Residual Constraint Approach (RCA) : cadre méthodologique et protocole

Résumé

Une limite importante des méthodes d'évaluation conventionnelles réside dans leur dépendance à des techniques manuelles dépassées, telles que l'analyse par paires appariées (matched pairs), qui ignorent les contributions à la valeur des caractéristiques du bien comme si elles n'existaient pas : la grille de comparaison traditionnelle (Sales Grid) ne comporte aucune colonne pour les contributions à la valeur, seulement des ajustements. Or, les contributions à la valeur fournissent la base nécessaire aux contraintes mathématiques qui préviennent la surévaluation et la sous-évaluation par les évaluateurs traditionnels.

Le Residual Constraint Approach (RCA, fr. : approche par contraintes résiduelles) fait progresser le Sales Comparison Approach (SCA, comparable à la méthode par comparaison française) traditionnel en intégrant un processus d'évaluation en plusieurs phases qui associe les Multivariate Adaptive Regression Splines (MARS) à des contraintes mathématiques rigoureuses sur les contributions à la valeur des caractéristiques — en particulier les caractéristiques non mesurées : des variables latentes telles que l'esthétique, la conception, l'état et la qualité, dont les valeurs sont généralement soumises au jugement subjectif et aux biais de l'évaluateur traditionnel.

Les contraintes mathématiques du RCA reposent sur l'application experte de la régression MARS pour estimer les contributions à la valeur des caractéristiques mesurables du bien au prix de vente. Cette estimation ne représente toutefois, en règle générale, qu'environ 80 % du prix de vente réel, à l'exclusion des caractéristiques appréciées subjectivement comme la conception, l'utilité fonctionnelle, l'état et la qualité. Dans la San Francisco Bay Area, le résidu — qui représente ces composantes subjectives — s'élève en moyenne à environ 20 % de la valeur totale du bien. Le ratio 80/20 reflète l'expérience de l'auteur dans la San Francisco Bay Area dans des conditions de données typiques et ne doit pas être interprété comme une constante invariante d'un marché à l'autre. Dans les marchés où le R² atteignable est plus faible, la réponse du cadre méthodologique consiste à identifier et à mesurer les déterminants de la valeur non mesurés — la distance à l'océan dans les communes littorales, l'altitude dans les quartiers à flanc de colline et d'autres variables similaires collectées auprès de sources externes lorsque les données MLS ne les fournissent pas — plutôt que d'accepter cette limite et de publier des bandes d'erreur plus larges. Alors que les résidus MARS sont souvent traités comme des erreurs d'estimation dans d'autres contextes, ils servent, en évaluation immobilière, de mesure indirecte de la valeur des variables latentes. Bien que cela puisse d'abord sembler peu praticable, une démonstration établit que le résidu peut être décomposé de manière significative en composantes descriptives, pourvu que leurs contributions se somment au résidu — sans affecter le résultat final de l'évaluation.

Cette méthodologie est le fruit de deux décennies d'application empirique par l'auteur et a été développée au fil d'implémentations itératives de MARS dans les environnements R et Python.