ROYAUME DU MAROC

Ministre dlgu auprs du Premier Ministre Charg de lHabitat et de lUrbanisme

Direction de la Promotion Immobilire

Association Professionnelle des Cimentiers

ETUDE SUR LES PREVISIONS DE PRODUCTION DES LOGEMENTS AU MAROC

*** Rapport final

Fvrier 2006

I. Introduction II. Approche mthodologique ajuste : 1.1-Ajustements de la mthodologie 1.2-Rappel des principales tapes de la mthodologie III. Prvisions long terme : 2.1- Choix du modle 2.2- Projection du nombre de logements autoriss 2.3-Projection de la production de logements 2.4- Prvision de la production de logements par types et par rgions IV. Prvisions court terme 3.1-Modlisation des poids mensuels 3.2-Prvision des poids mensuels 3.3-Prvision de la production mensuelle de logements V. Utilisation des modles et mise jour des prvisions.

Annexes : 1. 2. 3. 4. 5. 6. Evolution du nombre de mnages Evolution de diffrentes variables conomiques Nombre de logements autoriss par types Nombre de logements autoriss par rgions Ventes mensuelles de ciment Le schma de la feuille principale de mise jour du modle long terme

Avant propos : La prsente tude sur les prvisions de la production des logements au Maroc est ralise dans le cadre dune convention entre lAssociation Professionnelle des Cimentiers (APC) et le Ministre Dlgu auprs du Premier Ministre, charg de lHabitat et de lUrbanisme (Observatoire de lHabitat). Elle est ralise par un groupe de travail compos des cadres de lObservatoire de lHabitat relevant de la Direction de la Promotion Immobilire du Ministre de lHabitat et de lUrbanisme, des cadres de lAPC et dun consultant externe.

Lobjectif de ltude consiste construire un modle de calcul des prvisions de la production de logements court et long terme au Maroc, permettant : Au Ministre Dlgu charg de lHabitat et de lUrbanisme de mieux orienter la politique damnagement urbain et doffre de logements ; A lAssociation Professionnelle des Cimentiers de mettre jour de faon fiable son compte BTP et par consquent dexploiter la mthode des coefficients techniques ; A lensemble du secteur de la construction davoir une vision claire de lvolution future de la production de logements.

Les rsultats de cette tude sont prsents dans 2 rapports : Le premier prsente la mthodologie de ltude, document qui a t prsent lors de la premire table ronde tenue le 3 juillet 2003 ; Le deuxime (prsent rapport) reprend la mthodologie ajuste la lumire des investigations ralises et des rsultats de la premire table ronde et prsente les rsultats de lapplication de cette mthodologie pour la prvision de la production de logements.

I- Introduction
Conscients de limportance de linformation dans tous processus de prise de dcisions et en particulier, de la ncessite de disposer de prvisions sur la production future de logements, lObservatoire de lHabitat relevant du Ministre dlgu auprs du Premier ministre, charg de lHabitat et de lUrbanisme et lAssociation Professionnelle des Cimentiers (APC), se sont associs et ont mis en commun leurs ressources pour laborer un systme de prvisions aussi bien long terme qu court terme. Dans ce sens, une convention a t signe par les deux parties et un groupe de travail a t form et charg de raliser cette mission. Ce groupe de travail est compos des cadres de lObservatoire de lHabitat, de quelques cadres de la Direction de la Promotion Immobilire, de quelques cadres de lAPC et dun consultant externe ayant pour mission dapporter un encadrement technique en terme de modlisation. Disposer de prvisions de la demande de logement est un besoin ncessaire et important. Il permettra : Au Ministre Dlgu charg de lHabitat et de lUrbanisme de mieux orienter la politique damnagement urbain et doffre de logements ; A lAssociation Professionnelle des Cimentiers de mettre jour de faon fiable son compte BTP et par consquent dexploiter la mthode des coefficients techniques. A lensemble du secteur de la construction davoir une vision claire de lvolution future de la production de logements

Lassociation entre les deux partenaires est fonde donc sur des intrts communs des deux parties qui sont galement des intrts de lconomie nationale dans sa globalit.

Pourquoi se concentrer sur le logement ? Cest la partie la plus importante du compte btiment et travaux publics (BTP). Daprs les professionnels du ciment, il reprsente lui seul prs de 75% de la consommation de ciment. Une prvision de cette composante satisfera quasi compltement les besoins de lObservatoire de lHabitat et une proportion importante des besoins dinformations de lAPC.

II- Approche mthodologique

Les diffrentes tapes de lapproche mthodologique adopte pour le calcul des prvisions de la production de logements ont t prsentes de faon dtaille dans le rapport mthodologique de ltude. Cette approche a fait lobjet de plusieurs runions de travail et a t longuement discute par les diffrents intervenants dans cette tude. Dans ce qui suit, nous prsentons les diffrentes tapes de cette mthodologie, mais avant daborder les dtails, il convient de prciser les diffrents ajustements apports la version initiale de cette mthodologie. Ces ajustements sont justifis principalement par les difficults rencontres en matire de disponibilit des donnes et par lincertitude relative la qualit et la fiabilit de certaines de ces donnes. En effet, lanalyse et lexamen des statistiques relatives aux autorisations de construire (principale variable de cette modlisation) ont permis de constater plusieurs lacunes et insuffisances. Il sagit de retards permanents dans la disponibilit de ces statistiques, ainsi que de certaines aberrations dans les chiffres. Ces lacunes concernent principalement les donnes mensuelles qui sont juges inutilisables. Les donnes annuelles quant elles sont considres comme exploitables moyennant certaines corrections. La mthodologie de ltude a t donc ajuste en fonction de ces constats.

2.1. Ajustements apports la version initiale : Les ajustements apports la version initiale de la mthodologie de ltude ont t adopts dun commun accord par tous les intervenants dans cette tude. Certains de ces ajustements simposent comme un choix naturel pour tenir compte des rsultats de certaines tudes antrieures, dautres simposent comme un choix raisonnable. Enfin, lajustement de la mthodologie de calcul des prvisions court terme simpose comme choix quasi unique. Lensemble de ces ajustements peut tre rsum comme suit : Pour la modlisation long terme, il a t dcid de se limiter aux donnes de la priode allant de 1989 2004. Ces statistiques sont juges relativement fiables et ce, pour deux principales raisons : 1. Les donnes de 1989 1995 ont t corriges sur la base des rsultats de ltude sur le flux de production de logements ralise par le Dpartement de lHabitat. Lors de cette tude, les statistiques sur les autorisations de construire publies par la Direction de la Statistique ont t juges infrieures aux chiffres rels avec une sous-estimation de lordre de 40%.

2. Pour les donnes de 1995 2004, il a t dcid de les ajuster en supposant que le taux de croissance des autorisations de construire est approximativement gal celui de la consommation du ciment au cours de cette priode. Cette hypothse peut tre justifie par le fait que la construction de logement reprsente une part prpondrante de la consommation du ciment au cours de cette priode. Pour la modlisation court terme, il a t dcid dabandonner les statistiques mensuelles des logements autoriss et par consquent lapproche ARIMA prconise initialement.

Lapproche prconise maintenant consiste utiliser les prvisions annuelles et les rpartir entre les diffrents mois de lanne selon le poids de chaque mois. Les poids utiliser sont estims en tenant compte de plusieurs facteurs saisonniers. Ces derniers sont modliss afin destimer leurs impacts sur les ventes mensuelles de ciment.

2.2. Principales tapes de la mthodologie : Les grandes lignes de la mthodologie adopte et ajuste peuvent tre dcrites comme suit :

2.2.1. Dfinition des objectifs de ltude : La premire tape a consist en la dfinition des besoins en termes de prvisions et dobjectifs atteindre par ce travail. Au cours de cette tape, des runions hebdomadaires rgulires ont t tenues par le groupe de travail. Les reprsentants de chaque partie (APC et Ministre de lHabitat) exprimaient chacun de son cot ses propres besoins. Ces runions ont constitu un cadre appropri pour dfinir de faon prcise les besoins communs en matire de prvisions et les objectifs escompts de ce travail. Ainsi, comme rsultat de cette premire phase, les objectifs atteindre par ce travail ont t fixs comme suit : Produire des prvisions long terme de la production de logements par types (habitations type marocain, villa, immeuble) et par rgions (les 16 rgions du Maroc) ; Produire des prvisions court terme galement par type et par rgion.

2.2.2. Recensement et analyse de lexistant en matire detudes et de donnes : Dans cette tape, nous avons procd tout dabord au recensement de toutes les tudes et les sources de donnes existantes et juges pertinentes pour la prsente tude. Cette recherche a t effectue aussi bien au niveau du Ministre de lHabitat, de lAPC quau niveau d'autres

dpartements et organismes. Les principales sources ayant t identifies dans ce sens sont les suivantes : Les tudes et les enqutes ralises par le Ministre de lHabitat, savoir : lenqute logement 2000, ltude sur le flux de production, ltude sur la valorisation des lotissements du Ministre, ltude sur le suivi des prix, etc. ; LAPC : Elle dispose des donnes mensuelles et annuelles sur les ventes de ciment ; Le Centre dEtudes et de Recherches Dmographiques (CERED) : Il dispose des donnes sur lvolution passe et prvue des variables dmographiques telles que la population et le nombre de mnages ; La Direction de la Statistique : Elle dispose des donnes sur les demandes dautorisations de construire et des donnes conomiques pertinentes pour la production de logements (PIB, FBCF,.).

Nous avons galement tudi et analys les donnes recenses lors de llaboration des deux versions prcdentes du projet SACAN (systme danalyse de conduite dactions nationales pour le logement). Ce projet visait des objectifs similaires ceux de la prsente tude et visait galement ltablissement dun modle permettant lanalyse et la comprhension des mcanismes doffre et de demande en matire de logement. Cependant, les rsultats issus de ce projet taient peu utilisables en pratique tant donn le manque de donnes pour lestimation des diffrentes quations du modle.

Cette tape est importante, elle a permis didentifier les limites et les contraintes auxquelles nous devrions faire face dans le processus de modlisation ou de prvision. La principale conclusion qui en est ressortie est que les seules donnes relatives au logement disponibles de faon rgulire et une frquence infra-annuelle permettant denvisager une modlisation mensuelle ou trimestrielle sont les sries sur les ventes de ciment disponibles auprs de lAPC et la srie sur les autorisations de construire disponible auprs de la Direction de la Statistique. Cette dernire srie souffre, cependant, de plusieurs mois de retard au niveau de la disponibilit et souffre galement dun biais de couverture. Ce dernier peut tre corrig en principe en utilisant des coefficients de redressement tels quissus de lenqute Flux de production. Toutes les autres variables lies directement au logement sont disponibles uniquement de faon irrgulire ou sporadique. Les tudes telles que lenqute logement 2000 donne des

informations dtailles sur ltat du logement une date de rfrence donne. Elle ne dcrit pas la dynamique dvolution des diffrentes variables, ceci se comprend dans la mesure ou cette tude rpondait des objectifs diffrents de ceux viss par la prsente tude. Par exemple daprs cette enqute, la rgion du grand Casablanca saccaparait 16.5% de lensemble des 4 023 726 logements existant au niveau national en 2000. Cependant cette information ne dcrit pas comment est ce que la production de logement volue. Et cest cette dynamique qui est pertinente pour la prvision de la production future de logements. Il se trouve donc que les seules sries modlisables sont les sries sur les autorisations de construire et sur les ventes de ciment. La srie sur les autorisations de construire possde lavantage de la disponibilit aussi bien par type de logement (villa, immeuble, habitation marocaine) que par rgion et est disponible sur un nombre dannes suffisamment grand permettant de procder des estimations raisonnables. Lutilisation des deux variables disponibles est restreinte par un double problme : Dune part la variable ventes de ciment est une variable retarde dans le sens ou elle constitue le rsultat de la demande effective de logement (et des autres composantes du BTP). Elle est la variable prvoir et ne peut tre utilise comme variable explicative de la demande de logement. Dautre part, la variable, autorisation de logements, est pour sa part une variable troitement lie la demande de logement mais ne lui est pas gale.

Etant donn le manque dautres donnes, il a t dcid de commun accord de procder la modlisation et la prvision de la srie des logements autoriss et destimer la demande de logements partir de cette variable.

Dans ce sens, les observatoires rgionaux de lhabitat, des structures mises en place rcemment au niveau des directions rgionales, sont appels jouer un rle crucial dans la collecte et le traitement des donnes sur le secteur. A cet gard, et pour une disponibilit rgulire et rapide des donnes sur lhabitat, particulirement les donnes sur les autorisations de construire, ces structures peuvent prendre la relve de la Direction de la Statistique et procder elles mme la collecte et au traitement des donnes sur les autorisations de construire. Un gain substantiel en termes de rapidit, de rgularit et de fiabilit des donnes serait gnr par ce transfert. Ces structures sont mieux appropries pour la ralisation de cette tche et peuvent constituer donc un levier pour une connaissance plus claire du secteur de lhabitat.
8

2.2.3. Constitution dune base de donnes : Avant de procder la modlisation des donnes, nous avons procd la constitution dune base de donnes o toutes les variables disponibles et pertinentes recenses ont t rassembles. Cette tape qui rsulte de ltape prcdente a conduit une base de donnes contenant aussi bien des donnes annuelles que des donnes mensuelles. Les variables retenues au niveau de cette base sont dcrites ci-aprs.

Les logements autoriss annuellement : Cest une srie qui stale de 1989 2004. Elle est disponible par type et par rgion. Comme dcrit dans la section prcdente, cette srie a t reconstitue partir des donnes publies par la Direction de la Statistique, ltude sur le flux de logement et les ventes annuelles de ciment.

La consommation annuelle de ciment : Cest une srie qui est disponible pour les annes de 1990 2004. Elle est disponible par rgion selon lancien dcoupage administratif rgional (7 rgions) pour les annes de 1990 2000 et selon le nouveau dcoupage rgional (16 rgions pour les rgions de 1998 2005). La srie de consommation semble prsenter une volution normale et ne prsente pas de points aberrants.

Le nombre de mnages urbains : Cette srie produite par le CERED stale de 1980 2010. Les annes 1982 et 1994 correspondent des observations issues des recensements de la population et de lhabitat, les autres observations constituent des estimations ou des projections. Cette srie montre un problme au niveau de la mthode de projection adopte. En effet, le nombre de mnages estims pour les annes 1991, 1992 et 1993 dpassent le nombre observ en 1994, cest dire quil y a eu une surestimation du taux de croissance des mnages. En plus, Les projections pour 2004 dpassaient les chiffres du recensement 2004 (3,85 millions mnages urbains prvus contre 3,4 millions de mnages recenss). Pour corriger ces problmes, nous avons re-estim la srie par un modle polynomial permettant de reproduire les observations correspondantes aux annes des recensements, soit 1960, 1982, 1994 et 2004 (voir le programme Excel qui accompagne ce rapport).

Figure 1 : Nombre de menages urbains (en milliers)

5000 4500 4000 3500 3000 2500 2000 1500 1000
19 85 19 87 19 89 19 91 19 93 19 95 19 97 19 99 20 01 20 03 20 05 20 07 20 09
CERED Ajuste

Les variables macro-conomiques annuelles suivantes : PIB total, PIB agricole, PIB non agricole, FBCF total et la FBCF Btiment au prix courant, ainsi que le PIB total au prix constant de 1980. Toutes ces variables sont disponibles pour les annes allant de 1980 2004. A part le PIB agricole qui semble voluer en dents de scie (pour des raisons lies a la pluviomtrie), les autres sries ne montrent pas de points aberrants.

Figure 2 : Evolution du PIB reel (series centrees reduites)

2.5 2 1.5 1 0.5 0
19 80 19 82 19 84 19 86 19 88 19 90 19 92 19 94 19 96 19 98 20 00 20 02

-0.5

-1 -1.5 -2
PIB rel PIB non Agrricole PIB Agricole

La consommation mensuelle de ciment : Cest une srie qui est disponible partir de janvier 1990. Elle prsente une allure normale marque par une saisonnalit assez prononce. Lt et le dbut de lautomne semble tre les priode de lanne o la consommation du ciment est la plus leve. Les sries sur les ventes de ciment semblent donc tre les plus prcises, les plus disponibles et les mieux mesures. Cependant,
10

lexplication de ces ventes est lobjectif ultime de cette modlisation. La seule information probablement utilisable peut rsider dans le pass de ces sries.

Figure 3 : Consommation mensuelle de ciment (en milliers de tonnes)

900 800 700 600 500 400 300
91 Ja n92 Ja n93 Ja n94 Ja n95 Ja n96 Ja n97 Ja n98 Ja n99 Ja n00 Ja n01 Ja n02 Ja n03 nJa 90 nJa

2.2.4. Modlisations Lapproche que nous prconisons pour la modlisation sappuie sur une approche double : Une modlisation long terme permettant de produire directement des prvisions annuelles de la production de logements un horizon de cinq ans ; Une modlisation des facteurs saisonniers affectant la consommation mensuelle de ciment. Celle-ci permet de produire des prvisions des poids mensuels des ventes de ciment. Ces poids sont ensuite utiliss pour mensualiser les prvisions annuelles de production de logements.

2.2.4.1. Modlisation long terme

Lorsque nous considrons un horizon lointain pour les prvisions, lapproche la plus approprie est celle qui consiste identifier les variables susceptibles dinfluencer la production de logements (les demandes dautorisations de construire) et procder des rgressions de la variable logements autoriss sur ces variables. Cette approche se concentre donc sur lexploitation du pouvoir prvisionnel de la variable objectif (production de logement) existant dans dautres variables sur lesquelles nous disposons de donnes. Les variables explicatives inclure dans la rgression doivent remplir au moins trois conditions essentielles :

11

Elles doivent avoir un pouvoir explicatif non ngligeable de la variable expliquer (production de logement), cest dire non seulement tre corrls avec elle mais galement la causer.

La deuxime condition, la plus contraignante en fait dans notre cas, est la disponibilit de donnes sur la variable explicative. Enfin, elles doivent tre facilement prvisibles pour lhorizon de prvision considr ou du moins il devrait tre facile dtablir des scnarios de rfrence avec des scnarios bas, moyen et haut.

Les investigations des tapes prcdentes nous ont conduit identifier les variables potentielles explicatives suivantes : Le PIB total ; Le PIB hors agriculture ; Le nombre de mnages urbains ; La FBCF (formation brute du capital fixe) totale ; La FBCF Btiment ;

Plusieurs remarques sont prciser sur le choix de ces variables et lexclusion dautres variables potentielles. Pour les variables dmographiques, nous retenons le nombre de mnages urbains plutt que la population puisque cest le mnage qui est li au logement et non lindividu. Deuximement, puisque la variable que nous cherchons expliquer est une variable relle et non montaire (nombre logements autoriss) nous privilgierons les variables explicatives relles plutt que montaires. Nous considrons donc le PIB en termes rel, cest dire au prix constant de 1980. Pour la FBCF, notre connaissance il ny a pas de donnes en termes rels, une solution possible consiste lui appliquer le dflateur du PIB obtenu par le rapport du PIB courant au PIB rel. Evidemment cette solution nest pas tout fait correcte, mais il ny a pas dautres alternatives plus appropries. Troisimement, un problme se pose pour les prvisions par types et par rgions. En effet les variables explicatives principales, comme le PIB, ne sont disponibles quau niveau national. Il ny a pas de ventilation par rgions. Donc la solution que nous prconisons dans ce cas est de produire des prvisions au niveau national et puis les ventiler par

12

rgions ou par types en utilisant les poids de chaque type ou de chaque rgion au cours des dernires annes.

Dautres variables qui semblent pertinentes pour la production de logement nont pas t considres, et ce pour diverses raisons. Dabord, il y a les facilits de crdits bancaires, que nous pourrions mesurer de diverses manires (comme le niveau des taux dintrts) qui nont pas t considres parce que la proportion du logement concerne est juge trs faible ; Le taux doccupation : A part quelques observations ponctuelles (comme celle correspondant lenqute logement 2000), les donnes sur cette variable ne sont pas disponibles de faon rgulire ; Dautres variables qui pourraient sembler pertinentes sont par exemple le PIB par habitant ou par mnage, mais ceci est implicitement inclus dans les variables explicatives puisquon considre aussi bien le PIB que le nombre de mnages. Nous citerons galement dautres variables telles que le taux de cohabitation des mnages, les taxes et impts immobiliers. En plus de leurs faibles pouvoir prvisionnel, ces variables

prsentent galement le problme de disponibilit pour les annes correspondant lhorizon de prvision considr. A titre dexemple, si nous utilisons les taux dintrt comme variable explicative de la production de logement, pour prvoir cette production pour lanne 2007, il faudrait disposer dune prvision de ce taux dintrt ou du moins dun scnario de rfrence pour 2007.

Enfin, pour les variables retenues, nous considrons aussi bien leurs niveaux courants que les valeurs passes comme variables explicatives.

Concernant la mthode destimation de la rgression, tant donn que nous avons affaire des donnes en sries chronologiques, il est vraisemblable que les quations de rgression que nous considrons prsentent aussi bien des problmes dautocorrection que

dhtroscdasticit. Il faudrait donc que la mthode destimation tienne compte de ces deux problmes. La mthode la plus approprie pour lestimation de ces rgressions est la mthode des moments gnraliss communment connue sous le nom de GMM. Cette mthode invente au debut des annes 80, est robuste aussi bien lautocorrlation qu lhtroscedasticit. Elle consiste en une gnralisation de la mthode des moindres carrs gnraliss faisable (FGLS).
13

2.2.4.2. Modlisation court terme Etant donn ltat des donnes mensuelles que nous avons juges inutilisables et tant donn linexistence dautres donnes infra-annuelles pertinentes, nous avons dcid de changer dapproche de modlisation pour le court terme. Lapproche que nous prconisons est une combinaison des rsultats de la modlisation de long terme et dune modlisation des facteurs saisonniers pour dterminer les poids mensuels des ventes de ciment. Ces poids seraient ensuite utiliss pour ventiler les prvisions annuelles. La modlisation des facteurs saisonniers consiste valuer et estimer les diffrents effets suivants : La saisonnalit due au calendrier grgorien : celle-ci sexplique par les vacances administratives, les jours fris selon le calendrier grgorien, le climat, etc. ) ; Leffet du ramadan : Le ramadan a un effet significatif sur lactivit conomique, les comportements des agents conomiques changent durant ce mois et ceci, de faon non uniforme. En effet, pour certains secteurs lactivit augmente alors que pour dautres, lactivit baisse. La consommation de ciment figure parmi les activits qui connaissent une baisse au cours de ce mois ; Leffet de la fte Aid El fitr : Leffet de Aid El fitr sexplique par larrt total de lactivit au cours des jours de fte et un redmarrage progressif aprs lAid. Au cours des jours qui prcdent cette fte, lactivit conomique est influence aussi bien par le ramadan que par les prparatifs de la fte ; Leffet de la fte Aid El Kbir : Effet identique celui de la lAid Al fitr mais un peu plus accentu. Dautres effets peuvent affecter le comportement saisonnier de la consommation de ciment, nous citons principalement : La pluviomtrie : en effet il est connu que la consommation de ciment diminue considrablement au cours des journes pluvieuses. Leffet de cette variable peut tre valu, mais ncessiterait des donnes plus dtailles. Cependant, si le timing des pluies en fonction du calendrier grgorien reste approximativement stable, leffet de la pluviomtrie est capt automatiquement avec la saisonnalit grgorienne ; Les grves : ces grves peuvent affecter aussi bien le processus de production, de consommation que de transport du ciment ; Effet des jours ouvrables (trading days) : Les sries mensuelles (ou trimestrielles) qui sont calcules comme des sommes de mesures journalires peuvent tre influences
14

par le calendrier des jours ouvrables. Cette influence sexplique par le fait que les valeurs mensuelles dpendent des jours de la semaine qui apparaissent 5 fois durant le mois. Par exemple les permis de construire ne peuvent tre obtenus les samedis et dimanches pour raison de fermeture des administrations. Le nombre de permis de construire dlivrs pour un mois donn sera vraisemblablement plus grand pour les mois contenant plus de jours ouvrables et plus petits pour les mois contenant moins de jours ouvrables. La diffrence dans le nombre de jours ouvrables dun mois lautre peut rendre difficile la comparaison entre les diffrentes observations.

Evidemment, les poids mensuels changent dune anne lautre suivant les changements des dates des effets saisonniers affectant ces poids. La prvision de la consommation future de ciment passe par la prvision des poids mensuels futurs, ceci ncessite une prvision des dates des vnements saisonniers tels que le ramadan et les ftes religieuses pour les mois et les annes venir. La prvision de ces dates est obtenue en supposant un glissement annuel du calendrier lunaire sur le calendrier solaire de lordre de 11 jours.

2.2.5. Estimation de la production de logements Une fois les prvisions annuelles sur les logements autoriss tablies, nous pouvons convertir ces logements autoriss en production de logements. Pour cela, nous supposons que les flux se compensent, et nous confondons donc le nombre de logements autoriss avec le nombre de logements produits. Pour une anne donne, le nombre dautorisations obtenues antrieurement et qui se sont concrtises en logements au cours de lanne est gal au nombre dautorisations obtenues au cours de lanne et qui se concrtiseront en logements postrieurement. Enfin, le nombre de logements estims sur la base des logements autoriss correspond au nombre de logements urbains construits de faon formelle. Cela ignore deux autres types de logements : Les logements ruraux : Construits avec des matriaux de construction modernes (y compris le ciment) mais situs en dehors des primtres urbains assujettis aux autorisations de construire. Les logements urbains informels : Ces derniers sont thoriquement assujettis lautorisation de construire, mais les promoteurs ne les demandent pas.
15

Sur la base de cette constatation, il est donc ncessaire de redresser les estimations obtenues pour tenir compte de ces deux composantes du logement. Etant donn labsence dinformation dtaille sur ces logements, la solution prconise pour remdier ce problme, consiste appliquer un coefficient de redressement tenant compte de ces deux composantes. Un tel coefficient est estim par les responsables du secteur prs de 40%. Ainsi, le nombre de logements total officiel ou obtenu par le modle sera divis systmatiquement par 0.6.

Pour les prvisions mensuelles

de production de logement, elles sont obtenues par la

ventilation des prvisions annuelles en utilisant les coefficients mensuels estims pour chaque anne considre.

16

III- Prvisions long terme

Comme il a t prcis dans le rapport mthodologique, lide de base pour le calcul des prvisions long terme consiste identifier les principales variables qui dterminent la production du logement et estimer la production future de logements sur la base de lvolution ventuelle de ces dernires. Avant de procder la modlisation, nous prsentons les sries initiales et ajustes des statistiques sur les logements autoriss. Celles-ci sont prsentes dans le tableau suivant : Tableau 1 : Logements autoriss Anne Logements autoriss (Direction de la Statistique) 59,673 62,611 51,199 53,195 51,377 57,288 66,145 104,787 82,681 87,262 79,943 81,670 83,161 89, 467 107,910 105,585 Ventes de Croissance des Logements autoriss (srie ajuste) ciment ventes de ciment 82,399 5,351,877 86,239 5,745,110 0.07 72,522 6,345,477 0.10 69,119 6,177,333 -0.03 73,029 6,233,450 0.01 79,057 6,362,330 0.02 91,280 6,526,672 0.03 93,638 7,183,592 0.10 103,063 7,152,800 0.00 102,621 7,234,333 0.01 103,791 7,480,114 0.03 107,317 8,057,667 0.08 115,603 8,486,123 0.05 121,750 9,277,446 0.09 133,103 9,796,434 0.06 140,549

1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

Source: Direction de la Statistique pour les logements autoriss et APC pour les ventes de ciment.

Comme il a t mentionn plus haut, la srie ajuste est obtenue comme suit : En remplaant les chiffres des annes 1989 1993 par les chiffres corrigs par ltude sur le flux de production de logements ; En remplaant les chiffres de 1994 1995 par des chiffres obtenus en appliquant la mme majoration que celle obtenue lors de ltude prcite, soit 38% ; Les chiffres de 1996 2004 sont obtenus en supposant que le taux de croissance de la production de logement est approximativement gal au taux de croissance de la consommation du ciment.

17

3.1- Choix du modle Les variables que nous avons identifies comme potentiellement explicatives de la production de logements sont le PIB total rel et courant, le PIB hors agriculture, la croissance du nombre de mnages urbains, la FBCF totale (formation brute du capital fixe), et la FBCF btiment. Ces variables ont t retenues parce que nous estimons quelles ont un pouvoir explicatif significatif de la production de logements mais galement parce quelles sont disponibles et sont prvisibles lhorizon que nous considrons pour le calcul des prvisions.

Figure 4 : Evolution des diffrentes variables conomiques (valeurs centres rduites)

2.5 2.0 1.5 1.0 0.5 0.0
19 80 19 82 19 84 19 86 19 88 19 90 19 92 19 94 19 96 19 98 20 00 20 02
PIB rel FBCF Bt iment FBCF Tot al PIB non Agrricole PIB Agricole

-0.5 -1.0 -1.5 -2.0

Cependant, il est important dans un modle de rgression linaire dviter le problme de collinarit, cest dire que les variables explicatives doivent tre aussi indpendantes que possible les unes des autres. Nous ne gagnons rien en terme de pouvoir explicatif inclure deux variables fortement corrles. Au contraire, a cause un problme communment connu sous le nom de problme de collinarit et a rduit la prcision de lestimation puisque nous aurons plus de paramtres estimer pour le mme nombre dobservations. Ceci est dautant plus important que le nombre dobservations dont nous disposons nest pas lev. Pour viter ce genre de problme, nous examinons la corrlation entre les diffrentes variables potentielles pour expliquer la production de logements. La figure 4 donne lvolution des diffrentes variables retenues comme potentiellement importantes pour prvoir la production de logements.

18

Il ressort clairement de ce graphique que les variables conomiques en termes courant sont fortement corrles, ceci lexception du PIB non agricole. Or, ce dernier, mme sil a un pouvoir explicatif non ngligeable de la production de logements, il reste quasi inutilisable puisquil est imprvisible, son volution obit aux conditions climatiques qui sont impossibles prvoir long terme. Lanalyse ci-dessus peut tre taye par une analyse des corrlations entre les diffrentes variables considres. Le tableau ci-aprs donne les corrlations entre les diffrentes variables conomiques considres.

Tableau 2 : Coefficients de corrlation entre les diffrentes variables conomiques considres PIB rel FBCF FBCF PIB non Btiment Total agricole
1 0.99 0.99 0.91 1 0.99 0.92

PIB agricole

PIB rel FBCF Btiment FBCF Total PIB non agricole PIB agricole

1 0.98 0.99 0.99 0.95

1 0.93 1

Il apparat clairement que ces variables sont fortement corrles et nous pouvons nous contenter donc dinclure une seule de ces variables. Nous retiendrons donc uniquement le PIB. Une raison principale de ce choix est que les prvisions long terme de cette variable sont relativement disponibles ou du moins nous pouvons considrer des scnarios de rfrence. La variable que nous essayons de prvoir (le nombre de logements autoriss ) est une variable relle (non montaire) donc il est naturel dessayer de la prvoir avec des variables relles. Nous considrons donc comme variables potentiellement explicatives la croissance du nombre de mnages et le PIB en terme rel. Ces variables sont des variables croissantes, et donc non stationnaires. Ce rsultat a t confirm par plusieurs tests de racine unitaire.

Pour modliser, il faudrait donc travailler avec des sries transformes. Nous considrons deux alternatives : Soit, travailler avec des transformations logarithmiques sous lhypothse quil y a cointgration1 entre les diffrentes variables en logarithmes ;
1

La cointegration signifie que la relation qui lie les diffrentes variables reste stable dans le temps.

19

 Soit, travailler avec des taux de croissance comme a t suggr dans le rapport mthodologique.

Nous commenons donc par effectuer le test de cointgration entre les variables logements autoriss, PIB rel en transformations logarithmiques et nombre de mnages urbains. Ce test est effectu (comme tous les autres calculs) avec le logiciel statistique E-views. Il confirme lexistence de relations de cointgration entre les variables considres. Pour ce qui est des taux de croissance, il est clair que se sont des sries stationnaires. Comme rsultat de cette discussion, les possibilits de modlisation sont suffisamment dlimites et nous sommes donc amens choisir parmi un nombre restreint de modles que nous pouvons classer en deux catgories : Des rgressions du nombre de logements autoriss sur le PIB rel et le nombre de mnages urbains et/ou niveaux retards ; Des rgressions du taux de croissance des logements autoriss sur les taux de croissance du PIB rel et de la croissance du nombre de mnages et/ou les niveaux retards.

Pour choisir entre diffrents modles candidats, nous avons procd lestimation de chacun deux et nous les avons compars selon trois principaux critres, savoir, le coefficient de dtermination R2, et les critres dinformation dAkaike (AIC) et de Schwarz (SC) donns par AIC = - 2*l/n + 2*k/n SC = - 2*l/n + k*ln(n)/n k est le nombre de paramtres estims, n est le nombre dobservations, et l est la valeur de la fonction de vraisemblance. Sur la base de ces comparaisons, nous avons retenu le modle suivant :

ln (loge) = a * ln (pib) + b * menage + e

Les variables loge, pib et menage dsignent respectivement le nombre de logements autoriss, le PIB rel et le nombre de mnages urbains, a, et b tant des paramtres inconnus du modle, et e reprsente un terme derreur. Pour viter tout problme dendogenite de la variable pib, nous avons instrument cette variable par ces niveaux retards pib(-1) et pib(-2). Les rsultats dtaills de lestimation de ce

20

modle retenu par la mthode des moments gnraliss tels que donns par le logiciel E-views sont rsums comme suit :

Dependent Variable: LLOGE Method: Generalized Method of Moments Sample(adjusted): 1991 2004 Included observations: 14 after adjusting endpoints No prewhitening Bandwidth: Fixed (2) Kernel: Bartlett Convergence achieved after: 8 weight matricies, 9 total coef iterations Instrument list: LPIB(-1) LPIB(-2) MENAGE2 Variable LPIB MENAGE2 R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat Coefficient 0.897027 0.319175 0.935187 0.929786 0.060004 1.503167 Std. Error 0.003016 0.011595 t-Statistic 297.4307 27.52688 Prob. 0.0000 0.0000 11.49400 0.226447 0.043206 0.110783

Mean dependent var S.D. dependent var Sum squared resid J-statistic

Le pouvoir explicatif du modle est de (94%) et les coefficients estims sont significatifs mme 1%. Le modle scrit donc : ln (loge) = 0.897 * ln (pib) + 0.319 * menage

Dune faon quivalente, nous pouvons lcrire galement sous la forme : loge = pib0.897 *EXP(0.319 * menage)

Il est galement important de prciser ce niveau quun modle quelle que soit sa prcision et sa complexit ne peut capter que la dynamique structurelle inhrente lvolution du logement. En aucun cas il ne pourra prvoir des programmes de logement exceptionnels ou dautres types de chocs exognes au mcanisme du march. Lcriture gnrale de ce modle augment de la composante exogne serait donc : loge = pib0.897 *EXP(0.319 * menage) + Logements exognes

21

Il faudrait donc chaque fois valuer cette composante exogne et lajouter aux prvisions produites par le modle. Le tableau suivant reproduit la srie du nombre de logements autoriss (srie ajuste) et la srie telle que prvue par le modle retenu.

Tableau 3 : Logements autoriss : Comparaison des sries relle et prvue Logements autoriss 82,399 86,239 72,522 69,119 73,029 79,057 91,280 93,638 103,063 102,621 103,791 107,317 115,603 121,750 133,103 140,549 Prvision par le modle
82 399 65 973 71 938 71 190 72 505 81 419 78 763 89 842 90 592 99 632 102 493 106 440 115 792 122 677 132 620 141 826

Anne 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

Erreur relative (en %)

-23,5 -0,8 3,0 -0,7 3,0 -13,7 -4,1 -12,1 -2,9 -1,3 -0,8 0,2 0,8 -0,4 0,9

Ces deux sries sont prsentes dans la figure suivante :

22

Figure 5 : Logements autoriss (sries relle et prvue)

160000 140000 120000 100000 80000 60000 40000 20000 0
19 89 19 91 19 93 20 01 20 03 19 95 19 97 19 99

rel prvu

3.2- Projection du nombre de logements autoriss : Sur la base du modle retenu, nous pouvons calculer les prvisions du nombre de logements autoriss pour les annes futures. Comme il a t prcis dans les objectifs de ltude, nous considrons un horizon de moyen terme, jusqu' 2010. Evidemment nous pouvons produire des prvisions mme au-del de cet horizon. Cependant, il faut se rappeler qu chaque fois que lhorizon de prvision sloigne chaque fois que la prcision des prvisions diminue. Le problme majeur qui menace les modles conomtriques de faon gnrale et les modles de prvision de faon particulire est le problme du changement structurel. Ce problme intervient lorsque les mcanismes de fonctionnement de lconomie ou dun secteur en particulier changent de faon que les relations spcifies et estimes initialement deviennent non valides. Tout modle conomique aussi perfectionn soit-il ne peut prtendre tre valide indfiniment. Lhorizon 2010 nous parat raisonnable comme objectif pour les prvisions. Sur la base du modle retenu, en supposant que ce modle reste valable jusqu' lhorizon considr, et sur la base des hypothses adoptes quant lvolution des variables mnages et PIB rel, nous pouvons calculer les prvisions du nombre de logements autoriss. Pour ce qui est du nombre de mnages, les prvisions sont produites par le CERED et nous pouvons les considrer comme donnes. Lorsquune rvision de ces prvisions interviendra, il est simple den tenir compte et dajuster les prvisions du nombre de logements autoriss. Pour la variable PIB rel, des prvisions existent dans plan de dveloppement conomique et social, cependant, il est plus appropri de considrer des scnarios de rfrence et de calculer les prvisions en fonction de chaque scnario.

23

Dans le tableau et la figure ci-aprs, nous produisons les prvisions des logements autoriss sur la base du modle retenu, de lvolution prvue du nombre de mnages et sur la base de lhypothse dun taux de croissance de 5% du PIB rel est partir de 2007.

Tableau 4 : Prvision de la production de logements autoriss

Anne

Logements autoriss Logements autoriss (observ) (prvu) 82 399 86 239 72 522 69 119 73 029 79 057 91 280 93 638 103 063 102 621 103 791 107 317 115 603 121 750 133 103 140 549 65 973 71 938 71 190 72 505 81 419 78 763 89 842 90 592 99 632 102 493 106 440 115 792 122 677 132 620 141 826 148 487 160 391 172 663 185 871 200 082 215 365

1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

24

Figure 6 : Prvision du nombre de logements autoriss

250 000 200 000 150 000 100 000 50 000 0

91 93 95 99 01 03 05 07 20 19 97 19 19 19 19 20 20 20 20 09

3.3-Projection de la production de logements Pour produire des prvisions de la production de logements, il suffit de convertir les prvisions de logements autoriss calcules sur la base du modle retenu en flux de logements. Comme il a t prcis dans le rapport mthodologique, nous avons le choix entre deux alternatives. La premire consiste appliquer des coefficients de concrtisation des autorisations, ces coefficients donnent le calendrier de ralisation dun logement dont lautorisation a t obtenue au cours dune anne donne. La deuxime alternative consiste supposer que les flux se compensent et confondre le nombre de logements autoriss avec le nombre de logements produits. Nous penchons plutt vers cette deuxime alternative, dune part, pour sa simplicit, et dautre part, cause de labsence destimation rcente de ces coefficients de concrtisation des autorisations. La dernire estimation de ces coefficients a t produite au cours de ltude sur le flux de production de logement pour lanne 1994 ralise par le Ministre de lHabitat. Le nombre de logements estims sur la base des logements autoriss correspond au logement urbain construit de faon formelle. Cela ignore naturellement les logements ruraux et les logements urbains construits de faon informelle. Il est donc ncessaire de redresser les prvisions obtenues pour tenir compte de ces deux composantes du logement. Une solution pour remdier ce problme, consiste appliquer des coefficients de redressement ou de majoration pour tenir compte de ces deux composantes. Un tel coefficient ne peut tre estim que sur la base dtudes rigoureuses. Une apprciation de limportance de linformel peut tre obtenue en comparant les donnes issues des recensements gnraux de la population et

25

de lhabitat avec les statistiques sur les autorisations de logements telles publies par la Direction de la statistique et corriges sur la base des tudes ralises par le Ministre de lHabitat et de lUrbanisme. En effet, laccroissement annuel moyen du parc logement entre 1982 et 20012 tait de 123 000 logements. Au cours de la mme priode, le nombre annuel moyen de logements autoriss publi par la Direction de la Statistique tait de 64 000, u chiffre ajust et corrig sur la base des tudes du Ministre 79 000 logements. Ce nous donne un taux de sous-estimation : 35%

Sur la base de toutes ces considrations et hypothses, nous produisons dans le tableau suivant les prvisions lhorizon 2010 de la production de logements. Anne
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Tableau 5 : Prvision de la production de logements Production prvue de logements

101 497 110 674 109 523 111 546 125 260 121 174 138 219 139 372 153 280 157 682 163 754

Anne
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

Production prvue de logements

178 141 188 734 204 031 218 193 228 441 246 755 265 635 285 955 307 818 331 330

Pour produire des prvisions de la production de logements par types de logement (villa, immeuble et maison type marocain) et par rgions, nous avons considr deux possibilits, soit modliser chaque rgion et chaque type sparment, soit calculer dabord des prvisions au niveau global et les ventiler ensuite par types et par rgions. Il nous parat que seule la deuxime alternative est possible tant donn ltat et la disponibilit des statistiques (les variables conomiques comme le PIB ne sont pas disponibles par rgions). La question qui se pose donc est comment ventiler les prvisions globales par type et par rgion. Une manire simple et naturelle de le faire est de ventiler ces prvisions annuelles au prorata des proportions de chaque type et de chaque rgion dans le total des logements autoriss. Les proportions par type et par rgions au cours des annes 2001 2003 sont prsentes dans les deux tableaux suivants.
2

Anne dlaboration de la cartographie pour le RGPH de 2004 qui a permis dvaluer le parc logement.

26

Tableau 6 : Rpartition du nombre de logements autoriss par rgions (en %) 2001

0.9 3.9 2.1 6.2 3.4 5.8 5.6 7.3 20.6 11.4 3.8 1.6 7.4 7.1 4.0 9.0

Rgion Oued Ed-dahab-Lagouira Laayoune-Boujdour-Sakia El Hamra Guelmim-Es-Semara Souss-Massa-Daraa Gharb-Chrarda-Beni Hssen Chaouia-Ouardigha Marrakech-Tensift-Al Haouz Oriental Casablanca Rabat-Sale-Zemmour-Zaer Doukkala-Abda Tadla-Azilal Meknes-Tafilalet Fes-Boulemane Taza-al Houceima-Taounate Tanger-Tetouan Total
Source : Direction de la Statistique

2002
0.8 3.7 1.9 7.9 4.1 7.2 5.5 7.0 19.4 12.3 3.2 2.0 7.5 6.6 3.8 7.2

2003
0.7 2.8 1.8 7.8 3.7 8.0 4.8 7.1 18.6 9.8 2.3 4.8 6.1 6.6 3.7 11.1

Moyenne
0.8 3.5 2.0 7.3 3.7 7.0 5.3 7.1 19.5 11.2 3.1 2.8 7.0 6.8 3.9 9.1

100

100

100

100

Tableau 7 : Rpartition du nombre de logements autoriss par types de construction (en %) 2001
45.9 3.7 50.5

Type de construction Immeuble Villa Habitations type marocain Total

Source : Direction de la Statistique

2002
44.8 4.2 51.0

2003
45.7 4.3 50.0

Moyenne
45.5 4.1 50.5

100

100

100

100

En examinant ces statistiques, il ressort que ces proportions sont assez stables au cours de ces annes. Ceci constitue un argument en faveur de cette mthode de ventilation. Nous choisissons donc une ventilation au prorata des poids moyens des trois annes 2001 2003. En appliquant ces proportions aux prvisions annuelles globales, nous obtenons les prvisions suivantes.

27

Tableau 8 : Prvision de la production de logements par rgions

2005 1 802 7 894 4 471 16 666 8 514 16 019 12 133 16 316 44 624 25 476 7 132 6 327 15 976 15 510 8 817 20 763 228 441 2006 1 946 8 527 4 830 18 002 9 196 17 304 13 106 17 625 48 202 27 518 7 704 6 834 17 257 16 753 9 524 22 428 246 755 2007 2 095 9 179 5 199 19 380 9 900 18 628 14 108 18 973 51 890 29 623 8 294 7 357 18 577 18 035 10 253 24 143 265 635 2008 2 255 9 882 5 597 20 862 10 657 20 053 15 188 20 424 55 859 31 889 8 928 7 920 19 999 19 415 11 037 25 990 285 955 2009 2 428 10 637 6 025 22 457 11 472 21 586 16 349 21 986 60 130 34 328 9 611 8 526 21 528 20 899 11 881 27 978 307 818 2010 2 613 11 450 6 485 24 172 12 348 23 235 17 598 23 665 64 723 36 950 10 345 9 177 23 172 22 495 12 789 30 115 331 330

Rgion 2004 Oued Ed-dahabLagouira 1 721 Laayoune-BoujdourSakia El Hamra 7 540 Guelmim-Es-Semara 4 271 Souss-Massa-Daraa 15 918 Gharb-Chrarda-Beni Hssen 8 132 Chaouia-Ouardigha 15 301 Marrakech-Tensift-Al Haouz 11 589 Oriental 15 585 Casablanca 42 622 Rabat-SalZemmour-Zaer 24 333 Doukkala-Abda 6 812 Tadla-Azilal 6 043 Mekns-Tafilalet 15 260 Fs-Boulemane 14 814 Taza-al HouceimaTaounate 8 422 Tanger-Tetouan 19 832 Total 218 193

28

 Tableau 9 : Prvision de la production de logements par types. Type de construction Immeubles Villas Habitations type marocain Total
2004 99 197 8 890 110 106 218 193 2005 103 856 9 307 115 278 228 441 2006 112 182 10 054 124 520 246 755 2007 120 765 10 823 134 047 265 635 2008 130 003 11 651 144 301 285 955 2009 139 943 12 542 155 334 307 818 2010 150 632 13 500 167 198 331 330

29

IV- Prvisions court terme

Pour la prvision court terme de la production de logements, nous avons ajust la mthodologie dapproche. Ce changement est justifi par la qualit et la disponibilit des statistiques mensuelles sur les logements autoriss. Dans leur tat actuel, ces statistiques sont non exploitables. Nous avons donc dcid de changer dapproche en adoptant une nouvelle mthode base sur la combinaison des prvisions annuelles obtenues partir de la modlisation long terme et dune modlisation de la rpartition mensuelle des ventes de ciment. Evidemment derrire cette approche nous adoptons lhypothse que la production mensuelle de logements et les ventes mensuelles de ciment sont caractrises par la mme saisonnalit, une hypothse assez vraisemblable tant donn que la production de logements constitue la principale destination du ciment. Contrairement la demande dautorisation de construire qui ne semble pas tre caractrise par une quelconque saisonnalit. La production de logements quant elle, est affecte par les facteurs saisonniers tels que le ramadan, les ftes religieuses et la saisonnalit grgorienne. Nous supposons donc que cette saisonnalit est approximativement similaire celle des ventes de ciment. 4.1-Modlisation des poids mensuels La modlisation des poids mensuels des ventes de ciment au niveau national vise valuer les effets des diffrents facteurs saisonniers qui affectent les ventes mensuelles de ciment, de faon pouvoir estimer les poids de chaque mois en fonction de ces facteurs. Comme il a t prcis dans la premire partie de ce rapport, les facteurs saisonniers considrs sont : leffet du calendrier grgorien (les vacances administratives, les jours fris, le climat, etc. ), leffet du ramadan, leffet de la fte Aid El fitr, et leffet de la fte Aid El Kbir.

La modlisation des poids mensuels consiste en un modle de rgression dfinit comme suit :

Log(VT)- Trend(Log(VT)) = b0 + b1*JAN + b2*FEB + b3*MAR + b4*APR + b5*MAY + b6*JUN + b7*JUL + b8*AUG + b9*SEP + b10*OCT + b11*NOV + b12*R1 + b13*R2 + b14*AF+ b15*APF + b16*AVK + b17*AK + b18*APK + e. VT reprsente les ventes nationales mensuelles de ciment, les variables JAN, FEB, MAR, APR, MAY, JUN, JUL, AUG, SEP, OCT et NOV sont des variables binaires reprsentant les

30

effets de la saisonnalit grgorienne. Chacune de ces variables prend la valeur 1 si le mois en cours correspond au mois considr, et 0 sinon. Ainsi la variable MAR par exemple prend la valeur 1 si le mois en cours est mars et 0 sinon, donc cest une variable qui prend 0 partout sauf pour le mois de mars. Les variables R1 et R2 modlisent les effets du ramadan et sont telles que pour chaque mois, la valeur de R1 est gale au nombre de jours du mois concidant avec les jours de 1 26 du ramadan et la valeur de R2 gale au nombre de jours du mois concidant avec les jours de 27 la fin de ramadan. Les effets des journes de Aid El fitr et daprs lAid sont reprsents par les deux variables AF et APF. Pour chaque mois, la valeur de AF est gale au nombre de jours du mois concidant avec les 2 jours de Aid El Fitr, et la valeur de APF est gale au nombre de jours du mois concidant avec les 2 jours daprs lAid. Leffet de Aid Elkebir est modlis par trois variables AVK, AK et APK. La premire modlise leffet davant lAid, la deuxime modlise leffet des deux jours de la fte et la troisime modlise leffet daprs lAid. Enfin, b0, b1,., b18 sont les paramtres inconnus estimer et e reprsente un terme derreur. Ce modle a t estim sur la base des ventes mensuelles fournies par lAPC. Ces dernires prsentent une volution croissante avec une saisonnalit trs prononce (voir Figure 3).
Sur la base de ces donnes, les rsultats de lestimation du modle sont donns comme suit3 :

Log(VT)- Trend(Log(VT)) = -0.029345*JAN - 0.054699*FEB + 0.044661*MAR + 0.090117*APR + 0.089932*MAY + 0.031469*JUN + 0.063187*JUL + 0.09066*AUG + 0.099281*SEP + 0.167663*OCT + 0.064629*NOV - 0.006457*R1 0.017553*R2AFAPF -0.023443*AVK -0.017293*AKAPK.

4.2-Prvision des poids mensuels Sur la base du modle estim, les prvisions mensuelles pour une anne donne peuvent tre obtenues selon les tapes suivantes : 1. Prvoir les dates des effets saisonniers, savoir, le dbut et la fin du ramadan, et le dbut de lAid El Kbir ; 2. Calculer sur la base de ces dates et du modle estim, les poids mensuels pour lanne considre ;

A cause du problme didentification, nous avons regroup les variables R2, AF et APF dune part et les variables AK et APK dautre part. Les nouvelles variables sont R2AFAPF et AKAPK.

31

3. Ventiler la prvision annuelle de production de logements pour lanne considre en fonction de ces poids mensuels. Les dates des ftes religieuses futures sont obtenues sur la base dun glissement annuel de 11 jours constat au cours des dernires annes. Le tableau suivant prsente les dates passes et prvues du ramadan et de la fte de Aid El Kbir. Tableau 10 : Dates prvues pour les ftes religieuses Anne Date du Ramadan Date de Aid El Kbir 2000 Dbut Fin Dbut Fin Dbut Fin Dbut Fin Dbut Fin Dbut Fin Dbut Fin Dbut Fin Dbut Fin Dbut Fin Dbut Fin 10/12/1999 07/01/2000 28/11/2000 26/12/2000 17/11/2001 15/12/2001 06/11/2002 05/12/2002 27/10/2003 25/11/2003 15/10/2004 14/11/2004 05/10/2005 03/11/2005 24/09/2006 22/10/2006 13/09/2007 11/10/2007 02/09/2008 30/09/2008 22/08/2009 19/08/2009 17 mars

2001 2002 2003 2004 2005 2006 2007 2008 2009

6 mars 2001 23 fvrier 2002 12 fvrier 2003 1 fvrier 2004 21 janvier 2005 11 janvier 2006 31 dcembre 2006 20 dcembre 2007 9 dcembre 2008 28 novembre 2009

Sur la base de ces dates, nous pouvons calculer les poids mensuels des ventes de ciment pour les annes futures considres. Ces poids sont donns dans le tableau suivant :

32

Mois
Janvier Fvrier Mars Avril Mai Juin Juillet Aot Septembre Octobre Novembre Dcembre Total

Tableau 11 : Poids mensuels des ventes nationales de ciment Anne 2002 2003 2004 2005 2006 2007 2008 2009 8.08 8.08 7.11 5.52 5.45 6.74 8.08 8.08 6.14 7.72 7.97 7.99 7.87 7.87 6.03 5.17 8.70 8.69 8.81 8.83 8.70 8.70 7.84 8.70 9.08 9.08 9.08 9.07 9.20 9.21 9.08 9.08 9.08 9.08 9.08 9.07 9.19 9.21 9.08 9.08 8.59 8.59 8.59 8.58 8.70 8.72 8.59 8.59 8.85 8.85 8.85 8.85 8.97 8.98 8.85 8.85 9.08 9.08 9.08 9.08 9.20 9.22 9.08 8.55 9.16 9.15 8.89 8.31 7.32 6.98 9.16 9.16 8.86 8.32 7.48 8.10 8.85 9.72 9.72 9.46 7.01 7.64 8.98 9.00 8.87 7.31 7.52 6.42 6.96 8.33 8.33 8.32 7.15 5.71 5.62 7.18 100 100 100 100 100 100 100 100

4.3-Prvision de la production mensuelle de logements Sur la base de ces poids mensuels et des prvisions annuelles de production de logement dj calcules, nous pouvons calculer des prvisions pour la production mensuelle de logement. Ces prvisions qui couvrent la priode allant de 2004 2009 sont prsentes dans le tableau et la figure ci-aprs. Tableau 12 : Prvisions de la production mensuelle de logements Anne Mois
Janvier Fvrier Mars Avril Mai Juin Juillet Aot Septembre Octobre Novembre Dcembre
2004 15 509 13 407 18 984 19 810 19 806 18 744 19 320 19 820 19 976 19 224 15 420 18 172 218 193 2005 12 607 17 640 19 857 20 721 20 718 19 606 20 209 20 731 20 895 19 004 17 445 19 008 228 441 2006 13 444 19 676 21 744 22 690 22 686 21 469 22 129 22 701 21 940 18 462 22 159 17 655 246 755 2007 17 906 21 219 23 449 24 469 24 465 23 153 23 865 24 482 22 066 21 505 23 897 15 158 265 635 2008 23 117 22 513 24 879 25 962 25 958 24 565 25 321 25 975 20 928 25 301 25 355 16 082 285 955 2009 24 884 24 234 26 782 27 947 27 942 26 443 27 257 26 305 21 483 29 935 22 515 22 090 307 818 2010 26 785 26 085 28 827 30 082 30 076 28 463 29 338 26 355 25 084 32 221 20 417 27 595 331 330

Total

33

Figure 7 : Prvision de la production mensuelle de logements

35 000 30 000 25 000 20 000 15 000 10 000
4 5 6 7 8 9 04 05 06 07 08 09 0 -1 nv ja ju -0 -0 -0 -0 -0 ililililil-0 ilnv nv nv nv nv ju ju ju ju ju nv ju il10

ja

ja

ja

ja

ja

Pour le calcul des prvisions mensuelles par types et par rgions, lapproche la plus adquate dans ce cas serait galement lutilisation des poids dj observs de chaque type et de chaque rgion. Evidemment, puisquil ny a pas de statistiques mensuelles fiables par rgion et par type, nous pourrions utiliser les poids annuels en supposant que ces poids sont peu prs similaires pour chaque mois de lanne. Il est clair cependant que ceci reste une hypothse vrifier. Les prvisions mensuelles par types et par rgions sont donnes dans les deux tableaux suivants. Tableau 13 : Prvision de la production mensuelle de logements par types de construction
Anne 2005 Type de construction Immeubles Villas Habitations marocaines Total Jan.
5731 514 6362 12607

Fv. Mars Avril

8020 719 8902 17640 9028 809 10020 19857 9420 844 10456 20721

Mai
9419 844 10455 20718

Juin
8914 799 9894 19606

Juil.
9188 823 10198 20209

ja

Aot Sept. Oct.

9425 845 10462 20731 9500 851 10544 20895 8640 774 9590 19004

Nov.
7931 711 8803 17445

Dc.
8642 774 9592 19008

Total
103856 9307 115278 228441

Anne 2006 Type de construction Immeubles Villas Habitations marocaines Total Jan.
6112 548 6784 13444

Fv. Mars Avril

8945 802 9929 19676 9885 886 10973 21744 10315 924 11450 22690

Mai
10314 924 11448 22686

Juin
9761 875 10834 21469

Juil.
10061 902 11167 22129

Aot Sept. Oct.

10321 925 11456 22701 9974 894 11071 21940 8393 752 9317 18462

Nov.
10074 903 11182 22159

Dc.
8026 719 8909 17655

Total
112182 10054 124520 246755

34

Anne 2007 Type de construction Immeubles Villas Habitations marocaines Total Jan.
8141 730 9036 17906

Fv. Mars Avril

9647 865 10708 21219 10661 955 11833 23449 11125 997 12348 24469

Mai
11123 997 12346 24465

Juin
10526 943 11684 23153

Juil.
10850 972 12043 23865

Aot Sept. Oct.

11130 997 12354 24482 10032 899 11135 22066 9777 876 10852 21505

Nov.
10864 974 12059 23897

Dc.
6891 618 7649 15158

Total
120765 10823 134047 265635

Tableau 14 : Prvision de la production mensuelle de logements par rgions

Anne 2005 Mai Juin
163 155

Rgion Jan. Fv. Mars Avril Oued Ed-dahabLagouira 99 139 157 163 LaayouneBoujdour-Sakia El Hamra 436 610 686 716 Guelmim-EsSemara 247 345 389 406 Souss-MassaDaraa 920 1 287 1 449 1 512 Gharb-ChrardaBeni Hssen 470 657 740 772 ChaouiaOuardigha 884 1 237 1 392 1 453 MarrakechTensift-Al Haouz 670 937 1 055 1 101 Oriental 900 1 260 1 418 1 480 Casablanca 2 463 3 446 3 879 4 048 Rabat-SalZemmour-Zaer 1 406 1 967 2 214 2 311 Doukkala-Abda 394 551 620 647 Tadla-Azilal 349 489 550 574 Mekns-Tafilalet 882 1 234 1 389 1 449 Fs-Boulemane 856 1 198 1 348 1 407 Taza-al HouceimaTaounate 487 681 766 800 Tanger-Tetouan 1 146 1 603 1 805 1 883 Total 12 607 17 640 19 857 20 721

Juil. Aot Sept. Oct.

159 163 165 150

Nov. Dc.
138 150

Total
1 802

716 405 1 511 772 1 453 1 100 1 480 4 047 2 310 647 574 1 449 1 407

678 384 1 430 731 1 375 1 041 1 400 3 830 2 186 612 543 1 371 1 331

698 396 1 474 753 1 417 1 073 1 443 3 948 2 254 631 560 1 413 1 372

716 406 1 512 773 1 454 1 101 1 481 4 050 2 312 647 574 1 450 1 408

722 409 1 524 779 1 465 1 110 1 492 4 082 2 330 652 579 1 461 1 419

657 372 1 386 708 1 333 1 009 1 357 3 712 2 119 593 526 1 329 1 290

603 341 1 273 650 1 223 927 1 246 3 408 1 945 545 483 1 220 1 184

657 372 1 387 708 1 333 1 010 1 358 3 713 2 120 593 526 1 329 1 291

7 894 4 471 16 666 8 514 16 019 12 133 16 316 44 624 25 476 7 132 6 327 15 976 15 510

800 1 883

757 1 782

780 1 837

800 1 884

807 1 899

734 1 727

673 1 586

734 1 728

8 817 20 763 228 441

20 718 19 606 20 209 20 731 20 895 19 004 17 445 19 008

35

Anne 2006 Rgion Jan. Fv. Mars Avril Mai Juin Juil. Aot Sept. Oct. Nov. Dc. Total Oued Ed-dahabLagouira 106 155 171 179 179 169 175 179 173 146 175 139 1 946 LaayouneBoujdour-Sakia El Hamra 465 680 751 784 784 742 765 784 758 638 766 610 8 527 Guelmim-EsSemara 263 385 426 444 444 420 433 444 429 361 434 346 4 830 Souss-MassaDaraa 981 1 435 1 586 1 655 1 655 1 566 1 614 1 656 1 601 1 347 1 617 1 288 18 002 Gharb-ChrardaBeni Hssen 501 733 810 846 845 800 825 846 818 688 826 658 9 196 ChaouiaOuardigha 943 1 380 1 525 1 591 1 591 1 506 1 552 1 592 1 539 1 295 1 554 1 238 17 304 MarrakechTensift-Al Haouz 714 1 045 1 155 1 205 1 205 1 140 1 175 1 206 1 165 981 1 177 938 13 106 Oriental 960 1 405 1 553 1 621 1 620 1 533 1 581 1 621 1 567 1 319 1 583 1 261 17 625 Casablanca 2 626 3 843 4 247 4 432 4 432 4 194 4 323 4 434 4 286 3 606 4 329 3 449 48 202 Rabat-SalZemmour-Zaer 1 499 2 194 2 425 2 530 2 530 2 394 2 468 2 532 2 447 2 059 2 471 1 969 27 518 Doukkala-Abda 420 614 679 708 708 670 691 709 685 576 692 551 7 704 Tadla-Azilal 372 545 602 628 628 595 613 629 608 511 614 489 6 834 Mekns-Tafilalet 940 1 376 1 521 1 587 1 587 1 501 1 548 1 588 1 534 1 291 1 550 1 235 17 257 Fs-Boulemane 913 1 336 1 476 1 541 1 540 1 458 1 502 1 541 1 490 1 253 1 504 1 199 16 753 Taza-al HouceimaTaounate 519 759 839 876 876 829 854 876 847 713 855 681 9 524 Tanger-Tetouan 1 222 1 788 1 976 2 062 2 062 1 951 2 011 2 063 1 994 1 678 2 014 1 605 22 428 Total 13 444 19 676 21 744 22 690 22 686 21 469 22 129 22 701 21 940 18 462 22 159 17 655 246 755

36

Anne 2007 Rgion Jan. Fv. Mars Avril Mai Juin Juil. Aot Sept. Oct. Nov. Dc. Oued Ed-dahabLagouira 141 167 185 193 193 183 188 193 174 170 188 120 LaayouneBoujdour-Sakia El Hamra 619 733 810 846 845 800 825 846 763 743 826 524 Guelmim-EsSemara 350 415 459 479 479 453 467 479 432 421 468 297 Souss-MassaDaraa 1 306 1 548 1 711 1 785 1 785 1 689 1 741 1 786 1 610 1 569 1 743 1 106 Gharb-ChrardaBeni Hssen 667 791 874 912 912 863 889 912 822 801 891 565 ChaouiaOuardigha 1 256 1 488 1 644 1 716 1 716 1 624 1 674 1 717 1 547 1 508 1 676 1 063 MarrakechTensift-Al Haouz 951 1 127 1 245 1 300 1 299 1 230 1 268 1 300 1 172 1 142 1 269 805 Oriental 1 279 1 516 1 675 1 748 1 747 1 654 1 705 1 749 1 576 1 536 1 707 1 083 Casablanca 3 498 4 145 4 581 4 780 4 779 4 523 4 662 4 782 4 310 4 201 4 668 2 961 Rabat-SalZemmour-Zaer 1 997 2 366 2 615 2 729 2 728 2 582 2 661 2 730 2 461 2 398 2 665 1 690 Doukkala-Abda 559 662 732 764 764 723 745 764 689 671 746 473 Tadla-Azilal 496 588 649 678 678 641 661 678 611 596 662 420 Mekns-Tafilalet 1 252 1 484 1 640 1 711 1 711 1 619 1 669 1 712 1 543 1 504 1 671 1 060 Fs-Boulemane 1 216 1 441 1 592 1 661 1 661 1 572 1 620 1 662 1 498 1 460 1 622 1 029 Taza-al HouceimaTaounate 691 819 905 944 944 894 921 945 852 830 922 585 Tanger-Tetouan 1 627 1 929 2 131 2 224 2 224 2 104 2 169 2 225 2 006 1 955 2 172 1 378 Total 17906 21219 23449 24469 24465 23153 23865 24482 22066 21505 23897 15158

Total
2 095

9 179 5 199 19 380 9 900 18 628 14 108 18 973 51 890 29 623 8 294 7 357 18 577 18 035

10 253 24 143 265 635

37

V- Utilisation des modles et mise jour des prvisions.

Les prvisions de la production de logements sont calcules sur la base du modle retenu et dun certain nombre dhypothses. Pour ce qui est du modle long terme, nous supposons qu'il restera valable jusqu lhorizon de prvision considr, savoir 2010. Pour les prvisions mensuelles, nous supposons en plus que les poids mensuels sur lesquels est base la ventilation des prvisions annuelles sont galement valides jusqu' lhorizon considr. Ceci devrait tre le cas puisque la saisonnalit est une caractristique structurelle qui ne peut changer que sur une priode assez longue. Lventualit dune mise jour des prvisions se produira loccasion de la rvision dune des hypothses de base. Ces hypothses sont :

Lvolution du nombre de mnages urbains; Lvolution du PIB en terme rel ; Le coefficient de redressement pour tenir compte de la production du logement informel et rural ; Les dates futures des ftes religieuses et du Ramadan.

Pour ces besoins de mise jour, nous produisons avec ce rapport un fichier Excel rcapitulant toutes les donnes utilises, les prvisions produites et les hypothses sous-jacentes. Ce programme Excel permet de changer de faon simple et facile nimporte laquelle des hypothses adoptes et procde automatiquement et de faon instantane la mise jour : Des prvisions au niveau annuel global ; Des prvisions annuelles par types dhabitation ; Des prvisions annuelles par rgions ; Des prvisions mensuelles globales ; Des prvisions mensuelles par types dhabitation ; Des prvisions mensuelles par rgions.

38

ANNEXES

39


Anne

Annexe N1 : Evolution du nombre des mnages urbains.

(en milliers et au milieu de l'anne) Projections du CERED Projections ajustes

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Sources:

1594

1838 1930 2023 2118 2211 2307 2421 2536 2647 2531 2653 2775 2899 3019 3143 3283 3423 3570 3707 3850 3996 4143 4285 4430 4626 4722

1 594 1 662 1 733 1 805 1 879 1 955 2 033 2 112 2 193 2 275 2 359 2 444 2 531 2 618 2 706 2 796 2 886 2 977 3 069 3 161 3 253 3 347 3 440 3 534 3 627 3 721 3 815 3 909 4 002

Pour les projections du CERED

Pour 1980 1993 Population en l'an 2062 Pour 1994 2010 : Situation et perspectives dmographiques

Pour les projections ajustes

1960, 1982, 1994 et 2004 sont des chiffres des recensements Pour les autres annes, ajustements selon un modle polynomial de la population permettant de reproduire les observations obtenues lors des recensements de 1960, 1982, 1994 et 2004 POPt=a0+a1*t+a2*t^2+a3**t^3, pour 1960, t=0 a0 =801805, a1 =-2187,626114, a2 =2061,055603, a3 =-14,74165451

40

Annexe N2 : Evolution de quelques variables conomiques.

PIB constant
74,090 72,042 78,972 78,531 81,937 87,119 94,350 91,942 101,496 104,031 108,069 115,579 110,885 109,797 121,170 113,198 127,027 124,197 133,729 133,622 134,900 143,395 147,969 155,726 162 767

Annee Autorisations
de construire
38,753 41,037 41,199 51,319 49,950 47,416 50,954 59,699 58,787 59,673 62,611 51,199 53,195 51,377 57,288 66,145 104,787 82,681 87,262 79,943 81,670 83,161 89,467 104,817 105 585

PIB courant
74,090 79,034 92,898 99,143 112,345 129,507 154,725 156,689 181,583 193,931 212,855 242,360 243,828 249,223 279,323 281,702 319,340 318,342 344,005 345,594 354,208 383,185 397,781 418,655 443 673

FBCF Btiment
5,575 6,979 7,735 7,918 7,918 8,664 9,099 9,447 11,804 13,498 15,543 16,214 15,552 15,123 15,220 15,601 17,287 19,342 20,873 22,206 23,456 24,469 24,971 26,419 30 807

FBCF Total
16,478 20,512 25,376 24,233 25,954 29,928 32,991 31,631 37,236 43,708 51,005 53,863 54,365 56,719 57,900 60,387 61,941 65,786 75,739 81,896 85,422 85,375 91,142 98,380 109 083

PIB non agricole

60,437 68,831 78,673 84,109 95,494 108,010 124,928 134,364 162,345 173,133 193,095 193,657 205,543 212,621 227,564 240,541 257,706 269,202 284,794 292,689 305,217 323,528 333,640 348,228 373 275

PIB agricole
13,653 10,203 14,225 15,034 16,851 21,497 29,797 22,325 19,238 20,798 19,760 48,703 38,285 36,602 51,759 41,161 61,634 49,140 59,211 52,905 48,991 59,657 64,141 70,427 70 398

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003
2004

Source : Direction de la Statistique

41

 Annexe N3 : Rpartition du nombre de logements autoriss par types de construction. Type de construction Immeubles Villas Habitations type marocain Total Source: Direction de la Statistique Annexe N4 : Rpartition du nombre de logements autoriss par rgions Rgion Oued Ed-dahab-Lagouira Laayoune-Boujdour-Sakia El Hamra Guelmim-Es-Semara Souss-Massa-Daraa Gharb-Chrarda-Beni Hssen Chaouia-Ouardigha Marrakech-Tensift-Al Haouz Oriental Casablanca Rabat-Sale-Zemmour-Zaer Doukkala-Abda Tadla-Azilal Meknes-Tafilalet Fes-Boulemane Taza-al Houceima-Taounate Tanger-Tetouan Total Source: Direction de la Statistique 2001 725 3224 1750 5157 2792 4826 4693 6085 17104 9454 3167 1315 6119 5933 3340 7477 83161 2002 682 3268 1718 7035 3679 6453 4908 6284 17354 10971 2891 1760 6703 5930 3418 6413 89467 2003 767 2974 1936 8199 3890 8408 5036 7428 19536 10298 2439 4990 6426 6924 3923 11643 104817 2001 38144 3060 41957 83161 2002 40102 3759 45606 89467 2003 47899 4551 52367 104817

42

 Annexe N5 : Ventes mensuelles de ciment 1990 436 311 435 018 427 124 344 181 465 308 478 669 347 944 493 290 482 605 509 904 520 134 411 387 5 351 875 1997 461 534 454 375 644 965 467 602 655 891 641 564 630 128 649 745 676 362 736 822 564 340 600 224 7 183 552 1991 483 258 411 260 402 039 425 823 558 797 389 511 449 142 502 801 496 293 552 825 538 415 534 947 5 745 111 1998 446 371 493 713 646 325 448 051 611 210 637 926 612 244 638 586 665 341 729 418 644 192 579 424 7 152 801 1992 555 742 508 172 466 375 475 652 568 244 426 285 560 224 535 321 548 571 610 093 543 247 547 544 6 345 470 1999 387 527 559 065 498 593 607 125 653 742 576 353 653 073 690 286 697 992 666 653 648 061 595 860 7 234 330 1993 498 588 475 595 367 362 566 460 515 591 429 018 561 644 546 937 560 754 583 514 491 546 580 328 6 177 337 2000 501 610 665 254 480 303 587 336 700 098 626 857 684 509 691 656 683 027 700 610 665 649 493 205 7 480 114 1994 469 684 455 930 474 106 592 995 405 935 455 203 487 312 536 189 575 408 601 888 573 792 605 033 6 233 475 2001 623 894 623 971 506 009 704 218 720 064 657 410 708 389 740 869 693 302 798 035 673 074 608 312 8 057 547 1995 543 957 419 030 476 415 541 444 401 418 538 933 570 858 556 499 605 904 620 255 556 278 531 331 6 362 322 2002 659 401 474 887 639 112 738 333 744 792 724 012 805 814 825 752 777 904 844 431 622 720 628 965 8 486 123 1996 396 496 386 015 517 640 552 495 496 549 508 322 571 038 634 417 647 879 737 264 622 188 456 356 6 526 659 2003 761 873 451 099 786 145 861 440 797 936 788 248 888 216 835264 880170 882463 564607 779986 9 277 447

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Total

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Total

43

 Annexe N6 : Le schma de la feuille principale de mise jour du modle long terme

Modle

LLOGE =

0,897

* LPIB +

0,319

* MENAGE

Hypothses
1-Evolution du nombre de mnages : 2-Taux de croissance du PIB partir de 2007 3-Coefficient de majoration pour le logement informel

CERED 5% 35%
PREVISION

DONNEES
Anne 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Mnages urbains (en milliers)
2 112 177 2 193 102 2 275 494 2 359 267 2 444 332 2 530 600 2 617 983 2 706 392 2 795 739 2 885 935 2 976 893 3 068 523 3 160 737 3 253 447 3 346 564 3 440 000 3 533 666 3 627 474 3 721 336 3 815 162 3 908 865 4 002 356

PIB rel (en millions DH)

104 031 108 069 115 579 110 885 109 797 121 170 113 198 127 027 124 197 133 729 133 622 134 900 143 395 147 969 156 140 162 767 165 697 174 644 183 377 192 545 202 173 212 281

Production de logements AUTORISES

62 132 65 973 71 938 71 190 72 505 81 419 78 763 89 842 90 592 99 632 102 493 106 440 115 792 122 677 132 620 141 826 148 487 160 391 172 663 185 871 200 082 215 365

Production TOTALE de logements 101 497 110 674 109 523 111 546 125 260 121 174 138 219 139 372 153 280 157 682 163 754 178 141 188 734 204 031 218 193 228 441 246 755 265 635 285 955 307 818 331 330

44