Escolar Documentos
Profissional Documentos
Cultura Documentos
Florianpolis, 2005
CARLOS ALBERTO PERUZZO TRIVELLONI
Florianpolis, 2005
FOLHA DE APROVAO
A presente Tese foi aprovada como requisito final para a obteno do ttulo de
Doutor em Engenharia Civil pelo Programa de Ps-Graduao em Engenharia Civil
PPGEC, da Universidade Federal de Santa Catarina, em sesso pblica realizada
em 21/03/2005.
____________________________________________
________________________________________
Comisso Examinadora:
________________________________________
_________________________________________
__________________________________________
__________________________________________
__________________________________________
Especialmente colega Rosemeri Michael com quem partilhamos boa parte dos
trabalhos de pesquisa dos nossos projetos, trocando idias e reflexes que
ajudaram no desenvolvimento do trabalho.
RESUMO..................................................................................................................... x
ABSTRACT ................................................................................................................ xi
1. INTRODUO. .......................................................................................................1
1.1 Hipteses. .........................................................................................................3
1.2 Objetivos. ..........................................................................................................4
1.2.1 Objetivo Geral.............................................................................................4
1.2.2 Objetivos Especficos..................................................................................4
1.3 Relevncia do trabalho. ....................................................................................5
1.4 Estrutura do trabalho.........................................................................................6
3. ESTATSTICA ESPACIAL.....................................................................................32
3.1. Tipos de dados e modelos em anlise espacial.............................................32
3.2 Os imveis como dados espaciais. .................................................................34
3.3 Econometria Espacial. ....................................................................................35
3.3.1 Consideraes gerais. ..............................................................................35
3.3.2 Efeitos espaciais: dependncia e autocorrelao espacial.......................37
3.3.3 Pesos espaciais e defasagem espacial. ...................................................37
3.3.4 Expresso formal da autocorrelao espacial. .........................................38
3.3.4.1 Modelos de processos estocsticos espaciais. ..................................38
3.3.4.2 Representao direta. ........................................................................40
3.3.5 Modelos de Regresso Espacial. .............................................................41
3.3.5.1 Modelo de Defasagem Espacial. ........................................................42
3.3.5.2 Modelo do Erro Espacial. ...................................................................42
3.3.6 Estimao de Modelos..............................................................................42
3.3.7 Testes de especificao. ..........................................................................43
3.3.7.1 Morans I. ...........................................................................................43
3.3.7.2 Testes LM...........................................................................................43
3.3.8 Regresso espacial na modelagem do valor dos imveis. .......................44
3.4 Geoestatstica. Teoria das Variveis Regionalizadas. ....................................46
3.4.1 Anlise espacial de superfcies.................................................................47
3.4.1.1 Modelos determinsticos locais...........................................................48
3.4.1.2 Superfcies de tendncia. ...................................................................49
3.4.1.3 Modelos estatsticos de efeitos locais e globais: krigagem. ...............50
3.4.2 Teoria das Variveis Regionalizadas........................................................51
3.4.2.1 Caractersticas das Variveis Regionalizadas....................................51
3.4.2.2 Propriedades da funo semivariograma. ..........................................52
3.4.2.3 Semivariograma experimental e terico .............................................53
3.4.2.4 Modelos tericos de semivariograma. ................................................56
3.4.2.5 Modelo Esfrico..................................................................................57
3.4.2.6 Modelo Exponencial. ..........................................................................57
3.4.2.7 Modelo Gaussiano..............................................................................57
3.4.2.8 Modelo Potncia.................................................................................58
v
5. APLICAO DO MTODO...................................................................................77
5.1 rea de estudo................................................................................................77
5.2 Pesquisa de mercado. ....................................................................................80
5.3 Tratamento dos dados. ...................................................................................84
5.4 Aplicao do mtodo.......................................................................................91
5.4.1 Estimao da matriz de vizinhana. .........................................................91
5.4.1.1 Parmetros de homogeneizao por mnimos quadrados. ................91
5.4.1.2 Semivariograma experimental. ...........................................................92
5.4.1.3 Estimao da vizinhana para a matriz de pesos espaciais...............94
5.4.2 Estimao dos parmetros de homogeneizao pelo modelo espacial do
erro. ...................................................................................................................94
5.4.2.1 Testes de autocorrelao espacial. ....................................................94
5.4.2.2 Modelo espacial do erro. ....................................................................95
5.4.2.3 Parmetros de homogeneizao........................................................97
5.4.2.4 Avaliao do grau de homogeneidade. ..............................................98
5.4.3 Aplicao do mtodo geoestatstico. ......................................................101
5.4.3.1 Semivariograma experimental de VH. ..............................................102
vi
6. CONCLUSES E RECOMENDAES..............................................................132
6.1 Concluses. ..................................................................................................132
6.1.1 Sobre o valor da localizao...................................................................132
6.1.2 Sobre o uso combinado de tcnicas de Estatstica Espacial. .................134
6.1.3 Sobre a autocorrelao espacial. ...........................................................134
6.1.4 Sobre o modelo geral..............................................................................135
6.1.5 Sobre o uso do modelo de regresso do erro no processo de
homogeneizao de valores. ...........................................................................136
6.1.6 Sobre a estimao da matriz de pesos espaciais...................................136
6.1.7 Sobre a comparao com o mtodo de Superfcie de Tendncia. .........137
6.1.8 Sobre a aplicao do mtodo para a elaborao de Plantas de Valores
Genricos. .......................................................................................................137
6.2 Recomendaes para trabalhos futuros. ......................................................138
ANEXOS .................................................................................................................149
LISTA DE FIGURAS
Figura 29. Planta de Valores Genricos (R$/m2) por face de quadra para
apartamentos de Padro 3, com garagem e mais de trs anos de idade. ..............125
Figura 30. Mapa de valores relativos entre valores estimados por superfcie de
tendncia e pelo mtodo proposto. .........................................................................126
Figura 31. Mapa de Valor da Localizao (R$/m2) para cada face de quadra da rea
de estudo.................................................................................................................130
Figura 32. Planta de Valores Genricos de Terrenos (R$/m2) da rea de estudo. .131
LISTA DE TABELAS
ABSTRACT
This work presents a method for determination and estimation of location value on
real estate data using spatial statistics techniques. Among all variables influencing
on real estate value, location factors and location variables are the most difficult of
analyzing and modeling. The multiplicity of environmental, social and economical
factors influencing on real estate value are difficult of being modeled with
traditional inferential techniques, introducing specification problems and spatial
autocorrelation on model errors. Spatial statistics models, especially spatial
regression models and geostatistical models are used combined for estimation of
location real estate value. The spatial error model is used to obtain homogeneous
class values of real estate from analyzing a heterogeneous market sample, and
then this homogeneous value is analyzed and modeled with geostatistical models.
Block kriging allows estimate a regionalized variable, which represents the location
value of real estate. The analysis of the experimental semivariogram of market
values is used for estimation of the spatial weight matrix for spatial regression
model. An application of this method is presented with a sample market of two
districts of the municipality of So Jos, Estate of Santa Catarina, Brazil. The
proposed method allowed estimating an index of location value for all real estate
properties which seemed highly significant for all real estate types and modeled
with consistency and coherency the effects of all valuation factors in the study
area. The spatial structure of the location index eliminated all forms of spatial
autocorrelation in the model, increasing its explanation capacity and the reliability
of the real estate valuation.
xii
RESUMEN
1.1 Hipteses.
1.2 Objetivos.
V = f(L,S,N,P,t)
Os modelos aditivos consideram que o valor dos imveis pode ser obtido
como a soma de componentes correspondentes a influncia de diferentes fatores,
sendo deste tipo o modelo clssico que expressa o valor de um imvel como a soma
do terreno mais a parte construda (Chica Olmo, 1994 e Dantas, 1998):
Vtotal = F1*....*Fn
14
R = PC/PO
uma anlise dos dados de mercado, porm muitas vezes modelos so adotados de
forma arbitrria pelo avaliador.
Modelos geoestatsticos;
Modelos de rea.
Esta aparente ambivalncia tem sua causa nos fatores que influenciam no
valor dos imveis. Enquanto alguns destes fatores, como os fatores construtivos,
variam de imvel para imvel independentemente da sua localizao espacial,
dando aos dados a caracterstica de objetos, outros fatores, os de localizao,
influenciam imveis prximos de forma semelhante, produzindo uma variao no
valor da localizao de forma continua no espao, dando ao valor dos imveis o
comportamento de um geocampo. Desta maneira diferentes fatores influenciantes
do aos imveis e seus valores de mercado o comportamento ao mesmo tempo de
objetos e de campos espaciais.
pesos espaciais W que define a estrutura de covarincia dos dados para uma
determinada vizinhana de cada observao. Por meio de pesos que representam a
covarincia entre dois elementos, o operador espacial calcula para cada observao
a mdia ponderada da varivel aleatria na vizinhana.
funcional entre uma varivel aleatria num ponto e a mesma varivel aleatria em
outras localizaes. A estrutura da covarincia conseqncia da natureza do
processo definido.
(y-i) = W(y- i) +
ou
y = W +
ou
y = (I+ W)
Cov [i j] = 2 f(dij,)
E[ ] = 2 (dij,)
Onde a matriz deve ser positiva definida com wii = 1 e |wij| <=1
y = Wy + XB +
y = XB + ,
= W + u
y = XB + W + u
3.3.7.1 Morans I.
I = (N/S)[(eWe)/ee]
Onde:
N o nmero de observaes;
Para cada um dos quatro modelos foi testada a forma linear e logartmica
para a varivel dependente, considerando que a forma logartmica tem mostrado os
melhores resultados e recomendada pela literatura. Segundo Dantas (1998) e
Malpezzi (2002) a transformao logartmica a preferida quando se procura ajustar
modelos a dados de valores imobilirios, sendo conhecidos tambm outros trabalhos
que propem o uso de modelos no lineares usando a transformao de Box Cox,
entre outros, os de Goodman e Kawai (1984) e Megbolugbe (1986).
Segundo Chica Olmo (1994) quando existe uma dependncia entre uma
varivel aleatria e a sua localizao espacial a varivel pode ser chamada de
regionalizada. A Teoria das Variveis Regionalizadas (TVR) dedica-se anlise e
resoluo dos problemas de inferncia espacial de variveis que dependem da
localizao espacial onde so observadas. A TVR foi especificada por Matheron
entre os anos 1962 e 1965 a partir dos estudos de Krige e outros. Inicialmente foi
desenvolvida para ser aplicada na rea de geologia e outras cincias da Terra,
sendo conhecida como Geoestatstica. Posteriormente, devido ao seu carter geral,
a sua aplicao tem sido estendida para outras reas do conhecimento.
E[Z(x)] = E[Z(x+h)] = m
E{[Z(x)-m][Z(x+h)-m]} = C(h)
52
3.4.2.9 Anisotropia.
Onde:
Zk = i i Zi
61
autor argumenta que o valor dos imveis pode ser considerado como uma varivel
regionalizada e portanto as tcnicas da Teoria das Variveis Regionalizadas (TVR)
podem ser utilizadas para modelar a estrutura espacial deste valor. Para poder
utilizar a TVR o estudo deve ser realizado sobre uma varivel que seja homognea
na sua definio e composio, variando apenas em funo da sua localizao
espacial. Dado que o mercado imobilirio consiste de objetos heterogneos tanto na
sua localizao quanto nas suas caractersticas intrnsecas (caractersticas fsicas e
construtivas do imvel) o estudo realizado sobre uma amostra de dados de
imveis homogneos nas suas caractersticas construtivas. Desta forma consegue-
se estudar a estrutura espacial dos fenmenos que influenciam o valor dos imveis,
por meio do semivariograma, analisando os efeitos de anisotropia existentes e
modelando por krigagem a variao do valor em toda a rea de estudo.
Gmez Martinez et al. (2000) prope modelar o valor dos imveis usando
geoestatstica para modelar o efeito da localizao e prope um mtodo de
homogeneizao das caractersticas construtivas dos imveis por regresso
mltipla. Desta forma, so calculados fatores de homogeneizao a partir dos
elementos de mercado para as diferentes caractersticas construtivas dos imveis.
Depois de homogeneizadas as amostras, a metodologia geoestatstica usada para
estimar a estrutura espacial do valor, por meio do estudo do semivariograma
experimental. A proposta de homogeneizar os valores em funo das caractersticas
construtivas permite trabalhar com uma amostra com maior heterogeneidade mas
no leva em considerao que a obteno destes fatores por meio de uma
regresso mltipla tradicional onde os erros esto fortemente autocorrelacionados
mantm os problemas de ineficincia e confiabilidade dos testes de significncia do
modelo de mnimos quadrados, limitando a confiabilidade dos fatores de
homogeneizao encontrados.
utilizados nos modelos de avaliao de imveis, como uma justificativa natural para
o uso dos modelos de regresso espacial. Os defensores dos mtodos
geoestatsticos baseiam-se nas vantagens do mtodo geoestatstico para tratar a
variabilidade espacial, baseada na anlise emprica da variabilidade dos dados, a
possibilidade de encontrar o modelo de variao mais adequado e de modelagem da
anisotropia. Ao mesmo tempo questionada a falta de critrios adequados para a
escolha da matriz de pesos W que determina os testes de autocorrelao espacial e
a estrutura espacial dos dados nos modelos de regresso.
V = f (L,T,CFT)
Por estes motivos VL pode ser caracterizada como uma varivel aleatria
que apresenta uma estrutura espacial, ou seja, uma varivel regionalizada.
Onde VUTERR o valor unitrio dos terrenos e VUCASA das casas; VLTERR e
VLCASA representam o valor da localizao para os terrenos e as casas; e os FTERRi e
FCASAi representam os fatores relacionados a caractersticas fsicas dos terrenos e
casas respectivamente.
VLTERR = VL * FLOC_TERR
VLCASA = VL * FLOC_CASA
A partir das relaes anteriores as equaes dos dois modelos podem ser
reescritas da seguinte forma:
Onde:
De acordo com esta interpretao o valor dos imveis pode ser modelado
utilizando as duas metodologias espaciais de forma combinada: o mtodo
71
e = We + u,
Com os valores obtidos para VH realizada agora uma nova anlise dos
dados pelo mtodo geoestatstico. As etapas desta anlise incluem o estudo do
semivariograma experimental, a modelagem do semivariograma terico que melhor
representa a estrutura de variao espacial dos dados e a krigagem dos dados.
A fonte destes possveis erros pode estar nos prprios dados de mercado,
j que o processo de homogeneizao no modificou possveis erros de avaliao
ou medio dos imveis da amostra e pode ser produto tambm do processo de
homogeneizao definido, se a especificao do modelo para homogeneizao no
for totalmente adequada, por exemplo, deixando de considerar alguma varivel
75
construtiva significativa nos dados. Estas variveis podem incluir efeitos individuais
que no so possveis de incluir como, por exemplo, imveis muito prximos
situados em andares diferentes, ou com vista panormica muito diferentes, ou com
alguma outra caracterstica prpria que os valorize de forma diferente. Neste caso
toma-se a mdia como o valor mais representativo da localizao.
Fatores de Homogeneizao
Valor Homogeneizado
Regresso Espacial
Modelo do Erro
Fatores de Homogeneizao
Valor Homogeneizado - VH
Modelagem do Semivariograma de VH
Anisotropia
Varivel VL
KOBRASOL
CAMPINAS
Sao Jose
50 m 0 100 200 m
Escala grfica
VI
A
EX
PR
ES
SA
ASOL
01
KOBR
OVIA
L DO
ROD
NTRA
AV CE
E NNEDY
SID ENTE K
AV. PRE
O JOS
AR DE S
50 m 0 100 200 m
Tipo de imvel. Cada imvel foi classificado nos cinco tipos anteriormente
mencionados: apartamento, kitinete, casa, terreno ou comercial. O tipo
comercial inclui as salas e lojas comerciais.
A idade do imvel, medida em anos, que foi obtida a partir dos dados
constantes no cadastro da Prefeitura para os imveis cadastrados e por
meio de informaes dos vendedores no caso dos imveis recm
construdos.
JOSUE DI BERNARDI
criada a varivel dicotmica NOVO que vale 1 para os imveis com menos
de trs anos de idade e 0 nos outros casos. O grfico Box plot na Figura
10 mostra essa relao.
VU x IDADE
1800
1600
1400
1200
VU (R$/m2)
1000
800
600
400
-5 0 5 10 15 20 25 30 35 40
IDADE (anos)
1600
1400
1200
VU
1000
IDADE
Figura 10. Box plots do Valor Unitrio por faixas de Idade dos imveis.
86
Tabela 3. Distribuio por quartis da rea Total (em m2) por tipo de imvel.
1500
1300
1100
VU
900
Non-Outlier Max
700 Non-Outlier Min
75%
25%
Median
500
0 1 Outliers
APT_GAR
Figura 11. Box plot do Valor unitrio para apartamentos com e sem garagem.
1500
1300
1100
VU
900
Non-Outlier Max
Non-Outlier Min
700 75%
25%
Median
Outliers
500
2 3 4 Extremes
Padro
Figura 12. Box plot do Valor Unitrio por classe de padro para apartamentos.
89
1200
1100
1000
VU
900
800
Non-Outlier Max
700 Non-Outlier Min
75%
25%
600
2 3 Median
Padro
Figura 13. Box plot do Valor Unitrio por classe de padro para kitinetes.
3500
3000
2500
2000
VU
1500
1000
Non-Outlier Max
Non-Outlier Min
500 75%
25%
Median
0
2 3 4 Extremes
Padro
Figura 14. Box plot do Valor Unitrio por classe de padro para casas.
12000
10000
8000
Variogram
6000
4000
2000
0
0 100 200 300 400 500 600
Lag Distance
Desta forma, tomando como base a anlise da Figura 15, foi estimada a
distncia de vizinhana da matriz de pesos espaciais em 120 metros.
ERRO
VARIVEL COEFICIENTE PADRO VALOR Z PROBABILIDADE
CONSTANTE 6.50271 0.08896 73.09392 0.00000
APT_AT 0.00075 0.00053 1.41539 0.15695
APT_GAR 0.12721 0.03580 3.55383 0.00038
AP_P2 0.10769 0.07750 1.38960 0.16465
AP_P3 0.09323 0.07173 1.29975 0.19369
KIT 1.45470 0.37314 3.89854 0.00010
KIT_AT -0.03390 0.00990 -3.42323 0.00062
KIT_P2 0.15984 0.10076 1.58632 0.11267
CASA 1.08286 0.21638 5.00436 0.00000
CASA_AC -0.00448 0.00065 -6.88557 0.00000
CA_ATER 0.00054 0.00017 3.19073 0.00142
CASA_P2 0.55473 0.11194 4.95574 0.00000
CASA_P3 0.22451 0.10541 2.12985 0.03318
TERRENO -0.24482 0.10069 -2.43156 0.01503
TER_AT 0.00036 0.00009 3.82849 0.00013
COMERCIA 0.50730 0.10238 4.95519 0.00000
NOVO 0.10692 0.04494 2.37892 0.01736
LAMBDA 0.87748 0.02278 38.52470 0.00000
97
VU ORIGINAL VH
MEDIANA I.I.Q. MEDIANA I.I.Q.
Geral 916.67 301.11 660.88 140.59
Aptos 888.89 246.39 660.08 113.18
Kit 842.11 297.64 647.20 120.81
Casas 1100.00 667.75 613.89 319.42
Terrenos 666.67 368.36 722.51 261.67
Comerciais 1300.00 154.80 760.09 30.11
100
3500
3000
2500
2000
VU
1500
1000
Non-Outlier Max
Non-Outlier Min
500 75%
25%
Median
0
Apartame Kitinete Comercia terreno casa Outliers
TIPO
1100
900
700
VH
500
Non-Outlier Max
Non-Outlier Min
300 75%
25%
Median
Outliers
100
Apartame Kitinete Comercia terreno casa Extremes
TIPO
16000
14000
12000
10000
Variogram
8000
6000
4000
2000
0
0 100 200 300 400 500 600 700
Lag Distance
18000
16000
14000
12000
Variogram
10000
8000
6000
4000
2000
0
0 100 200 300 400 500 600 700
Lag Distance
16000
14000
12000
10000
Variogram
8000
6000
4000
2000
0
0 100 200 300 400 500 600
Lag Distance
A krigagem por blocos faz que possveis valores atpicos presentes nos
dados sejam suavizados. Estes valores extremos podem ser erros de medida ou
refletir condies especiais de localizao, sendo importantes neste ltimo caso para
realizar estimaes adequadas da localizao. Por este motivo foram mantidos
todos os dados nas etapas de homogeneizao e krigagem dos dados.
Tabela 10. Comparao das caractersticas estatsticas das malhas geradas pela
krigagem com blocos de 100*100m, 50*50m e 16*16m.
100*100m 50*50m 16*16m
Mnimo 500.82 492.01 469.34
Quartil inferior 711.88 708.24 703.74
Mediana 745.15 745.90 746.13
Quartil superior 771.56 780.13 785.34
Mximo 1069.27 1091.55 1119.75
Valor central 785.04 791.78 794.55
Intervalo de variao 568.45 599.54 650.41
Intervalo interquartil 59.69 71.89 81.60
Mediana de desvios absolutos 28.61 36.07 40.66
Mdia 745.83 747.30 748.56
Desvio Padro 70.57 77.12 82.54
Varincia 4980 5948 6813
110
100
90
80
70
60
50
40
30
Tabela 11. Resultados da regresso por mnimos quadrados com a varivel VL.
Teste Probabilidade
Morans I 0.7920
LM (lag) 0.5272
LM robusto (lag) 0.5744
LM (erro) 0.5430
LM robusto (erro) 0.5931
2,5
1,5
Valor Normal Esperado
0,5
-0,5
-1,5
-2,5
-3,5
-0,35 -0,25 -0,15 -0,05 0,05 0,15 0,25 0,35
Residuos
2
Residuos Padronizados
-1
-2
-3
6,0 6,4 6,8 7,2 7,6 8,0 8,4
Valores Estimados
0,25
0,15
0,05
Resduos
-0,05
-0,15
Non-Outlier Max
-0,25 Non-Outlier Min
75%
25%
-0,35
Apartame Kitinete Comercia terreno casa Median
TIPO
Figura 25. Box plot dos resduos da regresso por tipo de imvel.
117
Nesta Figura pode ser observado o Box plot dos resduos por tipo de
imvel. Nesta figura mostra-se que o modelo apresenta valores semelhantes de
resduos para os diferentes tipos de imveis.
Resduos Padronizados x VL
3
2
Resduos Padronizados
-1
-2
-3
450 550 650 750 850 950 1050
VL
Resduos Padronizados
-2.19 to -2
-2 to -1
-1 to 0
0 to 1
1 to 2
2 to 2.29
Neste caso foram utilizados para o clculo dos parmetros todos os 243
dados do modelo de regresso final, ou seja, apenas os seis elementos
considerados atpicos foram retirados.
Os valores obtidos para a mediana dos ratios, o COD e o PRD devem ser
comparados com os valores recomendados pela IAAO que se encontram na Tabela
18.
Tabela 18. Valores padronizados para avaliao em massa propostos pela IAAO.
0.741 to 0.8
0.8 to 0.9
0.9 to 1
1 to 1.1
1.1 to 1.2
1.2 to 1.3
1.3 to 1.33
polinmica de quarta ordem, que apresentou o melhor resultado obtido por aquele
mtodo, com os resultados obtidos pelo modelo proposto neste trabalho.
valor mdio para cada face de quadra do mesmo tipo de imvel, apartamentos de
padro 3 com garagem e construo de mais de trs anos de idade. A Planta de
Valores destes apartamentos mostrada na Figura 29.
818
801
819
804
782
724
808 733
879 791
841 765
799 744
780 704
885
816 761
927 793
775 739 718 766
940 771 736
878
900 781 784
934 789 731
789 757
751
950 785792 764 777
759
807 800 781 755
867 793 763 772 695 623
811 781
843 875 788 642
932 803 823 785776 749
953 819 785 695
943 797 782 593
788 620
867 816 826 781 752
850 822 708
795808 787
833 788
923 785 782 599
871 940 796
796
841 927 848 776 731 653
895 810 817
930 797
839 793 735691
945 775 783
812 782 643
815 843 820 813
797 878 804 705
837 877 927 810 781
944 752 794
841
847 830 844 710
815 927 848 832 780
882 828 805789 769
930 755 751 825
779 851 819
781 810 903 828 843 872
838 882 915 921 838 860 896 786
879 846 806 865 824
780 920 853 755 727
853 776
771 908 904 874 864 910
778 760 915 942 862
766770 885
868 888 859 822
772 769 857
800 876 728 708
786 766 910 887 809
762 899 911 909 823
861 986
777 794 911
791 768 898 810 753
882893 906 711 864
785 879 728
843 915 850
967 973 921 818
903 926
915 919 805 750 933
921 859 704 870
883 767 955
927 877 977
901 832
826 911 873 757
938 800 719 862
810 970 863 812 901 906
838 906 953
898 906 960 776 832
879 887
844
841 10121018 891 785
879 861 855
874 926 958
850 856 984 1015 778 942
1049 893
925 824 879
926 1003 946 881 854 840
987 892 907
835 833 900 948 923 900
836 948 953 993 840
853 946 1052 826
901 858 951 895
835 896
836 886 1073 899 903 944 942 885
858 848
975 999 1046 999 846
978
839 1004 1038 863 946 891
844 892
863 1238 1260 906 928 921 858
915 892
898 1152 991 975 957 927
980 12971315 1050 994 980 869
853 1068 892
957 910 887 879 860
874 1139 1038 905
919 967 1021 1379 980 919
1118 957
1061 965 926 894
885 915
925 985 1056 1216 962 895 914
1427 1088
1012 1106 1241
1050 1304 1410 1004
908
1088 1176 1368 1145
959 939
1069 1301 1044
1030
1322 1192
1236 1339
1273 1306
1018 1093
1037
1031
Figura 29. Planta de Valores Genricos (R$/m2) por face de quadra para
apartamentos de Padro 3, com garagem e mais de trs anos de idade.
126
0.654 to 0.7
0.7 to 0.8
0.8 to 0.9
0.9 to 1
1 to 1.1
1.1 to 1.2
1.2 to 1.3
1.3 to 1.5
1.5 to 2
2 to 2.23
Figura 30. Mapa de valores relativos entre valores estimados por superfcie de
tendncia e pelo mtodo proposto.
Nela pode ser observado que 63.2% dos 448 valores de faces de quadra
apresentaram valores com diferenas menores que 10%, enquanto se consideradas
diferenas menores que 20% a quantidade aumenta para 81.1% do total de faces de
quadra da rea de estudo.
127
A partir do modelo final obtido na seo 5.4.4 pode ser estimado o valor
da localizao para toda a rea de estudo considerada.
Aplicando o modelo para imveis de tipo terreno com rea de 360 metros
quadrados foi obtida a Planta de Valores Genricos de Terrenos, em R$/m2,
mostrada na Figura 32.
VU = e(5.0505 + 0.0020*VL)
VU = 156.10 * 1.002VL
130
6946200
653
639
653
641
624
578
6946000 701
644
631
585
671 610
638 593
561
706 622
651 607
739 633
618 590 573 611
750 615
701 587
718 623 626
746 630 583
630 599604
6945800 758
692
626
632
644 638
610
605
623
620
602
633 609 555
647 623 616 497
673 698 512
628 627619 597
744 641 657
760 653 626 555
753 636 624 473
628 495
651 659 623 600
678 692 565
634644 656 628
665 628
737 627 624 478
695 750 635
6945600
635
671 740 676 619 583 521
652
714 646 636
742 669 632 587 551
754 618
625 624 513
647
651 673 648
636 701 654 563
641
667 700 739 646 623
753 600
671 634 674 566
676 662
650 740 676 623
661 664 614
703 642630
742 602 599 658
621 679 653
623 646 720 661 673 695 627
730 735 686
6945400 669 704 669 715
701 675 643 690 658
623 734 680 603 580
680 619
615 725 721 697 689 726
621 730 752 688
606 612615 706
692 709 685 656
616 613 684
638 699 581
627 611 726 708 565 645
608 717 727 725 656
687 786
620 727
634 717 646
631 613 601 689
703 712 723 567 581
627 673 701 678
730 771
720 776 735 653
738
6945200 730
735
734
704
685
642 598
561 612
700 762
744
694
739 780
719 664
659 727 696 604
748 638 573 688
646 774 689 648 719 723
668 723 760
716 723 766
619 707 663
701 674
671 807 812 711 626
701 687 682
697 739 764
678 683 785 810 621 752
837 713
6945000 666 664 718
739 800
787
756
738
755
737
711
703
658
681
724
701 670
667 793 670 718
681 756 761 659
719 755 839
684 759 714
666 715
667 707 856 717 721 753 751 706
685 677
778 797 834 797 675
780 828 688 755 711
669 801
673 711
987 723 740 735 684
689 1005 730
716 919 791 763 712 739
782 837 778 782 693
852 1035 1049 793 712
6944800
680 763 701 686
909 726 707
697 828 722
733 771 814 1100 782 733
892 764
846 770 739 713
706 730
738 786 842 970 767 714 729
1138 868
807 883 990
838 1040 1125 801
938 913 725
868 1091
765 749
853 1038 833
822
6944600 1055 951
986 1068
1016 1042
812 872
828
822
Figura 31. Mapa de Valor da Localizao (R$/m2) para cada face de quadra da rea
de estudo.
131
6946200
583
570
583
572
557
516
6946000 626
575
563
522
599 545
569 530
501
630 555
581 542
660 565
552 526 511 545
669 549
625 524
641 556 559
665 562 520
562 535539
6945800 677
618
559
564
575 570
544
540
556
553
537
565 543 495
578 556 550 444
600 623 457
561 559552 533
664 572 586
678 583 559 495
672 567 557 422
561 442
581 588 556 535
605 617 504
566575 585 560
593 561
658 559 557 426
620 669 567
6945600
567
599 660 604 552 520 465
582
637 577 568
662 597 564 524 492
673 552
558 557 458
578
581 600 579
568 625 584 502
572
596 625 660 576 556
672 536
599 565 601 506
603 591
580 660 603 556
590 593 548
628 573562
662 537 535 588
555 606 583
556 576 643 590 600 621 560
652 656 613
6945400 597 628 597 638
626 603 574 616 587
556 655 607 538 518
607 552
549 647 643 622 615 648
554 652 671 614
541 546548 630
618 632 612 585
550 547 610
570 624 519
560 546 648 632 504 576
543 640 649 647 586
613 702
554 649
566 640 577
563 547 536 615
628 636 645 506 518
559 600 626 605
651 689
643 693 656 583
659
6945200 651
656
655
628
611
573 534
501 546
625 680
664
620
660 696
642 593
588 648 621 539
668 569 512 614
577 691 615 578 642 645
596 645 678
639 645 684
553 631 592
626 601
599 720 725 634 559
626 613 609
622 660 682
605 609 700 723 554 671
747 636
6945000 595 593 641
659 714
703
675
658
674
657
635
628
587
608
646
626 598
595 707 598 641
608 675 679 588
642 674 749
611 677 637
594 638
595 631 764 640 643 672 671 630
611 604
694 711 745 711 602
697 739 614 674 635
597 715
601 635
881 645 661 656 611
615 897 652
639 820 706 681 635 660
698 747 694 698 618
761 924 937 708 635
6944800
607 681 626 613
811 648 631
622 739 644
654 689 727 982 698 654
796 682
755 687 660 636
630 651
659 702 752 866 685 637 651
1016 775
720 788 884
748 929 1004 715
838 815 647
775 974
683 669
761 926 744
733
6944600 942 849
880 954
907 930
725 778
739
734
6.1 Concluses.
CAN, A. GIS and Spatial Analysis of Housing and Mortgage Markets. Journal ou
Housing Research, Vol. 9, 1998.
CASE, B., CLAPP, J., DUBIN, R. RODRIGUEZ, M. Modeling Spatial and Temporal
House Price Patterns: A Comparison Of Four Models. Working paper.
http://www.sba.uconn.edu/users/johnc/SpatioTempHPI61302.doc, (disponvel em
setembro de 2003), 2002.
CLAPP, J. M., RODRIGUEZ, M., THRALL, G. How GIS Can Put Urban Economic
Analysis on the Map. Journal of Housing Economics, Vol. 6, pp. 368-386, 1997.
CLAPP, J., KIM, H., GELFAND, A. Predicting Spatial Patterns of House Prices
Using LPR and Bayesian Smoothing. Real Estate Economics, 30(4), 505-532,
2002.
CRESSIE, N. A. C. Statistics for Spatial Data. Revised Edition, John Wiley & Sons,
Inc., 1993.
DAVIS, P. The IAAO Standard on Ratio Studies: a Framework for Order and
Progress in Assessment Performance Evaluation. In: Seminrio Internacional
sobre Tributao Imobiliria, Anais. Porto Alegre, 2001.
DUBIN, R. Spatial Lags and Spatial Errors Revisited: some Monte Carlo
Evidence. LSU Econometric Conference on Spatial and Spatiotemporal
Econometric, Baton Rouge, 2003b.
HUH, S., KWAK, S. The Choice of Functional Form and Variables in the Hedonic
Price Model in Seoul. Urban Studies, Vol. 34, 7, pp. 989-998, 1997.
PACE, R. K., BARRY, R., SIRMANS, C. F. Spatial Statistics and Real Estate.
Journal of Real Estate Finance and Economics, Vol. 17, N. 1, 1998.
JOSUE DI BERNARDI
150
JOSUE DI BERNARDI
151
JOSUE DI BERNARDI
152
JOSUE DI BERNARDI
153
JOSUE DI BERNARDI
154