{"id":30027,"date":"2015-11-23T10:12:36","date_gmt":"2015-11-23T15:12:36","guid":{"rendered":"https:\/\/www.aicanada.ca\/fr\/article\/use-of-graphs\/"},"modified":"2015-11-23T11:13:36","modified_gmt":"2015-11-23T07:13:36","slug":"use-of-graphs","status":"publish","type":"article","link":"https:\/\/www.aicanada.ca\/fr\/article\/use-of-graphs\/","title":{"rendered":"L\u2019utilisation de graphiques dans le processus d\u2019\u00e9valuation"},"content":{"rendered":"\n
\"George<\/figure><\/div>\n\n\n\n

Par George Canning, AACI, P. App., Canning Consultants Inc., London ON<\/p>\n\n\n\n

Introduction<\/strong><\/p>\n\n\n\n

Les praticiens de l\u2019immobilier utilisent plus d\u2019aides visuelles que jamais auparavant pour d\u00e9crire les donn\u00e9es dans leurs rapports d\u2019\u00e9valuation et de consultation. La connaissance des graphiques est indispensable \u00e0 leur bonne utilisation.<\/p>\n\n\n\n

Il existe sur le march\u00e9 de nombreux programmes statistiques capables de produire un large \u00e9ventail de graphiques, y compris une analyse de donn\u00e9es perfectionn\u00e9e comme SPSS, Mini Tab et \u2018R\u2019, pour n\u2019en nommer que quelques-uns. Certains de ces programmes, notamment \u2018R\u2019, sont gratuits. L\u2019utilisation de tous ces programmes statistiques exige des connaissances fondamentales en statistiques. Deux livres prim\u00e9s sur ce sujet sont Head First: Data Analysis <\/em>et Statistics<\/em> par Michael Milton et Dawn Griffiths.<\/p>\n\n\n\n

Les graphiques sont tr\u00e8s utiles pour d\u00e9gager des mod\u00e8les dans les donn\u00e9es immobili\u00e8res, mais tr\u00e8s souvent seulement \u00e0 la surface. Dans la plupart des cas, le vrai message des donn\u00e9es est enfoui profond\u00e9ment dans les chiffres. \u00c9tant donn\u00e9 que les services d\u2019\u00e9valuation et de consultation dans le domaine immobilier SONT ESSENTIELLEMENT UNE AFFAIRE D\u2019ANALYSE DES DONN\u00c9ES, le conseil \u00e0 donner \u00e0 tout praticien de l\u2019\u00e9valuation est d\u2019entreprendre imm\u00e9diatement le processus d\u2019apprentissage des donn\u00e9es. Des outils sont disponibles \u00e0 des co\u00fbts relativement bas. Tout ce dont vous avez besoin, c\u2019est le d\u00e9sir de commencer \u00e0 explorer vos donn\u00e9es.<\/p>\n\n\n\n

Organiser vos donn\u00e9es<\/strong><\/p>\n\n\n\n

Avant d\u2019aborder la question des graphiques, il convient d\u2019examiner les donn\u00e9es immobili\u00e8res et la fa\u00e7on de les organiser. Les donn\u00e9es ne sont pas parfaites parce qu\u2019elles ne se pr\u00e9sentent pas dans un format que tout professionnel de l\u2019immeuble peut suivre et comprendre. La premi\u00e8re \u00e9tape consiste donc \u00e0 disposer les donn\u00e9es sur un tableur. Peu importe que les donn\u00e9es concernent 5 ventes ou 500 ventes, le processus est toujours le m\u00eame. Tout cela fait partie de ce qu\u2019on appelle le \u00ab nettoyage de vos donn\u00e9es \u00bb. Au fil des ans, les \u00e9valuateurs collectent des donn\u00e9es de vente de propri\u00e9t\u00e9s de types tr\u00e8s divers. Ces donn\u00e9es sont conserv\u00e9es dans des livres ou dans un document de traitement de texte. Dans la plupart des cas, les donn\u00e9es deviennent redondantes d\u00e8s que le rapport d\u2019\u00e9valuation est envoy\u00e9 au client. \u00c0 moins que ces donn\u00e9es soient transf\u00e9r\u00e9es sur un tableur, leurs avantages graphiques et statistiques demeurent inexploit\u00e9s.<\/p>\n\n\n\n

Un bon point de d\u00e9part consiste \u00e0 organiser les donn\u00e9es par num\u00e9ro de vente, date de vente, prix demand\u00e9, adresse, prix de vente (par unit\u00e9 de mesure), \u00e2ge du b\u00e2timent, superficie du terrain, zonage, fa\u00e7ade du terrain, taux de capitalisation et taux GIG, qui sont les attributs de nom de propri\u00e9t\u00e9 les plus courants. Il n\u2019y a pas de r\u00e8gles absolues, sauf celle de consigner les informations de base pour chaque vente.<\/p>\n\n\n\n

Les donn\u00e9es de vente s\u2019expriment g\u00e9n\u00e9ralement de deux fa\u00e7ons : quantitativement et qualitativement, ce qui repr\u00e9sente deux notions distinctes. Les donn\u00e9es quantitatives concernent essentiellement la taille d\u2019un b\u00e2timent ou d\u2019un terrain. Les donn\u00e9es qualitatives sont une valeur attribu\u00e9e \u00e0 l\u2019\u00e9tat d\u2019un immeuble ou \u00e0 son emplacement. Les donn\u00e9es qualitatives peuvent \u00eatre exprim\u00e9es selon une \u00e9chelle nominale telle 1 = passable, 3 = moyen et 5 = bon. On peut aussi utiliser une variable nominale ou discr\u00e8te telle d\u00e9sign\u00e9e plaine inondable = 1, non d\u00e9sign\u00e9e plaine inondable = 0. On convertit les donn\u00e9es qualitatives en chiffres ou notes parce que les ordinateurs peuvent traiter seulement un chiffre ou un chiffre assign\u00e9 \u00e0 une condition ou \u00e0 un type. Le fait de convertir les donn\u00e9es en un chiffre ne diminue aucunement l\u2019importance de la variable, il \u00e9tablit simplement des cat\u00e9gories. Une note de 1 n\u2019est pas 2 fois moins qu\u2019une note de 3. C\u2019est simplement une affaire d\u2019appartenance.<\/p>\n\n\n\n

Les donn\u00e9es quantifiables sont plus pertinentes que les donn\u00e9es qualifiables parce qu\u2019on a affaire \u00e0 un chiffre sp\u00e9cifique. L\u2019utilisation des qualificatifs \u00ab passable \u00bb ou \u00ab bon \u00bb est subjective parce que chaque expert de l\u2019immobilier peut avoir sa propre opinion quant \u00e0 ce qui est passable ou bon. Oui, des notes peuvent \u00eatre attribu\u00e9es \u00e0 ces mots aux fins de traitement informatique, mais ces notes ne sont pas aussi sp\u00e9cifiques qu\u2019un chiffre donn\u00e9. Cependant, on a besoin d\u2019un syst\u00e8me pour mesurer les variables de donn\u00e9es qui ne sont pas absolues.<\/p>\n\n\n\n

On fait souvent r\u00e9f\u00e9rence au prix moyen des donn\u00e9es dans des documents d\u2019\u00e9valuation. Cependant, une moyenne ne dit pas grand-chose parce qu\u2019on ne conna\u00eet pas la dispersion autour de cette moyenne. La mesure qui nous pr\u00e9cise cette dispersion est ce qu\u2019on appelle l\u2019\u00e9cart-type, c\u2019est-\u00e0-dire la distance par rapport \u00e0 la moyenne. Plus la valeur de l\u2019\u00e9cart-type est petite, plus la distance par rapport \u00e0 la moyenne est petite. Il peut \u00eatre utile d\u2019exprimer la tendance centrale au moyen du mode (c.-\u00e0-d., le chiffre le plus fr\u00e9quent dans l\u2019ensemble des donn\u00e9es) ou de la m\u00e9diane (c.-\u00e0-d., le chiffre au milieu de l\u2019ensemble des donn\u00e9es) des diff\u00e9rences autour de la moyenne, mais leur valeur est limit\u00e9e.<\/p>\n\n\n\n

Les diagrammes de quartiles sont utiles quand on examine des moyennes entre groupes de donn\u00e9es. Le graphique 1 est un diagramme de quartiles repr\u00e9sentant trois diff\u00e9rents types de rev\u00eatement ext\u00e9rieur de b\u00e2timents industriels. Ext\u00e9rieur 1 regroupe les b\u00e2timents dont le rev\u00eatement ext\u00e9rieur est en acier \u00e9maill\u00e9; ext\u00e9rieur 2 regroupe les b\u00e2timents dont le rev\u00eatement ext\u00e9rieur est un m\u00e9lange de ma\u00e7onnerie et d\u2019acier \u00e9maill\u00e9; ext\u00e9rieur 3 regroupe les b\u00e2timents en ma\u00e7onnerie. Le graphique 1 est une expression de trois diff\u00e9rents types de finition ext\u00e9rieure utilisant des diagrammes de quartiles.<\/p>\n\n\n\n

\"une<\/figure>\n\n\n\n

Le rectangle central, repr\u00e9sentant un rev\u00eatement ext\u00e9rieur mixte, a un prix moyen de 60,00 $. Le rectangle, repr\u00e9sentant un rev\u00eatement en ma\u00e7onnerie, a un prix moyen de 62,50 $. L\u2019autre rectangle, repr\u00e9sentant un rev\u00eatement en acier \u00e9maill\u00e9, a un prix moyen de 53,00 $. L\u2019utilisation de ces diagrammes de quartiles permet de conclure que les b\u00e2timents \u00e0 rev\u00eatement ma\u00e7onnerie ou ma\u00e7onnerie acier se vendent environ 8,25 $ plus cher que ceux \u00e0 rev\u00eatement en acier \u00e9maill\u00e9.<\/p>\n\n\n\n

Ceci est un bon exemple des probl\u00e8mes qui r\u00e9sultent de l\u2019utilisation des moyennes seulement. On ne peut pas d\u00e9clarer que la somme de 8,25 $ est un chiffre fiable parce qu\u2019on ne conna\u00eet pas le r\u00f4le statistique des autres variables dans l\u2019ensemble des donn\u00e9es. Dans le pr\u00e9sent article, nous allons revenir sur cette question pour voir si la somme de 8,25 $ a quelque validit\u00e9.<\/p>\n\n\n\n

Les diagrammes de quartiles peuvent nous en dire beaucoup sur la distribution. La ligne horizontale repr\u00e9sente le prix m\u00e9dian des donn\u00e9es, alors que le symbole reli\u00e9 \u00e0 une ligne repr\u00e9sente la moyenne. Quand la moyenne est au-dessus de la ligne de la m\u00e9diane, on dit que les donn\u00e9es sont \u00ab d\u00e9sax\u00e9es vers la droite \u00bb. La ligne horizontale du fond est appel\u00e9e Q1 et repr\u00e9sente la valeur du milieu de la premi\u00e8re moiti\u00e9 de la liste de donn\u00e9es, alors que Q3 repr\u00e9sente la valeur du milieu de la seconde moiti\u00e9 de la liste de donn\u00e9es. Les moustaches repr\u00e9sentent la largeur g\u00e9n\u00e9rale des donn\u00e9es, alors que les \u00e9toiles situent les valeurs aberrantes ou au-del\u00e0 de la gamme normale des donn\u00e9es.<\/p>\n\n\n\n

Pour r\u00e9it\u00e9rer ce que nous avons dit au sujet des graphiques, ce qui appara\u00eet comme une tendance sur l\u2019aspect visuel des donn\u00e9es n\u2019est pas n\u00e9cessairement ce qui se produit r\u00e9ellement. Il en est ainsi parce que la plupart des donn\u00e9es ne repr\u00e9sentent que deux variables alors que d\u2019autres variables peuvent intervenir dans l\u2019explication du prix. Parfois, les donn\u00e9es doivent \u00eatre converties en format logarithmique. La raison \u00e9tant qu\u2019une variable donn\u00e9e peut, par exemple, faire ressortir un mod\u00e8le plus uniforme quand on convertit les donn\u00e9es de pintes \u00e0 litres, ou de litres \u00e0 chopines. Les donn\u00e9es ne sont pas modifi\u00e9es, elles sont tout simplement exprim\u00e9es dans un format diff\u00e9rent.<\/p>\n\n\n\n

Nuages de points<\/strong><\/p>\n\n\n\n

Les nuages de points r\u00e9sultent tout simplement des donn\u00e9es mesur\u00e9es par deux points. Ils sont tr\u00e8s utiles parce qu\u2019ils permettent de visualiser tr\u00e8s rapidement les tendances. Parfois, les tendances ne sont pas \u00e9videntes. Si c\u2019est le cas, essayez de tourner le graphique sur le c\u00f4t\u00e9 pour voir si une tendance se dessine dans cette perspective. Les nuages de points sont constitu\u00e9s de points entr\u00e9s sur un graphique \u00e0 coordonn\u00e9es X et Y.<\/p>\n\n\n\n

Graphique 2<\/strong><\/p>\n\n\n\n

\"un<\/figure>\n\n\n\n

Le graphique 2 est un nuage de points entre la taille d\u2019un b\u00e2timent industriel et le prix de vente au pied carr\u00e9 du b\u00e2timent. Des \u00e9conomies d\u2019\u00e9chelles sont appliqu\u00e9es, selon lesquelles plus un immeuble est grand, plus son prix de vente au pied carr\u00e9 diminue. C\u2019est un excellent renseignement \u00e0 avoir \u00e0 la lumi\u00e8re du processus d\u2019ajustement de la MCD. On doit cependant proc\u00e9der avec prudence. Ce graphique ne peut pas se substituer \u00e0 la valeur.<\/p>\n\n\n\n

Le graphique 3 est le m\u00eame nuage de points servant \u00e0 \u00e9valuer un b\u00e2timent industriel de 100 000 pieds carr\u00e9s. On trace une ligne vers le haut \u00e0 partir de l\u2019axe des X (\u00e0 100 000 pieds carr\u00e9s) jusqu\u2019\u00e0 l\u2019intersection de la ligne de r\u00e9gression simple (en bleu). On prolonge ensuite cette intersection vers la gauche jusqu\u2019\u00e0 l\u2019axe des Y (prix de vente au pied carr\u00e9 du b\u00e2timent). Selon cette illustration, le b\u00e2timent de 100 000 pieds carr\u00e9s vaudrait 49,00 $ le pied carr\u00e9.<\/p>\n\n\n\n

Graphique 3<\/strong><\/p>\n\n\n\n

\"le<\/figure>\n\n\n\n

Le probl\u00e8me vient du fait que la taille du b\u00e2timent ne repr\u00e9sente qu\u2019une variable. Il y a d\u2019autres variables qui pourraient influer sur le prix de vente au pied carr\u00e9 d\u2019un b\u00e2timent. On doit aussi tenir compte des valeurs aberrantes qui peuvent avoir une influence sur la ligne de r\u00e9gression simple en bleu en tirant positivement ou n\u00e9gativement sur les donn\u00e9es g\u00e9n\u00e9rales du nuage. En retirant tout simplement les valeurs aberrantes, on change la valeur du b\u00e2timent de 100 000 pieds carr\u00e9s, comme le montre le graphique 4. Maintenant, le b\u00e2timent de 100 000 pieds carr\u00e9s ne vaut que 40 $ le pied carr\u00e9.<\/p>\n\n\n\n

\"Maintenant,<\/figure>\n\n\n\n

La morale de cette histoire est qu\u2019on ne doit pas utiliser les nuages de points pour d\u00e9terminer la valeur. Utilisez-les plut\u00f4t comme aides visuels pour d\u00e9gager des mod\u00e8les de donn\u00e9es. Pour utiliser les donn\u00e9es aux fins d\u2019\u00e9valuation, on doit \u00e9tablir un mod\u00e8le de r\u00e9gression appropri\u00e9.  <\/p>\n\n\n\n

Histogrammes<\/strong><\/p>\n\n\n\n

Les histogrammes sont des d\u00e9comptes qui ont \u00e9t\u00e9 plac\u00e9s dans un groupe commun. Ils sont tr\u00e8s utiles, surtout si on ins\u00e8re une ligne repr\u00e9sentant la forme des donn\u00e9es. Les graphiques 5 et 6 repr\u00e9sentent un histogramme des prix de vente. Le graphique 5 pr\u00e9sente les donn\u00e9es telles qu\u2019elles apparaissent \u00e0 l\u2019\u00e9tat brut. Ces donn\u00e9es s\u2019\u00e9talent loin vers la droite. Cependant, une fois qu\u2019elles ont \u00e9t\u00e9 transform\u00e9es (graphique 6), les donn\u00e9es sont plus uniformes et plus proches d\u2019une courbe normale. La transformation consistait \u00e0 convertir en valeurs logarithmiques.<\/p>\n\n\n\n

Graphique 5<\/strong><\/p>\n\n\n\n

\"les<\/figure>\n\n\n\n

Graphique 6<\/strong><\/p>\n\n\n\n

\"les<\/figure>\n\n\n\n

Le graphique 7 est un histogramme des tailles des b\u00e2timents industriels. Que voyons-nous? Un d\u00e9saxement vers la droite. Apr\u00e8s conversion en log, les tailles des b\u00e2timents prennent une forme tr\u00e8s proche d\u2019une courbe normale, comme le montre le graphique 8.<\/p>\n\n\n\n

Graphique 7<\/strong><\/p>\n\n\n\n

\"un<\/figure>\n\n\n\n

Graphique 8<\/strong><\/p>\n\n\n\n

\"les<\/figure>\n\n\n\n

Les avantages de transformer les donn\u00e9es se situent dans l\u2019utilisation d\u2019une analyse de r\u00e9gression multiple, puisque l\u2019intention consiste \u00e0 ajuster les donn\u00e9es \u00e0 un mod\u00e8le lin\u00e9aire et \u00e0 retirer l\u2019aberration des donn\u00e9es. Plus les donn\u00e9es se rapprochent d\u2019une courbe normale, meilleurs les r\u00e9sultats seront dans le mod\u00e8le de r\u00e9gression. La courbe normale fut con\u00e7ue pour la premi\u00e8re fois au 18e<\/sup> si\u00e8cle par Abraham De Moivre, un statisticien et conseiller aux adeptes du jeu. La courbe normale ou courbe de Gauss pr\u00e9sente d\u2019\u00e9tonnantes propri\u00e9t\u00e9s de pr\u00e9diction qui b\u00e9n\u00e9ficient grandement aux joueurs de d\u00e9s et de cartes.<\/p>\n\n\n\n

Graphiques \u00e0 barres<\/strong><\/p>\n\n\n\n

Les graphiques \u00e0 barres sont des graphiques dont les barres peuvent \u00eatre verticales ou horizontales. Le graphique \u00e0 barres est un moyen rapide et efficace de d\u00e9gager des mod\u00e8les dans les donn\u00e9es. Le graphique 9 est un graphique \u00e0 barres de la valeur, exprim\u00e9e en dollars, des permis de construction des trois plus importantes cat\u00e9gories de b\u00e2timents (c.-\u00e0-d., r\u00e9sidentiels, industriels et commerciaux).<\/p>\n\n\n\n

\u00c0 premi\u00e8re vue, on voit un robuste march\u00e9 d\u2019am\u00e9nagement r\u00e9sidentiel, une tr\u00e8s faible valeur mon\u00e9taire des permis de construction d\u00e9livr\u00e9s dans le secteur industriel et un secteur commercial et de vente au d\u00e9tail plus vigoureux.<\/p>\n\n\n\n

Cependant, la valeur r\u00e9elle dans le graphique est indiqu\u00e9e par les fl\u00e8ches bleues. Notez l\u2019effet de 2008 (c.-\u00e0-d. l\u2019effondrement du march\u00e9 bancaire mondial) dans les trois cat\u00e9gories de b\u00e2timents. C\u2019est un renseignement important dans la pr\u00e9paration d\u2019une \u00e9valuation r\u00e9trospective d\u2019une propri\u00e9t\u00e9 en 2009. Il est int\u00e9ressant de noter que cette tendance s\u2019est manifest\u00e9e partout en Ontario, sauf dans la RGT (R\u00e9gion du grand Toronto).<\/p>\n\n\n\n

Graphique 9<\/strong><\/p>\n\n\n\n

\"graphique<\/figure>\n\n\n\n

Graphiques de surface<\/strong><\/p>\n\n\n\n

Les graphiques de surface sont des types de graphiques de haute technicit\u00e9 qui peuvent \u00eatre utiles quand on \u00e9tudie les relations entre diverses variables. Les graphiques de surface exigent qu\u2019une variable soit cat\u00e9gorique et que les deux autres soient num\u00e9riques.<\/p>\n\n\n\n

Le graphique 10 est un graphique de surface de l\u2019ext\u00e9rieur de b\u00e2timents industriels par rapport \u00e0 la taille des b\u00e2timents et \u00e0 la hauteur des plafonds. Il peut montrer les relations qui sont couvertes par chacune des variables.<\/p>\n\n\n\n

Graphique 10<\/strong><\/p>\n\n\n\n

\"graphique<\/figure>\n\n\n\n

Graphiques chronologiques<\/strong><\/p>\n\n\n\n

Le graphique chronologique illustr\u00e9 au graphique 11 montre les prix de vente au pied carr\u00e9 d\u2019un b\u00e2timent de 2005 \u00e0 2014 dans une ville donn\u00e9e. L\u2019index 1-130 ne repr\u00e9sente pas des ann\u00e9es, mais plut\u00f4t une p\u00e9riode d\u2019ensemble. Par exemple, 1-13 pourrait couvrir la p\u00e9riode depuis le d\u00e9but des donn\u00e9es, disons le 1er<\/sup> juin 2005 jusqu\u2019au 17 avril 2006, date du d\u00e9but d\u2019une autre p\u00e9riode.<\/p>\n\n\n\n

Les graphiques chronologiques sont une fa\u00e7on int\u00e9ressante de d\u00e9montrer la volatilit\u00e9 d\u2019un type de donn\u00e9es sp\u00e9cifiques. En examinant le graphique 11, quel mod\u00e8le peut-on d\u00e9gager des cr\u00eates et creux des donn\u00e9es? La r\u00e9ponse \u00e0 cette question est qu\u2019il y a des p\u00e9riodes de hausse des prix et des p\u00e9riodes de fl\u00e9chissement du march\u00e9 industriel. Ces tendances \u00e0 la hausse et \u00e0 la baisse ne refl\u00e8tent pas seulement le temps, mais aussi d\u2019autres variables comme la superficie du terrain, la taille du b\u00e2timent et tout un ensemble d\u2019attributs qui pourraient contribuer \u00e0 expliquer les niveaux de prix. Ce ph\u00e9nom\u00e8ne est r\u00e9solu par une ARM (analyse de r\u00e9gression multiple).<\/p>\n\n\n\n

Graphique 11<\/strong><\/p>\n\n\n\n

\"quel<\/figure>\n\n\n\n

Faire rapport des tendances au moyen de graphiques<\/strong><\/p>\n\n\n\n

Les graphiques utilis\u00e9s dans les rapports n\u2019ont aucune valeur si on ne d\u00e9gage pas ce qu\u2019ils peuvent r\u00e9v\u00e9ler au sujet des donn\u00e9es. Les lecteurs des rapports ne sont pas des mentalistes. Ils se fient \u00e0 l\u2019\u00e9valuateur pour comprendre le comportement du march\u00e9. Les graphiques ne devraient pas figurer dans un rapport pour bien para\u00eetre, ils devraient y \u00eatre pour informer. Si un graphique indique un march\u00e9 stagnant, on devrait attirer l\u2019attention d\u2019un client qui s\u2019appr\u00eate \u00e0 entreprendre des n\u00e9gociations avec un acheteur.<\/p>\n\n\n\n

Le graphique 12 est un nuage de points du nombre de nouvelles maisons construites dans une petite collectivit\u00e9. Le graphique indique une tendance vers le bas des nouvelles constructions r\u00e9sidentielles. Cependant, le graphique pourrait aussi faire ressortir le fait que la capacit\u00e9 du syst\u00e8me d\u2019\u00e9gout \u00e9tait limit\u00e9e en 2013 et 2014. Il pourrait souligner la demande refoul\u00e9e de logements qui attend que la municipalit\u00e9 ajoute une nouvelle unit\u00e9 de traitement \u00e0 son installation \u2013 pr\u00e9cieuse information si une \u00e9valuation est effectu\u00e9e sur un projet d\u2019am\u00e9nagement dans cette r\u00e9gion.<\/p>\n\n\n\n

Graphique 12<\/strong><\/p>\n\n\n\n

\"nuage<\/figure>\n\n\n\n

Quand les graphiques ne disent pas tout au sujet des donn\u00e9es<\/strong><\/p>\n\n\n\n

Les graphiques repr\u00e9sentent g\u00e9n\u00e9ralement un espace bidimensionnel opposant une variable \u00e0 une autre tel le prix par pied carr\u00e9 de logement. Les graphiques peuvent \u00eatre r\u00e9v\u00e9lateurs quand ils pr\u00e9sentent une valeur nominale pour des aspects tels les valeurs des permis de construction, les taux de ch\u00f4mage et la quantit\u00e9 d\u2019espace commercial absorb\u00e9e dans une collectivit\u00e9 donn\u00e9e. En pareils cas, l\u2019information livr\u00e9e par les graphiques va droit au but et est absolue.<\/strong><\/p>\n\n\n\n

Par contre, on ne peut se fier \u00e0 l\u2019information livr\u00e9e par un graphique quand on utilise deux variables pour pr\u00e9dire une valeur. Le probl\u00e8me r\u00e9side dans le fait que le secteur immobilier est g\u00e9n\u00e9ralement affect\u00e9 par un bon nombre d\u2019aspects\/propri\u00e9t\u00e9s caract\u00e9ristiques\/variables. Ces variables peuvent m\u00eame \u00eatre en interaction les unes avec les autres. Comment peut-on alors savoir quelle variable est importante dans le processus d\u2019\u00e9valuation pour expliquer les prix dans un ensemble de donn\u00e9es d\u00e9termin\u00e9s? La seule fa\u00e7on de le savoir avec certitude consiste \u00e0 soumettre un mod\u00e8le de r\u00e9gression \u00e0 un programme statistique.<\/p>\n\n\n\n

Plus t\u00f4t dans cet article, nous avons d\u00e9montr\u00e9 l\u2019utilit\u00e9 d\u2019un diagramme de quartiles et le graphique faisait ressortir une diff\u00e9rence dans les prix de vente des b\u00e2timents industriels \u00e0 finition de ma\u00e7onnerie et ceux \u00e0 rev\u00eatement d\u2019acier \u00e9maill\u00e9.<\/p>\n\n\n\n

Le tableau ci-dessous donne les r\u00e9sultats d\u2019une ARM appliqu\u00e9e aux propri\u00e9t\u00e9s industrielles de London, en Ontario. Il n\u2019est pas n\u00e9cessaire d\u2019expliquer tous les r\u00e9sultats, sauf pour ceux d\u2019Ext\u00e9rieur 2 et d\u2019Ext\u00e9rieur 3. Les r\u00e9sultats de ces variables sont en caract\u00e8res gras pour mieux faire ressortir l\u2019illustration.<\/p>\n\n\n\n

Predictor           Coef     SE Coef     T     P<\/p>\n\n\n\n

Constant           5,361       3,108   1,72 0,088<\/p>\n\n\n\n

LotS Log         0,31513     0,06970   4,52 0,000<\/p>\n\n\n\n

logbage         -0,36141     0,05084 -7,11 0,000<\/p>\n\n\n\n

logcheight       0,2504     0,1688   1,48 0,141<\/p>\n\n\n\n

logdmroad       -0,03883     0,02786 -1,39 0,166<\/p>\n\n\n\n

log401         -0,17265     0,04883 -3,54 0,001<\/p>\n\n\n\n

logumrate       -0,1422     0,2151 -0,66 0,510<\/p>\n\n\n\n

logcdndol         0,0451     0,4986   0,09 0,928<\/p>\n\n\n\n

logbuildsize     0,39254    0,06765   5,80 0,000<\/p>\n\n\n\n

date         0,00014153 0,00003519   4,02 0,000<\/p>\n\n\n\n

loc             -0,02633     0,04222 -0,62 0,534<\/p>\n\n\n\n

fplain         -0,13077     0,09540 -1,37 0,173<\/p>\n\n\n\n

zone           -0,05566     0,04453 -1,25 0,214<\/p>\n\n\n\n

eland           -0,03115    0,07745 -0,40 0,688<\/p>\n\n\n\n

ext3             0,05703     0,08798   0,65 0,518<\/strong><\/p>\n\n\n\n

ext2           -0,03458     0,09056 -0,38 0,703<\/strong><\/p>\n\n\n\n

S = 0,334323   R-Sq = 84,1 %   R-Sq(adj) = 81,7 %<\/p>\n\n\n\n

Premi\u00e8rement, qu\u2019est-il arriv\u00e9 \u00e0 Ext\u00e9rieur 1? Rien, sauf que cette variable a \u00e9t\u00e9 int\u00e9gr\u00e9e au programme Minitab pour la comparer aux deux autres. Les chiffres \u00e0 l\u2019extr\u00eame droite repr\u00e9sentent les valeurs P ou les probabilit\u00e9s que les chiffres ou coefficients 0,05703 et -0,03458 ont \u00e9t\u00e9 d\u00e9termin\u00e9s ou non de fa\u00e7on al\u00e9atoire ou que ces chiffres ou coefficients repr\u00e9sentent une association avec les prix de vente des comparables. \u00c9tant donn\u00e9 que ces valeurs P sont tr\u00e8s \u00e9lev\u00e9es, on ne peut s\u2019y fier pour expliquer les diff\u00e9rences de prix de vente des b\u00e2timents industriels ayant diff\u00e9rents types de finition ext\u00e9rieure. La deuxi\u00e8me colonne repr\u00e9sente l\u2019erreur-type. Ces chiffres sont plus grands que les coefficients, ce qui indique \u00e9galement qu\u2019on ne peut se fier aux coefficients pour expliquer les diff\u00e9rences de prix r\u00e9sultant des diff\u00e9rents types de finition ext\u00e9rieure.<\/p>\n\n\n\n

En d\u00e9finitive, le diagramme de quartiles a indiqu\u00e9 une diff\u00e9rence de prix, mais en se fondant uniquement sur les prix de vente moyens de chaque cat\u00e9gorie de type de b\u00e2timents industriels. Quand toutes les variables ont \u00e9t\u00e9 consid\u00e9r\u00e9es pour expliquer le prix, on a constat\u00e9 que la diff\u00e9rence entre Ext 2-3 n\u2019\u00e9tait pas significative. Cela ne veut pas dire que Ext 1-3 ne devrait jamais \u00eatre exclu de futures applications de r\u00e9gression quand de nouvelles donn\u00e9es sont ajout\u00e9es. Tout ce que cet ensemble de donn\u00e9es nous permet de dire, c\u2019est qu\u2019on n\u2019a trouv\u00e9 aucune preuve que Ext 1-3 se refl\u00e8te dans le prix de vente des donn\u00e9es. Il se pourrait que l\u2019ensemble du march\u00e9 de l\u2019immobilier industriel f\u00fbt en p\u00e9riode de d\u00e9pression et que les acheteurs ne fussent pas pr\u00eats \u00e0 payer la diff\u00e9rence pour la finition ext\u00e9rieure. On ne sait tout simplement pas.<\/p>\n\n\n\n

Conclusion<\/strong><\/p>\n\n\n\n

Les \u00e9valuateurs immobiliers qui d\u00e9sirent utiliser des graphiques dans un rapport devraient s\u2019acquitter de leur \u00ab obligation de diligence \u00bb en abordant la question sous diverses optiques :<\/p>\n\n\n\n

  1. Est-ce que le graphique contribue, dans son ensemble, au processus d\u2019\u00e9valuation?<\/li>
  2. Utilise-t-on le bon type de graphique?<\/li>
  3. Les donn\u00e9es pr\u00e9sent\u00e9es sous forme de graphique sont-elles bien expliqu\u00e9es au lecteur?<\/li>
  4. La source des donn\u00e9es pr\u00e9sent\u00e9es sous forme de graphique est-elle fiable?<\/li><\/ol>\n\n\n\n

    Comme l\u2019\u00e9conomiste am\u00e9ricaine Emily Oster l\u2019a si bien dit : \u00ab Les meilleurs moments se produisent quand les r\u00e9sultats d\u2019un graphique ou d\u2019une analyse statistique vous sautent aux yeux   \u2013 quand vous r\u00e9alisez que vous savez quelque chose que personne d\u2019autre ne sait et que vous avez le plaisir de r\u00e9fl\u00e9chir sur la fa\u00e7on de leur communiquer ce que vous avez d\u00e9couvert. \u00bb<\/p>\n\n\n\n

    Bibliographie<\/strong><\/p>\n\n\n\n

    Stephen Few : Show Me the Numbers: Designing Tables and Graphs to Enlighten<\/em><\/p>\n\n\n\n

    Edward Tuffe : The Visual Display of Quantitative Information<\/em><\/p>\n\n\n\n

    Naomi B. Robbins : Creating More Effective Graphs<\/em>           <\/p>\n","protected":false},"excerpt":{"rendered":"

    Par George Canning, AACI, P. App., Canning Consultants Inc., London ON Introduction Les praticiens de l\u2019immobilier utilisent plus d\u2019aides visuelles que jamais auparavant pour d\u00e9crire<\/p>\n","protected":false},"template":"","meta":{"_acf_changed":false,"_relevanssi_hide_post":"","_relevanssi_hide_content":"","_relevanssi_pin_for_all":"","_relevanssi_pin_keywords":"","_relevanssi_unpin_keywords":"","_relevanssi_related_keywords":"","_relevanssi_related_include_ids":"","_relevanssi_related_exclude_ids":"","_relevanssi_related_no_append":"","_relevanssi_related_not_related":"","_relevanssi_related_posts":"","_relevanssi_noindex_reason":"","_lmt_disableupdate":"","_lmt_disable":""},"article_author":[25],"article_tag":[1218,1219,1220,1221,1222,1223,1224,1225,1226,1227,1228,1229,1230,1231,1232,1233,1234,1235,1236,1237],"class_list":["post-30027","article","type-article","status-publish","hentry","article_author-george-canning","article_tag-analyse-de-donnees-fr","article_tag-bar-graphs-fr","article_tag-box-plots-fr","article_tag-data-analysis-fr","article_tag-diagramme-de-quartile-fr","article_tag-donnees-qualitatives-fr","article_tag-donnees-quantitatives-fr","article_tag-graphique-de-surface-fr","article_tag-graphiques-fr","article_tag-graphiques-a-barres-fr","article_tag-graphiques-chronologiques-fr","article_tag-graphs-fr","article_tag-histogrammes-fr","article_tag-histograms-fr","article_tag-nuages-de-points-fr","article_tag-qualitative-data-fr","article_tag-quantative-data-fr","article_tag-scatterplots-fr","article_tag-surface-plots-fr","article_tag-time-series-plots-fr"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.aicanada.ca\/fr\/wp-json\/wp\/v2\/article\/30027","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.aicanada.ca\/fr\/wp-json\/wp\/v2\/article"}],"about":[{"href":"https:\/\/www.aicanada.ca\/fr\/wp-json\/wp\/v2\/types\/article"}],"wp:attachment":[{"href":"https:\/\/www.aicanada.ca\/fr\/wp-json\/wp\/v2\/media?parent=30027"}],"wp:term":[{"taxonomy":"article_author","embeddable":true,"href":"https:\/\/www.aicanada.ca\/fr\/wp-json\/wp\/v2\/article_author?post=30027"},{"taxonomy":"article_tag","embeddable":true,"href":"https:\/\/www.aicanada.ca\/fr\/wp-json\/wp\/v2\/article_tag?post=30027"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}