Determinants de la fixation du prix des maisons d'habitation a Bukavu

REPUBLIQUE DEMOCRATIQUE DU CONGO
ENSEIGNEMENT SUPERIEUR ET UNIVERSITAIRE
UNIVERSITE CATHOLIQUE DE BUKAVU

B.P 285 BUKAVU

FACULTE DES SCIENCES ECONOMIQUES ET DE GESTION

DETERMINANTS DE LA FIXATION DU PRIX DES MAISONS

D'HABITATION A BUKAVU

Mémoire présenté et défendu par :

KAJEMBA WA KAJEMBA François

En vue de l'obtention du diplôme de licencié en Sciences de gestion Option : Gestion financière

Directeur : Professeur Docteur Christian KAMALA KAGHOMA Co-directeur : Chef de Travaux Eugène LUBULA MUMBERE

Mars 2015

EPIGRAPHE

« Ce n'est pas à dire que nous soyons par nous- mêmes capables de concevoir quelque chose comme venant de nous-même. Notre capacité, au contraire, vient de Dieu »

2 corinthiens 3: 5

« Le disciple n'est pas plus que le maître; mais tout disciple accompli sera comme son maître »

Luc 6 :40

DEDICACE

A mon Dieu, l'auteur et le consommateur de ma foi,

A la mémoire de ma mère, Fatuma ZANONA, et de mon père, Ngekema KAJEMBA,

A mes futurs enfants et toute ma descendance à qui je souhaite de faire ce que je n'ai pas pu faire,

A tous ceux qui me portent dans leurs coeurs.

II

REMERCIEMENT

Nous voulons, avant toute chose, rendre grâce à l'Eternel Dieu pour sa protection qu'il ne cesse de nous garantir et de nous permettre d'arriver à rédiger ce travail.

Aux autorités académiques de l'Université Catholique de Bukavu, en général, et à celles de la Faculté des Sciences Economiques et de Gestion, en particulier, pour leur contribution à notre formation intellectuelle.

Je remercie le Professeur Docteur Christian KAMALA KAGHOMA pour avoir accepté d'assurer l'encadrement de ce travail. Je lui exprime ici ma reconnaissance la plus profonde pour le soutien, la confiance et l'encouragement qu'il m'a témoignés tout au long de ce travail.

Je remercie, de manière particulière, le Chef des travaux Eugene LUBULA MUMBERE d'avoir encadré ce travail. Il a significativement contribué à l'amélioration de cette recherche. Son amour pour le travail bien fait me marquera à jamais dans ma carrière de chercheur. Je lui exprime ici ma reconnaissance la plus profonde pour la confiance qu'il m'a témoignée tout au long de ce travail.

Je remercie affectueusement ma famille, avec toutes les difficultés que nous avons dépassées ensemble, ce travail constitue la meilleure occasion de montrer une reconnaissance profonde à leur égard : ma grande soeur Ainsi, mes deux petites soeurs Esther et Ma Fille et mon petit frère Danny. Pasteur Victor et Oncle David et à toute la famille élargie dont l'amour me poussait jours et nuits à plus d'efforts.

Nous ne pouvons pas terminer cette partie sans pour autant reconnaitre l'apport de nos camarades avec qui nous avons mené cette lutte et aux amis qui ont fortement contribué à la rédaction de ce travail : Christophe MUGANGU, Oscar CHOKOLA, Fabrice NGERENGO, Franck KINGOMBE, Joseph MUKULU, Issa KABANGE, Doudou DUNIA, Chanceline ANGALIKIYANA, Bienvenu MATUNGULU, Samantha MALU MIMPE, Kefc NDIRHUHIRWE, Oreste KABANDA, Dan MUKALAY, Guillain MALEKERA, Fabrice BABWINE...

KAJEMBA WA KAJEMBA

III

SIGLES ET ABREVIATIONS

- AIC : Akaike Information Criterion

- ANOVA : Analysis Of Variance.

- Ddl : degré de liberté

- ERRLM : test du multiplicateur de Lagrange de l'erreur spatiale

- ERRRLM : test robuste du multiplicateur de Lagrange de l'erreur spatiale

- FGS2SLS : Feasible Generalized Spatial Two Least Squares

- G2SLS :Generalized Spatial Two stage least square

- IITA : International Institute of Tropical Agriculture

- LAGLM : test du multiplicateur de Lagrange de l'autocorrélation spatiale

- LAGRLM : test du robuste du multiplicateur de Lagrange de l'autocorrélation

spatiale

- MCMC : Markov Chain Monte Carlo

- MCO : Moindres Carrées Ordinaires

- Moran's I : Indice de Moran

- ODK : Open Data Kit

- SAR : Spatial Autoregressive Model

- SEM : Spatial Erreur Model

- SLX : Spatial Lagged X Model

iv

LISTE DES TABLEAUX

- Tableau 2.1 : Répartition de la population de Bukavu par commune

- Tableau 2.2 : Répartition de la population par ménages

- Tableau 2.3 : Répartition de l'échantillon pour l'enquête proprement dite

- Tableau 2.4 : Définition des variables et présentation des signes attendus

- Tableau 3.1 : correspondance commune-sexe des personnes enquêtées

- Tableau 3.2 : Tableau croisé commune-Etat-civil des enquêtés

- Tableau 3.3 : Tableau commune-Profession des personnes enquêtées

- Tableau 3.4 : Tableau commune-surface de la parcelle (surfpcl)-prix de la

maison (prms)

- Tableau 3.5 : Corrélation bilatérale surface de la parcelle (surfpcl) -prix de la

maison (prms)

- Tableau 3.6 : commune-surface construite-prix par mètre construit

- Tableau 3.7 : Corrélation bilatérale surface construite (surfms)-prix de la maison

(prms)

- Tableau 3.8 : commune-nombre des pièces (nbrepc)

- Tableau 3.9 : Corrélation de Pearson nombre des pièces (nbrepc) -prix de la

maison (prms)

- Tableau 3.10 : Résultats de la première estimation par moindre carré ordinaire

(mod1)

- Tableau 3.11 : Résultat du test de Breusch-Pagan de l'hétéroscedasticité

- Tableau 3.12 : Résultats de la deuxième régression par moindre carré

ordinaire corrigé de l'hétéroscedasticité par la méthode de white. (mod2)

- Tableau 3.13 : Test d'homogénéité de la variance

- Tableau 3.14 : Tests de normalité

- Tableau 3.15 : Résultat du test de Kruskal-Wallis

- Tableau 3.16 : Test de Games-Howell de comparaisons multiples

- Tableau 3.17 : Diagnostic de la dépendance spatiale

- Tableau 3.16 : Comparaison des résultats de Moindre ordinaire corrigé de

l'hétéroscédasticité avec celui du modèle SAR et SEM

- Tableau 3.17 : Résultat du test du rapport de vraisemblance

V

LISTE DES GRAPHIQUES

Graphique 3.1 : Diagramme des moyennes des prix selon les communes Graphique 3.2 : Diagramme des moyennes des prix selon les quartiers

VI

TABLE DES MATIERES

EPIGRAPHE i

DEDICACE ii

REMERCIEMENT iii

SIGLES ET ABREVIATIONS iv

LISTE DES TABLEAUX v

LISTE DES GRAPHIQUES vi

TABLE DES MATIERES vii

INTRODUCTION 1

CHAPITRE I : REVUE DE LA LITTERATURE 6

I.1 REVUE THEORIQUE 6

I.1.1 Théorie de la valeur et du prix 6

I.1.2 Choix résidentiel des ménages 9

I.1.2.1 La théorie de la microéconomie urbaine 9

I.1.2.2 La théorie de l'utilité aléatoire 12

I.1.2.3 Déterminants du choix résidentiel des ménages 14

I.1.3 La méthode hédonique 19

I.1.3.1 Théorie traditionnelle de la consommation 20

I.1.3.2 Théorie de Lancaster 20

I.1.3.3 Modèle de S. Rosen sur la demande de caractéristique 21

I.2 REVUE EMPIRIQUE 23

CHAP. II APPROCHE METHODOLOGIQUE 27

II.1. TECHNIQUES DE COLLECTE DES DONNEES 27

II.1.1 Pré-enquête : détermination de la taille de l'échantillon 27

II.1.2 L'enquête proprement dite 30

II.2 TECHNIQUE DE TRAITEMENT DES DONNEES 32

II.2.1 Fondement théorique et spécification du modèle 32

II.2.1.1 Choix de la forme du modèle 33

II.2.1.2 Description des variables 38

II.2.2 Méthodes d'estimation 42

II.2.2.1 La méthode de moindre carré ordinaire (MCO) 42

II.2.2.2 Prise en compte de l'hétérogénéité spatiale 44

II.2.2.3 Prise en compte et mesures de l'autocorrélation spatiale 47

vii

II.2.3. Choix du modèle optimal 55

II.2.4. Présentation des outils de traitement des données 56

CHAPITRE III : PRESENTATION ET ANALYSE DES DONNEES 58

III.1 Caractéristiques de l'échantillon 58

III.2 Etude exploratoire sur les relations entre certaines variables 60

II.2.1 Caractéristiques physiques et de localisation des ménages 61

III.2.1.1 La surface de la parcelle 61

III.2.1.2 La somme des surface de différentes constructions se trouvant sur la

parcelle (surfms) 62

III.2.1.3 Le nombre des pièces 63

III.2.2 Caractéristiques socioprofessionnelles et démographiques des

propriétaires 65

III.3 Résultats des estimations et interprétation 66

III.3.1 Les résultats de la méthode de moindre carré ordinaire 66

III.3.2 Prise en compte de l'hétérogénéité spatiale 68

III.3.2.1 Hétéroscedasticité 69

III.3.2.2 ANOVA Spatiale 71

III.3.3 Prise en compte de l'autocorrélation spatiale 76

III.3.3.1 Tests de l'autocorrélation spatiale dans la régression par moindre carré

ordinaire 76

III.3.3.3 Choix du Modèle optimal : le test du rapport de vraisemblance 80

III.3.4 Interprétation et discussion des résultats 83

III.3.4.1 Impact des caractéristiques physiques sur le prix de la maison 83

III.3.4.2 Rôles de la localisation sur la valeur de la maison 83

IIII.3.4.3 Impact des caractéristiques de voisinages sur le prix de la maison 84

IIII.3.4.4 Impact des caractéristiques socioprofessionnelles et démographiques

sur la valeur des maisons 84

III.4 Implication des résultats 86

III.5 Limites et perspectives de recherche 87

CONCLUSION 88

BIBLIOGRAPHIE 91

ANNEXES NNNN

VIII

INTRODUCTION

Dans de nombreux pays, l'immobilier a un rôle moteur dans l'économie comme c'est le cas aux Etats Unis, en Espagne et au Royaume Uni (Clévenot, 2011). Plusieurs études montrent que l'évolution de ce secteur est souvent fortement corrélé avec celle de la croissance économique et parfois considéré comme un indicateur de la situation économique, étant donné que son impact est aussi important en période de récession comme en celle d'expansion.

Leamer (2007) étudie la contribution de l'investissement résidentiel à la croissance du PIB afin de montrer le rôle que peut jouer cette composante avant et durant les phases de récession. Il estime que ce secteur est un indicateur fiable de la situation économique car lorsque l'immobilier est en difficulté et les dépenses de logement sont en baisse, une potentielle récession se prépare. De ce résultat il conclut à la nécessité de prise en compte de l'évolution du secteur immobilier dans la détermination de la politique monétaire. Dufrénot et Malik (2010), à leur tour, mettent en évidence le rôle des prix de l'immobilier dans le déclenchement des récessions. Étant donné que le secteur immobilier est l'une des plus importantes composantes de l'économie et qu'il est fortement lié à l'évolution de la conjoncture économique, il peut en conséquence déclencher une crise en cas d'effondrement : la crise des « subprime »¹ en est la preuve.

L'immobilier occupe une place prépondérante dans les choix d'investissement des ménages. Afin de réaliser un investissement immobilier, une bonne évaluation du bien est une étape indispensable pour les investisseurs (Shrikhum, 2012).

La ville de Bukavu a été créée en 1925 et son aménagement pour être une ville était planifiée. On y distinguait les quartiers résidentiels, les centres commerciaux, le centre Administratif, les zones industrielles et portuaires, les espaces stratégiques, les sites de récréation et les lieux culturelles(Mairie de Bukavu, 2014 ; et Baissac et al., 2012; IFDP, 2013) .Après l'indépendance, la ville a crû rapidement sur les plans

¹ Elle est la crise qui s'est déclenché au deuxième semestre 2006 avec le krach des prêts immobiliers à risque aux Etats-Unis, que les emprunteurs, souvent dans des conditions modestes, n'étaient plus capables de rembourser, déclenchant la crise financière de 2007-2011.

1

démographique et spatial avec un taux de croissance 97,23% entre 1962 et 2001 et 59,2% entre 2001 et 2013 traduisant une densité moyenne de 5 728 à 14 048 habitants/Km² entre 2001 et 2013(IFDP, 2013; Baissac et al.(2012) montrent que le secteur immobilier bukavien connait de ce fait une très forte expansion.

En considérant les caractéristiques spécifiques d'un bien immobilier telles que son caractère indivisible, sa valeur unitaire très élevée, sa faible liquidité, sa grande hétérogénéité et son immobilité physique, on est conduit à distinguer ce type de bien des autres biens. Or, dans un marché de concurrence pure et parfaite le prix du marché pour un bien est identique à la valeur de celui-ci alors qu'en réalité, le marché des biens immobiliers s'écarte de ces conditions idéales en raison de ses caractéristiques propres. Une question se pose alors : quels sont les facteurs qui permettent de fixer le prix des maisons ?

Van Lierop et Rima (1982) montre que le marché immobilier comme tel n'existe pas : « ce que nous appelons le marché des immobilier résidentiels est un phénomène complexe d'éléments et de sous marchés corrélés et mutuellement influençant. Parmi les facteurs, les forces et les composantes qui interagissent pour former le marché des immobiliers résidentiels, on peut inclure une multitude d'acteurs individuels et groupés avec des intérêts et des références contradictoires, une multitude de motifs individuels et attributs de comportement résidentiel, une multitude de possibilités de choix, une multitude d'effets de débordements social et spatial et externalités, une multitude de processus dynamiques associés avec le développement économique et géographique d'un système spatial». Ses méthodes d'estimation doivent donc être aussi différentes de celles des autres biens et doivent pouvoir prendre en compte les caractéristiques propres aux biens immobiliers.

Rosen (1974) fonde l'approche hédonique qui permet d'intégrer l'hétérogénéité des biens immobiliers. La méthode des prix hédonistes permet d'estimer le prix des différentes caractéristiques : le prix de marché consiste en la somme des prix implicites attachés aux caractéristiques du bien. Cependant, comme son nom l'indique, le bien immobilier ne peut pas être déplacé ; sa valeur dépend donc aussi partiellement

2

de sa localisation. La méthode d'estimation de sa valeur immobilière se doit aussi de prendre en compte cette caractéristique spatiale.

Le modèle de prix hédoniste standard peut être amélioré en intégrant des caractéristiques spatiales comme variables explicatives du modèle (Travels et al.,2013 ; Srikhum,2012; Gallo,2002). Mais, malgré le nombre important des variables locales que l'on peut rajouter, en général les régressions n'aboutissent pas à des résidus spatialement non corrélés. Afin de déterminer le modèle qui permet d`analyser plus finement cette dépendance spatiale, il faut identifier précisément le mode d'influence de la caractéristique spatiale sur le prix immobilier.

Le processus d'évaluation d'une maison par un particulier par lequel pour déterminer la valeur de son bien, le propriétaire peut se renseigner, soit auprès de l'expert du quartier qui donne une estimation de prix basée sur la valeur de transaction des biens voisins, soit directement auprès des propriétaires des biens proches. Cela traduit un lien entre l'effet de diffusion (spillover effect) et la corrélation spatiale des prix immobiliers. En effet, des biens voisins ont souvent été construits à la même période, ils ont fréquemment la même structure, le même style et la même taille. Par ailleurs, ces biens doivent faire face aux mêmes variables d'externalité. Cette ressemblance locale crée donc un problème de corrélation spatiale dans le modèle des prix hédonistes. Si cette dépendance spatiale n'est pas prise en considération lors de la spécification du modèle, les résidus du modèle hédonique seront dépendants. Le modèle hédonique ne peut pas corriger à lui seul cette dépendance d'où la prise en compte de l'autocorrélation spatiale.

Dans le cas de l'étude immobilière, il paraît aussi possible que l'impact spatial ne soit pas homogène. Can (1990) pose la question : « la valeur des caractéristiques des biens immobiliers varie-t-elle selon la localisation du bien ? ».

L'étude des marchés immobiliers dans les espaces urbains fait souvent apparaître une segmentation de ces marchés: les caractéristiques et les prix des maisons diffèrent substantiellement selon leurs localisations. Cette segmentation provient entre autres de l'inélasticité de la demande des ménages pour certaines caractéristiques des logements ou encore de diverses barrières institutionnelles. Elle conduit à des

3

variations persistantes et significatives des caractéristiques des logements et de leurs prix dans les différents sous marchés. Dans ces conditions, estimer une relation "globale" entre le prix du logement et ses caractéristiques, relation s'appliquant de la même façon sur toute l'aire urbaine étudiée, est susceptible de masquer des différences importantes dans l'espace. Cette instabilité dans l'espace du prix des immobiliers conduit à la prise en compte de l'hétérogénéité spatiale.

Ainsi, en nous inspirant du modèle de base de choix résidentiel, développé notamment par les travaux d'un côté d'Alonso (1964), Mills (1967) et Muth (1969), postulant que la structure d'équilibre d'utilisation du sol est déterminée par l'arbitrage effectué par les ménages entre la rente foncière et l'accessibilité au centre de la ville, lieu de concentration des activité, et d'autre part de Straszheim (1987) pour lequel la présence d'aménités non localisées dans le centre-ville et recherchées par les ménages permettrait de contrebalancer la force d'attraction du centre-ville et d'expliquer, dans une certaine mesure, le phénomène actuel d'étalement urbain. L'objet de ce présent travail est alors d'analyser l'efficacité de la mise en oeuvre d'une politique d'habitat, d'étalement urbain, par la connaissance des préférences des ménages en termes de localisation en vue d'une croissance urbaine par une logique alternative, dans laquelle les complémentarités entre espaces urbains et ruraux soient utilisées au maximum.

Pour atteindre cette fin, les données sont recueillies dans la ville de Bukavu sur une population de 145 158 ménages de la ville de Bukavu. De cet effectif total, un échantillon est extrait par un tirage aléatoire stratifié proportionnellement au nombre des ménages de chacune des communes(Bagira, Ibanda, Kadutu). Les données utilisées sont collectées en deux étapes, la première étape est constituée de la préenquête effectuée auprès de 30 ménages avec comme objectif de pouvoir déterminer la taille d'échantillon. La deuxième étape est constituée de l'enquête proprement dite. Un questionnaire d'enquête inspiré des études antérieures, implémenté dans le téléphone portable en utilisant l'application Android ODK Collect 1.4.4 et ses différents outils, a été adressé à 193 ménages de la ville de Bukavu. Le traitement des données est obtenu en recourant successivement aux méthodes

4

statistiques (moyenne, variances et écart-types), à la méthode de moindre carré ordinaire(MCO), la prise en compte de l'hétérogénéité spatiale par l'estimation du modèle hédoniste par la méthode de moindre carré ordinaire corrigé de l'hétéroscedasticité par la méthode de White et l'analyse de la variance spatiale de Kruskal-Wallis ensuite la prise en compte de l'autocorrélation spatiale en comparant le modèle autorégressif spatial (SAR) mesurant les effets de la diffusion des prix et le modèle d'erreur spatial(SEM) mesurant les effets des externalités sur la valeur des maisons d'habitation, en utilisant le logiciel STATA 12 et SPSS 20.

Hormis l'Introduction et la conclusion générale, ce présent travail est subdivisé en trois chapitres. Le premier est consacré à la revue de la littérature où nous présentons en premier la revue théorique dans laquelle nous discutons de la théorie de la valeur et du prix, ensuite du choix résidentiel des ménages et de la présentation de la méthode hédonique et en second d'une revue empirique commentée et discutée. Le deuxième chapitre est consacré à la méthodologie utilisée. Il décrit les techniques utilisées pour la collecte et le traitement des données, les variables retenues ainsi que les outils utilisés. Enfin, le troisième chapitre présente et discute les résultats (statistiques et économétriques) et donne les recommandations et les limites du travail.

5