🏠 Modèle d'évaluation immobilière automatisée — Régression en direct

Le R² est la fraction de la variance des prix de vente comparables que la régression ajustée explique, calculée comme 1 moins le rapport entre la somme des carrés résiduels et la somme totale des carrés des écarts par rapport au prix moyen. Un R² de 0,85 signifie que 85 % de la variation de prix parmi les comparables est expliquée par les cinq caractéristiques du modèle ; les 15 % restants sont attribués au bruit, à des caractéristiques non mesurées, ou à un caractère aléatoire réel dans la façon dont les acheteurs valorisent un bien spécifique. Comme cette simulation génère les comparables à partir d'un modèle sous-jacent réel plus du bruit aléatoire, le R² ici est une mesure directe et réglable de la quantité de ce bruit que vous avez injectée.

Les moindres carrés ordinaires choisissent chaque coefficient pour expliquer au mieux la variation de prix attribuable à cette caractéristique après avoir tenu compte de toutes les autres, donc une caractéristique qui fait bouger le prix beaucoup par unité de changement (comme 1 000 pieds carrés supplémentaires) obtient naturellement un coefficient plus grand qu'une caractéristique avec un effet de prix typique plus faible (comme un point d'un score d'état de 1 à 10), même si les deux sont également « importantes » au sens statistique. Le diagramme en barres de cette simulation vous permet de comparer les coefficients ajustés aux coefficients générateurs réels, et d'observer les valeurs ajustées converger vers les valeurs réelles à mesure que davantage de ventes comparables sont ajoutées et que le bruit d'estimation diminue.

Un intervalle de confiance (ce que cette simulation affiche) borne l'incertitude sur l'estimation par le modèle du prix moyen pour des biens ayant exactement les caractéristiques du bien étudié — il se resserre vers zéro à mesure que davantage de données comparables arrivent, car avec des données infinies, vous connaîtriez cette moyenne exactement. Un intervalle de prédiction borne plutôt l'endroit où un prix de vente réel unique est susceptible de tomber, ce qui doit aussi tenir compte du bruit irréductible des transactions individuelles (caprices des acheteurs, négociation, timing) et ne se réduit donc jamais en dessous d'environ l'écart-type résiduel, quelle que soit la quantité de données collectées. Les AVM annoncent en production quelque chose de plus proche d'un intervalle de prédiction, car les clients se soucient d'un prix de vente unique, pas d'une moyenne.

Les AVM peinent avec les biens uniques ou inhabituels qui sortent de la plage des ventes comparables à proximité, avec les marchés en évolution rapide où les comparables récents sont déjà obsolètes, et avec des caractéristiques difficiles à quantifier numériquement, comme l'attrait extérieur, la qualité de finition d'une rénovation récente, ou une route bruyante. Ils héritent aussi de tout biais présent dans les données de ventes historiques — si certains quartiers ont été historiquement sous- ou surévalués pour des raisons non liées au marché, un AVM entraîné naïvement projettera ce schéma vers l'avenir. C'est pourquoi les régulateurs exigent généralement une évaluation humaine, et non un AVM seul, pour les décisions à fort enjeu comme les prêts hypothécaires au-delà d'une certaine taille.