spb/wp3_uqo

1# REVIEW REPORT — Editorial board, révision scientifique complète (2026-10-17)23**Papier** : UQO Working Paper No. 3 — *Hedonic Housing Price Models for the United States: A Multi-Method Comparison of4Parametric, Quantile, and Machine Learning Approaches* (Simon-Pierre Boucher). Version révisée : **1.2, October 2026**5(avant : 1.1, May 2026, 60 pages, 70 références ; après : 82 pages, 92 références, toutes vérifiées).6Journal d'audit détaillé : `docs/CHANGELOG-REVISION.md`.78Board : économie immobilière et marchés du logement ; économétrie appliquée et inférence ; économétrie spatiale ; prix hédoniques9et évaluation ; apprentissage automatique et économie computationnelle ; méthodologie scientifique. Lecture intégrale du10manuscrit, du code (`src/`, `scripts/01–04`), des artefacts (`data/`, `results/`), des documents d'audit antérieurs et de la11bibliographie ; réanalyses sur les artefacts stockés (données locales présentes, 2,8 Go ; chaque réanalyse < 30 min).1213---1415## 1. Verdict d'ensemble1617Le papier pose une question importante et bien formulée — la précision des modèles ML hédoniques mesurée par validation18aléatoire survit-elle à l'extrapolation vers des marchés non observés ? — sur un jeu de données d'une ampleur rare (788 84219annonces, 51 juridictions), avec une discipline d'interprétation (gradients de prix affichés, non WTP) exemplaire. La version 1.120était toutefois fragilisée par **quatre défauts que la révision a identifiés et corrigés**, dont trois sont des défauts de21documentation des données qui changeaient des conclusions substantielles :22231. **Les trois variables scolaires sont imputées (médiane d'État) pour 93 % des annonces** et n'apparaissaient pas dans la table24   des manquants. Le « school rating », 3e variable SHAP, pilier du bloc « neighbourhood » (+17,6 pp), est un identifiant d'État.252. **Le régresseur ln(lot) valait 0 pour 16,5 % des annonces** (codage avant imputation). L'élasticité publiée (0,018, « triplée »26   en retirant les imputés) est un artefact ; la valeur correcte est **0,095**.273. **L'« effondrement catastrophique » de l'OLS en holdout géographique (R² = −2 × 10⁶)** venait de 204 annonces test aux28   valeurs corrompues (places de stationnement jusqu'à 1,1 × 10¹¹). Sans ces 0,6 % d'enregistrements, **OLS atteint 0,539 hors29   État — autant que le meilleur XGBoost (0,544 à 100 arbres) et plus que le modèle complet (0,426)**.304. **L'inférence HC3 surestimait la précision d'un ordre de grandeur** (ratios médians des SE groupées : 7,6 par ZIP3, 11,6 par31   État ; 57 → 33 coefficients significatifs). Le test inter-quantile « à covariance jointe » décrit dans le texte n'était pas32   celui du code (covariance mise à zéro).3334Ces corrections **renforcent** la contribution méthodologique plutôt qu'elles ne l'affaiblissent : la révision montre *par quels35canaux* la fuite spatiale opère (niveaux de prix d'État mémorisés via les dummies régionales, les imputations d'État et la capacité36de boosting), sépare l'erreur de niveau de la structure intra-marché (R² within-state 0,62 stable), et établit que la régression37semi-log est compétitive hors marché. Le message « random splits overstate ML » devient « random splits overstate ML, *and here38is the anatomy* », avec des résultats nouveaux (courbe d'arbres, LOSO 51 États, hétérogénéité par État) qui n'existaient pas.3940---4142## 2. Diagnostic par section4344### Introduction45- Forces : enjeux (AVM, évaluation foncière), trois tensions, contribution « spatial leakage » bien mise en avant, discipline46  d'interprétation. — Faiblesses (v1.1) : contributions énumérées en liste ; mélange R² in-sample/out-of-sample (0,634 → 0,725) ;47  chiffres géo 0,425–0,547 non expliqués. — Révisé : prose, 5 contributions + 1 « data finding », nombres cohérents, OLS hors État48  corrigé, mécanismes annoncés.4950### Revue de littérature51- Forces : 10 thèmes, verdict Wadoux et al. bien intégré, identification (Bartik, Ekeland et al., Kuminoff et al., Bishop et al.).52- Faiblesses : rien sur le marché unique de Rosen / sous-marchés ; rien sur l'inférence groupée ni l'interprétation des dummies ;53  littérature AVM/ML mince (Mayer et al., Bogin–Shui, Lorenz et al., Antipov–Pokryshevskaya, Pérez-Rave, Ho et al. absents) ;54  Meyer–Pebesma 2022 et Schratz et al. 2019 absents côté validation spatiale ; `chen2016xgboost` cité comme étude de valorisation.55- Révisé : 23 références ajoutées (toutes vérifiées, DOI), paragraphe sous-marchés, paragraphe inférence/dummies, thème AVM étoffé,56  « gap » reformulé.5758### Données59- Forces : filtres documentés, caveat prix affichés bien ancré.60- Faiblesses graves : table des manquants incomplète (variables scolaires 93 %, parking 24 %, étages 26 %, HOA fee 63 %, matériaux61  31 % absents) ; règle du lot décrite ≠ codage réel ; valeurs aberrantes non dénombrées ; part des manquants exprimée sur les62  données brutes et non sur l'échantillon analytique.63- Révisé : table complète générée depuis la base brute (`tables/missingness.tex`), table des aberrants, sous-section « Data64  Quality », ratio prix affiché / Zestimate (médiane 1,020 ; 91 % > 1) comme borne descriptive de l'écart liste/valeur.6566### Méthodologie67- Forces : équations OLS/QR/XGB/SHAP/Moran présentes.68- Faiblesses : interprétation des dummies sans Halvorsen–Palmquist/Kennedy ; SE HC3 seules malgré Moran 0,27 et régresseurs69  agrégés ; équation inter-quantile avec −2Cov non appliquée ; définitions de validation vagues (un seul pli ; 56 % des données70  retirées ; confusion taille/extrapolation) ; pas de métrique within-market ; hyperparamètres fixes sans discussion.71- Révisé : Eq. Halvorsen–Palmquist/Kennedy, Eq. cluster-robust (ZIP3/État) + Moulton/Conley, bootstrap apparié (obs. et grappes)72  pour la covariance inter-quantile, pseudo-R² de Koenker–Machado, MdAPE (Steurer et al.), 4 designs de validation définis73  (aléatoire, 10 États, GroupKFold 5, LOSO), Eq. R² within-state, variantes de features, discussion de la capacité.7475### Résultats76- Incohérences trouvées : 0,547 vs 0,425 (« training-set composition ») — en réalité **nombre d'arbres** (pic 0,550 à 75, 0,42577  à 1 000) ; « OLS fails catastrophically because held-out states span all four regions » — faux (valeurs corrompues) ; « ZIP3 →78  XGB gap = non-linéarité 10,8 pp » — non fondé (XGB n'observe pas les ZIP) ; « structural features explain 35 % of geographic79  variation » — formulation erronée ; « 886 ZIP3 » — 885 + code manquant ; gains EF « +4,7/+4,7 » — +4,8/+4,7 hors échantillon ;80  instabilité de l'âge attribuée à l'hétérogénéité géographique de sous-échantillons **aléatoires** — impossible.81- Nouveaux résultats : Table SE groupées ; Moran OLS 0,263 vs XGB 0,079 (test set) ; hétérogénéité par État (élasticité surface82  0,06–1,15 ; pooled 0,619 → EF 0,690 → interagi 0,751) ; bootstrap R² (XGB − OLS = 0,203, IC ZIP3 [0,193 ; 0,213]) ; designs83  (taille appariée 0,829 ; within-state 0,618) ; OLS hors État 0,539 ; courbe d'arbres ; GroupKFold (0,620) ; LOSO (médiane84  0.653) ; variantes (sans région 0,519 ; sans école 0,377 ; indicateurs de manquants 0,446).8586### Robustesse87- Imputation/winsorisation : réinterprétées (artefact de codage) ; nouvelle sous-section « Lot-size coding » ; stabilité QR88  réinterprétée ; matrice de robustesse réécrite (ancien/nouveau).8990### Discussion / Conclusion / Limites91- Réécrites autour de 5 messages (le 5e, « la documentation des données fait partie de la méthode », est nouveau) ; comparaisons92  à la littérature conservées et étendues (Campbell et al. 27 % ; Sirmans et al. ; Bogin–Shui ; Schratz et al.) ; limites en prose,93  4 groupes, incluant les nouvelles (51 grappes, 200 tirages, comtés manquants, QR/SHAP avec l'ancien codage du lot).9495---9697## 3. Méthodologie — verdict motivé sur chaque point du §3 du master prompt9899| Point | Verdict | Motif / action |100|---|---|---|101| Spécification justifiée | Oui, avec réserve | Semi-log justifié (Cropper et al.) ; mais une équation nationale unique agrège 51 marchés — désormais mesuré (§5.3). |102| Hypothèses d'estimation explicites | Partiellement avant → oui | Indépendance implicite derrière HC3 explicitée et levée (SE groupées) ; hypothèse d'un seul marché discutée. |103| Variables correctement définies | **Non** avant → oui | 93 % de scolaire imputé, ln(lot) = 0, parking/étages corrompus : désormais documentés (Tables missing / implausible). |104| Effets fixes appropriés | Oui | Région → État → ZIP3 ; comté/MSA impossibles (county_fips manquant 97 %). |105| Dépendance spatiale/temporelle défendable | Diagnostiquée, non modélisée | Moran 0,27 (OLS), 0,08 (XGB) ; pas de SAR/SEM — limite assumée. Pas de dimension temporelle. |106| Erreurs-types correctement spécifiées | **Non** avant → oui | HC3 → groupées ZIP3/État ; bootstrap apparié pour QR ; IC bootstrap pour R². |107| Construction de l'échantillon transparente | Oui pour les filtres ; **non** pour le codage | Scripts amont perdus ; la révision documente le codage **effectif** trouvé dans les artefacts. |108| Robustesse face aux vraies menaces | Partiellement avant → oui | Ajout : taille appariée, arbres, GroupKFold, LOSO, variantes école/région/indicateurs, recodage lot, OLS hors État élagué. |109| Interprétation des coefficients | Correcte (100(e^β−1)), désormais référencée | Halvorsen–Palmquist/Kennedy ; coefficient scolaire relu comme effet d'État. |110| Significativité statistique vs économique | Améliorée | Les étoiles HC3 relativisées ; discussion des grandeurs. |111| Allégations causales | Aucune | Discipline maintenue partout. |112113---114115## 4. Littérature116117- **Vérifiées** : les 70 entrées existantes (OpenAlex en août 2026 ; recontrôle Crossref le 2026-10-17 pour les 35 sans DOI →118  28 DOI ajoutés ; pages Sirmans et al. corrigées 1–44). Aucune entrée douteuse restante ; `chen2016xgboost` conservée mais plus119  citée comme étude de valorisation.120- **Ajoutées (23, toutes vérifiées, DOI dans le .bib)** : Halvorsen & Palmquist 1980 ; Kennedy 1981 ; Mayer, Bourassa, Hoesli &121  Scognamiglio 2019 ; Hu et al. 2019 ; Bogin & Shui 2020 ; Lorenz, Willwersch, Cajias & Fuerst 2023 ; Antipov & Pokryshevskaya122  2012 ; Meyer & Pebesma 2022 ; Bourassa, Cantoni & Hoesli 2007 ; Bourassa, Hoesli & Peng 2003 ; Goodman & Thibodeau 2003 ;123  Koenker 2005 ; Koenker & Machado 1999 ; Cameron & Miller 2015 ; Moulton 1990 ; Conley 1999 ; Epple 1987 ; Jones 1996 ;124  Schratz et al. 2019 ; Ho, Tang & Wong 2021 ; Pérez-Rave et al. 2019 ; Diebold & Mariano 1995 ; Palmquist 2005.125- **Retirées** : `roberts2013endogeneity` (Roberts & Whited 2013, *Handbook of the Economics of Finance*) — chapitre de finance d'entreprise sans lien direct avec l'identification hédonique, cité une seule fois dans les limites v1.1 ; retiré lors de la réécriture (Ekeland et al. 2004 et Kuminoff et al. 2013 couvrent le point). **Non trouvée** : « Meyer & Roberts » (demande de l'orchestrateur) — pas de référence identifiable ;126  couverte par Roberts et al. 2017 et Meyer & Pebesma 2021/2022.127128---129130## 5. Limites restantes (après révision)1311321. Prix affichés, pas de transactions ; écart borné par le Zestimate mais covariance avec les attributs inconnue.1332. Scripts amont perdus : échantillon analytique reproductible seulement depuis les pickles ; les QR, l'ablation et les SHAP134   gardent ln(lot) = 0 (inoffensif pour les arbres, sous-estime le gradient de lot dans les trajectoires quantiles).1353. 51 grappes d'État très inégales ; pas de HAC spatial ni de wild cluster bootstrap ; pas de modèle spatial.1364. Validation : LOSO et 10 États = extrapolation ; pas de blocage comté/MSA (identifiants manquants) ; hyperparamètres non réglés137   (le réglage aléatoire n'aiderait pas, cf. courbe d'arbres).1385. Échantillon non représentatif (Sud 56,6 %), un seul instantané.139140## 6. Analyses recommandées non exécutées141142- Reconstruction complète du pipeline brut → échantillon avec codage correct du lot, puis ré-estimation QR/ablation/SHAP.143- HAC spatial (Conley) et wild cluster bootstrap par État ; SAR/SEM/GWR.144- Nested CV avec plis internes bloqués par État pour le nombre d'arbres et la profondeur (Schratz et al. 2019) ; CatBoost.145- Blocage comté/MSA (si identifiants obtenus) pour tracer le continuum interpolation–extrapolation.146- Réplication sur prix de vente ; intégration de risques climatiques ; mesure scolaire observée ; comparaison ACS/Census.147- GAM/splines pour décomposer non-linéarité vs partition spatiale ; calibration par décile de prix.148149## 7. Maturité pour publication150151- **Revues cibles** : *Journal of Housing Economics* ou *Journal of Real Estate Research* (contribution méthodologique + données152  nationales) ; *Real Estate Economics* envisageable si la reconstruction du pipeline et une réplication sur transactions sont153  ajoutées ; *Journal of Property Research* / *Journal of European Real Estate Research* comme cibles AVM.154- **Risques de rejet** : (i) prix affichés (objection standard — bien défendue mais rédhibitoire pour certains referees) ;155  (ii) pipeline amont perdu et codage du lot découvert a posteriori (transparence totale désormais, mais un referee peut exiger la156  reconstruction) ; (iii) 93 % de variables scolaires imputées — le papier les traite honnêtement comme identifiants d'État, mais157  un referee pourrait demander de les retirer de la spécification principale ; (iv) absence de modèles spatiaux. 158- **Évaluation** : passage de « working paper solide mais fragile sur les données » à « manuscrit soumissible après159  reconstruction du pipeline » ; la contribution méthodologique (anatomie de la fuite spatiale, within-state R², courbe d'arbres,160  LOSO, SE groupées) est désormais défendable devant un referee exigeant.161