externalized Costs along the House Price Distribution”, Land Economics, Vol. 88/2, pp. 241-250.
[77] Larson, W. and W. Zhao (2020), “Self-driving cars and the city: Effects on sprawl, energy consumption, and housing affordability”, Regional Science and Urban Economics, Vol. 81, https://doi.org/10.1016/j.regsciurbeco.2019.103484.
[80] Larson, W. and W. Zhao (2017), “Telework: urban form, energy consumption, and greenhouse gas implications”, Economic Inquiry, Vol. 55/2, pp. 714-735, https://doi.org/10.1111/ecin.12399.
[216] Lewis, P. and N. Marantz (2019), “What Planners Know. Using Surveys About Local Land Use Regulation to Understand Housing Development”, Journal of the American Planning Association, Vol. 85/4, pp. 445-462, https://doi.org/10.1080/01944363.2019.1643253.
[144] Listokin, D. and D. Hattis (2005), “Building codes and housing”, Cityscape, Vol. 8/1, pp. 21-67, https://doi.org/10.2307/20868571.
[162] Litman, T. (2020), “Parking Requirement Impacts on Housing Affordability”, http://[email protected] (accessed on 3 June 2020).
[114] Mathur, S. (2014), “Impact of Urban Growth Boundary on Housing and Land Prices: Evidence from King County, Washington”, Housing Studies, Vol. 29/1, pp. 128-148, https://doi.org/10.1080/02673037.2013.825695.
[215] Matsaganis, M. and M. Flevotomou (2007), The impact of mortgage interest tax relief in the Netherlands, Sweden, Finland, Italy and Greece, https://ideas.repec.org/p/ese/emodwp/em2-07.html.
[109] Matteucci, S. and J. Morello (2009), “Environmental consequences of exurban expansion in an agricultural area: The case of the Argentinian pampas ecoregion”, Urban Ecosystems, Vol. 12/3, pp. 287-310, https://doi.org/10.1007/s11252-009-0093-z.
[176] Matute, J. et al. (2016), Toward Accurate and Valid Estimates of Greenhouse Gas Reductions from Bikeway Projects, UCLA and Caltrans.
[178] Meek, S., S. Ison and M. Enoch (2008), “Role of Bus‐Based Park and Ride in the UK: A Temporal and Evaluative Review”, Transport Reviews, Vol. 28/6, pp. 781-803, https://doi.org/10.1080/01441640802059152.
[181] Melaina, M. et al. (2013), Alternative Fuel Infrastructure Expansion: Costs, Resources, Production Capacity, and Retail Availability for Low-Carbon Scenarios, Transportation Energy Futures Series, Prepared for the U.S. Department of Energy by National Renewable Energy Laboratory, Golden, CO.
[84] Mian, A. and A. Sufi (2011), “House Prices, Home Equity–Based Borrowing, and the US Household Leverage Crisis”, American Economic Review, Vol. 101/5, pp. 2132-2156, https://doi.org/10.1257/aer.101.5.2132.
[214] Mian, A. and A. Sufi (2008), “The Consequences of Mortgage Credit Expansion: Evidence from the U.S. Mortgage Default Crisis”, SSRN Electronic Journal, https://doi.org/10.2139/ssrn.1072304.
[146] Mims, N. et al. (2017), Evaluation of U.S. Building Energy Benchmarking and Transparency Programs: Attributes, Impacts, and Best Practices.
[179] Mingardo, G. (2013), “Transport and environmental effects of rail-based Park and Ride: Evidence from the Netherlands”, Journal of Transport Geography, Vol. 30, pp. 7-16, https://doi.org/10.1016/j.jtrangeo.2013.02.004.
[81] Ministry for Economic Affairs and the Interior (2018), Distribution and Incentives (Fordeling og incitamenter).
[131] Morris, M. (2000), Incentive zoning: Meeting urban design and affordable housing, American Planning Association Planning Advisory Service Report Number 494.
[44] OCDE (2021), Building for a better tomorrow: Policies to make housing more affordable, Éditions OCDE, http://oe.cd/affordable-housing-2021.
[253] OCDE (2021), Changement de couverture de sol, https://dx.doi.org/10.1787/654eab08-fr (accessed on 13 April 2021).
[252] OCDE (2021), Effective Carbon Rates, https://doi.org/à paraître.
[189] OCDE (2021), Making Property Tax Reform in China Happen: A Review of Property Tax Design and Reform Experiences in OECD Countries, Éditions OCDE.
[5] OCDE (2020), Affordable Housing Database, http://oe.cd/ahd.
[9] OCDE (2020), Better data and policies to fight homelessness in the OECD. Policy Brief on Affordable Housing, Éitions OCDE, http://oe.cd/homelessness-2020. (accessed on 16 March 2020).
[140] OCDE (2020), Decarbonising Urban Mobility with Land Use and Transport Policies : The Case of Auckland, New Zealand, Éditions OCDE, Paris, https://dx.doi.org/10.1787/095848a3-en.
[158] OCDE (2020), Du confinement à la reprise : Les réponses environnementales à la pandémie de COVID-19 - OCDE, https://read.oecd-ilibrary.org/view/?ref=130_130678-gws3uuab48&title=Du-confinement-a-la-reprise-les-reponses-environnementales-a-la-pandemie-de-COVID-19 (accessed on 14 May 2020).
[101] OCDE (2020), Environment at a Glance 2020, Éditions OCDE, Paris, https://dx.doi.org/10.1787/4ea7d35f-en.
[19] OCDE (2020), Housing Amid COVID-19: Policy Responses and Challenges, https://www.oecd.org/coronavirus/policy-responses/housing-amid-covid-19-policy-responses-and-challenges-cfdc08a8/.
[34] OCDE (2020), Housing and Inclusive Growth, Éditions OCDE, https://www.oecd.org/fr/social/housing-and-inclusive-growth-6ef36f4b-en.htm.
[48] OCDE (2020), Housing and Inclusive Growth, Éditions OCDE, Paris, https://dx.doi.org/10.1787/6ef36f4b-en.
[22] OCDE (2020), Perspectives de l’emploi de l’OCDE 2020 : Crise du COVID-19 et protection des travailleurs, Éditions OCDE, Paris, https://dx.doi.org/10.1787/b1547de3-fr.
[42] OCDE (2020), Policy Actions for Affordable Housing in Latvia, https://www.oecd.org/fr/economie/lettonie-en-un-coup-d-oeil/ (accessed on 2 July 2020).
[76] OCDE (2020), Réformes économiques 2019: Objectif croissance, Éditions OCDE, Paris, https://dx.doi.org/10.1787/80f7eb31-fr.
[157] OCDE (2020), Santé environnementale et renforcement de la résilience face aux pandémies - OCDE, https://read.oecd-ilibrary.org/view/?ref=132_132607-vb98qbmysl&title=Sante-environnementale-et-renforcement-de-la-resilience-face-aux-pandemies (accessed on 14 May 2020).
[20] OCDE (2020), Social housing: A key part of past and future housing policy, Éditions OCDE, http://www.oecd.org/social/social-housing-policy-brief-2020.pdf.
[39] OCDE (2020), Social housing: A key part of past and future housing policy, http://oe.cd/social-housing-2020.
[2] OCDE (2020), Statistical Insights: http://www.oecd.org/sdd/prices-ppp/statistical-insights-location-location-location-house-price-developments-across-and-within-oecd-countries.htm, http://www.oecd.org/sdd/prices-ppp/statistical-insights-location-location-location-house-price-developments-across-and-within-oecd-countries.htm (accessed on 15 July 2020).
[36] OCDE (2020), Supporting people and companies to deal with the COVID-19 virus: Options for an immediate employment and social-policy response, OCDE, Paris, http://oe.cd/covid19briefsocial (accessed on 14 April 2020).
[78] OCDE (2019), Exploring the impact of shared mobility.
[97] OCDE (2019), Global Material Resources Outlook to 2060: Economic Drivers and Environmental Consequences, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264307452-en.
[24] OCDE (2019), OECD Economic Surveys: Austria 2019, Éditions OCDE, Paris, https://doi.org/10.1787/22f8383a-en.
[29] OCDE (2019), OECD Economic Surveys: Sweden 2019, Éditions OCDE, Paris, https://doi.org/10.1787/c510039b-en.
[4] OCDE (2019), OECD Regional Outlook 2019: Leveraging Megatrends for Cities and Rural Areas, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264312838-en.
[43] OCDE (2019), Panorama de la santé 2019 : Les indicateurs sociaux de l’OCDE, https://www.oecd-ilibrary.org/social-issues-migration-health/panorama-de-la-societe-2019_e9e2e91e-fr (accessed on 14 May 2019).
[37] OCDE (2019), Risks that Matter, https://www.oecd.org/els/soc/Risks-That-Matter-2018-Main-Findings.pdf (accessed on 2 May 2019).
[14] OCDE (2019), Sous pression : la classe moyenne en perte de vitesse, Éditions OCDE, Paris, https://dx.doi.org/10.1787/2b47d7a4-fr.
[61] OCDE (2018), “Divided Cities: Understanding Income Segregation in OECD Metropolitan Areas”, in Divided Cities: Understanding Intra-urban Inequalities, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264300385-4-en.
[31] OCDE (2018), Études économiques de l’OCDE : Canada 2018, Éditions OCDE, Paris, https://dx.doi.org/10.1787/eco_surveys-can-2018-fr.
[75] OCDE (2018), OECD Economic Surveys: Israel 2020, Éditions OCDE, Paris, https://doi.org/10.1787/d6a7d907-en.
[28] OCDE (2018), OECD Economic Surveys: Netherlands 2018, Éditions OCDE, Paris, https://doi.org/10.1787/eco_surveys-nld-2018-en.
[104] OCDE (2018), Rethinking Urban Sprawl: Moving Towards Sustainable Cities, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264189881-en.
[59] OCDE (2018), Taxation of Household Savings, Études de politique fiscale de l’OCDE, No. 25, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264289536-en.
[195] OCDE (2017), Land-use Planning Systems in the OECD: Country Fact Sheets, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264268579-en.
[74] OCDE (2017), Spatial Planning and Policy in Israel: The Cases of Netanya and Umm al-Fahm, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264277366-en.
[65] OCDE (2017), The Governance of Land Use, https://www.oecd.org/cfe/regional-policy/governance-of-land-use-policy-highlights.pdf.
[198] OCDE (2016), Land-Use Governance Survey, https://doi.org/www.oecd.org/gov/governance-of-land-use.htm.
[249] OCDE (2015), OECD Urban Policy Reviews Mexico 2015: Transforming Urban Policy and Housing Finance, OECD Urban Policy Reviews, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264227293-en.
[21] OCDE (2014), Panorama de la société 2014 : Les indicateurs sociaux de l’OCDE, Éditions OCDE, Paris, https://dx.doi.org/10.1787/soc_glance-2014-fr.
[248] OCDE (2014), Perspectives de l’emploi de l’OCDE 2014, Éditions OCDE, Paris, https://dx.doi.org/10.1787/empl_outlook-2014-fr.
[27] OCDE (2013), Études économiques de l’OCDE : Pays-Bas 2012, Éditions OCDE, Paris, https://dx.doi.org/10.1787/eco_surveys-nld-2012-fr.
[82] OCDE (2013), OECD Guidelines for Micro Statistics on Household Wealth.
[197] OCDE (2013), OECD Urban Policy Reviews, Chile 2013, OECD Urban Policy Reviews, Éditions OCDE, Paris, https://dx.doi.org/10.1787/9789264191808-en.
[26] OCDE (2011), Études économiques de l’OCDE: Pays-Bas 2010, Éditions OCDE, Paris, https://dx.doi.org/10.1787/eco_surveys-nld-2010-fr.
[49] OCDE (à paraître), “Measuring effective taxation of housing: Building the foundations for policy reform”, Documents de travail de l’OCDE sur la fiscalité.
[194] OCDE (2017b), The Governance of Land Use in OECD Countries: Policy Analysis and Recommendations.
[35] OCDE et al. (2013), Handbook on Residential Property Prices Indices (RPPIs), https://doi.org/10.1787/9789264197183-en (accessed on 16 March 2020).
[251] OCDE/ONU-HABITAT (2018), Global State of National Urban Policy, Éditions OCDE, Paris et Programme des Nations Unies pour les établissements humains, Nairobi, https://dx.doi.org/10.1787/9789264290747-en.
[1] OIT et al. (2013), Handbook on Residential Property Prices Indices, https://ec.europa.eu/eurostat/documents/3859598/5925925/KS-RA-12-022-EN.PDF.
[213] Ortalo-Magne, F. and S. Rady (2006), “Housing Market Dynamics: On the Contribution of Income Shocks and Credit Constraints”, Review of Economic Studies, Vol. 73/2, pp. 459-485, https://doi.org/10.1111/j.1467-937X.2006.383_1.x.
[87] Oswald, A. (1996), “A Conjecture on the Explanation for High Unemployment in the Industrialized Nations: Part 1”, University of Warwick Economic Research Paper No. 2068-2018-901.
[119] Otto, K. (2010), Smart Growth through the Transfer of Development Rights: A selection of TDR case studies with relevance for the preservation of farmland, open space and other natural resources in New Jersey, New Jersey Future.
[212] Özsöğüt (2020), Decentralisation and Governance in the Housing Sector: Analytic Results, OECD Fiscal Network Technical Background Paper.
[164] Pelechrinis, K. et al. (2017), “Economic impact and policy implications from urban shared transportation: The case of Pittsburgh’s shared bike system”, PLOS ONE, Vol. 12/8, p. e0184092, https://doi.org/10.1371/journal.pone.0184092.
[193] Phillips (2020), “Decentralisation and inter-governmental relations in the housing sector”.
[166] Qiu, L. and L. He (2018), “Bike Sharing and the Economy, the Environment, and Health-Related Externalities”, Sustainability, Vol. 10/4, pp. 1-10.
[38] Quets, G., A. Duggan and G. Cooper (2016), Le logement abordable sous le prisme du genre, https://www.icrw.org/publications/a-gender-lens-on-affordable-housing-2.
[115] Quigley, J., L. Rosenthal and R. Quigley (2005), The Effects of Land Use Regulation on the Price of Housing: What Do We Know? What Can We Learn? The Effects of Land Use Regulation on the Price of Housing: What Do We Know? What Can We Learn? Cityscape 69.
[167] Rodriguez, J. (2013), “Effect of High Gasoline Prices on Low-Density Housing Development”, Leadership and Management in Engineering, Vol. 13/3, pp. 131-143, https://doi.org/10.1061/(ASCE)LM.1943-5630.0000225.
[211] Rosenblatt, P. and S. Sacco (2018), “Investors and the Geography of the Subprime Housing Crisis”, Housing Policy Debate, Vol. 28/1, pp. 94-116, https://doi.org/10.1080/10511482.2016.1242021.
[160] Rouhani, O. (2016), “Next Generations of Road Pricing: Social Welfare Enhancing”, Sustainability, Vol. 8/3, p. 265, https://doi.org/10.3390/su8030265.
[210] Sacchi, A. and S. Salotti (2017), “The influence of decentralized taxes and intergovernmental grants on local spending volatility”, Regional Studies, Vol. 51/4, pp. 507-522, https://doi.org/10.1080/00343404.2015.1111512.
[163] Safirova, E. et al. (2006), Congestion Pricing Long-Term Economic and Land-Use Effects Congestion Pricing: Long-Term Economic and Land-Use Effects, http://www.rff.org (accessed on 3 June 2020).
[51] Salvi del Pero, A. et al. (2016), “Policies to promote access to good-quality affordable housing in OECD countries”, Documents de travail de l’OCDE sur les questions sociales, l’emploi et les migrations, No. 176, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jm3p5gl4djd-en.
[135] Schindler, M. and G. Caruso (2014), “Urban compactness and the trade-off between air pollution emission and exposure: Lessons from a spatially explicit theoretical model”, Computers, Environment and Urban Systems, Vol. 45, pp. 13-23, https://doi.org/10.1016/j.compenvurbsys.2014.01.004.
[106] Silva, E. and R. Acheampong (2015), “Developing an Inventory and Typology of Land-Use Planning Systems and Policy Instruments in OECD Countries”, OECD Environment Working Papers, No. 94, Éditions OCDE, Paris, https://dx.doi.org/10.1787/5jrp6wgxp09s-en.
[209] Soaita, A., K. Gibb and D. Maclennan (2019), Housing wealth inequalities in Scotland: An evidence review.
[62] Sommer, K. and P. Sullivan (2018), “Implications of US Tax Policy for House Prices, Rents, and Homeownership”, American Economic Review, Vol. 108/2, pp. 241-274, https://doi.org/10.1257/aer.20141751.
[208] Sommer, K. and P. Sullivan (2018), “Implications of US Tax Policy for House Prices, Rents, and Homeownership †”, American Economic Review, Vol. 108/2, pp. 241-274, https://doi.org/10.1257/aer.20141751.
[113] Staley, S., J. Edgens and G. Mildner (n.d.), A Line in the Land: Urban-growth Boundaries, Smart Growth, and Housing Affordability.
[207] Stráský, J. (2020), “Policies for a more efficient and inclusive housing market in Luxembourg”, Documents de travail du Département des affaires économiques de l’OCDE, No. 1594, Éditions OCDE, Paris, https://dx.doi.org/10.1787/85ae6967-en.
[124] Sullivan, K. (2017), “Brownfields Remediation: Impact on Local Residential Property Tax Revenue”, Journal of Environmental Assessment Policy and Management, Vol. 19/3, p. 1750013, https://doi.org/10.1142/S1464333217500132.
[206] Susin, S. (2002), “Rent vouchers and the price of low-income housing”, Journal of Public Economics, Vol. 83/1, pp. 109-152, https://doi.org/10.1016/s0047-2727(01)00081-0.
[141] Taruttis, L. and C. Weber (2020), Estimating the impact of energy efficiency on housing prices in Germany: Does regional disparity matter ?, https://www.econstor.eu/bitstream/10419/224582/1/vfs-2020-pid-39805.pdf.
[184] Tikoudis, I. and W. Oueslati (2020), “MOLES: A New Approach to Modeling the Environmental and Economic Impacts of Urban Policies”, Computational Economics, pp. 1-50, https://doi.org/10.1007/s10614-019-09962-3.
[137] Tikoudis, I., E. Verhoef and J. van Ommeren (2018), “Second-best urban tolls in a monocentric city with housing market regulations”, Transportation Research Part B: Methodological, Vol. 117, pp. 342-359, https://doi.org/10.1016/j.trb.2018.08.014.
[183] Tikoudis, I., E. Verhoef and J. van Ommeren (2015), “On revenue recycling and the welfare effects of second-best congestion pricing in a monocentric city”, Journal of Urban Economics, Vol. 89, pp. 32-47, https://doi.org/10.1016/j.jue.2015.06.004.
[45] United States Census Bureau (2021), Household Pulse Survey Data Tables (Week 24: February 3 - February 15, 2021), https://www.census.gov/programs-surveys/household-pulse-survey/data.html (accessed on 20 July 2020).
[64] US Council of Economic Advisers (2017), Evaluating the Anticipated Effects of Change to the Mortgage Interest Deduction.
[149] US DOE (2020), Energy Efficiency Policies and Programs, https://www.energy.gov/eere/slsc/energy-efficiency-policies-and-programs (accessed on 14 May 2020).
[150] US DOE (2020), Property Assessed Clean Energy Programs, Office of Energy Efficiency and Renewable Energy, https://www.energy.gov/eere/slsc/property-assessed-clean-energy-programs (accessed on 3 June 2020).
[123] US EPA (2011), Air and Water Quality Impacts of Brownfields Redevelopment: A Study of Five Communities.
[6] Valtakunnanvoudinvirasto (2020), Ulosotto Suomessa: Ulosottolaitoksen tilastoja vuodelta 2019, https://valtakunnanvoudinvirasto.fi/material/attachments/vvv2/vvvliitteet/PcgwTXKsp/Ulosotto_Suomessa2019.pdf.
[205] Van Criekingen, M. et al. (2007), “Towards polycentric cities. An investigation into the restructuring of intra-metropolitan spatial configurations in Europe”, Belgeo 1, pp. 31-50, https://doi.org/10.4000/belgeo.11629.
[182] Verhoef, E. (2005), “Second-best congestion pricing schemes in the monocentric city”, Journal of Urban Economics, Vol. 58/3, pp. 367-388, https://doi.org/10.1016/j.jue.2005.06.003.
[108] Vyn, R. (2012), “Examining for Evidence of the Leapfrog Effect in the Context of Strict Agricultural Zoning”, Land Economics, Vol. 88/3, pp. 457-477, https://www.jstor.org/stable/23272622 (accessed on 12 June 2020).
[173] Wang, L. et al. (2018), “The Impacts of Transportation Infrastructure on Sustainable Development: Emerging Trends and Challenges”, International Journal of Environmental Research and Public Health, Vol. 15/6, https://doi.org/10.3390/ijerph15061172.
[103] Wang, Y. et al. (2015), “Impact of urban landscape and environmental externalities on spatial differentiation of housing prices in Yangzhou City”, Journal of Geographical Sciences, Vol. 25/9, pp. 1122-1136, https://doi.org/10.1007/s11442-015-1223-6.
[11] Waugh, A. et al. (2018), Health and Homelessness in Scotland: Research, https://www.gov.scot/publications/health-homelessness-scotland/ (accessed on 29 October 2019).
[121] Whitaker, S. and T. Fitzpatrick (2016), “Land Bank 2.0: An Empirical Evaluation”, Journal of Regional Science, Vol. 56/1, pp. 156-175, https://doi.org/10.1111/jors.12206.
[138] Wilson, L. et al. (2018), Quantifying the Urban Experience: Establishing Criteria for Performance Based Zoning, http://hay-stack.s3-website-us-east-1.amazonaws.com/#!/?set=PerformanceBasedZoning (accessed on 2 June 2020).
[107] Wu, J. and W. Oueslati (2016), “How does urbanization affect the economy and the environment? Policy challenges and research needs”, International Review of Environmental and Resource Economics, Vol. 10/1, pp. 1-35, https://doi.org/10.1561/101.00000081.
[204] Xiong, Q. and A. Mavropoulos (2018), Housing Consumption and Macroprudential Policies in Europe: An Ex Ante Evaluation, http://www.iwh-halle.de.
[186] Yang, L. et al. (2018), “Walking accessibility and property prices”, Transportation Research Part D: Transport and Environment, Vol. 62, pp. 551-562, https://doi.org/10.1016/j.trd.2018.04.001.
[169] Yiu, C. and S. Wong (2005), “The effects of expected transport improvements on housing prices”, Urban Studies, Vol. 42/1, pp. 113-125, https://doi.org/10.1080/0042098042000309720.
[175] Zahabi, S. et al. (2016), “Exploring the link between the neighborhood typologies, bicycle infrastructure and commuting cycling over time and the potential impact on commuter GHG emissions”, Transportation Research Part D: Transport and Environment, Vol. 47, pp. 89-103, https://doi.org/10.1016/j.trd.2016.05.008.
Notes
← 1. L’Allemagne (Destatis) établit des indices des prix des logements pour quatre groupes infranationaux, à savoir les villes non rattachées à un district, les districts urbains, les districts ruraux à forte densité de population et les districts ruraux à faible densité de population. Bien que ces groupes soient très utiles pour détecter la présence de disparités dans l’évolution des prix des logements entre les zones urbaines et rurales, ils correspondent à des zones géographiques segmentées, raison pour laquelle nous ne les considérons pas comme des « régions ».
← 2. Il convient de noter que les PPA recouvrent tous les types de biens et services qui sont consommés, investis ou exportés dans un pays. Des PPA propres aux logements et aux autres biens d’investissement sont donc établies. Cependant, seuls les logements neufs et quelques types de logements qui se prêtent à des comparaisons internationales de prix sont pris en compte dans le calcul des PPA. Par ailleurs, bien que Costa et al. (2019[232]) proposent dans leur récente publication des estimations de PPA régionales pour quelques pays, la plupart des instituts de la statistique ne calculent les PPA qu’au niveau national. Pour ces raisons, les PPA disponibles ne permettent pas de comparer les prix des logements entre les régions d’un même pays, ni de tenir compte des différents types de logements du parc immobilier dans chaque région. Pour une description de la manière dont les PPA pour les biens de construction sont calculées dans la région Eurostat/OCDE, voir le chapitre 11 dans Eurostat, OCDE (2012[250]). Pour une tentative récente d’estimation des niveaux nationaux des prix des logements dans 40 pays, voir Bricongne, Turrini et Pontuch (2019[50]).
← 3. Voir Lewis et Marantz (2019[216]) pour une présentation de tentatives de recensement des règles d’occupation des sols en Californie.