Statistiques sur le logement au Canada
Statistiques trimestrielles sur les loyers : rapport technique sur la méthodologie et les hypothèses

1 Préface

Le présent rapport décrit la méthodologie qui sous-tend le programme de Statistiques trimestrielles sur les loyers (STL). Il y est question des sources de données, de l’univers cible, des principaux concepts ainsi que des procédures et techniques de traitement des données qui servent à la production des estimations expérimentales des loyers demandés dans les régions métropolitaines de recensement (RMR) du Canada. On y traite également du raisonnement derrière le choix des critères de sélection, des limites que présentent les données sur les loyers demandés et des approches utilisées pour atténuer les biais de sélection au moyen de stratégies de pondération avancées.

2 Introduction

Statistique Canada, en partenariat avec la Société canadienne d’hypothèques et de logement (SCHL), a mis sur pied le programme de STL afin de produire des données expérimentales sur le marché locatif, c’est-à-dire les loyers demandés pour les logements locatifs annoncés dans l’ensemble des RMR. Les premières estimations du programme ont été diffusées en juin 2025 et portent sur la période du premier trimestre de 2019 au premier trimestre de 2025. Le programme met l’accent sur les immeubles d’appartements locatifs ainsi que sur les chambres inscrites sur les grandes plateformes de location au Canada.

Le programme de STL s’appuie sur le principe des « données administratives d’abord » (Rancourt, 2018), selon lequel on donne priorité aux sources de données administratives ou secondaires avant de recourir à des enquêtes probabilistes imposant un fardeau de réponse. Dans cette optique, les données sur les inscriptions en ligne sont utilisées à des fins d’inférence statistique et complétées, au besoin, par des données probabilistes tirées du module sur les loyers de l’Enquête sur la population active (EPA). Cette intégration améliore la représentativité des estimations tout en réduisant le fardeau de réponse et les coûts associés à la collecte d’enquête traditionnelle (Beaumont, 2020).

Le programme vient compléter les mesures statistiques existantes sur les loyers au Canada. La composante « loyers » de l’Indice des prix à la consommation (IPC) rend compte des loyers payés en vertu d’un bail par les locataires occupants, tandis que l’Enquête sur les logements locatifs de la SCHL rend compte des loyers du parc de logements destinés à la location. En revanche, le programme de STL rend compte des loyers demandés, c’est-à-dire des prix annoncés auxquels d’éventuels locataires seront confrontés, fournissant un portrait trimestriel de l’abordabilité et des conditions d’entrée sur le marché locatif selon les régions.

Ce rapport décrit les concepts, les sources de données et les procédures méthodologiques utilisées pour produire les estimations trimestrielles des loyers demandés, ainsi que les mesures d’assurance de la qualité mises en œuvre pour en garantir la fiabilité et l’interprétabilité.

3 Sources de données

Le programme de STL repose principalement sur des données extraites d’inscriptions actives provenant de grandes plateformes de location au Canada, tel que le réseau Rentals.ca et Zumper. Ces données sont vérifiées et normalisées avant d’être utilisées pour la production des estimations, afin d’assurer leur conformité aux cadres conceptuels et de qualité de Statistique Canada.

Les données combinées des différentes plateformes sont ensuite couplées au Registre statistique des immeubles afin d’en améliorer la cohérence et la qualité. Ce couplage permet de valider certains renseignements clés, d’éliminer les inscriptions en double et d’accéder à des variables auxiliaires utilisées pour les estimations.

Comme les inscriptions en ligne peuvent comporter des valeurs erronées ou extrêmes, un processus statistique de détection des valeurs statistiques aberrantes, soit la méthode de l’écart-sigma (Bernier et Nobrega, 1998), est appliquée selon le type de logement et le nombre de chambres. Les paramètres sont choisis après examen de la répartition des loyers tout en conservant les inscriptions de location authentiques à prix élevé. Les enregistrements désignés comme aberrants sont exclus des étapes subséquentes de pondération et d’estimation.

Les données de l’EPA utilisées comme répartition de référence pour la production des facteurs de pondération font également l’objet d’un processus rigoureux de vérification et d’imputation (Statistique Canada, 2025).

4 Univers cible

L’univers cible comprend les logements locatifs annoncés pour une location à long terme (soit les appartements ou chambres offerts à la location pour une durée de six mois ou plus) situés dans les RMR. Pour être considéré comme étant dans le champ d’enquête, un logement doit avoir été annoncé à louer pendant au moins une partie du trimestre de référence.

L’univers exclut les transferts de bail, les locations à court terme et les unités non résidentielles. La période de référence couvre des trimestres de trois mois, et l’estimation principale d’intérêt est le loyer mensuel moyen demandé pour le trimestre.

5 Concepts

Dans le contexte du programme de STL, le loyer demandé s’entend du prix de location annoncé publiquement par les propriétaires, les gestionnaires immobiliers ou les locataires à la recherche de colocataires au moment de l’inscription d’un logement ou d’une chambre. Le loyer demandé diffère du loyer réellement payé, car il correspond à la convention de bail proposée plutôt qu’à la convention de bail contractuelle signée.

Il est important de distinguer le loyer demandé d’autres mesures du loyer :

• Loyer selon l’IPC — Celui-ci rend compte des variations des loyers réellement payés par les ménages locataires, pour les baux en cours et les nouveaux baux, et est fondé sur une approche de modélisation hédonique (fondée sur les caractéristiques) pour tenir compte des différences observables concernant les attributs des logements, comme le nombre de chambres, les services inclus, le type et l’âge de l’immeuble et l’emplacement. Son univers couvre les loyers de tous les types de logements occupés par des locataires, à l’exclusion des logements subventionnés, des résidences institutionnelles ou des logements utilisés à des fins commerciales (voir Lehto, 2023).
• Loyer selon l’Enquête sur les logements locatifs de la SCHL — Cette enquête mesure les loyers du marché locatif primaire (logements destinés à la location). Elle fournit des renseignements sur les locataires occupants et leurs contrats de location, ainsi que sur les loyers demandés pour les logements vacants. Son univers couvre les zones urbaines de 10 000 habitants et plus et cible uniquement les immeubles d’initiative privée comptant au moins trois logements locatifs. Les logements sociaux et abordables en sont exclus (voir SCHL, 2024).
• Loyer selon l’Enquête sur le marché locatif secondaire de la SCHL : Cette enquête cible les logements locatifs hors marché primaire, notamment les appartements en copropriété et d’autres unités secondaires, comme les maisons, les duplex et les logements accessoires loués. Sa couverture s’étend aux logements locatifs non inclus dans l’Enquête sur les logements locatifs, dans 17 RMR (voir SCHL, 2022).

Le loyer demandé mesuré par le programme de STL correspond aux prix annoncés que devraient payer d’éventuels locataires au moment de leur entrée sur le marché locatif, qu’il s’agisse de logements destinés à la location ou du marché locatif secondaire dans les 42 RMR. Il s’agit d’un indicateur précoce des pressions liées à l’abordabilité, puisqu’il rend compte du point d’entrée sur le marché locatif plutôt que des loyers déjà établis en vertu d’un contrat.

Plusieurs mises en garde s’imposent pour l’interprétation du loyer demandé :

• Les incitatifs et concessions (p. ex. un mois gratuit) ne sont pas pris en compte.
• Le loyer demandé représente le prix initial annoncé et peut différer du montant définitif du bail.
• La comparabilité entre régions ou dans le temps peut être influencée par des différences dans les éléments inclus, comme les services publics, l’ameublement, ou le stationnement.

6 Nettoyage des données

Les variables clés, comme le type de logement et le nombre de chambres, sont validées par rapport aux renseignements trouvés dans le titre et la description de l’inscription, selon la classification du fournisseur de données. En cas d’incohérence, les enregistrements sont corrigés ou exclus.

Sont retirées du fichier analytique :

• les inscriptions non résidentielles (p. ex. bureaux, locaux commerciaux, stationnements, casiers);
• les locations à court terme (baux de moins de six mois);
• les types de logements hors champ (p. ex. maisons mobiles);
• les inscriptions où le loyer demandé ou le nombre de chambres est manquant ou invalide;
• les inscriptions sans géocodage ou situées hors RMR.

Les inscriptions en double sur une plateforme et d’une plateforme à l’autre sont également supprimées. La détection des valeurs aberrantes décrite à la section 3 est appliquée à l’échelle des RMR. Environ 40 % des inscriptions recueillies sont exclues à l’issue de ces étapes combinées de validation et de nettoyage.

7 Pondération et estimation

7.1 Survol

Le programme de STL combine des données non probabilistes provenant de plateformes de location et des données probabilistes tirées de l’EPA pour produire des estimations fiables. Les données non probabilistes n’ayant pas de mécanisme de sélection connu peuvent introduire un biais de sélection, tandis que les échantillons probabilistes (comme l’EPA) sont conçus avec des probabilités d’inclusion connues. L’intégration de ces deux composantes permet au programme de STL de tirer parti de la couverture étendue des données en ligne et de la rigueur inférentielle d’une référence de probabilité.

Pour atténuer le biais de sélection, le programme de STL utilise une méthode de pondération de probabilité inverse (PPI), décrite dans Chen et coll. (2019). Cette méthode attribue des facteurs de pondération selon l’inverse des probabilités d’inclusion estimées, c’est-à-dire la probabilité que les logements locatifs figurent dans l’échantillon des inscriptions en ligne. Ces probabilités sont estimées à l’aide d’un modèle de régression logistique qui intègre un ensemble de variables pertinentes. La sélection des variables s’appuie sur l’approche fondée sur le critère d’information d’Akaike modifié décrite par Beaumont et coll. (2024).

Les facteurs de pondération qui en résultent ajustent la répartition des inscriptions observées pour mieux représenter l’ensemble de l’univers locatif. Il convient de souligner que le module sur les loyers de l’EPA fournit la répartition des logements occupés (loués), ce qui diffère conceptuellement de l’univers des logements disponibles visé par le programme de STL. Par conséquent, la répartition de l’EPA est utilisée comme référence de substitution pour estimer rigoureusement les probabilités de sélection, plutôt que comme représentation exacte de l’univers d’intérêt. Toutefois, comme la catégorie « chambre » n’est pas recensée comme type de logement dans l’EPA, la méthode doublement robuste n’a pas pu être appliquée de manière uniforme à tous les domaines. Par conséquent, les inscriptions de chambres n’ont pas pu être pondérées et ont été exclues de l’exercice d’étalonnage.

7.2 Étalonnage et évaluation

Plusieurs stratégies de pondération ont été mises à l’essai : stratification a posteriori, estimation doublement robuste et méthode de PPI pour évaluer les résultats en matière de réduction des biais. Les estimations pondérées ont été comparées avec les données sur la mobilité sur un an provenant du Recensement de 2021, qui rendent compte des loyers associés aux conventions de bail récemment conclues, plus précisément pour les personnes ayant déménagé entre mai 2020 et mai 2021.

Les résultats ont montré que la méthode de PPI et la méthode doublement robuste réduisaient toutes deux les biais par rapport aux moyennes non pondérées. Cependant, la période de référence coïncidait avec la pandémie de COVID-19, période durant laquelle la mobilité et les comportements locatifs étaient atypiques, ce qui a réduit la stabilité des modèles prédictifs utilisés dans l’estimation doublement robuste.

Compte tenu de ces facteurs, ainsi que de la simplicité opérationnelle et de la robustesse des résultats empiriques de la PPI, cette méthode de PPI a été retenue comme approche standard pour le programme de STL.

7.3 Estimations publiées

Les tableaux de données publiés comprennent des estimations pondérées pour les immeubles d’appartements locatifs.

Les estimations concernant les chambres sont publiées sous une forme non pondérée, puisque aucun univers de référence approprié n’existe dans l’EPA et que de nombreuses inscriptions de chambres ne contiennent pas d’information auxiliaire complète. L’application de pondérations à ces enregistrements entraînerait une suppression excessive et une fiabilité limitée. Par conséquent, les chiffres non pondérés sont publiés afin de préserver la transparence et la couverture, tout en reconnaissant leurs limites méthodologiques.

8 Évaluation de la qualité

La qualité des estimations a été évaluée au moyen de plusieurs étapes de validation. Des comparaisons ont été effectuées avec des sources externes, comme l’Enquête sur les logements locatifs et l’Enquête sur le marché locatif secondaire de la SCHL, à l’échelle des RMR, lorsque les données le permettaient. Certaines comparaisons ont également été réalisées avec des statistiques sur les loyers, publiées dans divers rapports provenant de plateformes d’inscriptions en ligne.

Bien que des différences méthodologiques et de période de référence aient posé des difficultés, ces comparaisons ont fourni des vérifications de cohérence utiles. La précision a été évaluée à l’aide de mesures comme l’erreur absolue moyenne et l’erreur moyenne en pourcentage absolu complétées par des analyses de répartition des valeurs de loyers selon les segments du marché. La décomposition saisonnière et tendance à l’aide de la fonction LOESS est utilisée pour évaluer la stabilité de la tendance et les estimations potentiellement aberrantes.

Ce cadre de validation multidimensionnel démontre la cohérence des résultats selon différents angles d’analyse, renforçant la confiance envers les estimations malgré les complexités inhérentes entre les systèmes. Enfin, tandis que des loyers demandés sont ajustés pour la représentation des types de logements, aucun ajustement n’est effectué pour la qualité du logement (p. ex. services publics, finitions, stationnement), ce qui peut expliquer certaines variations.

9 Références

Beaumont, J.-F. 2020. « Les enquêtes probabilistes sont-elles vouées à disparaître pour la production de statistiques officielles? », Techniques d’enquête, vol. 46, n^o 1, produit n^o 12-001-X au catalogue de Statistique Canada, https://www150.statcan.gc.ca/n1/pub/12-001-x/2020001/article/00001-fra.htm.

Beaumont, J.-F., K. Bosa, A. Brennan, J. Charlebois et K. Chu. 2024. « Traitement d’échantillons non probabilistes au moyen de la PPI, avec application aux données recueillies par approche participative de Statistique Canada », Techniques d’enquête, vol. 50, n^o 1, produit n^o 12-001-X au catalogue de Statistique Canada, https://www150.statcan.gc.ca/n1/pub/12-001-x/2024001/article/00004-fra.htm.

Bernier, J., et K. Nobrega. 1998. « Outlier detection in asymmetric samples: A comparison of an inter-quartile range method and a percentile-trimmed mean method », Recueil du groupe des méthodes d’enquête, Congrès annuel de la Société statistique du Canada, https://ssc.ca/sites/default/files/survey/documents/SSC1998_J_Bernier.pdf.

Chen, Y., P. Li et C. Wu. 2019. « Doubly Robust Inference with Nonprobability Survey Samples », Journal of the American Statistical Association, vol. 115, n^o 532, p.2011-2021, https://doi.org/10.1080/01621459.2019.1677241.

Lehto, R. 2023 « Le logement dans l’IPC canadien : un aperçu, mise à jour 2023. », Série analytique des prix,  N^o 62F0014M au catalogue de Statistique Canada, https://www150.statcan.gc.ca/n1/pub/62f0014m/62f0014m2023007-fra.htm

Rancourt, É. 2018. « Les données administratives d’abord comme paradigme statistique pour les statistiques officielles canadiennes : signification, défis et possibilités », Actes du Symposium de 2018 de Statistique Canada — Combiner pour vaincre : innovations dans l’utilisation de multiples sources de données.

Société canadienne d’hypothèques et de logement. 2024. Méthode de l’enquête sur les logements locatifs, https://www.cmhc-schl.gc.ca/professionnels/marche-du-logement-donnees-et-recherche/recherche-sur-le-logement/enquetes-sur-le-logement/methodes-denquete/methode-de-lenquete-sur-les-logements-locatifs.

Société canadienne d’hypothèques et de logement. 2022. Méthode de l’enquête sur le marché locatif secondaire, https://www.cmhc-schl.gc.ca/professionnels/marche-du-logement-donnees-et-recherche/recherche-sur-le-logement/enquetes-sur-le-logement/methodes-denquete/methode-de-lenquete-sur-le-marche-locatif-secondaire.

Statistique Canada. 2025. Guide de l’Enquête sur la population active, produit n^o 71-543-G au catalogue de Statistique Canada, https://www150.statcan.gc.ca/n1/pub/71-543-g/71-543-g2025001-fra.htm.