Você está na página 1de 172

UNIVERSIDADE FEDERAL DE SANTA CATARINA

Programa de Ps-Graduao em Engenharia Civil


rea de Concentrao: Cadastro Tcnico Multifinalitrio e Gesto Territorial

MTODO PARA DETERMINAO DO VALOR DA LOCALIZAO


COM USO DE TCNICAS INFERENCIAIS E GEOESTATSTICAS
NA AVALIAO EM MASSA DE IMVEIS

CARLOS ALBERTO PERUZZO TRIVELLONI

Orientador: Prof. Dr. Norberto Hochheim

Florianpolis, 2005
CARLOS ALBERTO PERUZZO TRIVELLONI

MTODO PARA DETERMINAO DO VALOR DA LOCALIZAO


COM USO DE TCNICAS INFERENCIAIS E GEOESTATSTICAS NA
AVALIAO EM MASSA DE IMVEIS

Tese submetida ao Programa de Ps-


Graduao em Engenharia Civil da
Universidade Federal de Santa Catarina
(rea de Concentrao Cadastro Tcnico
Multifinalitrio e Gesto Territorial) para
obteno do ttulo de Doutor em
Engenharia Civil.

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.

____________________________________________

Profa Henriette Lebre La Rovere, Ph.D. - Coordenadora do Curso

________________________________________

Prof. Dr. Norberto Hochheim - Orientador

Comisso Examinadora:

________________________________________

Cludia M. de Cesare, PhD.

_________________________________________

Prof. Miguel Angel Verdinelli, Dr.

__________________________________________

Prof. Jrgen W. Philips, Dr.

__________________________________________

Prof. Roberto de Oliveira, PhD.

__________________________________________

Prof. Luiz Fernando Heineck, Dr.


AGRADECIMENTOS

Ao concluir o Programa de Ps-graduaao a nvel de Doutorado gostaria de


expressar meu agradecimento a todos aqueles que, de alguma forma, permitiram e
colaboraram para que este fosse possvel.

Ao Programa de Ps-Graduao em Engenharia Civil da Universidade Federal de


Santa Catarina, pela oportunidade de realizar o Doutorado.

Ao CNPq Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico pelo


apoio financeiro para a realizao desta pesquisa.

Aos Professores do Programa e sua Coordenadora, Profa. Henriette Lebre La


Rovere, pelo apoio e disposio permanentes.

Ao Professor Norberto Hochheim pela orientao e acompanhamento na realizao


deste trabalho.

Ao Professor Luiz Fernando Heineck pela contribuio na pesquisa bibliogrfica e a


ateno destinada.

Aos colegas do Curso, em especial a turma do Grupo de Engenharia de Avaliaes


e Percias, Nelson Marisco, Rosemeri Michael, Silvia Bortoluzzi, Andr Heberle,
Pedro di Bernardi e Ana Milles com quem dividimos tantos trabalhos e objetivos
comuns, assim como momentos de camaradagem.

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.

Prefeitura Municipal de So Jos e especialmente aos integrantes da Secretaria


Extraordinria de Desenvolvimento Urbano pela disposio para fornecer as
informaes cartogrficas e cadastrais necessrias.

Aos engenheiros avaliadores que incentivaram a minha atividade e pesquisa nesta


rea profissional, especialmente aos Eng. Gabriel Segalerba, Lo Caldas, Ib Ilha
Moreira, Maria dos Anjos Ramos, Luiz Fernando Carvalho Mller e Rubens Dantas.
ii

Aos responsveis da Administracin Nacional de Telecomunicaciones do Uruguai na


pessoa do ento Presidente, Eng. Fernando Bracco, por facilitar a realizao deste
Programa de Ps-graduaao e aos colegas da Unidade Suporte Grfico e
Documentao de Planta Externa.

A todas aquelas pessoas que estiveram presentes ao meu lado, apoiando e


alentando meu esforo, sem as quais no poderia ter iniciado e concludo este
Doutorado.

E principalmente a minha famlia, especialmente aos meus pais Carlos Maria


Peruzzo e Susana Electra Trivelloni, que so os principais responsveis e
incentivadores da minha formao em todos os aspectos, assim como as minhas
irms Susana e Carolina.

A todos eles meu agradecimento.


SUMRIO

LISTA DE FIGURAS ................................................................................................. vii

LISTA DE TABELAS .................................................................................................. ix

RESUMO..................................................................................................................... x

ABSTRACT ................................................................................................................ xi

RESUMEN ................................................................................................................ xii

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

2. O VALOR DOS IMVEIS........................................................................................8


2.1. Mercado imobilirio e valor dos imveis. .........................................................8
2.1.1 Valor de mercado e preo...........................................................................8
2.1.2 Importncia da avaliao do valor de mercado e sua variao. ...............11
2.2. Modelos de valor............................................................................................12
2.2.1 Fatores influenciantes no valor. ................................................................12
2.2.2 Modelos aditivos e multiplicativos. ............................................................13
2.2.3 Limitaes dos modelos hednicos no tratamento dos efeitos de
localizao. ........................................................................................................16
2.2.4 Anlise de performance nas avaliaes em massa..................................19
2.2.5 O uso de informaes georreferenciadas nas avaliaes em massa.......21
2.3. O Fator Localizao. ......................................................................................21
2.3.1 Localizao e Valor da localizao. ..........................................................21
2.3.2 Acessibilidade e vizinhana. .....................................................................22
2.3.3 Modelagem da localizao nos modelos hednicos.................................24
2.3.4 Modelos contnuos....................................................................................29
iv

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

3.4.2.9 Anisotropia. ........................................................................................59


3.4.3 Tcnicas de Krigagem. .............................................................................60
3.4.3.1 Krigagem pontual. ..............................................................................61
3.4.3.2 Krigagem por blocos...........................................................................61
3.4.4 Modelagem do valor dos imveis usando geoestatstica..........................62
3.4.5 Comparao entre o uso de mtodos economtricos espaciais e
geoestatsticos...................................................................................................64

4. A MODELAGEM DO VALOR DA LOCALIZAO. ...............................................67


4.1 Definio do modelo de valor..........................................................................67
4.2 Estimao da varivel VL................................................................................70
4.2.1 Estimao da matriz W. ............................................................................73
4.2.2 Estimao dos fatores de homogeneizao pelo modelo espacial do erro
(MEE). ...............................................................................................................74
4.2.3 Krigagem por blocos e determinao de VL. ............................................74
4.3 Modelo de avaliao em massa dos imveis. .................................................75

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

5.4.3.2 Modelagem da estrutura espacial de VH..........................................104


5.4.3.3 Krigagem por blocos dos valores homogeneizados VH. ..................105
5.4.4 Anlise de significncia da varivel VL no modelo de avaliao em massa.
.........................................................................................................................111
5.4.5 Anlise de performance da avaliao em massa. ..................................119
5.4.6 Comparao com resultados obtidos por superfcies de tendncia........122
5.4.7 Valor da localizao para toda a rea de estudo....................................127
5.4.8 Aplicao para Planta de Valores Genricos de Terrenos. ....................129

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

REFERNCIAS BIBLIOGRFICAS. .......................................................................140

ANEXOS .................................................................................................................149
LISTA DE FIGURAS

Figura 1. Construo do semivariograma. Fonte: Camargo et al. (2002)..................54


Figura 2. Parmetros do semivariograma. Fonte: Camargo et al. (2002). ................55
Figura 3. Modelos transitivos de semivariograma. Fonte: Camargo et al. (2002). ....56
Figura 4. Modelo potncia. Fonte: Camargo et al. (2002). ........................................58
Figura 5. Fluxograma do mtodo proposto. ..............................................................76
Figura 6. Localizao da rea de estudo. Fonte: Michael (2004)..............................79
Figura 7. Mapa de referncias. Fonte: Michael (2004)..............................................80
Figura 8. Distribuio geogrfica dos imveis. Elaborado pelo autor........................83
Figura 9. Grfico de disperso do Valor Unitrio e a Idade dos imveis...................85
Figura 10. Box plots do Valor Unitrio por faixas de Idade dos imveis....................85
Figura 11. Box plot do Valor unitrio para apartamentos com e sem garagem.........88
Figura 12. Box plot do Valor Unitrio por classe de padro para apartamentos. ......88
Figura 13. Box plot do Valor Unitrio por classe de padro para kitinetes. ...............89
Figura 14. Box plot do Valor Unitrio por classe de padro para casas....................90
Figura 15. Semivariograma experimental omnidirecional ou isotrpico do valor
homogeneizado por mnimos quadrados. .................................................................93
Figura 16. Box plot do valor unitrio VU por tipo de imvel.....................................100
Figura 17. Box plot do valor homogeneizado VH por tipo de imvel. ......................101
Figura 18. Semivariograma experimental isotrpico do valor homogeneizado por
regresso espacial. .................................................................................................102
Figura 19. Semivariograma experimental de VH na direo 0o (LO).......................103
Figura 20. Semivariograma experimental de VH na direo 90o (NS). ...................104
Figura 21. Curvas de isovalores da varivel VL. .....................................................106
Figura 22. Mapa de isovalores de desvio padro da krigagem. ..............................110
Figura 23. Grfico de normalidade dos resduos da regresso...............................115
Figura 24. Grfico dos resduos padronizados e valores estimados da regresso. 116
Figura 25. Box plot dos resduos da regresso por tipo de imvel..........................116
Figura 26. Grfico de disperso dos resduos padronizados e a varivel VL..........117
Figura 27. Mapa dos resduos padronizados do modelo final. ................................118
Figura 28. Mapas dos ratios de avaliao (Valor Estimado/Valor Observado)........121
viii

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

Tabela 1. Composio da amostra de mercado por tipo de imvel...........................81


Tabela 2. Freqncias das variveis dicotmicas por tipo de imvel........................86
Tabela 3. Distribuio por quartis da rea Total (em m2) por tipo de imvel.............87
Tabela 4. Resumo de variveis de tipo e construtivas dos imveis da amostra........91
Tabela 5. Diagnstico de autocorrelao espacial. ...................................................95
Tabela 6. Modelo espacial do erro. Variveis independentes. ..................................96
Tabela 7. Resultados do modelo do erro e de mnimos quadrados. .........................97
Tabela 8. Resultados do processo de homogeneizao do VU. ...............................99
Tabela 9. Parmetros do semivariograma estimado. ..............................................105
Tabela 10. Comparao das caractersticas estatsticas das malhas geradas pela
krigagem com blocos de 100*100m, 50*50m e 16*16m..........................................109
Tabela 11. Resultados da regresso por mnimos quadrados com a varivel VL...111
Tabela 12. Testes de autocorrelao espacial do novo modelo..............................112
Tabela 13. Resultados do modelo de regresso para 243 dados. ..........................113
Tabela 14. Significncia das variveis explicativas da regresso. ..........................114
Tabela 15. Testes de heterocedasticidade do modelo de regresso. .....................115
Tabela 16. Distribuio em classes dos resduos padronizados do modelo final....119
Tabela 17. Parmetros de performance da avaliao em massa. ..........................120
Tabela 18. Valores padronizados para avaliao em massa propostos pela IAAO.
................................................................................................................................120
Tabela 19. Distribuio dos ratios de avaliao em classes de valor......................122
Tabela 20. Quadro comparativo de resduos relativos. ...........................................123
Tabela 21. Distribuio de valores relativos entre valores de superfcie de tendncia
e do mtodo proposto. ............................................................................................127
Tabela 22. Valor da localizao corrigido para diferentes valores de VL. ...............128
RESUMO

Este trabalho apresenta um mtodo para a determinao do valor da localizao


dos imveis usando tcnicas de estatstica espacial. Entre todas as variveis que
influenciam no valor dos imveis, as variveis ou fatores referidos localizao
dos mesmos so as mais complexas de analisar e modelar. A multiplicidade de
fatores ambientais, sociais e econmicos que influenciam no valor dos imveis
numa determinada regio difcil de ser modelada adequadamente pelos
mtodos inferenciais tradicionais, provocando problemas de especificao nos
modelos e autocorrelao espacial nos resduos, comprometendo a confiabilidade
da avaliao. Os modelos de estatstica espacial, em especial os de regresso
espacial e os mtodos geoestatsticos so usados neste trabalho em forma
combinada para estimar o valor da localizao dos imveis. O modelo de
regresso espacial do erro utilizado para homogeneizar os valores observados
de uma amostra de mercado de imveis heterogneos e este valor
homogeneizado analisado e modelado por mtodos geoestatsticos. A krigagem
por blocos permite estimar uma varivel regionalizada que representa o valor da
localizao dos imveis. O semivariograma dos valores observados na amostra
de mercado tambm usado para a estimao da matriz de pesos do modelo de
regresso espacial. Uma aplicao do mtodo realizada para uma amostra de
mercado de dois bairros do municpio de So Jos, Santa Catarina, Brasil. O
mtodo proposto permitiu encontrar um ndice do valor da localizao dos imveis
que se mostra fortemente significativo no modelo de regresso para todos os
tipos de imveis da regio e que modela de forma coerente e consistente o efeito
do conjunto de plos de valorizao presentes na regio. A estrutura espacial do
ndice de localizao estimado elimina toda autocorrelao espacial nos resduos
do modelo de regresso melhorando o poder explicativo e a confiabilidade da
avaliao.
xi

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

Este trabajo presenta un mtodo para estimar y modelar el valor de la localizacin


en los bienes inmuebles usando tcnicas de estadstica espacial. Entre todas las
variables que influyen en el valor de los inmuebles, las variables relacionadas con
la localizacin son las ms complejas de analizar y modelar. La multiplicidad de
factores ambientales, sociales y econmicos que actan sobre el valor de los
inmuebles en una regin determinada resulta difcil de ser modelada con los
mtodos tradicionales de inferencia estadstica, provocando problemas de
especificacin del modelo y de autocorrelacin espacial en los residuos del
mismo, comprometiendo la confiabilidad de la avaluacin. Los mtodos de
estadstica espacial, en especial los modelos de regresin espacial y de
geoestadstica, son usados en este trabajo de forma combinada para estimar el
valor de la localizacin en los inmuebles. El modelo de regresin espacial del
error autocorrelacionado es utilizado para homogeneizar los valores observados
en una muestra de mercado de inmuebles con caractersticas heterogneas y
este valor homogeneizado es luego analizado y modelado por mtodos
geoestadsticos. El krigeaje por bloques permite modelar y estimar esta variable
regionalizada que representa el valor de la localizacin de los inmuebles. El
semivariograma emprico de los valores observados en la muestra de mercado
tambin es usado para estimar la matriz de pesos del modelo de regresin
espacial. Una aplicacin prctica del mtodo es realizada para una muestra de
mercado de dos barrios del municipio de So Jos, Estado de Santa Catarina,
Brasil. El mtodo propuesto permiti encontrar un ndice del valor de la
localizacin de los inmuebles que se muestra altamente significativo en los
modelos de regresin para todos los tipos de inmuebles de la regin y que modela
de forma coherente y consistente el efecto de todos los factores de valorizacin
presentes en la regin estudiada. La estructura espacial del ndice de localizacin
encontrado elimina toda la autocorrelacin espacial en los residuos del modelo de
regresin, mejorando su poder explicativo y el grado de confiabilidad de la
avaluacin.
1. INTRODUO.

Entre todas as variveis que influenciam no valor dos imveis, as


variveis ou fatores referidos localizao dos imveis so as mais complexas de
analisar e modelar.

Os fatores de localizao que participam da valorizao de um imvel so


inmeros: caractersticas da cidade e do bairro, proximidade a centros comerciais,
culturais, centros de educao, de sade, fatores de segurana pblica,
caractersticas socioeconmicas da vizinhana, proximidade a fatores ambientais
desejveis ou indesejveis, entre outros. A lista completa de fatores que
potencialmente e efetivamente interagem para valorizar uma localizao e os
imveis ali construdos pode ser extremamente ampla.

A dinmica urbana produz uma contnua mudana e mobilidade na


enumerao destes fatores: atividades comerciais que abrem ou fecham mudando
as caractersticas de uma vizinhana, novos empreendimentos econmicos e sociais
e investimentos pblicos, quase toda mudana na fisionomia urbana afeta direta ou
indiretamente o valor dos imveis localizados nas suas reas de influncia.

Os modelos de avaliao tradicionalmente utilizados na engenharia de


avaliaes apresentam algumas dificuldades para lidar com esta complexidade de
fatores.

Os modelos economtricos ou modelos hednicos de preos procuram


explicar o valor dos imveis a partir da influncia de variveis explicativas, sendo
estas geralmente classificadas como variveis construtivas ou prprias do imvel e
variveis de localizao ou de acessibilidade e vizinhana, que podem ser comuns a
um conjunto de imveis prximos entre si.

As variveis de acessibilidade so geralmente consideradas como uma


funo da distncia do imvel a um determinado plo de valorizao ou
desvalorizao. Variveis deste tipo podem no se mostrar estatisticamente
significativas num modelo de regresso por vrios motivos, desde alguns
2

relacionados com a composio da amostra, at o grau de generalidade que o plo


valorizador possa ter em relao ao conjunto de imveis de uma regio.

As variveis de vizinhana tentam medir estes efeitos desde um ponto de


vista local, definindo reas de vizinhana onde as variveis de localizao podem ter
um efeito semelhante para todos os imveis. As variveis de vizinhana podem
apresentar problemas relacionados com a definio e delimitao destas reas
homogneas. Geralmente a delimitao das mesmas definida em funo de
critrios externos a anlise dos dados de mercado como, por exemplo, usar
zoneamentos definidos para outros objetivos, nem sempre representativos de zonas
verdadeiramente homogneas, podendo isto gerar problemas de significncia destas
variveis.

As variveis ou fatores de localizao que no so corretamente


especificados e modelados podem gerar outro tipo de problemas nos modelos de
regresso. Alm da perda de poder de explicao do modelo, o tratamento
incompleto ou inadequado de fatores de localizao pode provocar a autocorrelao
espacial nos resduos do modelo. A presena de autocorrelao espacial nos
resduos invalida uma das hipteses bsicas de aplicao do modelo de regresso e
questiona a validade dos testes de hiptese da regresso tornando ineficientes as
estimativas.

Tentando encontrar solues tericas e metodolgicas para os problemas


mencionados, duas tcnicas estatsticas diferentes tm sido propostas
paralelamente para o tratamento e modelagem dos efeitos espaciais nos dados de
mercado: as tcnicas de econometria espacial ou modelos de regresso espacial e
as tcnicas geoestatsticas.

O presente trabalho prope um mtodo para a anlise e modelagem dos


fatores de localizao dos imveis utilizando em forma combinada os dois tipos de
modelos espaciais mencionados: os de regresso espacial e os geoestatsticos.

A combinao de modelos permite tratar as caractersticas de valorizao


dos imveis nas suas duas classes principais: as caractersticas construtivas e as
caractersticas de localizao. Estas duas classes de variveis geram
3

comportamentos diferenciados nos dados de mercado considerando estes como


dados geogrficos ou espacialmente distribudos.

O presente trabalho prope tambm incluir, na anlise dos fatores de


localizao de uma determinada regio, imveis de tipos diferentes, modelando a
influncia da localizao sobre cada tipo de imvel a partir da anlise dos dados de
mercado, construindo assim um modelo mais abrangente e estvel.

1.1 Hipteses.

1. O valor da localizao de um imvel, que pode ser definido como a


interao ou o efeito combinado de todos os fatores influenciantes na
vizinhana do imvel, pode ser considerado como uma varivel
regionalizada e modelado por meio da aplicao de mtodos
geoestatsticos sobre uma amostra de dados de mercado.

2. Os fatores de localizao que influenciam no valor dos imveis de uma


regio atuam sobre todos os tipos de imveis de forma semelhante, e a
influncia especfica deles para cada tipo de imvel pode ser modelada
por mtodos economtricos a partir dos dados de mercado.

3. Os modelos de regresso espacial e em particular o modelo espacial do


erro permitem estimar o efeito das variveis construtivas e das
caractersticas fsicas dos imveis possibilitando sua homogeneizao
para reduzir a heterogeneidade em relao a estas variveis em uma
amostra de dados de mercado.

4. A definio e especificao da matriz de vizinhana utilizada nos testes e


modelos de regresso espacial podem ser auxiliadas com o uso das
tcnicas geoestatsticas, especialmente a funo semivariograma, a partir
de critrios objetivos baseados nos dados de mercado.

5. Na modelagem do valor dos imveis podem ser utilizadas em forma


combinada as duas tcnicas de anlise espacial: os modelos de
4

regresso espacial e a krigagem, permitindo estimar de forma adequada


os dois tipos de fatores influenciantes no valor dos imveis: as suas
caractersticas fsicas e construtivas e as suas caractersticas de
localizao.

1.2 Objetivos.

1.2.1 Objetivo Geral.

Desenvolver um mtodo de estimao e modelagem do valor da


localizao dos imveis de uma regio a partir da anlise de dados de mercado
utilizando modelos de regresso espacial e geoestatsticos.

1.2.2 Objetivos Especficos.

Analisar a existncia de autocorrelao espacial no valor dos imveis a


partir de uma amostra de dados de mercado procurando corrigir seus efeitos na
modelagem do valor.

Desenvolver um mtodo de homogeneizao do valor dos imveis de


uma amostra de dados de mercado utilizando o modelo de regresso espacial do
erro.

Desenvolver um modelo de valor aplicvel a todos os tipos de imveis


de uma regio estimando a influncia dos fatores de localizao para cada tipo de
imvel a partir dos dados de mercado.

Desenvolver um mtodo para a definio da matriz de vizinhana


usada nos testes de autocorrelao espacial e nos modelos de regresso espaciais
utilizando a funo semivariograma.
5

1.3 Relevncia do trabalho.

A localizao , reconhecidamente, um dos principais elementos de


valorizao ou desvalorizao dos imveis.

Porm, devido multiplicidade e heterogeneidade de fatores urbanos,


econmicos e ambientais que atuam para valorizar uma determinada localizao,
assim como s dificuldades de medio e estimao dos mesmos, no h um
consenso na literatura de avaliao imobiliria sobre a melhor forma de tratamento
deste componente do valor.

A dependncia espacial existente no valor dos imveis, produzida


principalmente pelos fatores de localizao, tem mostrado que as tcnicas
tradicionais de inferncia estatstica podem levar a resultados ineficientes na
presena de autocorrelao espacial dos resduos dos modelos, levando a procurar
e pesquisar as tcnicas de estatstica espacial para o tratamento de dados do
mercado imobilirio. Duas grandes escolas metodolgicas de estatstica espacial
tm sido propostas: a que prope usar mtodos de econometria espacial e a que
prope usar mtodos geoestatsticos, tentando modelar estes efeitos.

Ambas metodologias apresentam vantagens e desvantagens,


potencialidades e limitaes para sua aplicao nos modelos de valor dos imveis,
sendo atualmente temas de estudo e pesquisa na comunidade cientifica, sem que
ainda se tenha alcanado um consenso ou concluso sobre a superioridade ou
melhor adequao de uma delas na rea de avaliao imobiliria.

O presente trabalho procura apresentar uma contribuio e um aporte


nesta discusso, analisando a adequao das duas metodologias espaciais na rea
de Engenharia de Avaliaes e propondo uma combinao delas para estimar o
valor da localizao dos imveis e a avaliao em massa de imveis.

Espera-se com este trabalho contribuir na compreenso e estimao de


um dos fatores mais importantes nas avaliaes em massa de imveis, o valor da
localizao, superando as deficincias e limitaes que os mtodos utilizados at o
6

presente tm apresentado. Como uma das aplicaes importantes, espera-se


contribuir na definio de uma metodologia de elaborao de Plantas de Valores
Genricos de imveis de acordo com valores de mercado.

1.4 Estrutura do trabalho.

O presente trabalho encontra-se estruturado em seis captulos.

O primeiro captulo trata da introduo, das hipteses e objetivos da tese


e da relevncia do trabalho.

No segundo captulo so revisados os principais conceitos referidos ao


mercado imobilirio, suas caractersticas, o conceito de valor dos imveis, a
diferena entre os conceitos de valor e preo. So tambm analisados os principais
modelos propostos para estimao do valor de mercado dos imveis, os principais
fatores influenciantes no valor, as vantagens e desvantagens dos modelos mais
comumente usados. Uma anlise especial dedicada aos fatores de valorizao
devidos localizao dos imveis e a forma que estes fatores so incorporados nos
modelos de valor, analisando as deficincias destes tratamentos.

No terceiro captulo so revisados os conceitos de estatstica espacial e


suas duas grandes vertentes: a econometria espacial e a geoestatstica. Os
principais conceitos e as aplicaes desenvolvidas na rea de engenharia de
avaliao imobiliria so revisados.

O quarto captulo prope um mtodo para estimao e modelagem do


valor da localizao dos imveis utilizando tcnicas de estatstica espacial. O
mtodo prope a utilizao combinada de tcnicas de regresso espacial e de
krigagem a partir da anlise de dados de mercado.

No quinto captulo realizada uma aplicao do mtodo proposto. A partir


de uma pesquisa de mercado so aplicados os procedimentos propostos para a
estimao do valor da localizao e os resultados do modelo final de avaliao so
7

analisados em funo de parmetros de performance para avaliaes em massa.


Com o modelo estimado realizada uma aplicao calculando uma Planta de
Valores Genricos para a rea de estudo.

No sexto captulo so apresentadas as concluses e recomendaes


para futuros trabalhos.
2. O VALOR DOS IMVEIS.

2.1. Mercado imobilirio e valor dos imveis.

Segundo a ASSOCIAO BRASILEIRA DE NORMAS TCNICAS NBR


14653-1 (2001) a Engenharia de Avaliaes constitui um conjunto de conhecimentos
tcnico-cientficos especializados aplicados avaliao de bens. Na rea de
avaliao imobiliria o objetivo a determinao do valor de mercado dos bens
imveis. O valor de mercado definido como a quantia mais provvel pela qual se
negociaria voluntariamente e conscientemente um bem, numa data de referencia,
dentro das condies do mercado vigente.

Segundo Dantas (1998) o mercado imobilirio compe-se de trs


elementos: os bens levados a mercado, as partes desejosas em vend-los e as
partes interessadas em adquiri-los.

Para Gonzalez (1996a e 1996b), as caractersticas prprias de


imobilidade e a baixa elasticidade na produo e renovao dos bens imveis,
fazem do mercado imobilirio um mercado claramente imperfeito. Dantas (1998)
argumenta que em relao aos participantes do mercado, compradores e
vendedores, o mercado imobilirio geralmente dominado por uma grande parte de
agentes, incorporadores, empreendedores, que concorrem entre si, formando um
oligoplio.

Estas caractersticas fazem com que os preos praticados num mercado


sejam mais distantes do valor de mercado quanto mais oligoplico seja o mercado.

2.1.1 Valor de mercado e preo.

O preo, segundo a ASSOCIAO BRASILEIRA DE NORMAS


TCNICAS NBR 14653-1 (2001) a quantia pela qual se efetua ou se prope
efetuar uma transao envolvendo um bem, um fruto ou um direito sobre ele.
9

Segundo Dantas (1998) comum confundir o valor de mercado com o


preo de um bem imvel. O preo pode ser inferior ou superior ao valor de mercado,
dependendo de circunstncias particulares da negociao, como a urgncia do
vendedor ou do comprador para realizar a transao. Contudo, como os preos
praticados pelo mercado podem estar ora abaixo, ora acima do valor de mercado, na
prtica estima-se o valor de mercado como a mdia dos preos.

O mtodo comparativo de dados de mercado, usado prioritariamente na


Engenharia de Avaliaes, busca encontrar uma relao entre os preos que so
praticados no mercado e as diversas caractersticas dos imveis que determinam o
valor dos mesmos.

Porm, esta relao no determinstica seno aleatria. Imveis com


caractersticas individuais semelhantes podem ter preos de venda diferentes por
diversas razes. Portanto, para um mesmo elemento do domnio da funo do valor
poderiam existir vrios elementos da imagem da mesma, o que torna a relao entre
os preos e as caractersticas influenciantes de carter aleatrio.

O valor de mercado pode ser considerado uma varivel aleatria cuja


estimao pontual feita pela mdia dos preos praticados no mercado.

A condio fundamental para a aplicao do mtodo comparativo de


dados a existncia de um conjunto de dados que possa ser tomado,
estatisticamente, como uma amostra representativa do mercado.

A principal informao de referncia ou base de comparao do valor de


mercado dos imveis a dos preos de venda efetivamente realizadas num
determinado perodo de tempo e numa determinada regio.

As ofertas de imveis venda tambm fazem parte da base de dados de


comparao, porm eles contm um fator de diferena em relao ao eventual valor
de venda no mercado, que a margem de negociao embutida no preo de oferta.
Toda oferta inclui uma margem do valor sujeita a negociao que ser explorada
pelos eventuais interessados na negociao.
10

A literatura de Engenharia de Avaliaes aponta a preferncia pelo uso de


dados de vendas reais antes que o uso de ofertas por serem considerados melhores
indicadores do verdadeiro valor de mercado dos imveis. No entanto, a falta de
acesso a reais informaes deste e a falta de confiana nos valores declarados nas
transaes leva, na maioria dos casos, ao uso de dados de ofertas como massa de
dados principal nas avaliaes.

Os valores de ofertas podem ser considerados aproximaes do valor de


mercado dos imveis, mas para isto deve ser considerada a margem erro contida
neste tipo de dados. As ofertas geralmente tm embutidas no seu valor duas
possveis fontes de diferena em relao ao valor de mercado. Uma delas a
estimao pelo vendedor do valor de mercado do imvel; a outra o valor
adicionado na oferta como margem de negociao entre vendedor e comprador.
Nenhuma destas duas possveis fontes de diferena pode ser conhecida a priori pelo
avaliador que utiliza esta informao de mercado como parte da sua amostra. Elas
dependem de fatores subjetivos como o grau de conhecimento do mercado e as
expectativas do vendedor, a sua urgncia em realizar a venda, entre outros fatores.
Um vendedor necessitado de vender de forma rpida, colocar uma margem de
negociao menor, para a oferta resultar mais atrativa frente a outras. Um vendedor
sem urgncia na venda pode colocar uma margem maior buscando maximizar seu
lucro.

Toda venda efetivamente realizada inclui uma negociao particular entre


vendedor e comprador, onde tambm operam vrios fatores subjetivos. Desta
negociao resultar o preo final da venda. Por esta razo o preo de venda e o
valor de mercado podem ser diferentes.

A pesar das possveis diferenas entre o valor de oferta e o valor de


mercado, na prtica de avaliao imobiliria muitas vezes devem ser usados como
fontes de informaes os dados de oferta de imveis como informao de referncia
do seu valor de mercado, devendo considerar-se e estimar tambm a margem mdia
de negociao embutida no seu valor.
11

Os dados de oferta so uma fonte de informao pblica e numerosa e


que reflete as tendncias reais do mercado imobilirio.

Pode se dizer ento que o preo de oferta de um imvel uma varivel


proxy do seu valor de mercado.

2.1.2 Importncia da avaliao do valor de mercado e sua variao.

O conhecimento do verdadeiro valor de mercado dos imveis de uma


regio interessa a muitos participantes da sociedade.

Desde os prprios participantes individuais no mercado como


compradores e vendedores, passando pelos agentes comerciais permanentes do
mercado, como imobilirias, investidores, empresas construtoras, at os rgos
pblicos (prefeituras municipais) que tm parte da sua receita originada no valor de
mercado dos imveis e que por meio das suas obras pblicas podem influenciar
naquele mercado.

As prefeituras so responsveis pela aplicao dos impostos sobre a


propriedade e a transferncia imobilirias (Imposto Predial e Territorial Urbano,
IPTU, e Imposto sobre a Transmisso de Bens Imveis, ITBI) e das Contribuies de
Melhoria, tributo aplicvel no caso de valorizao imobiliria advinda de
investimentos pblicos quando comprovada esta ligao. Para realizar a gesto
destes tributos precisam periodicamente da avaliao em massa de todos os
imveis da regio.

A pesar da importncia reconhecida de contar com Plantas de Valores


Genricos (PVG) atualizadas, sua implementao prtica apresenta importantes
dificuldades tcnicas, principalmente devido a problemas de metodologia aplicada,
de disponibilidade de informaes atualizadas e de acesso e domnio de
ferramentas de anlise e modelagem apropriadas.
12

Vrios agentes sociais e econmicos, portanto, esto interessados em


conhecer o valor de mercado dos imveis de uma regio mantendo atualizada essa
informao.

2.2. Modelos de valor.

2.2.1 Fatores influenciantes no valor.

Tradicionalmente na literatura de avaliao de imveis so considerados


como principais fatores influenciantes na explicao do valor dos imveis os fatores
de vizinhana, de acessibilidade e as caractersticas prprias construtivas do imvel
(Can, 1990). Alm desses fatores principais tambm so considerados como
importantes outras informaes como a poca da avaliao, a economia geral da
regio, as leis vigentes (tributrias, de planejamento e gesto urbana) e a situao
legal do imvel, entre outras.

Os modelos de valor, que expressam a relao do valor como varivel


dependente com os fatores influenciantes como variveis independentes, tm sido
tradicionalmente tratados por mtodos economtricos e so chamados modelos
hednicos de preos, onde o peso relativo de cada varivel explicativa no valor total
do imvel modelado por regresso mltipla.

Segundo Goodman e Thibodeau (1995 e 1997) a equao geral de


preos hednicos de imveis pode ser expressa da seguinte forma:

V = f(L,S,N,P,t)

Onde V o valor estimado de mercado, L representa as variveis


caractersticas do lote, S corresponde s variveis estruturais ou construtivas do
imvel, N representa as variveis correspondentes vizinhana, P corresponde as
variveis de proximidade ou distncia a pontos de valorizao importantes e t
corresponde ao perodo de tempo em que a avaliao realizada.
13

2.2.2 Modelos aditivos e multiplicativos.

Os modelos de valor dos imveis podem ser classificados como modelos


aditivos, multiplicativos e mistos.

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 = VTerreno + VConstruo

Os modelos aditivos tm sido amplamente usados na literatura de


avaliao imobiliria.

A avaliao de um imvel como a soma de uma parte correspondente ao


terreno e outra correspondente construo muito utilizada nas avaliaes em
massa de imveis para fins tributrios. Porm, os modelos aditivos pressupem
independncia entre os termos somados da equao. O valor do imvel como a
soma do terreno e da construo implica que os valores da construo e do terreno
so independentes entre si e esta hiptese considerada altamente restritiva e
inadequada com a realidade do mercado imobilirio (Chica Olmo, 1994, Dantas,
1998, Cano Guervs, 1999, Gloudemans, 2002).

A hiptese de independncia implica tambm que os fatores de


localizao influenciariam apenas o valor do terreno e no o valor da construo e
ento o valor de uma determinada construo edificada sobre um terreno no
depende do valor do terreno nem da localizao, concluso que no corresponde
realidade do mercado imobilirio.

Os modelos multiplicativos, por outro lado, modelam o valor do imvel por


meio do produto de fatores:

Vtotal = F1*....*Fn
14

Podem tambm ser estimados por regresso mltipla considerando como


varivel dependente o logaritmo do valor do imvel:

Log (Vtotal) = Log (F1*....*Fn)

Log (Vtotal) = Log F1 + .... + Log Fn

Uma das importantes vantagens dos modelos multiplicativos sobre os


aditivos se encontra em que os primeiros permitem analisar a interao entre
variveis independentes (Dantas, 1998). Segundo este autor, uma das vantagens
que apresenta a transformao logartmica da varivel dependente e pela qual ela
muito utilizada nos modelos de regresso de valor dos imveis, que ela permite a
construo de modelos multiplicativos.

Os modelos multiplicativos permitem tambm encontrar um mtodo para


homogeneizar os dados de mercado, como pode ser verificado em Lima (1995),
Dantas (1998) e Gmez Martinez et al. (2000).

Outra caracterstica diferencial entre modelos o tipo de imvel que


tentam analisar. Enquanto na maioria dos trabalhos cientficos publicados a amostra
de dados de mercado pertence apenas a um tipo especfico de imveis, por
exemplo, somente terrenos ou apartamentos, alguns estudos propem a modelagem
conjunta para diversos tipos de imveis no mesmo modelo.

Os modelos multiplicativos mostram-se mais apropriados para a


modelagem conjunta de vrios tipos de imveis.

Segundo Gloudemans et al. (2002) os modelos de avaliao para


terrenos so comparativamente mais problemticos e tm menor preciso que os
modelos para imveis construdos, especialmente nas reas muito urbanizadas e de
maior valorizao. Geralmente os terrenos so escassos e existem muitos
interessados em adquir-los (especuladores, empresas construtoras e empresas
comerciais) fazendo seus preos terem maior varincia. Os modelos que combinam
terrenos e construes permitem obter vantagens quanto ao tamanho da amostra e
estabilidade dos modelos, particularmente em reas muito urbanizadas. O estudo
15

desses autores analisa se os modelos combinados tm a mesma capacidade de


predio que os modelos separados. Para isso considera trs amostras de dados de
mercado pertencentes a trs reas da cidade de Edmonton, Alberta, Canad. A
cidade de Edmonton dividida em 11 reas para fins de avaliao. As trs amostras
contm 1345, 2549 e 4571 dados de imveis, sendo terrenos o 31.2%, 15.7% e
20.5% respectivamente.

O estudo conclui que os modelos combinados permitem avaliar terrenos e


construes sem perda significativa de preciso em relao aos modelos separados
obtendo maior estabilidade. Para isto devem ser includas no modelo variveis que
diferenciam os terrenos dos imveis construdos.

Gloudemans (2002) tambm apresenta um estudo onde so includos no


mesmo modelo diferentes tipos de imveis, terrenos e construes. O estudo inclui
imveis que pertencem a trs cidades: Jefferson County (Denver, Colorado),
Clareview (Edmonton, Alberta) e Ada County (Idaho). As amostras de imveis so
de 4836, 4382 e 12821 imveis respectivamente, com porcentagens de terrenos
sobre o total da amostra de 4.5%, 20.5% e 14.6% respectivamente. As variveis de
localizao so classificadas em variveis de vizinhana (zonas homogneas) e
variveis de acessibilidade e so testados 5 modelos que incluem a todos os imveis
da amostra. O objetivo do estudo analisar se as variveis de localizao
influenciam da mesma forma aos terrenos e aos imveis construdos.

O estudo conclui que a modelagem conjunta de terrenos e construes


permite obter resultados de maior estabilidade e confiabilidade, principalmente no
caso dos terrenos, que constituem em geral um tipo de imvel que difcil de
encontrar em quantidade suficiente para modelagem nos grandes centros urbanos,
dificultando sua correta avaliao. O estudo conclui tambm que uma porcentagem
de terrenos de 4.5% da amostra foi suficiente para obter um modelo geral de
avaliao adequado, sem perda de preciso.
16

2.2.3 Limitaes dos modelos hednicos no tratamento dos efeitos de


localizao.

As limitaes mais importantes encontradas nos modelos tradicionais de


avaliao de imveis por regresso encontram-se no tratamento apropriado das
variveis de localizao e na falta de considerao dos efeitos espaciais nos
resduos do modelo.

As variveis de localizao, por serem de difcil enumerao e


delimitao, podem provocar problemas de diversa ndole nos modelos de
regresso. Tradicionalmente as variveis de localizao so incorporadas nos
modelos de duas formas: como variveis de vizinhana, definindo zonas
consideradas homogneas quanto s suas caractersticas de localizao ou como
variveis de acessibilidade considerando a distncia a pontos ou centros de
valorizao.

As duas formas de considerar estas variveis apresentam dificuldades de


considerao nos modelos de regresso: por um lado, as zonas homogneas so
difceis de delimitar com eficincia e critrios objetivos (Gonzalez, 2000). Muitas
propostas tm sido desenvolvidas para superar este obstculo mas continuam sendo
de difcil aplicao. Exemplos disto podem ser encontrados no uso de Anlise
Multivariada para o estudo de zonas homogneas feito por Can (1990) e na proposta
de zoneamento de uma cidade realizada por Cano Guervs (1999). Silva et al.
(2004) propem um mtodo de definio de zonas homogneas apoiado em
Sistemas de Informaes Geogrficas (SIG) usando informaes sobre
caractersticas construtivas dos imveis, qualidade dos servios pblicos e anlise
de valores de mercado dos imveis.

Muitas vezes so utilizadas como supostas regies homogneas as


divises geogrficas provenientes de outros fins como, por exemplo, limites de
bairros, distritos ou setores. Porm, esta diviso dificilmente resulta em
homogeneidade real, dificultando assim a significncia estatstica das variveis
construdas. Por outro lado, mesmo seguindo critrios objetivos para a definio e
delimitao das zonas homogneas, se estas regies forem geograficamente
17

extensas a homogeneidade no ser significativa e se forem muito pequenas pode


no haver dados suficientes de mercado para serem analisadas nas equaes de
regresso. Estas dificuldades produzem outro tipo de problemas nos modelos
hednicos: a representao inadequada dos fenmenos de localizao pode levar
autocorrelao espacial dos resduos, afetando assim toda a anlise estatstica.

Por outro lado, a considerao de variveis de distncia a plos de


valorizao enfrenta problemas similares. A definio do alcance efetivo de
influncia de cada plo valorizador, a forma funcional da variao do valor com a
distncia, a existncia de anisotropia no efeito de um plo valorizador e a quantidade
de dados de mercado podem afetar a significncia estatstica dos plos de
valorizao de uma regio. Estes problemas tambm podem produzir erros
autocorrelacionados espacialmente, questionando a validade do modelo de
regresso.

Segundo Dantas et al. (2002) quando se trabalha com dados de corte


transversal como no caso dos modelos hednicos estimados para o mercado
imobilirio, no tem sentido testar a autocorrelao serial dos resduos, sendo sim
este cuidado indispensvel nos dados de sries temporais. Mas quando se trabalha
com dados distribudos espacialmente, como o caso dos dados imobilirios,
podem surgir erros de medio em relao localizao exata do imvel assim
como efeitos de interao e difuso espaciais. Estes efeitos causam um fator
adicional que deve ser considerado no modelo de regresso tradicionalmente
utilizado na Engenharia de Avaliaes: a autocorrelao ou dependncia espacial.
No considerar estes efeitos, como rotineiramente vem ocorrendo na avaliao
imobiliria, pode gerar problemas srios no modelo, pois a presena de
autocorrelao espacial nos resduos provoca ineficincia nos parmetros estimados
e os testes de significncia e intervalos de confiana no so mais vlidos, podendo
as decises tomadas com base neles serem enganosas.

Desta forma, a dependncia espacial dos valores observados em relao


aos valores dos imveis vizinhos provocar um erro de especificao no modelo,
pela excluso de uma varivel independente importante que far as avaliaes
tendenciosas e inconsistentes.
18

Ainda, segundo os mesmos autores, existem fortes razes para aceitar a


hiptese de autocorrelao ou dependncia espacial nos dados de mercado
imobilirio: em primeiro lugar porque os imveis construdos num bairro determinado
de uma cidade apresentam caractersticas estruturais semelhantes (tamanho,
projeto arquitetnico, entre outras) em virtude que os imveis existentes influenciam
na construo de novas unidades; em segundo lugar, porque os imveis que
pertencem ao mesmo bairro dividem questes locais de convivncia como servios
de policia, escolas e reas de lazer. As caractersticas estruturais so relativamente
fceis de medir e contemplar nos modelos hednicos. A medio das caractersticas
de localizao bem mais complexa. No entanto elas so muito importantes na
formao dos valores e devem ser incorporadas no modelo.

Segundo Pace et al. (1998) as avaliaes feitas com base em tcnicas de


estatstica espacial, como por exemplo a metodologia de regresso espacial,
apresentam melhor capacidade de previso desde que consigam captar os efeitos
locais das caractersticas omitidas no modelo tradicional. A Engenharia de
Avaliaes tem utilizado historicamente ferramentas desenvolvidas para
observaes no correlacionadas, quando na realidade muitas vezes os resduos de
regresso mostram valores semelhantes em forma de clusters quando localizados
espacialmente, especialmente ao longo de ou prximos aos plos de valorizao.

Mas no necessariamente em todos os casos os modelos espaciais tero


melhor desempenho que os modelos de regresso tradicional. Quando a estrutura
de autocorrelao espacial dos dados for fraca ou for possvel de ser considerada
atravs de variveis de acessibilidade simples, os modelos espaciais podem no
apresentar vantagens em relao com os modelos no espaciais (Gao et al., 2002).

Segundo Malpezzi (2002) uma das reas mais promissoras para o


desenvolvimento terico e prtico dos modelos hednicos est relacionada com a
modelagem da estrutura de autocorrelao espacial e o uso da tecnologia de
Sistemas de Informaes Geogrficas, especialmente em aplicaes orientadas s
avaliaes em massa de imveis.
19

2.2.4 Anlise de performance nas avaliaes em massa.

As avaliaes em massa de imveis devem cumprir algumas condies


de performance para serem consideradas de boa qualidade. Estas condies
evidentemente esto relacionadas com o grau de aderncia que os valores
calculados pelo modelo e os valores reais de mercado apresentam. Quanto mais
prximos estejam os valores calculados pelo modelo dos valores observados no
mercado melhor ser a qualidade da avaliao. Geralmente as medidas de
performance referem-se pelo menos a dois tipos de qualidade: medidas de
performance global da avaliao e medidas relacionadas com a equidade e
uniformidade.

Segundo Davis (2001) o parmetro mais usado como medida de


performance global de uma avaliao a mediana das razes de avaliao. Dada
uma observao com valor de mercado (PO) e valor calculado pelo modelo (PC),
chama-se razo de avaliao ou ratio de avaliao ao quociente:

R = PC/PO

Segundo este autor a mediana das razes a medida recomendada pela


IAAO (International Association of Assessing Officers) para monitorar a performance
global de uma avaliao. Outro parmetro que pode ser usado a mdia ponderada
das razes, que obtida dividindo a soma dos valores calculados pela soma dos
valores observados.

Em relao aos parmetros de disperso da avaliao, a medida mais


comumente usada para avaliar a uniformidade de uma avaliao o chamado
Coeficiente de Disperso ou COD.

O COD obtido da seguinte maneira:

1) diminui-se de cada razo de avaliao a mediana de todas as razes;

2) tomado o valor absoluto das diferenas anteriores;

3) calcula-se a mdia dos valores absolutos;


20

4) divide-se a mdia anterior pela mediana das razes de avaliao;

5) multiplica-se por 100.

Como o COD afetado sensivelmente por valores extremos das razes


de avaliao, a amostra deve ser saneada dos elementos extremos. Segundo Davis
(2001), quando esta medida comeou a ser utilizada era calculada sobre o intervalo
interquartil dos ratios da amostra (50% central dos dados), no sendo portanto
necessrio eliminar pontos atpicos. Posteriormente foi utilizado um intervalo
ampliado calculado multiplicando o intervalo interquartil por 1.5 ou por 3 para definir
os valores limites de ratios a considerar na anlise.

O COD referido como uma medida de disperso horizontal. Ele


proporciona informao sobre a uniformidade da avaliao dos imveis em toda a
rea de estudo.

Um outro ndice especializado pode ser definido para medir a equidade


vertical da avaliao. Ele chamado de Diferencial Relativo ao Preo ou PRD (sigla
de Price Related Differential) e serve para detectar diferenas sistemticas na forma
que so avaliados os imveis de alto e de baixo valor. Quando os imveis de baixo
valor so avaliados como uma porcentagem maior do valor de mercado que os
imveis de alto valor, a avaliao chamada regressiva. No caso contrrio a
avaliao chamada progressiva. O PRD calculado dividindo a mdia das razes
de avaliao pela sua mdia ponderada.

Os valores recomendados para a mediana das razes de avaliao


(Davis, 2001) esto no intervalo de 0.90 e 1.10. Quanto aos valores considerados
ideais para o coeficiente COD, so recomendados valores menores a 10 para
imveis residenciais em reas muito homogneas, menores a 15 para imveis
residenciais em reas heterogneas e menores a 20 para terrenos baldios. Quanto
ao parmetro PRD o intervalo recomendado entre 0.98 e 1.03. Valores menores a
0.98 sugerem progressividade e valores maiores que 1.03 sugerem regressividade
na avaliao.
21

2.2.5 O uso de informaes georreferenciadas nas avaliaes em massa.

Nos ltimos anos, o crescente uso de Sistemas de Informaes


Geogrficas (SIG) no gerenciamento das informaes cadastrais municipais tem
possibilitado a utilizao de ferramentas de anlise espacial e de tcnicas
geoestatsticas que os SIG disponibilizam.

Estas ferramentas, at agora escassamente utilizadas na rea de


avaliao imobiliria e na elaborao das Plantas de Valores Genricos, podem
contribuir grandemente na qualidade dos resultados alcanados, atingindo de forma
mais adequada algumas das metas almejadas pelas administraes municipais, de
gerenciar as receitas tributrias garantindo uma maior justia e equidade fiscal
(Liporoni, 2003).

A nvel nacional e internacional existe uma tendncia crescente em


relao ao uso das capacidades de anlise dos SIG na considerao de fenmenos
espaciais de todo tipo, inclusive na rea de avaliao imobiliria, como mostram os
trabalhos de Rodriguez et al. (1995), Bible e Hsieh (1996), Clapp et al. (1997), Can
(1998), Thrall (1998), Anselin (1998a), Gonzalez (2000), Rivero e Velazquez (2002),
McCluskey et al. (2002), Caballer et al. (2002), Silva et al. (2004), Michael (2004). Os
SIG permitem realizar diversas anlises exploratrias dos dados, descobrindo
padres espaciais, possveis agrupamentos, regies homogneas, pontos atpicos e,
no apoio modelagem, permitem construir variveis geograficamente definidas por
meio de operaes, como medio de distncia a plos de valorizao, criao de
regies espacialmente definidas, entre outras variveis que podem ser integradas
aos modelos de inferncia estatstica.

2.3. O Fator Localizao.

2.3.1 Localizao e Valor da localizao.

A localizao de um imvel est determinada pela sua delimitao


espacial nica no espao urbano. Se considerado um sistema de coordenadas
22

geogrficas ou geodsicas que identifica cada ponto da superfcie terrestre com um


conjunto de valores de coordenadas correspondentes, a localizao de um imvel
pode ser definida por meio das coordenadas que delimitam fisicamente o imvel. Se
considerarmos apenas a representao plana dos imveis, ou seja, a sua projeo
sobre uma superfcie bidimensional, pode-se representar a localizao do imvel
como o conjunto de pontos que delimitam o imvel ou at como um nico ponto
situado dentro do lote ao qual pertence o imvel, por meio de um par de
coordenadas planas.

A localizao de um imvel define-se conceitualmente tambm, alm das


coordenadas no sistema definido, pela sua relao espacial ou interao com toda a
estrutura urbana prxima ao imvel, ou seja, com a vizinhana. Alm das suas
coordenadas absolutas, as caractersticas da vizinhana e a relao e proximidade
aos centros comerciais, culturais, econmicos e de transporte fazem parte da
definio e caracterizao de uma localizao.

O valor de uma localizao pode ser definido como a parte do valor de um


imvel que depende apenas da sua localizao, descontando do seu valor total os
componentes devidos ao tipo e as caractersticas construtivas do imvel.

2.3.2 Acessibilidade e vizinhana.

A localizao de um imvel definida, na literatura de avaliao


imobiliria, geralmente por duas caractersticas: acessibilidade e vizinhana.

Acessibilidade se refere geralmente facilidade de acesso ou a distncia


de pontos importantes da estrutura urbana. a acessibilidade a pontos importantes,
como centros comerciais, educacionais e vias de transito importantes. Vizinhana se
refere qualidade da vizinhana do imvel. A qualidade da vizinhana uma
varivel no observvel diretamente que geralmente medida por meio de variveis
socioeconmicas proxy como renda mdia da populao ou nvel educacional
mdio.
23

Segundo Dubin (1992) o principal fator determinante do valor dos imveis


a sua localizao. A qualidade da vizinhana do imvel e as suas caractersticas
de acessibilidade, componentes bsicas da definio de localizao, devem afetar
diretamente o preo dos imveis. Porm, a evidncia emprica obtida e mostrada
nos resultados de grande parte dos estudos realizados utilizando modelos hednicos
mostra resultados contraditrios ou pouco conclusivos neste sentido, com poucos
exemplos de coeficientes significativos nas variveis ligadas vizinhana e
acessibilidade, quando no resultados incoerentes no sinal esperado dos
parmetros correspondentes da regresso.

Segundo o mesmo autor, a forma tradicionalmente utilizada nos estudos


de modelos hednicos para estimar a acessibilidade de um imvel incluir, como
varivel explicativa nos modelos, uma varivel distncia ao plo de valorizao
principal da cidade para ser testada sua significncia como varivel da regresso.
Este procedimento leva implcita a hiptese de que a cidade monocntrica, ou
seja, que existe somente um centro principal de valorizao. Os modelos assim
obtidos tm mostrado resultados contraditrios por causa da especificao dos
modelos. As cidades so policntricas ao invs de monocntricas.

Estudos levando em considerao a natureza policntrica das cidades


tm obtido melhores resultados, encontrando-se evidncia de que vrios plos
secundrios como escolas, universidades, centros de trabalho, centros comerciais,
shoppings, vias de transporte principais, entre outras, influenciam diretamente o
valor dos imveis prximos a eles. Esta possvel influncia deve ser testada medindo
a distncia dos imveis a cada um deles testando sua significncia como varivel
explicativa nos modelos hednicos.

Por outro lado, a evidncia emprica de resultados obtidos em relao aos


possveis efeitos da vizinhana no valor dos imveis tambm variada. Os estudos
tm mostrado resultados contraditrios quanto ao sinal e significncia destes
regressores nos modelos hednicos.

Segundo Dubin (1988) um dos motivos para esta falta de resultados


positivos encontra-se na dificuldade de medir objetivamente a varivel qualidade da
24

vizinhana. Considerando que ela no uma varivel diretamente observvel, no


existe consenso sobre quais seriam as melhores variveis proxy para represent-la.

Orford (1999) sublinha a importncia de incluir as caractersticas locais da


vizinhana, caractersticas naturais, paisagsticas, qualidade ambiental entre outras,
nos modelos de regresso hednicos. O autor prope que a avaliao da influncia
de algumas caractersticas tais como acesso a parques, escolas, universidades,
assim como a influncia de regies no residenciais pode ser realizada com o apoio
de Sistemas de Informaes Geogrficas para a pesquisa exaustiva destes
possveis efeitos. Ele prope tambm uma classificao de diferentes fatores que
influenciam na qualidade de uma vizinhana, classificando estes elementos em trs
nveis de abrangncia ou generalidade: nvel do imvel, nvel do logradouro e nvel
da vizinhana. Com o apoio de um SIG prope medir de forma automatizada as
distncias a vrios possveis plos de valorizao e construir desta forma fatores de
localizao que seriam testadas posteriormente no modelo de regresso.

2.3.3 Modelagem da localizao nos modelos hednicos.

Na estimao do valor dos imveis por modelos hednicos as variveis de


localizao so classificadas geralmente em variveis de distncia (para as
caractersticas de acessibilidade) e variveis de zonas homogneas (para as
caractersticas qualitativas de vizinhana), entre outras possveis, como descritas a
seguir.

As variveis de tipo distncia so consideradas em relao aos possveis


centros de valorizao de uma regio. A principal dificuldade de usar este tipo de
variveis reside em que a influncia real destes fatores pode ter um efeito geogrfico
limitado. A partir de certa distncia, o efeito de um plo valorizador pode ser nulo ou
imperceptvel. Definir a priori esta distncia mxima impossvel sem uma anlise
emprica dos dados de mercado. Outra dificuldade est em modelar a forma de
variao funcional do valor com a distncia. As formas funcionais mais utilizadas so
as seguintes: diminuio linear com a distncia, diminuio logartmica, inversa da
distncia, inversa da distncia ao quadrado. A escolha entre estas formas requer
25

uma anlise dos dados de mercado, porm muitas vezes modelos so adotados de
forma arbitrria pelo avaliador.

Estes fatores podem introduzir erros no modelo de regresso e falta de


significncia estatstica de variveis importantes. Outra limitante de usar variveis de
tipo distncia a plos de valorizao a possvel multicolinearidade de variveis
independentes, pois geralmente uma mesma regio tende a concentrar a presena
de vrios plos de atratividade, conformando-se centros e subcentros de
valorizao; as variveis de tipo distncia podem estar ento correlacionadas,
impedindo sua utilizao como variveis independentes na regresso.

As variveis de tipo vizinhana ou zona homognea definem-se para


regies teoricamente homogneas quanto as suas caractersticas qualitativas de
localizao. Elas podem ser definidas em base a informaes sociais, econmicas,
ambientais, e existem propostas de utilizar os SIG para sua anlise e definio (Silva
et al., 2004). As limitaes que apresentam este tipo de variveis so as seguintes: a
definio objetiva dos limites destas zonas, geralmente baseada em setores
definidos para outros objetivos; a validade da hiptese de homogeneidade ao interior
destas regies, pois esta hiptese representa uma simplificao que pode ser
excessiva; mesmo dividindo em regies pequenas, a pergunta que subsiste se
elas podem ser consideradas com um valor de localizao constante em todos seus
pontos. Desde o ponto de vista da aplicao deste conceito, vrios estudos
realizados utilizando variveis de vizinhanas em modelos hednicos, com amostras
de grande tamanho, tm mostrado resultados positivos, trabalhando com um grande
nmero de setores homogneos como variveis dicotmicas. O uso de variveis
dicotmicas permite avaliar a mdia de valorizao de cada regio ou vizinhana. A
principal dificuldade para poder usar este tipo de modelagem consiste em que so
necessrias amostras de grande tamanho; para trabalhar com zonas realmente
homogneas as amostras devem conter centenas ou milhares de dados; tamanho
disponvel em muitas cidades dos Estados Unidos de Amrica onde este mtodo
utilizado, mas de difcil aquisio em outras partes do mundo como no Brasil.

Tambm so utilizadas variveis socioeconmicas como variveis proxy


do valor da localizao: renda mdia das famlias ou per cpita, nvel de
26

escolaridade, entre outras, so definidas para regies consideradas homogneas;


este tipo de varivel apresenta as mesmas limitaes que as variveis de zonas
homogneas: definio do suporte espacial e homogeneidade real.

As variveis de tipo zona fiscal so semelhantes s zonas homogneas,


geralmente so extradas dos cadastros fiscais existentes, criam-se zonas fiscais
com um valor venal teoricamente homogneo. Estas variveis tm os erros
provenientes dos cadastros existentes, que podem estar desatualizados ou mal
calculados, alem de existir o problema de definio de limites arbitrrios para estas
zonas.

Finalmente existem tambm variveis construdas por Anlise Fatorial:


Anlise de Componentes Principais ou Anlise de Correspondncias, a partir de um
conjunto de variveis que representam caractersticas da vizinhana ou
socioeconmicas. Estas variveis apresentam o mesmo problema de definio do
suporte de medio, alm da disponibilidade real de informao completa e
abrangente. Entre as vantagens destas variveis est a reduo da dimenso
localizao a um nmero pequeno de fatores, permitindo sua utilizao em modelos
hednicos para amostras de tamanho reduzido, desde que poucos fatores podem
expressar a informao contida numa grande quantidade de caractersticas de
localizao.

O problema do tamanho da amostra um problema srio inclusive onde


existe disponibilidade para trabalhar com amostras de grande tamanho, pois
acontece geralmente que alguns tipos de imveis no sejam comercializados com
tanta freqncia. O caso mais comum o caso de terrenos em reas densamente
urbanizadas. Geralmente existem poucos terrenos livres, o que dificulta conseguir
uma quantidade mnima de dados para poder modelar os efeitos de localizao, por
exemplo.

Segundo Chica Olmo (1994) os fatores de localizao afetam no mesmo


sentido todos os imveis de uma regio, sejam terrenos ou construes, porm o
grau em que afetam o valor de cada tipo de imvel pode ser diferente.
27

Peruzzo Trivelloni (1998), analisando uma amostra de mercado de


apartamentos, comprova que os mesmos fatores de localizao, analisados para
imveis de caractersticas diferentes, podem ser significativos na explicao do valor
de todos eles mas afetar de forma diferente a cada tipo de imvel.

No mesmo sentido Gloudemans (2002) considerando imveis construdos


e terrenos, argumenta que as variveis de localizao afetam a todos os imveis de
forma semelhante, mas que o efeito sobre um e outro tipo de imveis poderia ser
proporcionalmente diferente, sendo que esta diferena pode ser modelada por meio
da anlise dos dados de mercado.

Em resumo, as limitaes dos modelos hednicos para a modelagem dos


fatores de localizao so os seguintes:

- A considerao individual de cada fator de localizao como uma


varivel independente do modelo provoca a necessidade de uma grande quantidade
de observaes como amostra, que geralmente difcil de encontrar na prtica.

- Dificuldade para enumerar e considerar todos os fatores de localizao


influenciantes.

- Dificuldade para considerar o gradiente de variao de cada efeito e o


seu alcance em distncia. Erros na considerao do gradiente ou do alcance
provocam autocorrelao espacial nos resduos.

- Fatores que no conseguem ser modelados significativamente tambm


provocam autocorrelao espacial nos resduos.

- Fatores de localizao so variveis parcialmente correlacionadas e


por este motivo sua incluso simultnea nos modelos de regresso no possvel.

As dificuldades de incorporar nos modelos hednicos todas as variveis


de localizao influenciantes, determinam que os resduos do modelo possam
28

apresentar autocorrelao espacial: os resduos de imveis prximos, por estarem


afetados pelas mesmas caractersticas de localizao, estaro correlacionados.

A autocorrelao espacial dos resduos invalida uma das hipteses


bsicas dos modelos de regresso, que a de ter resduos no correlacionados.

Dubin (1988) props uma metodologia diferente para o tratamento das


variveis de localizao. Ela sugeriu usar como variveis explicativas da regresso
apenas as caractersticas construtivas dos imveis. Assim, os efeitos das variveis
de localizao estaro embutidos nos resduos do modelo. Calculando a mdia
ponderada destes resduos pode ser estimado o efeito de vizinhana. Desta forma, o
modelo de regresso teria as seguintes variveis explicativas: por um lado as
tradicionais variveis construtivas dos imveis: por outro lado, um polinmio formado
pelas coordenadas dos imveis, para conseguir a estacionariedade dos resduos, e
finalmente um termo obtido por krigagem dos resduos que representaria os efeitos
de localizao no medidos pelas outras variveis.

Segundo Can (1998) e Anselin (2001) diversas tcnicas de anlise


exploratria de dados, como os testes de Moran, a anlise de semivariogramas ou
correlogramas podem ser utilizadas para avaliar a existncia de autocorrelao
espacial.

Segundo Anselin (1998a) as tcnicas de anlise exploratria de dados


espaciais consistem numa srie de tcnicas para descrever e visualizar distribuies
espaciais, descobrir padres de associao espacial, sugerir regimes espaciais
diferenciados e outras formas de no estacionariedade, e identificar observaes
atpicas. A descrio de distribuies espaciais est sendo gradualmente integrada
com tcnicas de grficos dinmicos incluindo mapas como forma adicional de
visualizao dos dados espaciais, em adio a box-plots, diagramas de disperso e
outras tcnicas comuns de anlise exploratria de dados.

As tcnicas de anlise exploratria de dados espaciais podem ser


classificadas por duas vias: na primeira, segundo sejam medidas baseadas na
vizinhana ou medidas baseadas na distncia; na segunda, em funo do nvel de
29

abrangncia e podem ser classificadas em medidas globais ou locais de


autocorrelao.

No caso de medidas baseadas na vizinhana, a interao espacial


visualizada para um conjunto determinado de vizinhos. A interao global dos
vizinhos sobre um imvel obtida a partir da definio arbitrria de uma forma
particular de processo espacial. Este enfoque requer a formalizao de uma
estrutura de vizinhana para cada observao na forma de uma matriz de pesos
espaciais.

O outro ponto de vista, baseado na distncia, tipicamente adotado na


geoestatstica, assume a interao espacial como uma funo suavizada da
distncia entre pares de observaes. Uma medida indispensvel para poder
calcular esta interao ser, ento, a medida da distncia entre cada par de
observaes.

2.3.4 Modelos contnuos.

Os modelos contnuos partem do princpio de que o valor dos imveis ou


o valor da sua localizao adotam uma forma contnua de variao. Esta
continuidade surge do efeito da distncia entre as amostras. Este fenmeno permite
utilizar a distncia entre amostras como uma informao til para a modelagem do
valor da localizao. Esta forma de variao determina que o valor da localizao
tenha a forma de uma superfcie que pode ser modelada.

Existem dois tipos de modelagem do valor da localizao como superfcie


contnua: as superfcies de tendncia e a krigagem.

Uma superfcie de tendncia a superfcie gerada pela expresso


polinmica das coordenadas geogrficas dos imveis. Geralmente se trabalha com
um grau de polinmio baixo, de quarta ou quinta ordem. As superfcies de tendncia
so consideradas apropriadas quando o objetivo a modelagem espacial dos
fenmenos de grande escala, mostrando-se menos adequada para a modelagem de
fenmenos espaciais de pequena escala (Michael, 2004).
30

As principais limitaes das superfcies de tendncia so as seguintes:

- No corrigem os efeitos de autocorrelao espacial nos resduos;

- Apresentam problemas de extrapolao nas bordas da rea de estudo;

- Podem gerar multicolineariedade nas variveis a medida que aumenta


o grau do polinmio;

- A superfcie polinomial no modela adequadamente o gradiente de


variao do valor, mantendo assim autocorrelao espacial nos resduos;

- Na medida que aumenta o grau do polinmio de tendncia usado o


tamanho da amostra tambm deve aumentar substancialmente.

A modelagem por krigagem dos resduos de uma regresso com as


variveis construtivas um mtodo que pode ser utilizado para uma amostra de
imveis homogneos (Dubin, 1992, Chica Olmo, 1994 e Cano Guervs, 1999, entre
outros). O mtodo apresenta as seguintes limitaes:

- Como modelo aditivo, no considera a possvel interao entre


variveis construtivas e de localizao.

- A tentativa de definir um valor da localizao a partir deste modelo


aditivo esbarra na estimao da constante do modelo, pois a constante da regresso
responde ao mesmo tempo s caractersticas construtivas e de localizao. As
tcnicas propostas at o momento para separar essa constante nas duas partes
correspondentes e assim definir o valor da localizao e o valor da construo no
tm sido satisfatrias.

- A estimao exata da krigagem nos pontos da malha (krigagem


pontual) introduz o erro dos dados na modelagem da superfcie.

- O uso do mtodo residual no considera a existncia de


autocorrelao espacial nos resduos da regresso das variveis construtivas, a
31

diferena da regresso espacial, mantendo assim os erros de estimao dos


parmetros.

Em resumo, o valor de uma localizao influenciado pela proximidade


na sua vizinhana de uma srie de servios urbanos, fatores naturais e
socioeconmicos (presena de belezas naturais, investimentos pblicos, centros
comerciais, centros culturais como escolas, universidades, igrejas e teatros), fatores
de segurana social e criminalidade, fatores de qualidade e poluio ambiental,
qualidade do transporte, caractersticas do trnsito veicular, qualidade construtiva
dos imveis na regio, entre outros.

Pode se dizer que todos as caractersticas urbanas e sociais, naturais e


econmicas do espao urbano afetam o valor dos imveis localizados nas suas
vizinhanas, existindo um alto grau de inter-relao entre todos os fatos urbanos e
entre o valor dos imveis entre si. Devido ao dinamismo urbano provocado pela
construo de novos empreendimentos e investimentos pblicos e privados, o valor
da localizao urbana encontra-se em permanente mudana e constitui a parte do
valor dos imveis que tem maior grau de dinamismo: o investimento urbano afeta o
valor das localizaes prximas a ele.

Considerada desta forma, a definio da localizao e do seu valor pode-


se deduzir que o valor da localizao varia de forma permanente e continua em todo
o solo urbano, podendo existir regies onde esta variao tem menor intensidade,
em zonas onde no existem muitos plos de valorizao prximos e no h
investimentos pblicos importantes, enquanto outras regies tm um gradiente de
variao do valor acentuado, em especial na proximidade dos plos de valorizao
mais importantes de uma regio.

Outra caracterstica fundamental do valor da localizao, devido


distribuio heterognea dos fenmenos urbanos, a sua variao diferencial para
cada direo espacial, isto , a variao do valor da localizao tem uma
caracterstica basicamente anisotrpica.
3. ESTATSTICA ESPACIAL.

A abordagem estatstica tradicional para o tratamento de dados


econmicos, sociais e ambientais utiliza tcnicas bem estabelecidas, lidando com
parmetros como mdia, varincia, desvio padro, testes de hipteses e modelos
lineares. Estas tcnicas, embora teis e relevantes, no permitem considerar
adequadamente o espao geogrfico como varivel relevante dos modelos
estatsticos. A estatstica tradicional trabalha com a suposio de independncia
entre os dados usados para representar um fenmeno. No entanto, quando uma
determinada propriedade varia de um local para outro com uma certa continuidade,
expressa atravs da dependncia espacial entre as amostras, ou quando a
localizao relativa entre os dados pode ser uma varivel de interesse, outros tipos
de tcnicas so necessrias para modelar estes fenmenos, as chamadas tcnicas
de estatstica espacial ou anlise espacial de dados geogrficos.

A nfase da anlise espacial mensurar propriedades e relacionamentos


levando em conta a localizao espacial do fenmeno de forma explicita,
incorporando o espao anlise que se deseja fazer.

3.1. Tipos de dados e modelos em anlise espacial.

A taxonomia mais utilizada para caracterizar os problemas de anlise


espacial considera trs tipos de dados (Cmara et al., 2002):

Eventos ou padres pontuais, quando os fenmenos so expressos por


meio de ocorrncias identificadas como pontos localizados no espao, denominados
processos pontuais;

Superfcies contnuas, quando os fenmenos so estimados a partir de


um conjunto de dados de campo, regular ou irregularmente distribudos e que
podem ser considerados como seguindo uma variao contnua no espao;
33

reas com contagem e taxas agregadas, quando se trata de dados


associados a indivduos localizados em pontos especficos que so agregados em
unidades de anlise, usualmente delimitadas por polgonos fechados (lotes,
quadras, distritos, bairros, setores censitrios).

A partir da taxonomia dos tipos de dados usados nos modelos de anlise


espacial, Cressie (1993) classifica os tipos de modelos usados em estatstica
espacial em trs tipos:

Modelos de padres pontuais;

Modelos geoestatsticos;

Modelos de rea.

A finalidade dos modelos de estatstica espacial a escolha de um


modelo inferencial que considere explicitamente os relacionamentos espaciais
presentes no fenmeno (Cmara et al., 2002).

No caso de anlise de padres pontuais o objeto de interesse a prpria


localizao espacial dos eventos em estudo, se aleatrio ou apresenta-se em
aglomerados ou regularmente distribudos.

Para a anlise de superfcies por meio de modelos geoestatsticos, o


objetivo reconstruir a superfcie da qual se retiraram as amostras. O modelo
inferencial tem por objetivo quantificar a dependncia espacial entre as amostras e
utiliza o conceito de estacionariedade, que supe um comportamento homogneo da
estrutura de correlao espacial na regio de estudo. Estes modelos esto
baseados na Teoria das Variveis Regionalizadas (Chica Olmo,1994).

No caso da anlise de reas o objetivo a modelagem das relaes entre


as variveis que representam o fenmeno, sendo a localizao uma destas
variveis. Estes modelos encontram-se agrupados como pertencentes chamada
Econometria Espacial.
34

3.2 Os imveis como dados espaciais.

Na literatura de avaliao imobiliria existem duas grandes escolas para o


tratamento espacial dos dados de mercado: por um lado, alguns autores tm
proposto a utilizao das tcnicas de econometria espacial e seus modelos de
regresso espacial, enquanto outros tm proposto o uso de tcnicas geoestatsticas.
A discusso sobre qual das duas escolas tem fundamentos tericos e metodolgicos
mais adequados para a rea especfica de modelagem dos dados imobilirios
continua em aberto.

Anselin (2002) sugere fundamentar teoricamente a escolha de um ou


outro mtodo, a partir da taxonomia proposta por Cressie (1993) para a anlise
estatstica espacial, que distingue entre anlise de padres pontuais, modelos
geoestatsticos ou anlise espacial de superfcies e modelos de regies ou anlise
espacial de reas. Anselin (2002) incorpora os conceitos relacionados com a
modelagem de dados espaciais e suas representaes computacionais mais
comumente utilizadas, especialmente nos Sistemas de Informaes Geogrficas
(SIG). Os modelos de dados geralmente distinguem dois tipos de dados: objetos e
campos ou geocampos e geobjetos. Os objetos so entidades discretas que so
geralmente representadas nos SIG como pontos, linhas e polgonos nos chamados
SIG vetoriais. Na anlise econmica estes objetos correspondem a agentes
econmicos ou jurisdies com localizao bem definida espacialmente tais como
endereo, cdigo postal, bairro e municpio. Em contraste a estes, os geocampos
pertencem a uma distribuio espacial contnua, representada como superfcies nos
SIG raster. Na anlise econmica podem ser consideradas geocampos as
superfcies de preos ou de risco, por exemplo do valor da terra e qualidade do ar.

Ainda segundo o mesmo autor, os tipos de dados que podem ser


relacionados ao conceito de objetos espaciais ou dados de rea so adequados aos
tratamentos estatsticos dos modelos de econometria espacial, enquanto que os
tipos de dados correspondentes ao conceito de campo ou dados de superfcie
devem ser analisados com modelos geoestatsticos ou de superfcie. Porm o autor
35

comenta que no caso da anlise do mercado imobilirio, os dados podem apresentar


simultaneamente comportamentos identificveis como objetos ou como campo,
abrindo a possibilidade de anlise espacial por ambas metodologias.

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.

A proposta que se apresentar no Captulo 4 defende a utilizao


simultnea dos mtodos de econometria espacial para modelar as caractersticas de
objeto dos imveis e dos mtodos geoestatsticos para modelar as caractersticas de
geocampo.

3.3 Econometria Espacial.

3.3.1 Consideraes gerais.

A econometria espacial a parte da econometria que lida com o


tratamento das interaes e estrutura espaciais de dados geograficamente
distribudos.

O foco na localizao espacial dos dados e as conseqncias tericas e


metodolgicas das suas interaes espaciais vem alcanando crescente ateno
nos ltimos anos, tanto do ponto de vista das aplicaes tcnicas como no
embasamento terico.
36

No passado os modelos economtricos que tratavam explicitamente com


a varivel espao ou localizao foram desenvolvidos em algumas reas tcnicas e
cientificas especficas, como na rea de avaliao imobiliria ou na rea de
geografia econmica. Porm os mtodos economtricos foram aplicados em um
nmero cada vez maior de reas do conhecimento recebendo crescente ateno
terica e metodolgica (Anselin, 1999a).

Nos ltimos anos, o crescente interesse na especificao e estimao de


interaes espaciais nos modelos economtricos tem sido provocado por diversos
fatores.

Em primeiro lugar pela discusso terica da existncia de interao entre


os agentes econmicos atuantes num determinado modelo. Estes no devem ser
considerados como agentes atomizados, atuando isoladamente uns dos outros
seno pelas suas interaes, gerando efeitos de vizinhana a diferentes escalas.

Em segundo lugar, a demanda de metodologias para o tratamento de


fenmenos espaciais aumentou com a crescente disponibilidade de bases de dados
georreferenciados e utilizao dos Sistemas de Informaes Geogrficas (SIG), que
disponibilizam grande quantidade de informao onde podem ser explorados e
modelados padres espaciais dos dados. O uso conjunto dos SIG com anlises
estatsticas espaciais tem gerado um crescente interesse pela sua possvel
aplicao em vrias reas de conhecimento.

Finalmente, o reconhecimento de que as tcnicas economtricas


tradicionais falham na presena de autocorrelao espacial nos dados tem
provocado crescente interesse no desenvolvimento terico e metodolgico da
econometria espacial.

Segundo Anselin (1999a) a econometria espacial lida com os aspectos


metodolgicos que so conseqncia dos efeitos espaciais nos modelos
economtricos, abrangendo quatro reas de ateno: a especificao formal destes
efeitos espaciais nos modelos economtricos; a estimao de modelos que
37

incorporam efeitos espaciais; os testes de especificao e diagnstico destes efeitos


espaciais e a predio espacial.

3.3.2 Efeitos espaciais: dependncia e autocorrelao espacial.

No contexto dos modelos de regresso os efeitos espaciais podem ser


catalogados como efeitos de dependncia espacial ou autocorrelao espacial e
heterogeneidade espacial.

A autocorrelao espacial pode ser definida como a coincidncia de


valores similares em localizaes similares.

A heterogeneidade espacial consiste na instabilidade estrutural na forma


de varincias no constantes dos erros (heterocedasticidade) ou dos coeficientes do
modelo (coeficientes variveis no espao). Esta heterogeneidade deve ser
considerada explicitamente desde que a estrutura por trs dessa instabilidade
espacial, ou seja, a localizao das observaes determinante dessa instabilidade.
Alm disso, a heterogeneidade geralmente ocorre junto com autocorrelao espacial
e as ferramentas economtricas tradicionais no so mais apropriadas neste caso.
Em amostragens transversais (sem variao no tempo) os fenmenos de
heterogeneidade espacial e de autocorrelao espacial podem ser considerados
equivalentes.

3.3.3 Pesos espaciais e defasagem espacial.

Nas amostragens transversais no h suficiente informao para estimar


a matriz de covarincias diretamente dos dados (Anselin, 1999a).

Por isso em geral necessrio impor uma estrutura para essa


covarincia. Essa imposio se traduz na criao de um conceito de operador
espacial de defasagem, que uma mdia ponderada de uma varivel aleatria em
localizaes vizinhas. Para isso deve ser definido o conceito de vizinhana de cada
observao. O operador espacial de defasagem opera por meio de uma matriz de
38

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.

Para cada observao da varivel aleatria y num ponto i o operador


espacial Wy obtido pela soma ponderada pelos pesos wij de todos os valores de y
nos pontos j da vizinhana:

(Wy)i = (wij . yj)

os pesos wij no nulos so os que definem a vizinhana de cada


observao.

Por facilidade de interpretao os pesos so padronizados por linha na


matriz W de forma que a soma de pesos em cada linha igual a 1.
Conseqentemente a defasagem espacial da varivel y no ponto i pode ser
interpretada como sua mdia ponderada na vizinhana de i.

Os elementos que compem a matriz W so no estocsticos e so


externos ao modelo. Eles esto geralmente baseados nos conceitos de contigidade
dos dados ou na distncia entre observaes, baseados numa funo decrescente
com a distncia entre observaes. Esta estrutura de variao definida pelo
pesquisador, diferentemente de outros mtodos, como os de estimao direta da
covarincia, que calculam a covarincia a partir dos prprios dados. Esta falta de
obrigatoriedade de uma justificativa terica na seleo dos pesos espaciais e o fato
de serem exgenos ao modelo e sem ambigidades explica a popularidade dos
pesos derivados geograficamente, segundo Anselin (1999a).

3.3.4 Expresso formal da autocorrelao espacial.

3.3.4.1 Modelos de processos estocsticos espaciais.

O mtodo mais utilizado para expressar a autocorrelao por meio da


especificao de um processo estocstico espacial, ou seja, por uma relao
39

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.

Os dois tipos de processos estocsticos mais comuns so os chamados


processo espacial autoregressivo e processo de mdia mvel.

Dada uma matriz de pesos W, de dimenses N*N, uma varivel aleatria


y representada por um vetor N*1 e o vetor de erros independentes e identicamente
distribudos e de dimenso tambm N*1, se define um processo espacial
autoregressivo da seguinte maneira (Anselin, 1999a):

(y-i) = W(y- i) +

ou

(y-i) = (I- W)-1

e um processo de mdia mvel como:

y = W +

ou

y = (I+ W)

onde I a matriz identidade, i um vetor N*1 de valores 1, a mdia da


varivel y, os termos do erro tem varincia 2, e e so os parmetros
autoregressivos e de mdia mvel respectivamente.

As restries impostas pela estrutura de pesos espaciais assim como a


forma especfica do processo espacial determinam a matriz de varincia e
covarincias para y como uma funo de dois parmetros, a varincia 2 e os
parmetros e .

Para o modelo autoregressivo:

Cov [(y-i), (y-i)] = 2 [(I W) (I W)]-1


40

Para o modelo de mdia mvel:

Cov [y,y] = 2 [I + (W+W) + 2WW]

Segundo Anselin (1999a e 2001) a principal diferena entre os processos


autoregressivos e de mdia mvel est na estrutura de dependncia espacial que
eles geram. Os processos autoregressivos geram uma estrutura de autocorrelao
global, onde todas as observaes tm influncia sobre as outras. J nos processos
de mdia mvel, a influncia entre observaes existe apenas entre os vizinhos de
primeira e segunda ordem por meio da matriz W.

A principal diferena, segundo o mesmo autor, dos processos espaciais


em relao aos processos autoregressivos temporais, est em que os processos
autoregressivos espaciais podem induzir heterocedasticidade. A homocedasticidade
ser obtida somente em casos particulares.

Esta caracterstica tem sido pouco analisada nos trabalhos de aplicao


que tm utilizado regresso espacial.

3.3.4.2 Representao direta.

Outra forma de aproximao para uma especificao formal da


autocorrelao espacial consiste em expressar os elementos da matriz de varincia
e covarincia como funo de um nmero reduzido de parmetros e uma ou mais
variveis exgenas. Geralmente isto envolve uma funo inversa de alguma
distancia:

Cov [i j] = 2 f(dij,)

Onde i j so termos de erro da regresso, 2 a varincia do erro, dij a


distncia que separa os elementos i e j, f uma funo que decresce com a distncia
e um conjunto de parmetros.
41

Esta definio tem semelhana com o variograma usado em


geoestatstica, porm com caractersticas mais restritivas quanto a estacionariedade
e isotropia.

Com a definio anterior, a matriz de covarincia do erro a seguinte:

E[ ] = 2 (dij,)

Onde a matriz deve ser positiva definida com wii = 1 e |wij| <=1

Segundo Anselin (1999a), diferente da varincia para os processos


autoregressivos e de mdia mvel, a representao direta no induz a
heterocedasticidade.

Em econometria espacial este tipo de modelos foi utilizado na anlise de


mercado imobilirio (Dubin 1992, Chica Olmo 1995, Basu e Thibodeau 1998). Mas,
enquanto esta especificao tem uma justificativa intuitiva quanto a incorporar uma
noo de agrupamento das observaes como uma funo da distncia que separa
os dados, ela apresenta alguns problemas de identificao e estimao de
parmetros e testes do modelo (Anselin, 1999a). Alm de restringir a estimao dos
parmetros do alcance da dependncia espacial, alguns dos modelos de
semivariogramas comumente utilizados, como o semivariograma esfrico, no
podem ser estimados com este procedimento (Anselin, 1998b).

3.3.5 Modelos de Regresso Espacial.

A dependncia espacial pode ser incorporada nos modelos clssicos de


regresso de duas formas: como um regressor adicional na forma de uma varivel
dependente espacialmente defasada (Wy), ou uma estrutura espacialmente
defasada no erro da regresso (We). O primeiro modelo conhecido como Modelo
de Defasagem Espacial ou da Varivel Dependente Defasada e o segundo o
Modelo do Erro Espacial ou do Erro Espacialmente Correlacionado.
42

3.3.5.1 Modelo de Defasagem Espacial.

Formalmente este modelo pode ser expresso da seguinte forma:

y = Wy + XB +

Onde y o vetor da varivel dependente, o coeficiente de


autocorrelao espacial, W a matriz de pesos espaciais, X a matriz das
observaes nas variveis independentes dos dados, B o vetor de parmetros e
o vetor de resduos do modelo.

3.3.5.2 Modelo do Erro Espacial.

O modelo autoregressivo do erro ou modelo do erro espacial pode ser


expresso formalmente da seguinte forma:

y = XB + ,

= W + u

onde o coeficiente de autocorrelao espacial, u o vetor de resduos


no correlacionados e os outros termos so os mesmo do modelo anterior.

O modelo pode ser escrito tambm da seguinte forma:

y = XB + W + u

3.3.6 Estimao de Modelos.

Segundo Anselin (1999a) os modelos de regresso espacial podem ser


estimados utilizando vrios mtodos. O mais comumente usado o de mxima
verossimilhana, mas outros mtodos tambm tm sido propostos, como os de
variveis instrumentais, mnimos quadrados espaciais, mtodo dos momentos,
mtodo dos cdigos e mtodos bayesianos, entre outros.
43

3.3.7 Testes de especificao.

3.3.7.1 Morans I.

O teste de Moran o teste de autocorrelao mais conhecido e permite


determinar se os resduos do modelo de regresso por mnimos quadrados
apresentam autocorrelao espacial. O valor da estatstica calculado pela seguinte
expresso:

I = (N/S)[(eWe)/ee]

Onde:

e o vetor de resduos de mnimos quadrados;

W matriz de pesos espaciais;

N o nmero de observaes;

S a soma de todos os elementos de W.

3.3.7.2 Testes LM.

Os testes baseados no Multiplicador de Lagrange (testes LM) tambm so


calculados a partir dos resduos do modelo de mnimos quadrados, mas ao contrrio
do ndice de Moran que no especifica o tipo de modelo espacial mais apropriado a
testar, os testes LM esto orientados a determinar hipteses nulas especficas para
os modelos autoregressivos da varivel dependente e do erro.

O teste LM para determinar a existncia de autocorrelao espacial na


alternativa do modelo do erro espacial tem a seguinte expresso:

LMerr = [ eWe / (ee/N) ]2 / [ tr(W2 + WW) ]


44

O teste LMerr corresponde, exceto um fator de escala, com o quadrado do


teste de Moran.

O teste LM para a alternativa de um modelo da varivel dependente


defasada tem a seguinte expresso:

LMlag = [ eWy / (ee/N) ]2 / D

Onde D = [(WXB)(I X(XX)-1X)(WXB) / 2] + tr(W2 + WW)

Segundo Anselin (1999a) outros testes LM podem ser desenvolvidos para


hipteses mais complexas, como testes robustos existncia das duas formas de
autocorrelao, processos autoregressivos de ordem superior, dados com varincia
no tempo e outros.

3.3.8 Regresso espacial na modelagem do valor dos imveis.

Os mtodos economtricos tradicionais tm sido aplicados extensamente


na rea de avaliao imobiliria, sendo considerado o modelo linear geral de
regresso mltipla o mtodo principal, desde que permite considerar como variveis
explicativas todos os fatores influenciantes no valor dos imveis. Desta maneira os
modelos de regresso permitem testar, analisar e interpretar as variveis
consideradas influenciantes no valor dos imveis, assim como diversas condies
estatsticas para os resduos do modelo, tanto do ponto de vista emprico como
terico. Destas condies e da sua extensa disponibilidade em softwares disponveis
no mercado, o modelo de regresso mltipla tradicional o mtodo preferido pela
maioria dos avaliadores.

Porm, os mtodos economtricos espaciais, alm de terem sido


desenvolvidos recentemente, tambm tm sido e continuam sendo aplicados numa
proporo muito menor.
45

Os primeiros estudos sobre a existncia de autocorrelao espacial nos


dados do mercado imobilirio foram propostos por Dubin (1988) e o primeiro trabalho
de aplicao de modelos de regresso espacial foi proposto por Can (1990 e 1992).

Can (1992) realizou um estudo comparativo de quatro tipos diferentes de


modelos hednicos de valor: o modelo tradicional usando mnimos quadrados
ordinrios, o modelo de regresso espacial de defasagem da varivel dependente, e
dois modelos derivados dos anteriores, considerando que os efeitos de vizinhana
poderiam afetar tambm aos coeficientes das caractersticas construtivas dos
imveis.

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).

Can (1992) tambm considerou para os modelos autoregressivos trs


definies diferentes da matriz de pesos espaciais, considerando diferentes
definies de vizinhana e de gradiente de variao, sendo uma matriz definida pela
interpolao simples at uma distncia de cinco milhas, outra matriz definida como o
inverso da distncia entre pontos e a terceira como o inverso da distncia ao
quadrado.

A concluso mais importante do trabalho que os trs tipos de modelos


que consideraram efeitos espaciais apresentam melhores resultados que o modelo
tradicional. Os resultados no so totalmente conclusivos quanto ao melhor modelo
analisado, pois as variaes nas matrizes de vizinhana utilizadas provocaram
resultados diferentes nos testes de aderncia e de ajustamento dos modelos. No
tendo conhecimento de qual seria a estrutura real de correlao espacial e, portanto,
no podendo concluir qual seria a matriz mais adequada com a realidade, no
possvel determinar o modelo mais apropriado.
46

A partir da discusso terica sustentada por autores como Anselin e


Dubin entre outros, novos estudos utilizando os modelos de regresso espacial
foram desenvolvidos na rea de avaliao imobiliria, como os de Pace e Gilley
(1997), Pace et al. (1998), Dantas et al (2002), Besner (2002), Dantas (2003), entre
outros.

Em geral todos estes trabalhos comprovam a existncia de


autocorrelao espacial nos resduos dos modelos de mnimos quadrados e testam
diferentes modelos de regresso espacial obtendo uma melhora importante nos
resultados dos modelos e principalmente na adequao terica e metodolgica ao
tratamento dos efeitos espaciais nos dados.

Porm, alguns elementos continuam em aberto na utilizao dos modelos


de regresso espacial: por um lado, a especificao da estrutura espacial dos dados
e definio da matriz de pesos espaciais W depende da definio por parte do
pesquisador e a escolha desta matriz influencia fortemente os resultados
alcanados. Por outro lado, os termos que incluem os efeitos espaciais na
regresso, tanto o termo da varivel dependente defasada como o termo do erro
correlacionado, no apresentam uma interpretao terica conclusiva como
variveis explicativas ou fatores de valorizao dos imveis, o que pode ser
considerado uma dificuldade metodolgica na hora de analisar e escolher o mtodo
de regresso mais apropriado. Desta forma, a escolha do modelo de regresso
espacial tem sido baseada na comparao dos resultados estatsticos nos testes de
significncia de cada modelo, ao invs de critrios de escolha metodolgicos.

3.4 Geoestatstica. Teoria das Variveis Regionalizadas.

Segundo Cardim (2000) a estatstica clssica trabalha com a suposio


de independncia entre as amostras para representar um fenmeno, baseando-se
na hiptese de que as variaes de um local a outro so aleatrias. No entanto,
quando uma determinada propriedade varia de um local para outro com uma certa
continuidade, expressa atravs da dependncia espacial entre as amostras, outra
47

tcnica, relativamente nova, a geoestatstica, deve ser empregada para a realizao


das anlises.

Para determinar qual das duas tcnicas (estatstica clssica ou


geoestatstica) deve-se utilizar, faz-se uso do semivariograma, que expressa a
relao espacial entre as amostras. Havendo dependncia espacial entra em ao a
geoestatstica, por outro lado, se no for detectada a dependncia espacial utiliza-se
a estatstica clssica.

Verificada a dependncia espacial podem-se estimar valores do


fenmeno em estudo para os locais no amostrados, dentro da rea em estudo, sem
tendncia e com varincia mnima, por meio do mtodo conhecido como
interpolao por krigagem. A krigagem possibilita a construo de mapas de
isolinhas, ficando definidas as classes dentro da rea de estudo.

3.4.1 Anlise espacial de superfcies.

Segundo Camargo et al. (2002) a anlise espacial de superfcies constitui


um conjunto de tcnicas para tratamento e anlise de dados de superfcies.

De forma geral os dados esto disponveis na forma de amostras pontuais


e para ser utilizados de forma efetiva em geoprocessamento so necessrios
procedimentos de interpolao. As amostras so valores representativos do
fenmeno estudado, usualmente obtidas em levantamento de campo com
consistncia de metodologia e unidade.

Para gerar as superfcies que aproximem o fenmeno estudado de forma


realista necessrio modelar sua variabilidade espacial.

Os modelos que objetivam gerar superfcies a partir de procedimentos de


interpolao, de forma geral, representam a varivel em estudo como uma
combinao da variabilidade em larga e pequena escala.

Existem trs grandes abordagens para a modelagem desta variabilidade


espacial:
48

Modelos determinsticos de efeitos locais: cada ponto da superfcie


estimado apenas a partir da interpolao das amostras mais prximas. A suposio
implcita que predominam os efeitos locais.

Modelos determinsticos de efeitos globais: a suposio implcita que


predominam os efeitos em larga escala e que os efeitos locais no so relevantes.
o caso das superfcies de tendncia.

Modelos estatsticos de efeitos locais e globais (krigagem): cada ponto


da superfcie estimada apenas a partir da interpolao das amostras mais
prximas, utilizando um estimador estatstico.

3.4.1.1 Modelos determinsticos locais.

Uma alternativa simples para gerar uma superfcie bidimensional a partir


de amostras pontuais ajustar uma funo bidimensional sobre as amostras
consideradas, compondo uma superfcie cujo valor ser proporcional intensidade
local de amostras. Variaes desse esquema bsico so os interpoladores:

por vizinho mais prximo;

por mdia simples;

por mdia ponderada.

Um refinamento desses estimadores o uso de uma funo de


ponderao mais complexa, os estimadores Kernel. Estes estimadores generalizam
a idia de mdia mvel local. Seu objetivo produzir superfcies mais suaves.

Seus parmetros bsicos so:

um raio de influncia que define a vizinhana do ponto a ser


interpolado;
49

uma funo de estimao com propriedades convenientes de


suavizao.

As desvantagens destes estimadores so a forte dependncia no raio de


busca e a excessiva suavizao da superfcie que pode esconder variaes locais
importantes.

3.4.1.2 Superfcies de tendncia.

As superfcies de tendncia so interpoladores determinsticos globais. A


superfcie aproximada por um ajuste polinomial dos dados, atravs de um
processo de regresso mltipla entre os valores do atributo e as localizaes
geogrficas. Este polinmio utilizado ento para estimar os valores em todas as
localizaes gerando uma superfcie.

As superfcies de tendncia buscam modelar a variao espacial em larga


escala. A suposio implcita que predomina a variao em larga escala e que a
variabilidade local no relevante. Neste modelo, a funo de autocorrelao
contina decaindo mesmo aps ultrapassar a distncia onde h influncias locais; a
covarincia no se estabiliza com a distncia e assim o fenmeno analisado no
estacionrio.

A grande vantagem das superfcies de tendncia sua simplicidade e


facilidade de clculo. No entanto a suposio implcita do modelo, em negligenciar a
variabilidade local, no realista para a maior parte dos fenmenos reais.
Adicionalmente, os parmetros estimados so muito sensveis a valores extremos.

Apesar destes problemas, as superfcies de tendncia so teis para


remover efeitos de primeira ordem, quando a mdia varia de forma consistente no
espao. Tambm so utilizadas para estudar resduos de estimao, mostrando a
existncia de eventuais sub regies que apresentem diferenas significativas na
tendncia geral.
50

3.4.1.3 Modelos estatsticos de efeitos locais e globais: krigagem.

O termo krigagem derivado do nome Daniel Krige que foi o pioneiro no


uso de mdias mveis ponderadas para evitar a superestimao sistemtica de
reservas de minerao.

A diferena entre a krigagem e outros mtodos de interpolao a


maneira como os pesos so atribudos s diferentes amostras. Na krigagem o
procedimento semelhante ao de interpolao por mdia mvel ponderada, exceto
que aqui os pesos so determinados a partir de uma anlise espacial, baseada no
semivariograma experimental. Alm disso, a krigagem fornece, em mdia,
estimativas no tendenciosas e com varincia mnima.

A krigagem compreende um conjunto de tcnicas de estimao e


predio de superfcies baseadas na modelagem da estrutura de correlao
espacial. A hiptese implcita que o processo estudado estacionrio.

Os passos num estudo empregando tcnicas de krigagem incluem:

a) Anlise exploratria dos dados;

b) Anlise estrutural (modelagem da correlao espacial);

c) Interpolao estatstica da superfcie.

O que diferencia a krigagem de outros mtodos de interpolao a


estimao de uma matriz de covarincia espacial que determina os pesos atribudos
aos diferentes dados, o tratamento da redundncia destes, a vizinhana a ser
considerada no procedimento inferencial e o erro associado ao valor estimado. A
krigagem fornece estimadores no tendenciosos e eficientes.
51

3.4.2 Teoria das Variveis Regionalizadas.

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.

3.4.2.1 Caractersticas das Variveis Regionalizadas.

Uma Varivel Regionalizada (VR) uma varivel aleatria que se distribui


no espao e/ou no tempo e que apresenta autocorrelao espacial.

As VR apresentam ento uma dupla condio: aleatoriedade e estrutura


espacial.

A utilizao da TVR para realizar inferncia estatstica requer a introduo


de algumas hipteses para os dados. Estas hipteses so as de estacionariedade
da varivel aleatria. Uma varivel aleatria estacionria de segunda ordem se
cumpre duas condies:

1. o valor esperado existe e no depende da localizao, ou seja, a mdia


constante; e

2. a covarincia entre dois pontos existe e somente depende do vetor


distncia entre os pontos, em magnitude e direo.

E[Z(x)] = E[Z(x+h)] = m

E{[Z(x)-m][Z(x+h)-m]} = C(h)
52

Onde h o vetor distncia entre os pontos. Em particular quando h=0:

C(0) = E[Z(x)-m]2 = Var[Z(x)]

Com esta hiptese considera-se a existncia de uma varincia finita que


ser normalmente desconhecida e ser estimada a partir da varincia experimental.

A hiptese de estacionariedade de segunda ordem pode ser substituda


por uma outra menos restritiva que a hiptese intrnseca. A hiptese intrnseca se
cumpre quando os incrementos de primeira ordem da varivel so estacionrios, ou
seja, se para todo vetor h os incrementos [Z(x+h)-Z(x)] tm valor esperado e
varincia independentes do ponto x mas dependentes de h.

Var [Z(x+h)-Z(x)] = 2(h)

(h) = Var [Z(x+h)-Z(x)] = E{[Z(x+h)-Z(x)]2}

a funo (h) denominada semivariograma.

Quando a hiptese intrnseca ou a estacionria de segunda ordem so


vlidas o fenmeno pode ser estimado a partir de uma nica observao para cada
ponto do espao.

3.4.2.2 Propriedades da funo semivariograma.

Quando as hipteses de estacionariedade ou intrnseca so vlidas, a


relao entre a covarincia e o semivariograma a seguinte:

(h) = C(0) C(h)

A covarincia apresenta as seguintes propriedades:

1. C(0) = Var [Z(x)] >= 0

2. funo simtrica: C(h) = C(-h)


53

3. Desigualdade de Schwarz: |C(h)| <= C(0)

As propriedades do semivariograma so as seguintes:

1. Funo positiva: (h) >= 0; (0) = 0

2. Funo simtrica: (h) = (-h)

Considerando as propriedades anteriores, podem ser definidos os


principais parmetros do variograma: alcance e patamar.

O alcance a distncia mxima que indica a zona de influncia da VR,


para a qual C(h) = 0 para todo h>=a.

O patamar o valor da funo semivariograma quando h>=a.

3.4.2.3 Semivariograma experimental e terico

O semivariograma uma ferramenta bsica de suporte s tcnicas de


krigagem, pois permite representar quantitativamente a variao de um fenmeno
regionalizado no espao.

O semivariograma pode ser calculado experimentalmente, considerando


todos os pares de amostras separados por um vetor de distncia h, a partir da
equao:

(h) = 1/(2N(h)) * [z(xi) z(xi + h)]2

onde (h) o semivariograma estimado e N(h) o nmero de pares de


valores medidos z(x) e z(x+h), separados pelo vetor h (ver Figura 1).
54

Figura 1. Construo do semivariograma. Fonte: Camargo et al. (2002).

Na prtica muitas vezes faz-se a hiptese adicional de que o fenmeno


isotrpico (comportamento igual em todas as direes). Neste caso a determinao
experimental do semivariograma depende apenas da distncia entre as amostras e
no da direo relativa entre elas.

As hipteses de estacionariedade e mdia constante levam a postular um


comportamento idealizado para o semivariograma experimental. Espera-se que as
observaes mais prximas geograficamente tenham comportamento mais
semelhante entre si do que aquelas separadas por maiores distncias. Assim, o
valor absoluto da diferena entre duas amostras z(x) e z(x+h) deveria crescer a
medida que aumenta a distncia entre elas, at um valor na qual os efeitos locais
no teriam mais influncia.

Os parmetros do semivariograma so (ver Figura 2):


55

Alcance (a): distncia dentro da qual as amostras apresentam-se


correlacionadas espacialmente;

Patamar (C): o valor do semivariograma correspondente ao seu


alcance a; deste ponto em diante considera-se que no existe mais dependncia
espacial entre as amostras, porque a varincia entre os pares de amostras torna-se
aproximadamente constante;

Contribuio (C1): a diferena entre o patamar e o valor do


semivariograma para h = 0.

Efeito Pepita (C0): idealmente, (0)=0. Entretanto, na prtica, a medida


que h tende para 0, (h) se aproxima de um valor positivo chamado Efeito Pepita C0
que revela a descontinuidade do semivariograma para distncias menores do que a
menor distncia entre as amostras. Representa a componente da variabilidade
espacial que no pode ser relacionada com uma causa especfica (variabilidade ao
acaso) ou tambm pode ser devida a erros de medio.

Figura 2. Parmetros do semivariograma. Fonte: Camargo et al. (2002).


56

3.4.2.4 Modelos tericos de semivariograma.

O grfico do semivariograma experimental formado por uma srie de


valores sobre os quais se objetiva ajustar uma funo.

O procedimento de ajuste no direto e automtico como no caso de


uma regresso, mas sim interativo: o intrprete faz um primeiro ajuste e verifica a
adequao do modelo terico; dependendo do ajuste obtido, pode ou no redefinir o
modelo at obter um que seja satisfatrio.

Os modelos bsicos esto divididos em dois tipos: modelos com patamar


e modelos sem patamar. Os do primeiro tipo so conhecidos como transitivos. Eles
podem atingir o patamar assintoticamente; para tais modelos o alcance
arbitrariamente definido como a distncia correspondente a 95% do patamar.
Modelos do segundo tipo no atingem o patamar e continuam aumentando enquanto
a distncia aumenta.

Os modelos transitivos mais utilizados so o modelo esfrico, o modelo


exponencial e o modelo gaussiano, representados na Figura 3.

Figura 3. Modelos transitivos de semivariograma. Fonte: Camargo et al. (2002).


57

3.4.2.5 Modelo Esfrico.

O modelo esfrico de variograma um dos mais utilizados e est


representado pela seguinte equao:

Sph (|h|) = 0 para |h| = 0;

= [1.5 (|h|/a) 0.5 (|h|/a)3] para 0 < |h| <= a;

=1 para |h| > a

3.4.2.6 Modelo Exponencial.

Um outro modelo bastante utilizado o modelo exponencial, com a


seguinte equao:

Exp (|h|) = 0 para |h| = 0;

= 1 exp[-(|h| / a)] para |h| 0

Este modelo atinge o patamar assintoticamente, com o alcance prtico


definido como a distncia na qual o valor do modelo 95% do patamar.

3.4.2.7 Modelo Gaussiano.

O modelo gaussiano um modelo transitivo muitas vezes usado para


modelar fenmenos extremamente contnuos e apresenta a seguinte equao:

Gau (|h|) = 0 para |h| = 0;

= 1 exp[-(|h|)/a]2 para |h| 0


58

Semelhante ao modelo exponencial, o modelo gaussiano atinge o


patamar assintoticamente e o parmetro a definido como a distncia na qual o
valor do modelo 95% do patamar.

3.4.2.8 Modelo Potncia.

O Modelo potncia no um modelo transitivo, portanto no atinge um


patamar. Em geral este modelo utilizado para modelar fenmenos com capacidade
infinita de disperso, tendo a seguinte equao:

Pot (|h|) = 0 para |h| = 0

= c.|h|e para |h| 0

onde c o coeficiente de declividade e e o expoente, como pode ser


observado na Figura 4.

Figura 4. Modelo potncia. Fonte: Camargo et al. (2002).


59

Existem determinados fenmenos em que so necessrios modelos mais


complexos de semivariograma para explicar suas variaes espaciais. Estes
modelos so combinaes de modelos simples, denominados modelos aninhados.

3.4.2.9 Anisotropia.

A anisotropia a variao espacial diferente da covarincia para


diferentes direes de deslocamento no espao. Ela pode ser observada por meio
de semivariogramas para diferentes direes. Se os alcances ou os patamares para
diferentes direes apresentam resultados diferenciados ento o fenmeno pode ser
considerado anisotrpico.

Quando um fenmeno isotrpico, ou seja, apresenta o mesmo


semivariograma em todas as direes, um nico semivariograma terico pode ser
representativo da estrutura de variao espacial da varivel.

Quando o fenmeno anisotrpico, os semivariogramas para as


diferentes direes podem ser modelados separadamente e constituir em conjunto a
estrutura espacial dos dados.

Quando os semivariogramas para as diferentes direes apresentam igual


patamar e diferentes alcances, o tipo de anisotropia se chama geomtrica. Neste
caso o fator de anisotropia a relao entre os alcances mximo e mnimo.

Quando os semivariogramas apresentam igual alcance e diferentes


patamares a anisotropia chamada zonal.

Quando tanto os alcances quanto os patamares so diferentes o tipo de


anisotropia se chama combinada (Camargo et al., 2002).
60

3.4.3 Tcnicas de Krigagem.

A estrutura terica da krigagem est baseada no conceito de varivel


regionalizada. Uma varivel regionalizada uma varivel distribuda no espao ou
tempo cujos valores so considerados como realizaes de uma funo aleatria.

A variao espacial de uma varivel regionalizada pode ser expressa pela


soma de trs componentes:

a) uma componente estrutural, associada a um valor mdio constante ou


a uma tendncia constante;

b) uma componente aleatria, espacialmente correlacionada;

c) um rudo aleatrio ou erro residual.

Se o vetor x representa uma posio em uma, duas ou trs dimenses,


ento o valor da funo aleatria Z, em x, dada por:

Z(x) = (x) + (x) +

Onde:

(x) uma funo determinstica que descreve a componente estrutural


de Z em x;

(x) um termo estocstico correlacionado que varia localmente;

um rudo aleatrio no correlacionado, com distribuio normal com


mdia 0 e varincia 2.

A partir de uma amostra Z(x1), ....,Z(xn), deseja-se estimar o valor Z(xo)


num ponto x0.

O estimador de krigagem Zk define-se como uma combinao linear dos


Z(xi) e os ponderadores i da seguinte maneira (Chica Olmo, 1994):

Zk = i i Zi
61

Os ponderadores i so obtidos de forma que o estimador Zk seja timo,


ou seja, a varincia do erro seja mnima. Os ponderadores so calculados a partir da
estrutura geomtrica dos dados, atribuindo valores menores aos pontos mais
afastados e valores maiores aos pontos mais prximos.

Existem distintos mtodos de krigagem em funo das caractersticas da


varivel que deve ser estimada e dos objetivos da estimao. Se as estimativas
esto referidas a suporte pontual e deseja-se realizar estimativas pontuais, utiliza-se
a krigagem pontual. Se o objetivo for estimar o valor mdio da varivel sobre um
suporte de tamanho maior utiliza-se a krigagem por blocos.

3.4.3.1 Krigagem pontual.

As equaes de krigagem pontual podem ser classificadas como


krigagem simples, krigagem ordinria e krigagem universal. Quando a varivel
aleatria estacionaria de segunda ordem com covarincia conhecida e mdia zero
utilizada a krigagem simples. Os ponderadores da krigagem so obtidos
minimizando a varincia do erro.

A krigagem ordinria pode ser aplicada em dois casos: quando a varivel


estacionaria de segunda ordem com covarincia conhecida e mdia desconhecida;
e quando a varivel aleatria intrnseca de ordem zero.

A krigagem universal se aplica quando a varivel aleatria apresenta uma


tendncia ou mdia varivel no espao.

3.4.3.2 Krigagem por blocos.

Segundo Chica Olmo (1994) as variveis socioeconmicas geralmente


no vem associadas a um suporte pontual, mas so definidas por unidade de
superfcie, por municpio, por bairro, por metro quadrado.
62

Neste caso utiliza-se a estimao por krigagem por blocos. Quando os


dados esto medidos sobre um suporte determinado e a estimao deseja-se
realizar sobre um outro suporte de superfcie, necessrio regularizar os dados de
acordo com a nova superfcie de estimao. o caso, por exemplo, quando os
dados so medidos para imveis individuais e deseja-se obter uma estimao do
valor para um conjunto prximo de imveis, por exemplo, todos os imveis de uma
quadra.

Seja V a rea do bloco sobre a qual deseja-se estimar a varivel Zk.

O novo valor regularizado, ou valor mdio de Z(x) pode ser obtido da


seguinte expresso:

Zv(x) = 1/V V Z(x)dx

3.4.4 Modelagem do valor dos imveis usando geoestatstica.

Os primeiros estudos de aplicao dos mtodos geoestatsticos na rea


de avaliao imobiliria foram apresentados por Dubin (1992). A autora prope
modelar o valor dos imveis por regresso mltipla e modelar o erro do modelo por
krigagem. Mas a aplicao do mtodo geoestatstico parcial, pois no realizado o
estudo da estrutura espacial dos dados. Ao invs de realizar a anlise da estrutura
espacial por meio do semivariograma emprico, a estrutura espacial para estes
resduos imposta, escolhendo a forma exponencial negativa e calculando apenas
os parmetros de ajuste por mxima verossimilhana.

Posteriormente e seguindo a mesma linha de pesquisa, Dubin (1998) e


Basu e Thibodeau (1998) aplicam a mesma metodologia para novos estudos de
valor de imveis, realizando a krigagem dos resduos dos modelos de regresso
impondo uma determinada estrutura espacial de variao.

O primeiro estudo de aplicao que usa a metodologia geoestatstica para


a avaliao de imveis de forma completa proposto por Chica Olmo (1994). O
63

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.

Em definitivo, o autor est modelando a variao do valor de um tipo


homogneo de imveis em funo da sua localizao, ou seja, est modelando o
valor da localizao, a menos de uma constante multiplicativa, mas somente para
aquele tipo especfico de imveis homogneos.

Posteriormente Cano Guervs (1999) tenta aplicar a mesma metodologia


para uma amostra heterognea de imveis, onde prope o uso da anlise fatorial e
da regresso mltipla para estimar o efeito das caractersticas construtivas dos
imveis e a modelagem por geoestatstica do erro da regresso, realizando uma
proposta similar ao estudo de Dubin (1992). Este autor tambm utiliza um modelo
aditivo para o valor, considerando este como a soma de um valor de construo e
um valor de localizao. Desta forma prope definir e estimar o valor da localizao
dos imveis por meio do termo de krigagem dos resduos e mais uma constante.
Esta constante calculada separando em duas partes o termo constante obtido na
regresso, que comum aos componentes de construo e localizao, seguindo a
proposta sugerida por Dubin (1992). Este mtodo de diviso da constante apresenta
algumas limitaes pela prpria definio, obtendo-se valores negativos para
algumas localizaes. Isto se deve, provavelmente, ao modelo aditivo e
metodologia de clculo da constante, j que ela obtida pela diferena entre duas
constantes de modelos obtidos por mtodos de estimao diferentes: o modelo de
mnimos quadrados ordinrios (que no se considera confivel por existir forte
64

autocorrelao espacial nos resduos) com o modelo de mxima verossimilhana. O


prprio autor prope estudar novas formas de poder dividir a constante do modelo
por outro mtodo para poder definir o valor da localizao.

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.

3.4.5 Comparao entre o uso de mtodos economtricos espaciais e


geoestatsticos.

Os mtodos da estatstica espacial tm sido incorporados recentemente


nos estudos de avaliao imobiliria.

Existem duas escolas que propem metodologias diferentes na


abordagem do estudo da estrutura espacial nos dados: por um lado os que propem
os mtodos de regresso espacial para a modelagem dos efeitos espaciais
presentes nos dados de mercado imobilirio e por outro os que propem o uso de
mtodos geoestatsticos para a modelagem da estrutura espacial dos dados. A
discusso sobre qual das duas abordagens mais apropriada para os dados
imobilirios tem recebido pouca ateno. Os defensores da econometria espacial
baseiam-se na extenso dos mtodos economtricos ampla e tradicionalmente
65

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.

Anselin (1999a) defende o critrio de escolha baseado na anlise do tipo


de dados e o conseqente modelo de dados a ser aplicado em cada caso: para
dados com caractersticas de objetos espaciais, que so observaes heterogneas
nas suas caractersticas intrnsecas e onde estas caractersticas participam e
influenciam no processo de modelagem, defende que seja aplicada a metodologia
da econometria espacial; enquanto que para dados com caractersticas de
geocampos, ou variveis homogneas intrinsecamente e com variao continua no
espao, deve ser aplicada a metodologia geoestatstica. Ainda, segundo este autor,
o caso especfico do valor dos imveis parece apresentar caractersticas de ambos
tipos de modelos de dados, deixando uma interrogao quanto ao melhor mtodo
para modelagem do valor.

Dubin (1998) defende a utilizao dos mtodos geoestatsticos pela forma


diferente de modelar a estrutura espacial do resduo. Enquanto os modelos de
regresso espacial utilizam uma matriz predeterminada W para estimar os pesos das
observaes da vizinhana, a estrutura espacial obtida no surge da anlise dos
dados seno da escolha arbitrria do pesquisador. As possibilidades de escolha de
diferentes matrizes W sem um embassamento terico ou metodolgico deixam uma
interrogao sobre qual o melhor mtodo. Diferentes matrizes W podem levar a
resultados completamente diferentes, tanto na avaliao da autocorrelao espacial
como na estimao por inferncia estatstica. Porm, a imposio de uma varincia
exponencial negativa tambm no justificada pela autora e apenas os parmetros
do correlograma so estimados, no permitindo tambm a anlise de possvel
anisotropia nos dados.
66

Posteriormente Dubin (2003a) compara os mtodos economtricos


espaciais e os modelos geoestatsticos numa aplicao prtica, analisando os
resultados em funo do grau de ajustamento entre os valores observados e
calculados por ambos mtodos e a anlise dos erros obtidos sobre uma mesma
amostra de dados aplicando as duas metodologias. O autor conclui que os modelos
geoestatsticos apresentam superioridade na estimao por inferncia estatstica
sobre os modelos de regresso espacial, sendo que ambos mtodos por sua vez
so claramente superiores aos resultados obtidos por regresso mltipla por
mnimos quadrados.

Num outro trabalho, analisando os resultados comparativos de diferentes


mtodos, Dubin (2003b) prope o uso combinado do modelo de regresso espacial
da varivel dependente e a modelagem por krigagem do erro, encontrando que os
resultados deste modelo so equivalentes ao modelo espacial do erro
autocorrelacionado.
4. A MODELAGEM DO VALOR DA LOCALIZAO.

4.1 Definio do modelo de valor.

O valor dos imveis depende de um conjunto de fatores entre os quais se


encontram a sua localizao, as caractersticas fsicas do imvel, o momento da
avaliao e as condies jurdicas e legais a que est condicionado o imvel.

Para efeito de avaliao em massa de imveis, quando considerada uma


regio geogrfica onde as condies fiscais so fixas e uma amostra de mercado de
imveis em condies semelhantes de transao e coletada na mesma poca, o
valor dos imveis poder ser considerado pelo modelo geral a seguir:

V = f (L,T,CFT)

Onde V representa o valor dos imveis, L representa as variveis de


localizao, T representa o tipo de imvel, e CFT representa as caractersticas
fsicas dos imveis em funo do tipo (as caractersticas fsicas influenciantes no
valor dependem do tipo de imvel considerado).

O modelo utilizado do tipo multiplicativo, permitindo examinar a


interao entre os fatores de localizao e fsicos do imvel, sendo tambm um
modelo de carter geral para todos os tipos de imveis.

A expresso do modelo geral a seguinte:

VU = VL * FTIPO * FCF1 * FCF2 * * FCFn

Onde VU o valor unitrio do imvel, VL representa o valor da


localizao, FTIPO um fator que depende do tipo de imvel e os FCFi representam
fatores das caractersticas fsicas influenciantes no valor para cada tipo de imvel.

A varivel VL representa o valor da localizao no imvel, ou seja, a parte


do valor do imvel que responde s caractersticas de localizao e vizinhana.
68

No valor VL esto influenciando simultaneamente todos os plos de


valorizao, principais ou secundrios, que afetam o valor de uma localizao. Este
conjunto de influncias atua de forma a gerar uma estrutura espacial do valor VL.
Quanto mais prximo se encontra o imvel dos plos de valorizao, maior ser seu
valor VL e este valor diminui paulatinamente na medida que aumenta a distancia aos
plos de valorizao. A varivel VL apresenta, portanto, caractersticas de
dependncia e autocorrelao espacial: dois imveis prximos recebero efeito
similar dos plos de valorizao, de forma que apresentaro valores de localizao
muito prximos e esta semelhana ser menor quanto maior seja a distncia entre
os imveis.

O valor VL inclui tambm a influncia da vizinhana imediata no valor de


cada imvel. As caractersticas de uma vizinhana, como a estrutura urbana e os
servios pblicos, a qualidade do ambiente natural e construdo, as caractersticas
socioeconmicas e culturais, entre outras, influenciam de forma geral a todos os
imveis nela localizados provocando uma determinada valorizao mdia para todos
os imveis de uma regio e esto presentes no valor VL. O chamado efeito de
adjacncia ou de contgio, que produz uma influncia de cada imvel sobre os
imveis mais prximos gerando um efeito de vizinhana tambm est presente no
valor VL e apresenta tambm uma estrutura de autocorrelao espacial.

lgico que muitos destes fatores, plos de valorizao, qualidade da


vizinhana, efeitos de adjacncia, apresentam correspondncia ou correlao
importantes entre si, sendo difcil de separar o efeito de uns e outros. Os efeitos por
eles induzidos interagem entre eles de forma complexa, afetando o valor de uma
localizao.

Por estes motivos VL pode ser caracterizada como uma varivel aleatria
que apresenta uma estrutura espacial, ou seja, uma varivel regionalizada.

No modelo geral consideram-se imveis de todos os tipos existentes na


regio considerada: terrenos, casas, apartamentos, kitinetes, comerciais e outros se
houver.
69

Considerando que existam apenas dois tipos de imveis, por exemplo


terrenos e casas, as equaes por modelos separados para os dois tipos de imveis
seriam as seguintes:

VUTERR = VLTERR * FTERR1 * FTERR2 * * FTERRf

VUCASA = VLCASA * FCASA1 * FCASA2 * * FCASAg

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.

Considerando que o valor da localizao est influenciado pelos mesmos


tipos de fatores independentemente do tipo de imvel que se trate, sendo que os
fatores de localizao podem afetar em diferentes graus ou propores segundo o
tipo de imvel, a relao entre os valores de localizao ser formalizada da
seguinte forma:

VLTERR = VL * FLOC_TERR

VLCASA = VL * FLOC_CASA

Onde VL representa um ndice geral representativo do valor da


localizao e FLOC_TERR e FLOC_CASA so dois parmetros que dependem do tipo de
imvel (terreno ou casa) e que relacionam o valor da localizao de cada tipo de
imvel com o valor geral VL.

A partir das relaes anteriores as equaes dos dois modelos podem ser
reescritas da seguinte forma:

VUTERR = VL * FLOC_TERR * FTERR1 * FTERR2 * * FTERRf

VUCASA = VL * FLOC_CASA * FCASA1 * FCASA2 * * FCASAg

Considerando que os fatores FTERRi e FCASAj somente atuam sobre


terrenos e casas respectivamente, a seguinte equao permitir representar numa
nica equao os dois tipos de dados:
70

VU = VL * FTIPO * FTERR1 * FTERR2 * * FTERRf * FCASA1 * FCASA2 * * FCASAg

Onde:

FTIPO = FLOC_TERR para terrenos;

FTIPO = FLOC_CASA para casas;

FTERRi = 1 para casas (estes fatores somente atuam sobre os terrenos);

FCASAj = 1 para terrenos (estes fatores somente atuam sobre casas).

A estimao do fator FTIPO (ou seja, dos valores FLOC_TERR e FLOC_CASA)


pode ser realizada usando variveis dicotmicas que identificam o tipo de imvel
(terreno e casa)

Generalizando o raciocnio para os outros tipos de imveis obtm-se o


modelo geral proposto.

4.2 Estimao da varivel VL.

O modelo proposto permite compreender o comportamento do valor dos


imveis simultaneamente como objeto e como geocampo.

De acordo com o modelo, VU depende da varivel VL e de um conjunto


de variveis intrnsecas dependentes do tipo de imvel.

A dependncia da localizao por meio de VL est justificando o


comportamento de geocampo do valor dos imveis. Se consideradas fixas e
constantes as outras variveis intrnsecas dos imveis, o seu valor depender
apenas da localizao. Por outro lado, se desconsideradas os efeitos de localizao,
as variveis intrnsecas dos imveis explicam o seu comportamento como objetos
espaciais.

De acordo com esta interpretao o valor dos imveis pode ser modelado
utilizando as duas metodologias espaciais de forma combinada: o mtodo
71

geoestatstico para modelar o valor de localizao e o mtodo economtrico para


modelar a influncia das caractersticas fsicas.

O valor de uma localizao ou valor de localizao de um imvel pode ser


considerado como uma varivel regionalizada que depende da interao ou do efeito
combinado de uma multiplicidade de fatores ou agentes de natureza diversa:
ambientais, urbanos, legais, sociais e econmicos, que se encontram relativamente
prximos localizao especificada.

A delimitao da vizinhana, a distncia mxima ou a rea de influncia


de cada plo de valorizao so diferentes em cada caso e resulta muito difcil de
ser objetivamente definida. Os plos mais importantes podem ter uma rea de
influncia maior e os plos secundrios uma rea de influncia menor porm esta
delimitao e o gradiente de variao do valor com a distncia no so
objetivamente mensurveis, se bem que se pode afirmar teoricamente que o valor
segue uma funo montona decrescente em relao distncia aos plos de
valorizao.

Por ser uma varivel regionalizada a modelagem mais apropriada do valor


da localizao pode ser feita por geoestatstica.

A proposta aqui apresentada consiste em modelar a varivel de


localizao VL usando os mtodos geoestatsticos.

Para realizar esta estimao da varivel VL necessrio homogeneizar


os dados de mercado, retirando o efeito no seu valor de todos os outros fatores ou
variveis.

Considerando que os dados obtidos na pesquisa para analisar o valor da


localizao dos imveis vm de uma amostra de imveis heterogneos nas suas
caractersticas construtivas, para poder-se utilizar estes dados na modelagem
geoestatstica necessrio realizar um processo de homogeneizao destes dados,
eliminando os efeitos que no sero modelados e transformando o conjunto de
dados em objetos homogneos onde a variao depende exclusivamente do
fenmeno que se quer modelar, neste caso a localizao dos imveis.
72

Por se tratarem de geo-objetos a metodologia estatstica aplicvel para


realizar esta homogeneizao pertence a econometria espacial. As tcnicas de
regresso espacial permitem analisar relaes entre objetos complexos onde existe
uma estrutura de dependncia espacial entre eles.

Para realizar esta homogeneizao sero estimados os fatores utilizando


o mtodo de regresso espacial do erro.

O modelo espacial do erro aplicado considerando como variveis


independentes apenas aquelas referidas s caractersticas tipolgicas e construtivas
dos imveis:

L(VU) = L(FTIPO) + L(FCF1) + ... + L(FCFn) + e

e = We + u,

ou seja, o erro encontra-se espacialmente correlacionado. Por no


estarem includas no modelo do erro variveis especficas de localizao, os efeitos
de localizao encontram-se absorvidos pelo termo de erro da regresso espacial.

Conseqentemente, sendo o efeito de localizao um termo que


apresenta dependncia espacial, o erro do modelo proposto deve apresentar
autocorrelao espacial.

A utilizao do modelo espacial do erro ao invs do modelo de regresso


tradicional permite estimar os parmetros da regresso de forma eficiente e
confivel.

Estimados assim os parmetros das variveis construtivas e de tipo, os


dados de mercado podem ser homogeneizados. Para um imvel i o seu valor pode
ser estimado da seguinte forma:

VUi = VLi * FTIPOi * FCF1i * ... * FCFni

Dividindo o valor VUi pelos fatores correspondentes obtido um valor que


no depende do tipo de imvel nem das suas caractersticas construtivas, um valor
homogeneizado:
73

VHi = VUi / (FTIPOi * FCF1i * ... * FCFni)

Os valores VHi so agora valores que podem ser considerados


representativos do valor da localizao de cada imvel, ou seja, da varivel VL.

A varivel VH uma varivel regionalizada e pode ser modelada por


mtodos geoestatsticos.

4.2.1 Estimao da matriz W.

O modelo espacial do erro (MEE) requer a definio de uma matriz de


vizinhana ou de pesos espaciais W.

Para a definio desta matriz ser realizada uma estimao aproximada


do raio de influncia mdio que define a estrutura de dependncia espacial do valor
de localizao.

Para isto, so estimados em primeira instncia fatores de


homogeneizao por regresso por mnimos quadrados.

Estes fatores, se bem que no so plenamente confiveis como


estimadores de inferncia por estarem apresentando um erro provavelmente
autocorrelacionado espacialmente, sero considerados uma aproximao ao
verdadeiro valor de homogeneizao com o nico objetivo de estimar a matriz W.

Com estes fatores estimam-se os valores homogeneizados VH e com


estes valores homogeneizados analisado o semivariograma experimental de VH. O
semivariograma experimental isotrpico permite analisar a estrutura de dependncia
espacial dos dados em forma primria. A partir do alcance observado do
semivariograma experimental isotrpico ou da distncia mxima na qual os dados
mostram maior dependncia espacial pode ser definida uma distncia mxima
estimada para a vizinhana de cada imvel.

Esta distncia ento utilizada para definir a matriz de vizinhana ou


pesos espaciais W.
74

4.2.2 Estimao dos fatores de homogeneizao pelo modelo espacial do erro


(MEE).

Com a matriz de pesos W definida realizada a anlise de regresso pelo


MEE.

A matriz W permite agora estimar o grau de autocorrelao espacial nos


resduos do modelo de mnimos quadrados e os testes para os diferentes modelos
espaciais.

A aplicao do MEE com a matriz assim definida permite realizar


estimativas confiveis dos parmetros de homogeneizao.

4.2.3 Krigagem por blocos e determinao de VL.

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 anlise do semivariograma permite estudar a estrutura espacial dos


dados, a existncia de anisotropia ou varincia diferenciada segundo as diferentes
direes espaciais, o gradiente de variao e o alcance ou distncia de dependncia
espacial. Estes parmetros so definidos por meio do semivariograma terico que
melhor se aproxima do semivariograma experimental.

A krigagem por blocos permite diminuir os efeitos de possveis erros


contidos no VH.

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.

O resultado da krigagem da varivel VH a nova varivel VL que


representa o efeito de todos os fatores de localizao influenciantes no valor dos
imveis.

4.3 Modelo de avaliao em massa dos imveis.

Uma vez estimada a varivel de localizao VL o modelo de avaliao em


massa pode ser estimado pelo mtodo tradicional de regresso mltipla,
considerando como variveis explicativas as variveis construtivas e de tipologia dos
imveis e a varivel de localizao VL.

A Figura 5 mostra o fluxograma contendo os passos do mtodo proposto.


76

Regresso Mltipla (mnimos quadrados)


Variveis Construtivas

Fatores de Homogeneizao
Valor Homogeneizado

Definio Matriz Pesos W:


semivariograma omnidirecional do Valor Homog.

Regresso Espacial
Modelo do Erro

Fatores de Homogeneizao
Valor Homogeneizado - VH

Krigagem por Blocos

Modelagem do Semivariograma de VH
Anisotropia

Varivel VL

Regresso Mltipla (mnimos quadrados)


Variveis Construtivas e VL

Figura 5. Fluxograma do mtodo proposto.


5. APLICAO DO MTODO.

5.1 rea de estudo.

A rea de estudo corresponde aos bairros Kobrasol e Campinas do


municpio de So Jos, Estado de Santa Catarina.

Segundo Farias (2001) o municpio de So Jos, fundado por aorianos


em 1750 est localizado na Grande Florianpolis, nas coordenadas geogrficas
27o3652 de latitude sul e 48o3819 de longitude oeste, possuindo uma rea
geogrfica de 116 km2 e populao em 1996 de 151.024 habitantes. Em 1998 So
Jos se destacou como o sexto maior colgio eleitoral do estado com 94.480
eleitores. O municpio tem como limite a leste a Baa Sul da Ilha de Santa Catarina, a
oeste So Pedro de Alcntara e Antnio Carlos, ao norte Biguau e Florianpolis e
ao sul Palhoa. So Jos um dos grandes plos de desenvolvimento econmico
de Santa Catarina. o municpio de maior densidade demogrfica de Santa
Catarina, com 1.317 hab./km2. O Estado de Santa Catarina tem mdia de 50
hab./km2 e Florianpolis 593 hab./km2.

Segundo o mesmo autor o desenvolvimento do municpio nos ltimos


vinte anos foi significativo. O crescimento sociodemogrfico e econmico atraiu
gente de toda parte e origem cultural, inicialmente morando em So Jos e
trabalhando em Florianpolis. Hoje um volume muito grande de pessoas trabalha no
prprio municpio, que se transformou num grande plo industrial, comercial e de
prestao de servios. Enquanto em 1990 as atividades secundrias e tercirias
empregavam 24.248 indivduos, em 1998 encontravam-se instaladas legalmente
2.020 industrias, 3.500 casas comerciais e 1.770 empresas prestadoras de servios,
gerando cerca de 50.000 empregos.

Os bairros Kobrasol e Campinas, pertencentes ao Distrito Campinas de


So Jos, constituem um dos centros mais dinmicos do municpio, com forte
movimento imobilirio, atividades comerciais variadas, centros de recreao,
78

inmeros restaurantes, centros educacionais do pr-escolar ao universitrio e um


nmero significativo de bancos, alm da instalao de rgos municipais
importantes.

Em relao s caractersticas da construo imobiliria nestes bairros, at


1980 as construes limitavam-se praticamente a dois pavimentos sendo casas
residenciais. A partir de 1980 comearam a ser construdos edifcios de 4 andares,
posteriormente entre 1980 e 1990 comearam a ser construdos edifcios de 12
andares e atualmente permitido at 14 pavimentos segundos o Plano Diretor do
municpio.

Entre as obras pblicas de recente execuo, a construo da Beira Mar


de So Jos inaugurada no 2004 valorizou ainda mais a regio de Kobrasol e
Campinas, especialmente a rea mais prxima desta obra, provocando uma
mudana nos valores imobilirios da regio.

A localizao dos bairros Kobrasol e Campinas pode ser observada na


Figura 6. A figura mostra a localizao do municpio de So Jos no Estado de
Santa Catarina, na regio da Grande Florianpolis e a localizao dos bairros
Kobrasol e Campinas no municpio de So Jos. Os limites da rea de estudo se
encontram na Rodovia BR 101 a oeste, a Rodovia BR 282 conhecida como Via
Expressa ao norte, continuando pelo Rio Arajo ao leste e a Baa Sul ao sul.

As principais referncias dos bairros Kobrasol e Campinas podem ser


observadas na Figura 7. Alm da Rodovia BR 101 e a Via Expressa se destacam
trs importantes avenidas onde est localizada a maior parte da atividade comercial
da regio: a Avenida Central do Kobrasol, que concentra a maior quantidade de
atividades comerciais incluindo as agncias bancrias, a rua Josu di Bernardi e a
Avenida Presidente Kennedy, que concentra as maiores casas comerciais. Tambm
esto indicados como referncias outros dois centros importantes: a nova Avenida
Beira Mar, inaugurada nos ltimos meses, o Centro Comercial Campinas e um
importante supermercado localizado fora dos principais centros comerciais da
regio.
LOCALIZAO GEOGRFICA

KOBRASOL

CAMPINAS
Sao Jose

50 m 0 100 200 m

Escala grfica

Figura 6. Localizao da rea de estudo. Fonte: Michael (2004).


80

VI
A
EX
PR
ES
SA

ASOL
01

RUA JOSU DI BERNARDI


BR-1

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

BEIRA M Escala grfica


LEGENDA
1 - CENTRO COMERCIAL CAMPINAS
2 - SUPERMERCADO GIASSI

Figura 7. Mapa de referncias. Fonte: Michael (2004).

5.2 Pesquisa de mercado.

Foi realizada uma pesquisa do mercado imobilirio na rea de estudo


para levantamento dos dados do presente trabalho.

A pesquisa incluiu a busca de imveis a venda e foi realizada junto s


imobilirias que atuam na regio, procurando anncios de venda de imveis
publicados nos jornais e diretamente em toda a rea de estudo.
81

A pesquisa de mercado foi realizada entre os meses de abril e novembro


de 2004.

Foram includos na pesquisa todos os tipos de imveis que estavam


sendo comercializados na regio, abarcando os seguintes tipos: terrenos,
apartamentos, kitinetes, casas, salas e lojas comerciais. No total foram coletadas
informaes correspondentes a 249 imveis a venda na regio, correspondendo a
175 apartamentos, 21 kitinetes, 27 casas, 17 terrenos e 9 imveis comerciais.

A Tabela 1 mostra a distribuio porcentual dos imveis da amostra por


tipo.

Tabela 1. Composio da amostra de mercado por tipo de imvel.

TIPO NMERO % SOBRE


ELEMENTOS TOTAL
Apartamentos 175 70.3
Kitinetes 21 8.4
Casas 27 10.8
Comerciais 9 3.6
Terrenos 17 6.8
Total 249 100.0

As caractersticas levantadas para todos os imveis includos na amostra


de mercado foram as seguintes:

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.

Localizao do imvel. A pesquisa incluiu a localizao exata dos imveis,


com o endereo completo. Depois, com a ajuda do mapa de quadras e
lotes da Prefeitura foi localizado o lote ao qual pertence cada imvel da
pesquisa. Posteriormente, com as informaes sobre nmero de quadra e
lote constantes no cadastro fornecido pela Prefeitura Municipal foi definido
para cada imvel um geocdigo que define a localizao do lote, incluindo
82

neste geocdigo o setor, a quadra e o nmero de lote do imvel. Com este


geocdigo foi localizado cada imvel da pesquisa de mercado no mapa do
Municpio fornecido pela Prefeitura e assim, definindo um ponto dentro de
cada lote para cada imvel foram registradas as coordenadas UTM que
identificam a localizao de cada imvel.

As outras variveis levantadas na pesquisa para os apartamentos,


kitinetes e imveis comerciais foram as seguintes:

A rea total e privativa do imvel medida em metros quadrados;

O padro construtivo do imvel, medido de acordo com a classificao


existente no atual cadastro da prefeitura, que classifica os padres em
quatro categorias: padro luxo (padro 1), alto (padro 2), normal (padro
3) ou baixo (padro 4). O padro construtivo foi levantado por vistoria
externa dos imveis e comparado com o padro construtivo definido no
cadastro imobilirio da Prefeitura. Como foi detectada uma desatualizao
nos dados do cadastro imobilirio foi mantido como valor da varivel
apenas o levantado na pesquisa;

A existncia ou no de garagem na unidade;

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.

Para as casas a pesquisa tambm incluiu a rea construda e a rea total


do terreno, o padro construtivo e a idade.

Para os terrenos a pesquisa incluiu a rea total e as medidas da frente


principal ou frentes do terreno e profundidade.

A localizao dos dados da amostra na rea de estudo mostrada na


Figura 8. Os imveis da pesquisa de mercado encontram-se espalhados por toda a
regio, cobrindo a maior parte dela. Particularmente existe uma densidade
83

importante de dados prximo a um dos principais centros comerciais da regio, que


a Avenida Central do Kobrasol.

Outras importantes reas comerciais, como a Av. Presidente Kennedy e a


Rua Josu di Bernardi apresentam um nmero menor de dados nas suas
proximidades. Esta diferena se deve a que a Av. Central do Kobrasol apresenta
tambm uma alta quantidade de prdios residenciais junto aos comerciais,
principalmente edifcios residenciais, sendo estes os principais responsveis pela
densidade de imveis na amostra.

JOSUE DI BERNARDI

Figura 8. Distribuio geogrfica dos imveis. Elaborado pelo autor.


84

O fato dos imveis da amostra estarem distribudos em quase toda a rea


de estudo permite esperar um grau de confiabilidade importante na estimao do
valor de localizao em toda a regio, pois existem imveis prximos a praticamente
todos os plos de valorizao.

Nos Anexos 1 a 5 podem ser encontrados os mapas com a localizao


dos dados de mercado separados por tipo de imvel.

5.3 Tratamento dos dados.

Georreferenciamento dos imveis. Localizando os elementos da amostra


no mapa de quadras e lotes do Municpio como explicado anteriormente,
foram identificadas as coordenadas UTM para cada imvel.

Construo de variveis dicotmicas por tipo de imvel. A partir da


varivel TIPO foram construdas as seguintes variveis dicotmicas:
APTO, TERRENO, CASA, KIT, COMERCIA.

Construo de varivel dicotmica para existncia ou no de garagem.

Tambm as variveis referentes ao padro construtivo foram


transformadas em variveis dicotmicas. A partir da varivel PADRAO da
pesquisa foram construdas as variveis dicotmicas denominadas Padro
2, Padro 3 e Padro 4 para os imveis de padro alto, mdio e baixo
respectivamente (no h imveis de padro luxo na regio).

A varivel idade mostrou baixa correlao com o valor unitrio dos


imveis. A relao entre estas duas variveis pode ser observada no
grfico de disperso da Figura 9. Para medir o efeito da idade no valor
unitrio a varivel IDADE foi subdividida em faixas de valor, definindo a
primeira faixa com imveis de at trs anos de idade, a segunda faixa com
imveis de at seis anos, a terceira com imveis de at 10 anos, a quarta
com imveis de at 15 anos e a quinta com imveis de mais de 15 anos. A
Figura 10 mostra que apenas os imveis novos, com at 3 anos de idade,
apresentam um efeito significativo de valorizao. Por este motivo foi
85

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)

Figura 9. Grfico de disperso do Valor Unitrio e a Idade dos imveis.

Box Plot VU por faixas de IDADE


1800

1600

1400

1200
VU

1000

800 Non-Outlier Max


Non-Outlier Min
75%
600 25%
Median
Outliers
400
<= 3 (3;6] (6;10] (10;15] > 15 Extremes

IDADE

Figura 10. Box plots do Valor Unitrio por faixas de Idade dos imveis.
86

A varivel de rea utilizada foi a rea total construda para o caso de


apartamentos, kitinetes, casas, comerciais e a rea total dos terrenos.

Como varivel dependente para os modelos foi definida o Valor Unitrio


medido em reais por metro quadrado, definido pelo quociente entre o
preo total vista e a rea total do imvel.

A tabela de freqncias das variveis dicotmicas consideradas para cada


tipo de imvel pode ser observada na Tabela 2.

Tabela 2. Freqncias das variveis dicotmicas por tipo de imvel.

Apto Kit Terreno Casa Comercial


Apto 175 0 0 0 0
Kit 0 21 0 0 0
Terreno 0 0 17 0 0
Casa 0 0 0 27 0
Comercial 0 0 0 0 9
Garagem no 44 20 17 5 6
Garagem sim 131 1 0 22 3
NOVO no 116 21 17 27 6
NOVO sim 59 0 0 0 3
P2 no 93 17 17 20 6
P2 sim 82 4 0 7 3
P3 no 89 4 17 11 3
P3 sim 86 17 0 16 6
P4 no 168 21 17 23 9
P4 sim 7 0 0 4 0

Observa-se que a amostra inclui apartamentos de padro 2, 3 e 4,


kitinetes de padro 2 e 3 e casas de padro 2, 3 e 4.
87

A varivel rea Total uma varivel contnua medida em m2 e sua


distribuio em quartis por tipo de imvel pode ser observada na Tabela 3.

Tabela 3. Distribuio por quartis da rea Total (em m2) por tipo de imvel.

TIPO MNIMO QUARTIL MEDIANA QUARTIL MXIMO


INFERIOR SUPERIOR

Aptos: rea total 40 68 89 129 205


Kit: rea total 27 35 37 40 42
Comercial: rea total 32 49 67 128 135
Casas: rea total 108 160 210 263 340
Casas: rea terreno 220 315 360 384 1260
Terreno: rea terreno 192 294 352 734 1830

Interao das variveis construtivas por tipo de imvel. Como a amostra


analisada apresenta 5 tipos de imveis, e as variveis construtivas podem
apresentar um grau de influncia diferente no valor segundo o tipo de
imvel, foi testada essa possvel diferena na influncia de cada varivel
para cada tipo de imvel. Para isto, foi calculado o produto de cada
varivel construtiva pela varivel dicotmica correspondente ao tipo de
imvel. Foram assim construdas novas variveis a serem testadas como
variveis de homogeneizao.

A Figura 11 mostra o grfico Box plot do Valor Unitrio de apartamentos


segundo tenham ou no garagem. Pode ser observado que os apartamentos com
garagem so mais valorizados que os que no tem garagem.
88

Box Plot VU x APT_GAR


1700

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.

A Figura 12 mostra o grfico Box plot do Valor Unitrio dos apartamentos


segundo o seu padro construtivo.

Box Plot VU x PADRAO para apartamentos


1700

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

Pode ser observado que o valor unitrio aumenta progressivamente para


os apartamentos com melhor padro construtivo.

A Figura 13 mostra o grfico Box plot do Valor Unitrio para as kitinetes,


observando-se que o valor unitrio aumenta para as kitinetes de melhor padro. A
comparao com o Box plot dos apartamentos sugere que a importncia do padro
no valor unitrio pode ter diferente influncia segundo o tipo de imvel.

Box Plot VU x Padro para kitinetes


1300

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.

Na Figura 14 mostrado o grfico de Box plot do Valor Unitrio


segundo o Padro Construtivo para casas. Semelhante aos grficos anteriores, pode
ser observado que a diferena do valor unitrio importante entre os diferentes
padres construtivos e que esta diferena varia de um tipo de imvel para outro. Por
este motivo a influncia da varivel Padro ser testada de forma separada para
cada um dos tipos de imveis.
90

Box Plot VU x Padro para casas


4000

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.

A Tabela 4 apresenta o resumo das variveis usadas no processo de


homogeneizao por regresso. Elas so variveis que indicam o tipo de imveis e
variveis construtivas para cada tipo de imvel: variveis de rea, de padro
construtivo, de existncia de garagem e de imvel novo.

Para no haver redundncia com o uso das variveis dicotmicas usadas


para diferenciar o padro construtivo de cada tipo de imvel, usado no modelo de
regresso um nmero de variveis dicotmicas igual ao nmero de tipos diferentes
existentes efetivamente na amostra menos um.

Desta forma so definidas apenas duas variveis dicotmicas para


diferenciar o padro dos apartamentos, uma para o padro construtivo das kitinetes
e duas para casas.

Entre as variveis de tipo de imvel a varivel dicotmica APT no ser


usada no modelo de regresso, sendo o tipo de imvel estimado na equao
quando todas as outras dicotmicas so nulas.
91

Tabela 4. Resumo de variveis de tipo e construtivas dos imveis da amostra.

NOME TIPO DESCRIO


APT dicotmica 1 se apartamento, 0 se no.
KIT dicotmica 1 se kitinete, 0 se no.
CASA dicotmica 1 se casa, 0 se no.
COMERCIA dicotmica 1 se comercial, 0 se no.
TERRENO dicotmica 1 se terreno, 0 se no.
APT_AT contnua rea total do apto em m2, 0 se no apto.
KIT_AT contnua rea total da kit em m2, 0 se no kit
CASA_AC contnua rea total construda da casa, 0 se no casa.
CA_ATER contnua rea total do terreno para casas, 0 se no casa.
TER_AT contnua rea total do terreno, 0 se no terreno.
AP_P2 dicotmica 1 para aptos de padro 2, 0 em outro caso.
AP_P3 dicotmica 1 para aptos de padro 3, 0 em outro caso.
KIT_P2 dicotmica 1 para kit de padro 2, 0 em outro caso.
CASA_P2 dicotmica 1 para casas de padro 2, 0 em outro caso.
CASA_P3 dicotmica 1 para casas de padro 3, 0 em outro caso.
APT_GAR dicotmica 1 para apto com garagem, 0 em outro caso.
NOVO dicotmica 1 para imvel com idade at 3 anos, 0 em outro caso.

5.4 Aplicao do mtodo.

5.4.1 Estimao da matriz de vizinhana.

Para realizar a estimao da matriz de vizinhana so calculados fatores


de homogeneizao do valor unitrio dos imveis por mnimos quadrados.

5.4.1.1 Parmetros de homogeneizao por mnimos quadrados.

A equao de regresso, considerando o logaritmo do valor unitrio como


varivel dependente do modelo, a seguinte:
92

L(VU) = 6.47401 + 0.00096*APT_AT + 0.08687*APT_GAR + 0.17361*AP_P2 +


0.09797*AP_P3 + 1.66178*KIT 0.03908*KIT_AT + 0.23986*KIT_P2 +
0.46961*CASA 0.00340*CASA_AC + 0.00104*CA_ATER +
0.53497*CASA_P2 + 0.47212*CASA_P3 0.24305*TERRENO +
0.00045*TER_AT + 0.61893*COMERCIA + 0.12275*NOVO

Calculado o antilogaritmo, a equao de regresso tambm pode ser


escrita da seguinte forma:

VU = 648.0767 * 1.0010APT_AT * 1.0908APT_GAR * 1.1896AP_P2 * 1.1029AP_P3 *


5.2687KIT * 0.9617KIT_AT * 1.2711KIT_P2 * 1.5994CASA * 0.9966CASA_AC *
1.0010CA_ATER * 1.7074CASA_P2 * 1.6034CASA_P3 * 0.7842TERRENO *
1.0005TER_AT * 1.8569COMERCIA * 1.1306NOVO

Uma vez obtidos os parmetros de homogeneizao calculado para


cada imvel o valor unitrio homogeneizado VH da seguinte forma:

VH = VU / [1.0010APT_AT * 1.0908APT_GAR * 1.1896AP_P2 * 1.1029AP_P3 * 5.2687KIT *


0.9617KIT_AT * 1.2711KIT_P2 * 1.5994CASA * 0.9966CASA_AC * 1.0010CA_ATER *
1.7074CASA_P2 * 1.6034CASA_P3 * 0.7842TERRENO * 1.0005TER_AT *
1.8569COMERCIA * 1.1306NOVO]

5.4.1.2 Semivariograma experimental.

Com o valor unitrio homogeneizado por mnimos quadrados foi calculado


o semivariograma experimental para analisar a variao do valor em funo da
distncia entre as observaes.

O semivariograma experimental isotrpico do valor unitrio


homogeneizado pode ser observado na Figura 15.
93

Semivariograma experimental omnidirecional de VUH (mnimos quadrados)


14000

12000

10000

8000
Variogram

6000

4000

2000

0
0 100 200 300 400 500 600
Lag Distance

Figura 15. Semivariograma experimental isotrpico do valor homogeneizado por


mnimos quadrados.

A partir da anlise do semivariograma experimental isotrpico da Figura


15 observa-se que os dados apresentam maior dependncia espacial at uma
distncia um pouco superior aos 100 metros e depois desta distncia a dependncia
diminui rapidamente apresentando uma estrutura praticamente estacionria. Desta
forma, as observaes que se encontram muito prximas exercem uma forte
influncia entre si e esta influncia diminui rapidamente com a distncia, de forma
que aquelas que se encontram separadas por distncias maiores quase no
apresentam influncia entre si.
94

5.4.1.3 Estimao da vizinhana para a matriz de pesos espaciais.

A matriz de pesos espaciais a ser estimada uma matriz de adjacncia,


ou seja, uma matriz onde definida uma distncia mxima para dois imveis serem
considerados adjacentes ou vizinhos. Inicialmente os vizinhos tm peso igual a 1 e
posteriormente estes pesos so padronizados por linha da matriz de forma que a
soma dos pesos para cada imvel seja igual a 1.

A estimao desta distncia de vizinhana geralmente determinada a


priori nos modelos de regresso espacial, de forma externa aos dados. Neste caso a
estimao foi realizada apoiada na anlise da varincia dos dados experimentais
que oferece o semivariograma. Como a matriz de pesos espaciais no permite
modelagem da anisotropia foi utilizado o semivariograma isotrpico ou
omnidirecional.

Desta forma, tomando como base a anlise da Figura 15, foi estimada a
distncia de vizinhana da matriz de pesos espaciais em 120 metros.

5.4.2 Estimao dos parmetros de homogeneizao pelo modelo espacial do


erro.

Uma vez construda a matriz de pesos espaciais W, pode-se analisar a


autocorrelao espacial nos resduos do modelo de mnimos quadrados e estimar o
modelo de regresso espacial do erro.

5.4.2.1 Testes de autocorrelao espacial.

Com a matriz W definida foram calculadas as estatsticas


correspondentes aos testes de autocorrelao espacial de Moran, os testes do
Multiplicador de Lagrange para o modelo da varivel dependente e do erro e suas
estatsticas robustas. Os resultados, obtidos usando o software Geoda (Anselin,
2003) podem ser observados na Tabela 5.
95

Tabela 5. Diagnstico de autocorrelao espacial.

TESTE VALOR PROBABILIDADE


Morans I 6.2724 0.0000
LM (lag) 1.4601 0.2269
LM robusto (lag) 0.1139 0.7357
LM (err) 30.3870 0.0000
LM robusto (err) 29.0408 0.0000

Os resultados mostram a existncia de uma forte autocorrelao espacial


nos resduos do modelo de regresso por mnimos quadrados. O teste de Moran e
os dois testes do modelo espacial do erro mostram-se fortemente significativos.

Desta forma comprovada a existncia de uma estrutura espacial nos


resduos do modelo de mnimos quadrados. Este resultado era esperado, pois as
variveis explicativas da regresso representam apenas os fatores construtivos e de
tipo dos imveis, no considerando nenhum fator de localizao. A ausncia dos
fatores de localizao no modelo faz com que o resduo do modelo carregue o efeito
destas variveis no especificadas. O termo do erro, por conter o efeito dos fatores
de localizao, apresenta uma estrutura de dependncia espacial e este resultado
comprovado com os testes de autocorrelao espacial.

Comprova-se tambm desta forma a limitao do mtodo de mnimos


quadrados para a estimao dos parmetros obtidos por este modelo e a carncia
de validade dos testes de significncia nele calculados.

5.4.2.2 Modelo espacial do erro.

Com a matriz W definida, foi estimado o modelo espacial do erro


considerando as mesmas variveis explicativas anteriormente descritas.

Os resultados obtidos para o modelo espacial do erro usando o software


Geoda so apresentados na Tabela 6.
96

A varivel LAMBDA representa o termo de autocorrelao espacial do


erro e se mostra fortemente significativa, indicando a existncia de forte
autocorrelao espacial.

A estatstica z corresponde ao equivalente para a regresso por mxima


verossimilhana ao valor t de Student para o mtodo de mnimos quadrados. As
probabilidades indicam o grau de significncia de cada varivel de forma anloga a
da regresso por mnimos quadrados.

Os parmetros globais do modelo do erro e do modelo de mnimos


quadrados podem ser observados na Tabela 7.

Tabela 6. Modelo espacial do erro. Variveis independentes.

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

Da comparao dos resultados para os dois modelos surge a melhora


substantiva do modelo espacial em todos os parmetros de comparao. O
coeficiente de determinao aumentou de 57.8% para 66.3%, o logaritmo da
verossimilhana aumentou de 60.6 para 86.5 e os critrios de informao de Akaike
e Schwarz, que so parmetros indicativos da qualidade e poder explicativo da
regresso tambm mostram que o modelo espacial foi superior ao de mnimos
quadrados.

Tabela 7. Resultados do modelo do erro e de mnimos quadrados.

MODELO DO ERRO MNIMOS


QUADRADOS
R2 0.6631 0.5780
Log Verossimilhana 86.5459 60.6014
Critrio de Akaike -139.0920 -87.2029
Critrio de Schwarz -79.2952 -27.4062
Erro padro da regresso 0.1695 0.1965

5.4.2.3 Parmetros de homogeneizao.

Com os resultados obtidos pelo modelo espacial do erro podem ser


calculados os fatores de homogeneizao do valor dos imveis.

Tomando antilogaritmos na equao de regresso pode ser expresso o


valor unitrio dos imveis da seguinte forma:

VU = 666.9446 * 1.0008APT_AT * 1.1357APT_GAR * 1.1137AP_P2 * 1.0977AP_P3 *


4.2832KIT * 0.9667KIT_AT * 1.1733KIT_P2 * 2.9531CASA * 0.9955CASA_AC *
1.0005CA_ATER * 1.7415CASA_P2 * 1.2517CASA_P3 * 0.7828TERRENO *
1.0004TER_AT * 1.6608COMERCIA * 1.1128NOVO * 2.4048We

De acordo com estes resultados o valor unitrio dos apartamentos


aumenta 0.08% por metro quadrado de rea total do apartamento, aumenta 13.57%
se o imvel tem garagem, aumenta 11.37% se de Padro 2 e 9.77% se de
Padro 3. Tambm aumenta 11.28% se um imvel novo. As kitinetes diminuem
seu valor unitrio 3.33% por cada metro quadrado de rea total, aumenta 17.33% se
98

de Padro 2 (as kitinetes da amostra no apresentam nenhum imvel de Padro 4,


existindo somente os Padres 2 e 3). Tambm no caso de imvel novo aumenta
11.28%. O valor unitrio das casas diminui com a rea construda e aumenta com
rea do terreno e mostra maiores diferenas entre os imveis dos diferentes
padres. O valor unitrio dos terrenos aumenta com a rea do terreno. Os fatores
correspondentes s variveis dicotmicas de tipo de imvel servem para
homogeneizar os valores unitrios mdios entre os imveis de cada tipo para um
valor homogneo geral.

O valor unitrio homogeneizado pode ser calculado com os novos fatores


da mesma forma que foi calculado anteriormente. Os fatores considerados para
realizar a homogeneizao so os correspondentes s variveis construtivas e de
tipo de imvel, como mostrado a seguir:

VH = VU / [1.0008APT_AT * 1.1357APT_GAR * 1.1137AP_P2 * 1.0977AP_P3 * 4.2832KIT


* 0.9667KIT_AT * 1.1733KIT_P2 * 2.9531CASA * 0.9955CASA_AC *
1.0005CA_ATER * 1.7415CASA_P2 * 1.2517CASA_P3 * 0.7828TERRENO *
1.0004TER_AT * 1.6608COMERCIA * 1.1128NOVO]

O VH assim calculado carrega ainda os efeitos espaciais estimados no


modelo espacial do erro, corrigindo apenas os efeitos das variveis construtivas e de
tipo. Os efeitos espaciais provenientes dos fatores de localizao esto presentes na
variabilidade de VH.

5.4.2.4 Avaliao do grau de homogeneidade.

O grau de homogeneidade conseguida pelo mtodo exposto pode ser


analisado calculando os valores de tendncia central e disperso do VU antes e
depois do processo de homogeneizao.

Os parmetros utilizados para esta anlise so a mediana e o intervalo


interquartil.

A mediana uma estatstica de tendncia central mais robusta que a


mdia pois no depende to fortemente de possveis valores extremos.
99

O intervalo interquartil representa a diferena entre os valores do primeiro


e terceiro quartis, ou seja, o intervalo de valores onde se encontram 50% dos
valores centrais.

A Tabela 8 mostra os valores da mediana e intervalo interquartil (i.i.q.)


para o VU original e o VH ou valor unitrio homogeneizado para o conjunto da
amostra e tambm para cada tipo de imvel.

O valor da mediana mostra uma forte homogeneizao dos valores. O


maior valor da mediana de valores homogeneizados para os casos de imveis
comerciais e terrenos em relao mediana geral indica que estes imveis
encontram-se localizados em regies mais valorizadas que os outros tipos.
Entretanto, a mediana das casas menor que o valor geral indicando que estes
imveis encontram-se, em mdia, em localizaes menos valorizadas. Estas
diferenas nos valores das medianas por tipo de imvel dependendo da sua
localizao mostra a importncia de se utilizar no processo de homogeneizao um
mtodo que leva em considerao os efeitos espaciais.

Os i.i.q. dos VH mostram uma disperso claramente menor dos valores


indicando tambm uma forte homogeneizao.

Pode-se concluir que a homogeneizao foi eficiente para todos os tipos


de imveis.

Tabela 8. Resultados do processo de homogeneizao do VU.

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

Outra anlise do grau de eficincia do processo de homogeneizao pode


ser feita pela observao dos Box plot do Valor Unitrio para cada tipo de imveis
antes e depois da homogeneizao.

A Figura 16 mostra os Box plot do Valor Unitrio original dos dados de


mercado para cada tipo de imvel.

Box Plot VU x Tipo de imvel


4000

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

Figura 16. Box plot do valor unitrio VU por tipo de imvel.

A Figura 17 mostra os Box plot do valor unitrio homogeneizado VH, ou


seja, o valor resultante do processo de homogeneizao diferenciado para cada tipo
de imvel.

Comparando os dois grficos pode-se observar que a homogeneizao


foi eficiente tanto em relao aos valores mdios quanto aos de disperso de VH
para todos os tipos de imveis.

Os pontos que aparecem como outliers nos grficos so aqueles


afastados um valor superior a 1.5 vezes o intervalo interquartil dos valores mximo e
mnimo deste intervalo em cada caso, no significando necessariamente erros de
medida. A causa destas diferenas pode-se encontrar nas diferentes caractersticas
de localizao que esto afetando estes valores. Por este motivo, todos os valores
101

so mantidos na amostra porque permitem refletir eventualmente diferentes valores


de localizao.

Box Plot VH x tipo de imvel


1300

1100

900

700
VH

500
Non-Outlier Max
Non-Outlier Min
300 75%
25%
Median
Outliers
100
Apartame Kitinete Comercia terreno casa Extremes

TIPO

Figura 17. Box plot do valor homogeneizado VH por tipo de imvel.

5.4.3 Aplicao do mtodo geoestatstico.

Tendo calculado os valores unitrios homogeneizados dos imveis pode


ser aplicado o mtodo geoestatstico para modelar a estrutura espacial do valor da
localizao.

O valor homogeneizado VH representa a varivel regionalizada que


depende dos fatores de localizao que influenciam no valor dos imveis.

O primeiro passo na aplicao do mtodo geoestatstico a anlise do


semivariograma experimental de VH.
102

5.4.3.1 Semivariograma experimental de VH.

A partir da estimao do valor unitrio homogeneizado dos imveis foi


calculado o novo semivariograma experimental.

O semivariograma isotrpico, ou seja, calculado sem considerar direes


preferenciais, aparece na Figura 18. Nela pode ser comprovada a existncia de uma
estrutura de variao espacial que mostra menor varincia para as observaes
mais prximas e maiores varincias para as observaes mais distantes.

O semivariograma apresenta um comportamento de efeito pepita, ou seja,


a possibilidade de importantes variaes para observaes muito prximas e um
alcance e patamar definidos, onde o gradiente de variao se estabiliza
aproximadamente a partir dos 400 metros de distncia.

Semivariograma experimental isotrpico de VH

16000

14000

12000

10000
Variogram

8000

6000

4000

2000

0
0 100 200 300 400 500 600 700
Lag Distance

Figura 18. Semivariograma experimental isotrpico do valor homogeneizado por


regresso espacial.
103

Para analisar possveis efeitos de anisotropia so calculados os


semivariogramas direcionais para todas as possveis direes.

A partir deste clculo comprovada a existncia de anisotropia nos dados


como pode ser observado nas Figuras 19 e 20.

Estas figuras mostram os semivariogramas direcionais para as direes 0


e 90 graus, ou seja, direes LO e NS respectivamente. Estas duas direes so as
que apresentam semivariogramas com menor e maior alcances respectivamente
sendo, portanto, as direes principais de anisotropia.

Semivariograma experimental de VH - direo 0

18000

16000

14000

12000
Variogram

10000

8000

6000

4000

2000

0
0 100 200 300 400 500 600 700
Lag Distance

Figura 19. Semivariograma experimental de VH na direo 0o (LO).


104

Semivariograma experimental de VH - direo 90


18000

16000

14000

12000

10000
Variogram

8000

6000

4000

2000

0
0 100 200 300 400 500 600
Lag Distance

Figura 20. Semivariograma experimental de VH na direo 90o (NS).

A partir da anlise das Figuras 19 e 20 pode ser comprovado que a


influncia entre observaes na direo LO mais reduzida que na direo NS.
Apesar de terem alcances diferentes entre si, o patamar observado em ambos
semivariogramas tem valor semelhante, caracterizando anisotropia geomtrica da
varivel regionalizada.

5.4.3.2 Modelagem da estrutura espacial de VH.

A anlise dos semivariogramas experimentais comprova a existncia de


um padro de variao espacial que pode ser modelado pelo modelo terico esfrico
de semivariograma, que permite uma variao mais intensa no incio do
semivariograma e uma estabilizao em meseta depois de alcanar o valor da
distncia de estabilizao. Os parmetros do semivariograma esfrico encontrado
podem ser observados na Tabela 9.
105

Tabela 9. Parmetros do semivariograma estimado.

PARMETRO NOTAO VALOR


Efeito Pepita Co 8000
Patamar C 8000
Alcance A 600
ngulo de Anisotropia 90
Fator de Anisotropia F 2.0

Estes parmetros mostram que os dados apresentam uma variabilidade


devida estrutura espacial que responde por 50% da varincia total, sendo os
outros 50% devidos a outras causas, como erros de medio ou a influncia de
outras variveis que ainda afetam o valor dos imveis.

O alcance mximo da dependncia espacial de 600 metros na direo


NS enquanto que o fator de anisotropia igual a 2 indica que o alcance da influncia
entre observaes na direo NS igual ao dobro da distncia de influncia na
direo LO.

Com os parmetros do semivariograma assim definidos pode ser efetuada


a krigagem dos valores.

5.4.3.3 Krigagem por blocos dos valores homogeneizados VH.

Utilizando os parmetros do semivariograma e a definio de uma grade


de 100 metros de lado foi realizada a krigagem por blocos da varivel VH. A escolha
de 100 metros de lado como tamanho do bloco foi baseada na anlise da rea de
estudo, fortemente urbanizada, e na hiptese de considerar semelhantes os valores
de localizaao de imveis separados at a referida distncia.

O resultado da krigagem de VH a nova varivel VL e pode ser


observada graficamente atravs das curvas de isovalores de VL que mostra a Figura
21.
106

Nesta Figura as isolinhas foram desenhadas a cada 50 R$/m2. A


proximidade entre isolinhas permite identificar as zonas onde a variao do valor de
localizao mais acentuada. Onde as isolinhas se encontram mais prximas existe
um gradiente maior de variao. J nas reas onde as isolinhas se encontram mais
espaadas o valor de localizao varia de forma menos acentuada no espao.

A escolha do gradiente de cores permite tambm uma anlise visual mais


rpida e simples das reas mais e menos valorizadas dentro da regio, os plos de
valorizao mais importantes e as reas de menor valor.

Figura 21. Curvas de isovalores da varivel VL.


107

A partir da anlise da Figura 21 podem ser observados os principais


centros de valorizao ou desvalorizao na rea de estudo considerada.

As isolinhas permitem determinar a localizao e extenso de cada um


destes centros ou regies.

Como era esperado, a regio mais valorizada da rea de estudo se


encontra nas proximidades da interseo da Avenida Presidente Kennedy (linha
vermelha) e a Avenida Central do Kobrasol (linha verde). A pesar de quase toda a
extenso da Avenida Kennedy mostrar valores altos, os mais elevados se encontram
nas proximidades da Avenida Central do Kobrasol. A krigagem mostra duas regies,
denominadas D e E na Figura 21, onde os valores so mais elevados. A regio D
uma rea de atual expanso comercial e residencial e por isso est sendo mais
valorizada. A regio E se encontra prxima ao Centro Comercial Campinas e a
novos empreendimentos comerciais com prdios modernos de recente construo.
Resulta importante salientar que a valorizao da regio mais prxima Avenida
Presidente Kennedy em toda a sua extenso tambm est influenciada pela recente
construo da Beira Mar de So Jos (representada pela linha azul na Figura 21)
que constitui um novo plo de lazer que est contribuindo para valorizar a regio
prxima dela.

A Avenida Central do Kobrasol mostra maior valorizao na sua parte sul,


prxima Avenida Presidente Kennedy, onde est localizado o Centro Comercial
Kobrasol, onde existe maior concentrao comercial e se encontram as principais
agncias bancrias na regio. Na medida que a distncia Avenida Presidente
Kennedy aumenta, os valores na Avenida Central do Kobrasol diminuem, enquanto
a concentrao da atividade comercial tambm diminui e a proporo de prdios
residenciais mais antigos aumenta.

Existe outra regio com boa valorizao que denominada G na Figura


21 e se caracteriza por ser uma rea com vrias escolas e centros educacionais,
atividades de servios e tambm como rea residencial, com ruas tranqilas e
amplas. Esta regio tem boa acessibilidade aos principais centros comerciais e as
vias de entrada e sada da rea de estudo.
108

A regio denominada F tambm se mostra como uma rea valorizada, por


estar prxima da rua Josu di Bernardi (linha laranja), com importante concentrao
comercial. Esta rua tambm mostra maior valorizao na parte mais prxima da
Avenida Presidente Kennedy, enquanto o valor diminui progressivamente com o
aumento desta distncia.

A Figura 21 mostra tambm as regies menos valorizadas da regio. Nela


pode ser observado que o valor diminui prximo rodovia BR 101 (linha amarela) e
BR 282 - Via Expressa (linha rosa). Entretanto, duas regies especficas prximas
a estas rodovias, denominadas A e B, mostram maior desvalorizao relativa.

No caso da regio A, a desvalorizao devida s caractersticas da


vizinhana, apresentando ruas muito estreitas, tendo difcil acessibilidade, e padro
construtivo inferior nos imveis.

No caso da regio B, a rua Josu di Bernardi passa por baixo de um


viaduto da rodovia Via Expressa, comunicando a rea de estudo com a regio ao
norte da rodovia. Existem apenas dois pontos de comunicao entre a rea de
estudo e a regio ao norte da Via Expressa: uma neste ponto, pela Josu di
Bernardi, e o outro num viaduto prximo da BR 101. No caso do viaduto localizado
na regio B, este comunica com uma regio de favela, sendo este o motivo pelo qual
o valor diminui abruptamente nas suas proximidades, tendo o menor valor dentro de
toda a rea de estudo.

Finalmente a regio denominada C tambm apresenta menor valor. Esta


rea no se encontra nas proximidades dos principais centros comerciais nem de
servios sendo por este motivo menos atraente que as outras.

Em resumo, o resultado obtido por meio das curvas de isovalores produto


da krigagem permite analisar e interpretar consistentemente a complexa interao
de fatores de valorizao e desvalorizao da regio. Os resultados apresentam
coerncia com a realidade da rea de estudo possibilitando uma fcil interpretao.

A varivel VL obtida pela krigagem representa de forma consistente a


valorizao e desvalorizao das diferentes localizaes a partir das informaes
contidas na amostra de mercado.
109

O mtodo da krigagem produz uma suavizao nos dados, diminuindo os


valores extremos devido s caractersticas da interpolao, aos parmetros do
semivariograma e tambm homogeneizao produzida pela krigagem por blocos.

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.

Na Tabela 10 podem ser observados os dados estatsticos comparativos


das malhas de krigagem obtidas para blocos de 100*100m, 50*50m e 16*16m.

Nela pode ser apreciado o efeito da mudana de tamanho da malha nos


resultados da krigagem. Na medida que aumenta o tamanho do bloco, a diferena
entre os valores mximo e mnimo diminui, junto com a disperso total de valores.
Isto pode afetar a preciso da krigagem nos valores de maior e menor valorizao,
achatando a distribuio do valor.

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

Por outro lado, a diminuio do tamanho do bloco pode aumentar a


influncia dos erros de medio e de homogeneizao, introduzindo estes erros na
superfcie de valor resultante da krigagem.

A escolha do tamanho de 100 metros de lado para o bloco permite


contemplar os dois aspectos, j que a diminuio da disperso do valor no foi
exagerada.

A Figura 22 permite visualizar o mapa de isovalores de desvio padro


gerado pela krigagem por blocos de 100*100m.

100

90

80

70

60

50

40

30

Figura 22. Mapa de isovalores de desvio padro da krigagem.


111

Nela se observa que o desvio padro pequeno em quase toda a rea de


estudo, sendo menor a 60 em quase toda a regio.

5.4.4 Anlise de significncia da varivel VL no modelo de avaliao em massa.

Com o objetivo de verificar a significncia estatstica da varivel VL obtida


por krigagem e do modelo de valor proposto, foi calculado um novo modelo de
regresso onde a varivel VL includa como varivel explicativa junto com as
variveis de tipo e construtivas dos imveis anteriormente utilizadas.

Os resultados do novo modelo de mnimos quadrados mostram uma


melhora importante no poder explicativo como pode ser observado na Tabela 11.

Da Tabela 11 pode ser concludo que a incluso da varivel VL produziu


um forte aumento do poder explicativo da regresso em relao ao modelo espacial
do erro: o coeficiente de determinao passa de 0.6632 para 0.7502 e 0.7330 como
coeficiente ajustado.

Os resultados dos critrios de Akaike e Schwarz assim como todos os


outros parmetros de comparao mostram que a nova regresso apresenta
melhores resultados que os modelos anteriormente calculados.

Tabela 11. Resultados da regresso por mnimos quadrados com a varivel VL.

Varivel dependente L(VU)


2
R 0.7502
R2a 0.7330
F 43.54
Prob (F) <0.0001
Log verossimilhana 125.878
Critrio Akaike -217.757
Critrio Schwarz -157.96
Erro padro da regresso 0.1512
112

Outro resultado muito importante o referido aos testes de autocorrelao


espacial dos resduos da nova regresso.

Na Tabela 12 pode ser observado o resultado do diagnstico de


autocorrelao dos resduos, onde todos os testes mostram que a nova regresso
no apresenta autocorrelao espacial dos resduos.

Tabela 12. Testes de autocorrelao espacial do novo modelo.

Teste Probabilidade
Morans I 0.7920
LM (lag) 0.5272
LM robusto (lag) 0.5744
LM (erro) 0.5430
LM robusto (erro) 0.5931

Os testes de Moran e do Multiplicador de Lagrange para os modelos do


erro e da varivel dependente mostram que no existe autocorrelao significativa
nos resduos da regresso sendo vlidas, portanto, as hipteses de mnimos
quadrados e os testes de significncia das variveis explicativas e seus parmetros.

Os resultados do novo modelo de regresso mostram que a varivel VL


conseguiu representar os fatores espacialmente correlacionados no valor unitrio
dos imveis, eliminando a autocorrelao espacial nos resduos e melhorando o
poder de explicao geral do modelo.

Da anlise dos resduos do modelo foi observada a existncia de seis


dados atpicos, com valores do resduo padronizados superiores a 2.3 desvios
padres em valor absoluto.

Estes dados foram retirados da anlise e os resultados para o novo


modelo so apresentados na Tabela 13, mostrando um aumento do poder
explicativo do modelo em todos os parmetros.
113

Tabela 13. Resultados do modelo de regresso para 243 dados.


Varivel dependente L(VU)
R2 0.7661
R2a 0.7496
F 46.276
Prob (F) <0.0001
Log verossimilhana 158.569
Critrio Akaike -283.137
Critrio Schwarz -223.755
Erro padro 0.1308

Os resultados para os parmetros das variveis explicativas do modelo e


suas significncias podem ser observados na Tabela 14.

Eles mostram que todas as variveis explicativas so significativas ao


nvel de 20% e todas, exceto uma (AP_P3), so significativas ao nvel de 5%.

A varivel explicativa VL, que representa o valor da localizao dos


imveis, se mostra como uma das variveis individuais com maior grau de
significncia.

A incorporao desta varivel mostrou uma melhora importante no poder


explicativo deste modelo em relao ao modelo espacial do erro.

O modelo de avaliao em massa pode ser escrito da seguinte forma:

L(VU) = 5.1641 + 0.0020*VL + 0.1569*APT_GAR + 0.1248*AP_P2 +


0.0690*AP_P3 + 1.6080*KIT 0.0393*KIT_AT + 0.1589*KIT_P2 +
0.71*CASA 0.0032*CASA_AC + 0.0007*CA_ATER +
0.4018*CASA_P2 + 0.2700*CASA_P3 0.2577*TERRENO +
0.0004*TER_AT + 0.4554*COMERCIA + 0.1180*NOVO

Que tambm pode ser escrito da seguinte forma:


114

VU = e(5.1641 + 0.0020*VL + 0.1569*APT_GAR + 0.1248*AP_P2 + 0.0690*AP_P3 + 1.6080*KIT 0.0393*KIT_AT


+ 0.1589*KIT_P2 + 0.71*CASA 0.0032*CASA_AC + 0.0007*CA_ATER + 0.4018*CASA_P2 +

0.2700*CASA_P3 0.2577*TERRENO + 0.0004*TER_AT + 0.4554*COMERCIA + 0.1180*NOVO)

Tabela 14. Significncia das variveis explicativas da regresso.

VARIVEL COEFICIENTE ERRO VALOR t PROBABILIDADE


PADRO
Constante 5.1641 0.1250 41.3113 0.0000
APT_GAR 0.1569 0.0250 6.2891 0.0000
AP_P2 0.1248 0.0578 2.1577 0.0320
AP_P3 0.0690 0.0531 1.3001 0.1949
KIT 1.6080 0.2742 5.8636 0.0000
KIT_AT -0.0393 0.0075 -5.2234 0.0000
KIT_P2 0.1589 0.0762 2.0865 0.0381
CASA 0.7146 0.1934 3.6956 0.0003
CASA_AC -0.0032 0.0007 -4.8872 0.0000
CA_ATER 0.0007 0.0002 4.3959 0.0000
CASA_P2 0.4018 0.1123 3.5770 0.0004
CASA_P3 0.2700 0.0989 2.7299 0.0068
TERRENO -0.2577 0.0782 -3.2958 0.0011
TER_AT 0.0004 0.0001 5.3034 0.0000
COMERCIA 0.4554 0.0673 6.7691 0.0000
NOVO 0.1180 0.0297 3.9768 0.0001
VL 0.0020 0.0002 11.9759 0.0000

Os testes de normalidade e homocedasticidade dos resduos mostraram


resultados satisfatrios.

A Figura 23 mostra graficamente a normalidade dos resduos do modelo,


comparando o valor dos resduos com seu valor normal esperado, obtendo-se um
ajuste adequado.
115

Normalidade dos Resduos


3,5

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

Figura 23. Grfico de normalidade dos resduos da regresso.

Os testes de heterocedasticidade de Breusch-Pagan e de Koenker-Basset


mostram que a hiptese de heterocedasticidade no apresenta significncia como
pode ser observado na Tabela 15.

Tabela 15. Testes de heterocedasticidade do modelo de regresso.


TESTE VALOR PROBABILIDADE
Breusch-Pagan 11.07 0.81
Koenker-Basset 14.72 0.55

A distribuio dos resduos padronizados do modelo de regresso em


relao aos valores estimados pode ser observada na Figura 24, mostrando
homocedasticidade dos resduos e a inexistncia de dados atpicos
116

Resduos Padronizados x Valores Estimados


3

2
Residuos Padronizados

-1

-2

-3
6,0 6,4 6,8 7,2 7,6 8,0 8,4
Valores Estimados

Figura 24. Grfico dos resduos padronizados e valores estimados da regresso.

Foi analisada tambm a distribuio dos resduos do modelo para cada


tipo de imvel, como mostra a Figura 25.

Box Plot Resduos por tipo de imvel


0,35

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.

Este grfico mostra que o modelo de regresso apresentou resultados


satisfatrios para todos os tipos de imveis. Apesar da heterogeneidade da amostra
de mercado, o modelo estimou de forma adequada os valores de todos os tipos de
imveis considerados, com resduos homogneos.

Para analisar o desempenho do modelo para diferentes valores de VL, ou


seja, para imveis mais valorizados e menos valorizados, foi calculado o grfico de
disperso entre os resduos padronizados e a varivel VL.

A Figura 26 mostra que a distribuio dos resduos padronizados


uniforme para os diferentes valores de VL, mostrando que o modelo avaliou de
forma adequada tanto os imveis com maior valor de localizao quanto os de
menor valor de localizao.

Resduos Padronizados x VL
3

2
Resduos Padronizados

-1

-2

-3
450 550 650 750 850 950 1050
VL

Figura 26. Grfico de disperso dos resduos padronizados e a varivel VL.


118

A Figura 27 e a Tabela 16 apresentam a distribuio e o mapa dos


resduos padronizados do modelo final para todos os imveis da amostra.

Os resduos se mostram separados em classes de valor segundo indica a


Tabela e a legenda da Figura. Pode ser observar a distribuio homognea dos
valores de resduos em toda a regio.

Resduos Padronizados
-2.19 to -2
-2 to -1
-1 to 0
0 to 1
1 to 2
2 to 2.29

Figura 27. Mapa dos resduos padronizados do modelo final.


119

Tabela 16. Distribuio em classes dos resduos padronizados do modelo final.


CLASSE MNIMO MXIMO No CASOS % CASOS
1 -2.19 -2.0 1 0.4
2 -2.0 -1.0 42 17.3
3 -1.0 0.0 75 30.9
4 0.0 1.0 84 34.6
5 1.0 2.0 34 14.0
6 2.0 2.29 7 2.9

5.4.5 Anlise de performance da avaliao em massa.

Os resultados obtidos pelo novo modelo de regresso mostram uma


melhora importante na sua capacidade de predio em relao aos modelos
anteriormente considerados.

Para analisar o desempenho do modelo em termos de padres de


performance para uma avaliao em massa, foi considerada a norma da IAAO
(International Association of Assessing Officers) de estudos de ratios para avaliaes
em massa.

Foram calculados os valores correspondentes da mediana de quocientes


de avaliao (ratios), o coeficiente de disperso (COD) e o diferencial relativo ao
preo (PRD) que so os parmetros de comparao recomendados por esta norma.

Estes parmetros foram estimados para o conjunto da amostra em geral,


e por separado para os imveis construdos e os terrenos, pois a norma estabelece
valores de parmetros diferentes para cada tipo de imvel.

Segundo esta norma os parmetros de performance da avaliao em


massa devem ser calculados sem considerar os valores extremos do modelo.

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 resultados obtidos podem ser observados na Tabela 17.


120

Tabela 17. Parmetros de performance da avaliao em massa.

ESTATSTICA AMOSTRA IMVEIS TERRENOS


TOTAL CONSTRUDOS
Mediana ratios 0.989 0.987 1.024
Mdia ratios 1.008 1.008 1.008
Mdia ponderada 0.991 0.991 0.997
Mdia desvios absolutos 0.104 0.104 0.093
COD 10.492 10.524 9.074
PRD 1.017 1.017 1.011

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.

De acordo com estes valores, pode se concluir que os resultados obtidos


na avaliao em massa so satisfatrios em relao aos padres propostos pela
norma da IAAO, tanto para os imveis construdos quanto para os terrenos e para
todos os parmetros de avaliao.

Tabela 18. Valores padronizados para avaliao em massa propostos pela IAAO.

ESTATSTICA VALORES RECOMENDADOS


Mediana dos ratios de avaliao Entre 0.9 e 1.1
COD imveis construdos <15.0
COD terrenos <20.0
PRD Entre 0.980 e 1.030

A Figura 28 mostra o mapa dos valores dos ratios de avaliao para os


243 dados da amostra de mercado, onde pode ser observada a uniformidade destes
valores em toda a rea de estudo.
121

Analisando esta Figura pode ser concludo que a avaliao no produziu


diferenas sistemticas nas diferentes regies, tanto na parte central quanto nas
bordas da rea de estudo, em relao aos valores de mercado.

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

Figura 28. Mapas dos ratios de avaliao (Valor Estimado/Valor Observado).

A distribuio dos elementos da amostra em cada faixa de valor de ratio


mostrada na Tabela 19.

Analisando a Tabela 19 se observa que 56.8% dos dados apresentam


uma diferena de avaliao menor que 10% em relao ao valor de mercado,
enquanto 88.1% dos dados apresentam diferena menor que 20%. Apenas um caso
(0.4% dos dados) mostrou uma diferena superior a 30%.
122

Tabela 19. Distribuio dos ratios de avaliao em classes de valor.


CLASSE RATIO MNIMO RATIO MXIMO No DADOS % DADOS
1 0.74 0.80 9 3.7
2 0.80 0.90 42 17.3
3 0.90 1.00 74 30.5
4 1.00 1.10 64 26.3
5 1.10 1.20 34 14.0
6 1.20 1.30 19 7.8
7 1.30 1.33 1 0.4

5.4.6 Comparao com resultados obtidos por superfcies de tendncia.

Outra anlise da performance da avaliao pode ser realizada


comparando-a com os resultados obtidos na mesma rea de estudo por Michael
(2004) utilizando o mtodo de superfcies de tendncia para modelar a variao
espacial do valor dos imveis e usando uma amostra de 186 imveis dos bairros
Kobrasol e Campinas do Municpio de So Jos, sendo 174 apartamentos e 12
kitinetes. Os dois trabalhos foram desenvolvidos de forma coordenada, utilizando a
maior parte dos dados de mercado em comum.

Na anlise dos resultados do seu trabalho, a autora utiliza dois


parmetros referidos aos resduos dos modelos para avaliar o grau de ajuste dos
resultados aos dados da amostra: o erro relativo, definido como o quociente entre o
resduo e o valor observado para cada dado da amostra, e o valor absoluto deste
erro relativo, ambos em valores porcentuais. Em relao ao tratamento da
autocorrelao espacial dos resduos, o mtodo de superfcies de tendncia diminui
mas no elimina esta autocorrelao como foi comprovado no trabalho citado.

Na comparao entre os resultados obtidos nos dois trabalhos devem ser


considerados no apenas os modelos estatsticos diferentes, mas tambm as
diferenas da amostra, em tamanho e grau de heterogeneidade.

A Tabela 20 mostra as estatsticas descritivas destes parmetros para os


dois modelos: o modelo de superfcie de tendncia, considerando a superfcie
123

polinmica de quarta ordem, que apresentou o melhor resultado obtido por aquele
mtodo, com os resultados obtidos pelo modelo proposto neste trabalho.

Tabela 20. Quadro comparativo de resduos relativos.

Modelo Erro Relativo - ER Valor Absoluto


(ER=Resduo/ValorObservado) em % do ER em %
Tipo Amostra Mnimo Quartil Mediana Quartil Mximo Mdia Desvio
Inferior Superior Padro
Superficie 186 -41.15 -10.19 -0.57 7.36 29.71 10.48 7.92
Tend. (4a
ordem)
Regr. 243 -33.14 -8.90 1.12 8.05 25.89 10.38 7.41
Esp. e
Krigagem

A anlise da tabela mostra que o modelo de avaliao proposto neste


trabalho, mesmo considerando uma amostra mais heterognea, pois contm vrios
tipos de imveis, obteve estimativas mais ajustadas aos dados de mercado, com
resduos relativos e absolutos menores em mdia e disperso.

O erro relativo mnimo diminui de 41.15% para 33.14%, o erro mximo


diminui de 29.71% para 25.89%, o intervalo interquartil diminui de 17.55% para
16.95% e a mdia e desvio padro dos erros relativos absolutos diminuem de
10.48% para 10.38% e de 7.92% para 7.41% respectivamente.

Porm, para uma comparao mais consistente dos dois mtodos,


recomenda-se que a amostra base de comparao seja igual em tamanho e
heterogeneidade evitando a interferncia de outros fatores na anlise.

A partir dos resultados da avaliao em massa por superfcies de


tendncia Michael (2004) elaborou uma Planta de Valores Genricos para
apartamentos de Padro 3 com garagem, calculando o valor mdio para cada face
de quadra de um imvel deste tipo.

Com finalidade de comparar os resultados obtidos com o mtodo aqui


proposto foi calculada tambm a Planta de Valores de apartamentos, estimando o
124

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.

Posteriormente foi calculado o quociente dos valores obtidos pelo mtodo


de superfcie de tendncia e pelo mtodo proposto neste trabalho.

A Figura 30 mostra o mapa dos quocientes destes valores classificados


por faixas. Nela pode ser observado que os dois mtodos produziram valores
semelhantes (diferena menor que 10%) na maior parte da rea de estudo, com
resultados equivalentes principalmente na parte central da rea. Os resultados so
diferentes em regies prximas das bordas da rea de estudo. Como comentado por
Michael (2004) o mtodo de superfcie de tendncia produz estimaes no
confiveis nas bordas, resultado confirmado nesta anlise. Outra regio onde o
mtodo de superfcie de tendncia produziu estimativas inferiores ao valor de
mercado pode ser observada na regio sul oeste da rea de estudo, onde a falta de
dados de apartamentos no permitiu que o polinmio de tendncia ajustasse os
valores de forma adequada gerando um mnimo relativo (rea de suposta
desvalorizao) nesta regio.
125

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.

A distribuio dos dados da amostra em cada uma das faixas de valor da


Figura 30 mostrada na Tabela 21.

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

Estes valores representam bons resultados em termos globais, mas o


mapa da Figura 30 mostra que esta equivalncia vale principalmente para a parte
central da rea de estudo, sendo encontradas diferenas importantes nos valores
nas reas perifricas, onde o mtodo proposto neste trabalho obteve ratios de
avaliao adequados e o mtodo de superfcie de tendncia no. Comprova-se
tambm que em vrias regies, a pesar das diferenas serem menores que 10%, o
sinal da mesma claramente autocorrelacionado, pois o mtodo de superfcie de
tendncia diminuiu mas no corrigiu a autocorrelao espacial, como concludo no
trabalho mencionado e ratificado pela anlise da Figura 30.

Tabela 21. Distribuio de valores relativos entre valores de superfcie de tendncia


e do mtodo proposto.
CLASSE MNIMO MXIMO No DADOS % DADOS
1 0.65 0.70 8 1.8
2 0.70 0.80 18 4.0
3 0.80 0.90 39 8.7
4 0.90 1.00 125 27.9
5 1.00 1.10 157 35.2
6 1.10 1.20 41 9.2
7 1.20 1.30 23 5.1
8 1.30 1.50 21 4.7
9 1.50 2.00 14 3.1
10 2.00 2.23 2 0.4
TOTAL 0.65 2.23 448 100.0

5.4.7 Valor da localizao para toda a rea de estudo.

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.

A varivel VL obtida por krigagem dos valores homogeneizados


conseguiu representar adequadamente os fatores de valorizao de cada
localizao como foi analisado em 5.4.3. Esta varivel se mostrou fortemente
128

significativa para todos os tipos de imveis no modelo final de avaliao. Porm a


interpolao de krigagem por blocos produz uma leve suavizao nos dados e, por
esta razo, a varivel VL pode apresentar diferenas em relao aos dados para
valores extremos.

O modelo de regresso obtido em 5.4.4 mostra uma correo do valor da


localizao em relao varivel VL que tende a neutralizar o efeito de suavizado
anteriormente mencionado.

De acordo com o modelo obtido em 5.4.4 e o modelo geral apresentado


no captulo 4, o valor da localizao dos imveis pode ser obtido da seguinte forma:

Valor Localizao = e(5.1641 + 0.0020*VL)

Que pode ser escrito tambm assim:

VLcorr = 174.88 * 1.002VL

O valor da localizao assim estimado corrige o efeito de suavizado que a


krigagem produziu na varivel VL como pode ser observado na Tabela 22. Nela
aparecem os valores correspondentes ao valor da localizao corrigido para cinco
valores de VL e a relao do valor corrigido com o valor inicial de VL. Pode ser
observado que os valores extremos inferiores diminuem 5% com a correo
enquanto os valores extremos superiores aumentam 17%. Os valores intermedirios
sofrem variao inferior a estas, enquanto o valor 700, que o mais comumente
encontrado no praticamente alterado pela correo.

Tabela 22. Valor da localizao corrigido para diferentes valores de VL.


VL VLcorr VLcorr / VL
500 475 0.95
600 580 0.97
700 708 1.01
800 865 1.08
900 1056 1.17

O mtodo permite calcular o valor da localizao para os imveis em cada


ponto da rea de estudo.
129

Como aplicao disto a Figura 31 mostra o mapa de Valores de


Localizao corrigidos em R$/m2 para o ponto mdio de cada face de quadra da
rea de estudo.

5.4.8 Aplicao para Planta de Valores Genricos de Terrenos.

O mtodo proposto permite calcular os valores para imveis dos tipos


considerados na amostra de mercado, para toda a rea de estudo.

Desta forma a partir do modelo proposto poderia ser calculada a Planta de


Valores Genricos dos imveis da rea de estudo, em funo do tipo de imvel, da
localizao e das caractersticas de cada imvel.

Como uma aplicao prtica do mtodo proposto foi calculada a Planta de


Valores Genricos de Terrenos na rea de estudo, ou seja, os valores mdios por
face de quadra de um terreno do tamanho padro, no caso um terreno com rea de
360 metros quadrados.

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.

Os valores foram estimados a partir da seguinte equao:

L(VU) = 5.1641 0.2576 + 0.0004*360 + 0.0020*VL

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

734800 735000 735200 735400 735600 735800 736000 736200 736400

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

734800 735000 735200 735400 735600 735800 736000 736200 736400

Figura 32. Planta de Valores Genricos de Terrenos (R$/m2) da rea de estudo.


6. CONCLUSES E RECOMENDAES.

6.1 Concluses.

6.1.1 Sobre o valor da localizao.

1. O mtodo proposto mostrou que o valor da localizao de um imvel,


resultado da interao de diversos plos e efeitos de valorizao e desvalorizao,
pode ser considerado globalmente como uma varivel regionalizada que representa
estes efeitos e modelado por mtodos geoestatsticos.

2. O mtodo proposto permitiu estimar um ndice do valor da localizao


que se mostrou fortemente significativo no modelo de regresso do valor unitrio dos
imveis.

3. A varivel de localizao estimada VL refletiu de forma coerente e


consistente as regies de maior valorizao da rea de estudo em relao a todos
os plos de valorizao. As regies estimadas como mais valorizadas foram as
prximas aos principais centros comerciais da rea, Avenida Presidente Kennedy,
Avenida Central do Kobrasol e Josu di Bernardi. O ndice VL mostrou que a
valorizao nestes plos no espacialmente uniforme, existindo pontos mais
valorizados e outros menos valorizados. A anlise dos resultados mostrou-se
coerente com a realidade, existindo uma correlao positiva entre as reas mais
valorizadas e as de maior concentrao de atividades comerciais. Os resultados
mostraram tambm a existncia de uma rea de valorizao prxima aos principais
colgios e escolas da regio.

4. A varivel VL mostrou-se tambm adequada na modelagem das reas


menos valorizadas. Estas regies mostraram-se relacionadas a condies de
qualidade da vizinhana e acessibilidade pouco favorveis. Problemas como a
largura das ruas, vias de trnsito pesado, poluio sonora, maior distncia aos
principais centros comerciais ou a proximidade a uma favela foram refletidos
adequadamente pelo ndice de valorizao VL.
133

5. O mtodo permitiu estimar a varivel regionalizada VL com um grau de


confiabilidade adequada e uniforme em quase toda a rea de estudo. Os desvios
mais importantes de VL em relao aos dados de mercado foram produzidos
naqueles pontos onde tomou valores extremos, os maiores ou os menores valores.
O reduzido nmero de dados prximos a estes pontos de valorizao extrema no
permitiu a correta avaliao destes, suavizando os resultados. A suavizao dos
valores extremos de VL foi produto tambm das caractersticas de interpolao da
krigagem e do semivariograma terico modelado que estima varincias importantes
para dados muito prximos. Porm, o modelo final de valor obtido por mnimos
quadrados permitiu corrigir este efeito de suavizao, obtendo-se uma estimativa
adequada do valor da localizao inclusive para os valores extremos de VL.

6. O estudo do semivariograma experimental dos valores


homogeneizados permitiu analisar e modelar a estrutura espacial do valor dos
imveis, analisando o gradiente de variao em funo da distncia e da direo a
partir dos dados de mercado, modelando a anisotropia existente.

7. A escolha da krigagem por blocos e a definio do tamanho dos blocos


permitiu minimizar o efeito de possveis erros aleatrios presentes nos dados de
mercado, estimando mdias consistentes do valor da localizao em toda a rea de
estudo e sem produzir deformaes importantes nos valores extremos.

8. A multiplicidade de plos de valorizao evidenciados pelos resultados,


cada um caracterizado pela sua rea de influncia, gradiente e anisotropia
especfica, mostrou a adequao do mtodo geoestatstico para modelar o valor da
localizao. A amostra de dados de mercado, apesar da sua distribuio em toda a
rea de estudo, no tinha elementos suficientes para testar a significncia estatstica
individualmente de cada plo numa equao de regresso. Em conseqncia, os
resduos de um modelo de regresso que utilizasse, ao invs da estimao
proposta, variveis separadas de distncia aos plos, apresentaria autocorrelao
espacial e o poder explicativo do modelo seria menor. Analisando a estrutura
espacial dos dados, o mtodo geoestatstico permitiu aproveitar de forma mais
adequada a informao sobre a localizao fornecida pelos dados de mercado.
134

9. A variabilidade espacial do valor da localizao mostrou que no


existem zonas com valor homogneo na rea de estudo considerada.

6.1.2 Sobre o uso combinado de tcnicas de Estatstica Espacial.

1. Uma das concluses deste trabalho que as tcnicas de econometria


espacial e de geoestatstica, tradicionalmente utilizadas de forma separada e
excludente, podem ser usadas em forma combinada na avaliao em massa de
imveis. Os resultados obtidos foram superiores aos conseguidos usando uma das
tcnicas de forma individual, possibilitando a anlise de uma amostra heterognea
de dados e a determinao do valor da localizao. A combinao das tcnicas
permitiu tambm estimar a matriz de pesos dos modelos de regresso espacial de
forma consistente com os dados.

2. O uso combinado das duas tcnicas estatsticas permitiu analisar de


forma adequada as caractersticas mistas do valor dos imveis como objetos e como
variveis regionalizadas. O modelo de regresso espacial do erro mostrou-se
apropriado para a homogeneizao dos valores em funo das caractersticas
construtivas na presena de estrutura espacial nos resduos, enquanto que o
mtodo geoestatstico mostrou-se adequado para analisar a estrutura espacial dos
valores homogeneizados e estimar o valor da localizao dos imveis.

3. A combinao de tcnicas de regresso espacial e geoestatsticas


permitiu resolver a heterocedasticidade induzida pelo modelo de regresso espacial
do erro. A estimao de VL pelo mtodo geoestatstico no gerou
heterocedasticidade no modelo final de regresso por mnimos quadrados.

6.1.3 Sobre a autocorrelao espacial.

1. O mtodo permitiu comprovar a existncia de autocorrelao espacial


nos resduos do modelo de regresso por mnimos quadrados quando as variveis
de localizao no so adequadamente representadas no modelo.
135

2. Foi comprovado que o mtodo de homogeneizao de valores por


mnimos quadrados no adequado quando se pretende homogeneizar dados em
funo das caractersticas construtivas e tipolgicas dos imveis, pois os resduos
do modelo apresentam autocorrelao espacial invalidando os resultados da
estimao.

3. A incluso da varivel regionalizada VL no modelo de regresso do


valor unitrio dos imveis conseguiu representar a dependncia espacial nos dados,
eliminando a autocorrelao espacial nos resduos da regresso. Desta forma o
mtodo de mnimos quadrados pde ser utilizado na estimao do modelo final, uma
vez que a autocorrelao espacial foi corretamente modelada.

6.1.4 Sobre o modelo geral.

1. O modelo final de regresso por mnimos quadrados incluindo a


varivel de localizao estimada apresentou desempenho superior ao modelo
espacial do erro melhorando o seu poder explicativo.

2. O modelo final permitiu corrigir a suavizao produzida pela krigagem


na varivel VL, melhorando o ajuste para os valores extremos.

3. O modelo de avaliao em massa apresentou parmetros de


performance satisfatrios de homogeneidade e uniformidade, tanto para os imveis
construdos quanto para os terrenos.

4. O mtodo adotado mostrou que possvel a utilizao de dados de


mercado de todos os tipos de imveis para determinar o valor da localizao na
avaliao em massa. Os fatores de localizao mostraram um efeito similar para
todos os tipos de imveis e a estimao de valorizao especfica para cada tipo foi
modelada por regresso. Este resultado mostrou que possvel realizar avaliaes
em massa por mtodos inferenciais com estimativas confiveis e consistentes para
todos os tipos de imveis, inclusive para aqueles tipos que se encontram em nmero
limitado ou muito dispersos numa determinada regio.
136

5. O modelo multiplicativo proposto permitiu comprovar que existe


interao entre os fatores de localizao e construtivos, mostrando que estes no
so independentes e que o valor dos imveis no corretamente formulado por
meio da soma do valor do terreno e da construo como componentes
independentes entre si.

6.1.5 Sobre o uso do modelo de regresso do erro no processo de


homogeneizao de valores.

1. O modelo de regresso espacial do erro permitiu encontrar parmetros


de homogeneizao dos fatores construtivos de forma eficiente e confivel,
ajustando a estimao ao erro autocorrelacionado produzido pelos fatores de
localizao. Os valores obtidos por este processo resultaram efetivamente mais
homogneos, com medianas semelhantes e reduo da varincia para todos os
tipos de imveis. A homogeneizao pelo modelo do erro manteve nos valores as
diferenas devidas localizao dos imveis, possibilitando sua posterior
modelagem pelo mtodo geoestatstico.

2. O modelo espacial do erro mostrou um poder de explicao maior em


relao ao modelo de regresso por mnimos quadrados para as variveis
construtivas.

3. A significncia do termo de autocorrelao no modelo do erro espacial


mostrou a influncia dos fatores de localizao gerando uma estrutura espacial nos
resduos. O parmetro de autocorrelao permitiu estimar a influncia da vizinhana
para cada dado pontual da amostra, mas no analisa a estrutura de variabilidade
espacial dos resduos (alcance, gradiente e anisotropia).

6.1.6 Sobre a estimao da matriz de pesos espaciais.

1. O mtodo utilizado mostrou que o semivariograma experimental


isotrpico foi uma ferramenta til para estimar a matriz de vizinhana da regresso
137

espacial com critrios objetivos, definindo o principal parmetro da matriz, a


distncia mxima de vizinhana, em funo da anlise dos dados de mercado.

2. A adequao do mtodo proposto foi comprovado pela significncia


dos testes de autocorrelao espacial nos resduos do modelo de mnimos
quadrados, calculados com a matriz W assim definida. Tambm isto evidenciado
pela significncia dos modelos de regresso espacial estimados.

6.1.7 Sobre a comparao com o mtodo de Superfcie de Tendncia.

1. O mtodo proposto conseguiu eliminar a autocorrelao espacial nos


resduos do modelo enquanto o mtodo de Superfcie de Tendncia diminuiu mas
no eliminou estes efeitos.

2. O mtodo proposto gerou estimativas mais adequadas dos valores de


mercado e da Planta de Valores Genricos que o de Superfcie de Tendncia em
toda a rea de estudo e principalmente nas bordas, onde a superfcie de tendncia
provocou superestimao dos valores.

3. O uso do mtodo da krigagem permitiu modelar todos os plos de


valorizao, primrios e secundrios, a partir da informao contida nos dados de
mercado, enquanto o mtodo de Superfcie de Tendncia mostrou inadequao para
modelar alguns dos plos secundrios. A quantidade de plos que uma superfcie de
tendncia consegue representar tem relao direta com o grau do polinmio de
tendncia e no exclusivamente com os dados.

6.1.8 Sobre a aplicao do mtodo para a elaborao de Plantas de Valores


Genricos.

1. O mtodo proposto permitiu a elaborao de uma Planta de Valores


Genricos na rea de estudo para todos os tipos de imveis includos na amostra de
mercado. O modelo apresentou um ajuste adequado para todos os tipos de imveis
138

e para toda a rea considerada, como mostrou a anlise de performance da


avaliao em massa.

2. O mtodo proposto pode ser aplicado para estudar de forma


sistemtica e permanente o dinamismo de valorizao e desvalorizao imobiliria
de uma regio. A pesquisa permanente de dados de mercado permitir aumentar a
abrangncia espacial dos dados, melhorando as estimativas dos fatores de
homogeneizao e do valor de localizao, permitindo analisar a evoluo dos plos
de valorizao.

3. O mtodo proposto poder ser de grande utilidade para os rgos


municipais responsveis pelo clculo e atualizao das Plantas de Valores
Genricos dos municpios e permitir tambm analisar a valorizao imobiliria
causada por obras pblicas, avaliando a rea efetiva e o ndice de valorizao num
perodo determinado para o clculo e cobrana de Contribuio de Melhoria.

4. O mtodo proposto mostra a importncia de contar com dados


cadastrais georreferenciados e atualizados. A implementao de Sistemas de
Informaes Geogrficas (SIG) nas Prefeituras Municipais pode facilitar a aplicao
do mtodo na elaborao de Plantas de Valores Genricos atualizadas e em
concordncia com valores de mercado. Alm disso, a maioria dos softwares de SIG
contm mdulos de anlise geoestatstica incorporados, facilitando a aplicao
deste mtodo.

6.2 Recomendaes para trabalhos futuros.

A partir dos resultados e concluses alcanadas neste trabalho e da


anlise de algumas das caractersticas dos mtodos utilizados so apresentadas a
seguir algumas recomendaes para futuras pesquisas:

1. Analisar a influncia do tamanho do bloco de krigagem nos resduos do


modelo de regresso final.
139

2. Analisar a influncia da distncia mxima definida para a matriz de


pesos espaciais ou matriz de vizinhana no processo de homogeneizao dos
valores unitrios.

3. Estudar a incorporao e modelagem de dados de mercado referentes


a imveis para aluguel ao mtodo proposto para o estudo do valor da localizao
dos imveis.
REFERNCIAS BIBLIOGRFICAS.

ANSELIN, L. GIS Research Infrastructure for Spatial Analysis of Real Estate


Markets. Journal of Housing Research, vol. 9, 1998a.

ANSELIN, L. Raos Score Test in Spatial Econometrics. Regional Economics


Applications Laboratory and University of Illinois, 1998b.

ANSELIN, L. Spatial Econometrics. Discussion paper. Bruton Center, School of


Social Sciences, University of Texas at Dallas, 1999a.

ANSELIN, L. The Future of Spatial Analysis in the Social Sciences. Geographics


Information Sciences 5, 1999b.

ANSELIN, L. Spatial Externalities, Spatial Multipliers and Spatial Econometrics.


Specialist Meeting on Spatial Externalities, Santa Barbara, California, 2001.

ANSELIN, L. Under the Hood. Issues in the Specification and Interpretations of


Spatial Regression Models, Agricultural Economics, vol.27, Issue 3, pp 247-267,
2002.

ANSELIN, L. GeoDa 0.9 User's Guide. Spatial Analysis Laboratory, University of


Illinois, Urbana-Champaign, 2003.

ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR 14653-1. Avaliao de


bens. Parte 1: Procedimentos gerais. Rio de Janeiro, 2001.

ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. NBR 14653-2. Avaliao de


bens. Parte 2: Imveis urbanos. Rio de Janeiro, 2004.

BASU, S., THIBODEAU, T. Analysis of Spatial Autocorrelation in House Prices.


Journal of Real Estate and Economics, Vol. 17, 1, pp. 61-85, 1998.

BESNER, C. A Spatial Autoregressive Specification with a Comparable Sales


Weighting Scheme. Journal of Real Estate Research, Vol. 24, 2, pp. 193-212,
2002.
141

BIBLE, D. S., HSIEH, C. Applications of Geographic Information Systems for the


Analysis of Apartment Rents. The Journal of Real Estate Research, Vol. 12,
1996.

BIVAND, Roger. A Review of Spatial Statistical Techniques for Location


Studies. Disponvel em http://www.nhh.no/geo/gib/gib1998/gib98-3/lund.html (aceso
em setembro, 2003), 1998.

BRASIL. Departamento Nacional de Produo Mineral. Geoestatstica


Operacional, por Pedro Alfonso Garcia Guerra. Braslia, 1988.

CABALLER, V., RAMOS, M. A., RODRGUEZ, J. A. El Mercado Inmobiliario


Urbano en Espaa. Ediciones Pirmide, 2002.

CMARA, G., CARVALHO, M. S., CRUZ, O.G., CORREA, V. Anlise espacial de


reas. In: Anlise Espacial, Capitulo 5. INPE, Instituto Nacional de Pesquisas
Espaciais, 2002a.

CMARA, G., MONTEIRO, A. M., FUCKS, S. D., CARVALHO, M. S. Anlise


Espacial e Geoprocessamento. In: Anlise Espacial, Captulo 1. INPE, Instituto
Nacional de Pesquisas Espaciais, 2002b.

CAMARGO, E. Desenvolvimento, Implementao e Teste de Procedimentos


Geoestatsticos (Krigagem) no Sistema de Processamento de Informaes
Georreferenciadas (SPRING). Dissertao de Mestrado em Sensoriamento
Remoto. Instituto Espacial de Pesquisas Espaciais, INPE, 1997.

CAMARGO, E. C. G.; FUCKS, S. D.; CMARA, G. Anlise espacial de superfcies.


In: Anlise Espacial. Captulo 3. INPE, Instituto Nacional de Pesquisas Espaciais,
2002.

CAN, A. The Measurement of Neighborhood Dynamics in Urban House Prices.


Economic Geography, vol. 66, pp. 254-272, 1990.

CAN, A. Specification and estimation of hedonic housing price models.


Regional Science and Urban Economics, n. 22, pag. 453-474, 1992.
142

CAN, A. GIS and Spatial Analysis of Housing and Mortgage Markets. Journal ou
Housing Research, Vol. 9, 1998.

CANO GUERVS, R. Aproximacin al Valor de la Vivienda. Aplicacin a la


Ciudad de Granada. Ed. Universidad de Granada, 1999.

CARDIM, M. Fundamentos de Geoestatstica e Aplicaes. Minicurso. IV Semana


da Estatstica da FCT/UNESP. So Paulo, 2000.

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.

CESARE, C. M. Avaliao das Caractersticas que Contribuem para a Formao


do Valor de Apartamentos na Cidade de Porto Alegre. Dissertao de Mestrado,
Universidade Federal de Rio Grande do Sul, Porto Alegre, 1991.

CHICA OLMO, J. Teora de las Variables Regionalizadas. Aplicacin en


Economa Espacial y Valoracin Inmobiliaria. Ed. Universidad de Granada, 1994.

CHICA OLMO, J. Spatial Estimation of Housing Prices and Locational Rents.


Urban Studies, Vol. 32, N. 8, pag. 1331-1344, 1995.

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.

DANTAS, R. A. Engenharia de avaliaes: uma introduo metodologia


cientfica. Ed. Pini, 1998.
143

DANTAS, R. A. Modelos Espaciais aplicados ao Mercado Habitacional. Um


Estudo de Caso para a Cidade do Recife. Tese de Doutorado em Economia.
Universidade Federal de Pernambuco. Recife, 2003.

DANTAS, R. A., MAGALHES, A. M., ROCHA, F. J. S. La importancia de la


regresin espacial en la tasacin inmobiliaria. I Congreso Internacional en
Tasacin y Valoracin. Valencia, 2002.

DANTAS, R. A., MAGALHES, A. M., VERGOLINO, J. R. de O. Modelos Espaciais


aplicados ao Mercado de apartamentos do Recife. XII COBREAP Congresso
Brasileiro de Engenharia de Avaliaes e Percias, Anais. Belo Horizonte, 2003a.

DANTAS, R. A., S, L. A.C. M., PORTUGAL, J. L. Elaborao de Plantas de


Valores sob a tica da inferncia espacial. XII COBREAP Congresso Brasileiro de
Engenharia de Avaliaes e Percias, Anais. Belo Horizonte, 2003b.

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. Estimation of Regression Coefficients in the Presence of Spatially


Autocorrelated Error Terms. The Review of Economics and Statistics, Vol. 70,
3, pp. 466-474, 1988.

DUBIN, R. Spatial autocorrelation and neighborhood quality. Regional Science


and Urban Economics, n. 22, pag. 433-452, 1992.

DUBIN, R. Spatial autocorrelation: a primer. Journal of Housing Economics 7,


pg. 304-327, 1998.

DUBIN, R. Predicting Prices Using Multiple Listings Data. Journal of Real


Estate and Economics, Vol. 17, 1, pp. 35-59, 1998.

DUBIN, R. Robustness of Spatial Autocorrelation Specifications: some Monte


Carlo Evidence. Journal of Regional Science, Vol. 43, 2, pp. 221-248, 2003a.
144

DUBIN, R. Spatial Lags and Spatial Errors Revisited: some Monte Carlo
Evidence. LSU Econometric Conference on Spatial and Spatiotemporal
Econometric, Baton Rouge, 2003b.

DUBIN, R., SUNG, C. H. Specification of Hedonic Regressions: Non-nested


Tests on Measures of Neighborhood Quality. Journal or Urban Economics, vol.
27, pp. 97-110, 1990.

FARIAS, V. F. So Jos: 250 anos. Natureza, Histria e Cultura. Ed. do autor, 2a


Edio, 2001.

FOTHERINGHAM, A. S., BRUNDSON, C. Local Forms of Spatial Analysis.


Geographical Analysis, Vol. 31, 4, 1999.

GMEZ MARTNEZ, M., MONTERO, J. M., GARCA R., N. Kriging Methodology


for Regional Economic Analysis: Estimating the housing Price in Albacete.
International Advances in Economic Research, Vol. 6, 3, pp. 438-450, 2000.

GAO, X., ASAMI, Y., CHUNG, C. J. An Empirical Evaluation of Hedonic


Regression Models. CSIS Discussion Paper 46, Center for Spatial Information
Science, University of Tokyo, 2002.

GETIS, A., ORD, J. K. The Analysis of Spatial Association by Use of Distance


Statistics. Geographical Analysis, Vol. 24, 3, pp. 189-206, 1992.

GLOUDEMANS, R. J. An Empirical Analysis of the Incidence of Location on


Land and Building Values. Lincoln Institute of Land Policy, Working Paper,
2002.

GLOUDEMANS, R. J., HANDEL, S., WARWA, M. An Empirical Evaluation of


Alternative Land Valuation Models. Lincoln Institute of Land Policy, Working
Paper, 2002.

GONZLEZ, M. A. S. A Formao do Valor dos Aluguis de Apartamentos


Residenciais na Cidade de Porto Alegre. Dissertao de Mestrado, Universidade
Federal de Rio Grande do Sul, Porto Alegre, 1993.
145

GONZLEZ, M. A. S. Plantas de Valores Inferenciais: a Espacialidade


Considerada Atravs de Trend Surfaces. In: VIII Congresso Brasileiro de
Engenharia de Avaliaes e Percias, Anais, Florianpolis, 1995.

GONZLEZ, M. A. S. Planta Inferencial de Valores com Dados de ITBI. Ncleo


Orientado para a Inovao da Edificao. Universidade Federal de Rio Grande do
Sul. Porto Alegre, 1996a.

GONZLEZ, M. A. S. Aspectos Legais e Conceituais da Fixao dos Valores de


IPTU. In: II Congresso Brasileiro de Cadastro Tcnico Multifinalitrio, Anais,
Florianpolis, 1996b.

GONZLEZ, M. A. S. Desenvolvimento de Planta de Valores com Sistemas de


informaes Geogrficas e ITBI. In: II Congresso Brasileiro de Cadastro Tcnico
Multifinalitrio, Anais, Florianpolis, 1996c.

GONZLEZ, M. A. S. Anlise conceitual das dificuldades de determinao de


modelos de formao de preos atravs de anlise de regresso. Engenharia
Civil, nmero 8, 2000.

GONZLEZ, M. A. S. E FORMOSO, C. T. O emprego de dados do ITBI para a


atualizaao de cadastros de valores venais: um Estudo de Viabilidade. In: I
Congresso Brasileiro de Cadastro Tcnico Mujltifinalitrio, Anais, Florianpolis, 1994.

GONZLEZ, M. A. S. E FORMOSO, C. T. Integrao dos Tributos Imobilirios


Urbanos: uma Planta de Valores Inferencial nica, Determinada com Dados de
ITBI. In: VIII Congresso Brasileiro de Engenharia de Avaliaes e Percias, Anais,
Florianpolis, 1995.

GOODMAN, A. C., KAWAI, M. Functional Form and Rental Housing Market


Analysis. Urban Studies, Vol. 21, pp. 367-376, 1984.

GOODMAN, A. C., THIBODEAU, T. G. Age Related Heteroskedasticity in


Hedonic House Price Equations. Journal of Housing Research 6(1), pg. 25-42,
1995.
146

GOODMAN, A. C., THIBODEAU, T. G. Dwelling Age Related Heteroskedasticity


in Hedonic House Price Equations: an Extension. Journal of Housing Research
8(2), pg. 299-317, 1997.

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.

JACKSON, J. R. Intraurban Variation in the Price of Housing. Journal or Urban


Economics, Vol. 6, pp. 464-479, 1979.

KOWALSKI, J. G., PARASKEVOPOULOS, C. C. The Impact of Location on Urban


Industrial Land Prices. Journal of Urban Economics, Vol. 27, pp. 16-24, 1990.

LAMBERT, D. M., LOWENBERG-DEBOER, J., BONGIOVANNI, R. Statistical


methods for precision agricultural data: case Study of variable rate nitrogen on
corn in Argentina. Paper submitted to the Journal of Manufacturing & Service
Operations Management (M&SOM), 2002.

LESAGE, J. P. Spatial Econometrics. University of Toledo. Disponvel em


http://rri.wvu.edu/WebBook/LeSage/spatial/spatial.html (setembro 2003), 1999.

LIMA, G. P. de A. Homogeneizao fundamentada uma utopia?. VIII Congresso


Brasileiro de Engenharia de Avaliaes e Percias. Anais. Florianpolis, 1995.

LIPORONI, A. S. Instrumentos para Gesto Tributria de Cidades. Livraria e


Editora Universitria de Direito, So Paulo, 2003.

MALPEZZI, S. Hedonic Pricing Models: A Selective and Applied Review.


Prepared for: Housing Economics: Essays in Honor of Duncan Maclennan, 2002.

MCCLUSKEY, W. J., DEDDIS, W. G., LAMONT, I. The Application of Spatially


Derived Location Factors Whiting a GIS Environment. Proceedings of VIII
Conference of Pacific Rim Real Estate Society (PPRES), 2002.

MEGBOLUGBE, I. F. Econometric Analysis of Housing Trait Prices in a Third


World City. Journal of Regional Science, vol. 26, 3, pp. 533-547, 1986.
147

MICHAEL, R. Avaliao em Massa de Imveis com Uso de Inferncia Estatstica


e Anlise de Superfcie de Tendncia. Dissertao de Mestrado em Engenharia
Civil, Universidade Federal de Santa Catarina, 2004.

MLLER, L. F. C. Planta de Valores Genricos. Avaliao de imveis para fins


tributrios. Sagra-Luzzatto Editores, 1995.

MORAL GARCA, F. J., MARQUES DA SILVA, J. R. Ejemplo de Representacin


Grfica de uma Variable Regionalizada. XIV Congreso Internacional de Ingeniera
Grfica, Santander, Espaa, 2002.

ORFORD, S. Valuing Location in an Urban Housing Market. Disponvel em


http://divcom.otago.ac.nz/SIRC/GeoComp/GeoComp98/78/gc_78.htm, (acesso em
janeiro 2005), 1999.

PACE, R. K., GILLEY, O. W. Using the Spatial Configuration of the Data to


Improve Estimation. Journal of Real Estate and Economics, vol. 14, nmero 3,
pp. 333-340, 1997.

PACE, R. K., BARRY, R. Quick computation of Spatial Autoregressive


Estimators. Geographical Analysis, Vol. 29, 3, pp. 232-247, 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.

PERUZZO TRIVELLONI, C. A Metodologia para Avaliao em Massa de


Apartamentos por Inferncia Estatstica e Tcnicas de Anlise Multivariada
Uma Anlise Exploratria. Dissertao de Mestrado, Universidade Federal de
Santa Catarina, 1998.

RIVERO, R., VELSQUEZ, G. Aplicaciones prcticas de lneas de isovalor en la


estimacin del valor de inmuebles residenciales. Congreso Internacional de
Geodesia y Cartografa, Caracas, 2002.

RODRIGUEZ, M., SIRMANS, C. F., MARKS, A. P. Using Geographic Information


Systems to Improve Real Estate Analysis. The Journal of Real Estate Research,
Vol. 10, 1995.
148

ROSEN, S. Hedonic Prices and Implicit Markets: Product Differentiation in Pure


Competition. Journal of Political Economy, Vol. 82, pp. 34-55, 1974.

SILVA, A. M. M., HEBERLE, A. L., HOCHHEIM, N. Determinao de Zonas


Homogneas usando Sistema de Informaes Geogrficas: um Estudo de
Caso em Florianpolis (SC). I Simpsio de Cincias Geodsicas e Tecnologias da
Geoinformao. Anais. Recife, 2004.

THRALL, G. I. GIS Applications in Real Estate and Related Industries. Journal of


Housing Research, Vol. 9, 1998.

ZANCAN, E. C. Avaliaes de Imveis em Massa para Efeitos de Tributos


Municipais. Rocha, Florianpolis, 1996.
ANEXOS

Anexo 1. Mapa de localizao de dados de mercado de tipo APARTAMENTO.

JOSUE DI BERNARDI
150

Anexo 2. Mapa de localizao de dados de mercado de tipo KITINETE.

JOSUE DI BERNARDI
151

Anexo 3. Mapa de localizao de dados de mercado de tipo CASA.

JOSUE DI BERNARDI
152

Anexo 4. Mapa de localizao de dados de mercado de tipo TERRENO.

JOSUE DI BERNARDI
153

Anexo 5. Mapa de localizao de dados de mercado de tipo COMERCIAL.

JOSUE DI BERNARDI
154

Anexo 6. Dados de mercado.


Obs CRD_E CRD_N VT TIPO AREA_T ATER GRG ID3 P_2 P_3 P_4
1 735733 6945673 107000 Apartame 114 0 1 0 1 0 0
2 735691 6945781 60000 Apartame 57 0 0 0 0 1 0
3 735698 6945843 68000 Apartame 61,7 0 1 0 0 1 0
4 735698 6945843 68000 Apartame 70 0 1 0 0 1 0
5 735616 6945463 70000 Apartame 85 0 1 0 0 1 0
6 735570 6945254 150000 Apartame 110 0 1 0 0 1 0
7 735570 6945254 55000 Apartame 65 0 1 0 0 1 0
8 735568 6945286 42000 Apartame 75 0 1 0 0 1 0
9 735568 6945286 30000 Kitinete 35 0 0 0 0 1 0
10 735535 6945081 150000 Apartame 135 0 1 0 0 1 0
11 735535 6945117 100000 Apartame 80 0 1 0 0 1 0
12 735554 6945041 179500 Apartame 140,69 0 1 0 1 0 0
13 735514 6944984 60000 Apartame 80 0 1 0 0 1 0
14 735514 6944984 60000 Apartame 80 0 1 0 0 1 0
15 735514 6944984 50000 Apartame 80 0 1 0 0 1 0
16 735514 6944984 38000 Apartame 40 0 0 0 0 1 0
17 735514 6944984 38000 Apartame 50 0 0 0 0 1 0
18 735433 6944967 195000 Apartame 148 0 1 0 1 0 0
19 735476 6944980 155000 Apartame 148 0 1 0 1 0 0
20 735482 6945009 195000 Apartame 194 0 1 0 1 0 0
21 735439 6945002 186000 Apartame 194 0 1 0 1 0 0
22 735439 6945002 145000 Apartame 148 0 1 0 1 0 0
23 735511 6945186 60000 Comercia 40 0 0 0 0 1 0
24 735417 6945508 60000 Apartame 48 0 0 0 0 1 0
25 735625 6945690 60000 Apartame 60,23 0 1 0 0 1 0
26 735609 6945628 62000 Apartame 70 0 1 0 0 1 0
27 735645 6945777 50000 Apartame 66,34 0 0 0 0 1 0
28 735657 6945916 50000 Apartame 74 0 0 0 0 1 0
29 735709 6946051 80000 Apartame 85 0 1 0 0 1 0
30 735603 6945994 80000 Apartame 110 0 1 0 0 1 0
31 735645 6946113 65000 Apartame 81 0 1 0 0 1 0
32 735645 6946113 50000 Apartame 81,04 0 1 0 0 1 0
33 735636 6946014 35200 Kitinete 40 0 0 0 0 1 0
34 735518 6945522 65000 Apartame 90 0 1 0 0 1 0
35 735431 6945286 43000 Apartame 50 0 0 0 1 0 0
36 735441 6945294 38000 Kitinete 40 0 0 0 0 1 0
37 735431 6945078 53000 Apartame 55 0 1 0 0 1 0
38 735418 6944735 57000 Apartame 60 0 0 0 0 1 0
39 735328 6944723 800000 terreno 748,14 0 0 0 0 0 0
40 735382 6945155 116000 Apartame 124,43 0 1 1 1 0 0
41 735382 6945155 127000 Apartame 124,43 0 1 1 1 0 0
42 735382 6945155 116000 Apartame 124,43 0 1 1 1 0 0
43 735382 6945155 126000 Apartame 124,43 0 1 1 1 0 0
44 735382 6945324 149940 Apartame 126 0 1 0 1 0 0
45 735340 6945511 60000 Apartame 83,44 0 1 0 0 1 0
46 735255 6945544 59500 Apartame 73,16 0 1 0 0 1 0
47 735267 6945552 188000 Apartame 156 0 1 1 1 0 0
48 735267 6945552 225000 Apartame 193 0 1 1 1 0 0
49 735255 6945544 200000 Apartame 156,51 0 1 1 1 0 0
50 735506 6945859 34000 Apartame 48,7 0 0 0 1 0 0
51 735557 6945928 165000 Apartame 157 0 1 1 1 0 0
52 735564 6945982 130000 Apartame 137 0 1 1 1 0 0
53 735556 6945954 137000 Apartame 137 0 1 1 1 0 0
54 735527 6945934 190000 Apartame 140 0 1 1 1 0 0
55 735197 6945421 35000 Kitinete 35 0 0 0 0 1 0
56 735197 6945421 35000 Kitinete 37 0 0 0 0 1 0
57 735197 6945421 35000 Kitinete 35 0 0 0 0 1 0
58 735215 6945495 75000 Apartame 80 0 1 0 0 1 0
59 735240 6945451 65000 Apartame 64 0 1 0 0 1 0
60 735237 6945411 37800 Kitinete 40 0 0 0 0 1 0
61 735237 6945411 30000 Kitinete 35 0 0 0 0 1 0
62 735237 6945411 30000 Kitinete 35 0 0 0 0 1 0
63 735235 6945584 48000 Apartame 53 0 0 0 1 0 0
64 735272 6945585 50000 Apartame 58,17 0 1 0 0 1 0
65 735344 6945729 55000 Apartame 76,1 0 1 0 0 1 0
66 735365 6945815 169000 Apartame 148 0 1 1 1 0 0
67 735357 6945818 165000 Apartame 148 0 1 1 1 0 0
68 735357 6945818 185000 Apartame 145 0 1 1 1 0 0
69 735357 6945818 60000 Apartame 72 0 0 0 0 1 0
70 735302 6945437 58500 Apartame 60 0 1 0 0 1 0
71 735350 6945336 59000 Apartame 71 0 1 0 0 1 0
155

72 735400 6945255 65000 Apartame 80 0 1 0 0 1 0


73 734890 6944870 141000 Apartame 130 0 1 1 1 0 0
74 734890 6944870 139000 Apartame 130 0 1 1 1 0 0
75 734890 6944870 155000 Apartame 150 0 1 1 1 0 0
76 734890 6944870 161000 Apartame 150 0 1 1 1 0 0
77 734890 6944870 150000 Apartame 144,68 0 1 1 1 0 0
78 734890 6944870 100000 Apartame 130 0 1 1 1 0 0
79 735221 6945221 45000 Apartame 68 0 0 0 0 0 1
80 735221 6945221 43000 Apartame 68 0 0 0 0 0 1
81 735235 6944710 900000 terreno 733,77 0 0 0 0 0 0
82 735190 6945396 160000 casa 160 300 1 0 0 1 0
83 735937 6945945 40000 Apartame 60 0 0 0 0 1 0
84 735840 6946004 170000 terreno 360 0 0 0 0 0 0
85 735791 6946033 56000 Apartame 60 0 1 0 0 1 0
86 736212 6944952 40000 Apartame 60 0 1 0 1 0 0
87 736318 6945025 36000 Apartame 52,45 0 0 0 1 0 0
88 736244 6945075 112000 Apartame 122 0 1 0 1 0 0
89 736271 6945108 115000 Apartame 122 0 1 0 1 0 0
90 736280 6945083 150000 Apartame 122 0 1 0 1 0 0
91 735942 6944987 145000 Apartame 156,183 0 1 1 1 0 0
92 735942 6944987 120000 Apartame 115 0 1 1 1 0 0
93 735942 6944987 157000 Apartame 156,17 0 1 1 1 0 0
94 735942 6944987 168000 Apartame 156,89 0 1 1 1 0 0
95 735610 6944996 150000 Apartame 119 0 1 0 1 0 0
96 735608 6944927 234000 Apartame 179,4 0 1 1 1 0 0
97 735608 6944927 233000 Apartame 205 0 1 1 1 0 0
98 735608 6944927 311000 Apartame 205 0 1 1 1 0 0
99 735608 6944927 94400 Comercia 67,18 0 1 1 1 0 0
100 735608 6944927 283000 Apartame 205,46 0 1 1 1 0 0
101 735608 6944927 317592 Apartame 205,36 0 1 1 1 0 0
102 735608 6944927 180700 Comercia 128,63 0 1 1 1 0 0
103 735608 6944927 71952 Comercia 48,86 0 0 1 1 0 0
104 735689 6945065 85000 Apartame 77 0 1 0 0 1 0
105 735752 6945115 40000 Apartame 48,05 0 0 1 1 0 0
106 735752 6945115 38000 Apartame 48,89 0 0 1 1 0 0
107 735752 6945115 40000 Apartame 47 0 0 1 1 0 0
108 736158 6945150 109999 Apartame 132 0 1 1 1 0 0
109 736170 6945153 96000 Apartame 108 0 1 1 1 0 0
110 736145 6945147 130000 Apartame 132 0 1 1 1 0 0
111 736266 6945199 200000 Apartame 173,11 0 1 1 1 0 0
112 736103 6945233 80000 Apartame 128,22 0 1 0 1 0 0
113 736052 6945275 130000 Apartame 138 0 1 0 1 0 0
114 735985 6945278 60000 Apartame 81,07 0 1 0 0 1 0
115 736016 6945249 60000 Apartame 78 0 1 0 0 1 0
116 736003 6945275 60000 Apartame 90 0 0 0 0 1 0
117 736044 6945381 95000 Apartame 120 0 1 1 1 0 0
118 736050 6945330 243800 casa 280 345 1 0 0 1 0
119 736089 6945384 300000 terreno 540 0 0 0 0 0 0
120 736154 6945477 40000 Apartame 61 0 1 0 0 1 0
121 736116 6945455 75000 Apartame 100 0 1 0 0 1 0
122 736147 6945462 60000 Apartame 74 0 1 0 0 1 0
123 736147 6945462 45000 Apartame 57 0 1 0 0 1 0
124 736147 6945462 85000 Apartame 100 0 1 0 0 1 0
125 736123 6945501 50000 Apartame 62 0 1 0 0 1 0
126 736119 6945622 55000 Apartame 80,85 0 1 0 0 1 0
127 736133 6945641 70000 Apartame 83,65 0 1 0 0 1 0
128 736147 6945650 70000 Apartame 83,65 0 1 0 0 1 0
129 736142 6945664 45000 Apartame 60 0 0 0 0 1 0
130 736117 6945636 85000 Apartame 90 0 1 0 0 1 0
131 736045 6945596 83000 Apartame 90 0 1 0 1 0 0
132 736069 6945606 110000 Apartame 120 0 1 0 1 0 0
133 736072 6945628 70000 Apartame 90 0 1 0 1 0 0
134 736011 6945398 159000 Apartame 159 0 1 1 1 0 0
135 735995 6945399 172000 Apartame 170 0 1 1 1 0 0
136 736006 6945415 128000 Apartame 120 0 1 1 1 0 0
137 735931 6945328 180000 casa 210 297 1 0 0 1 0
138 735895 6945283 62000 Apartame 97 0 1 0 0 1 0
139 735733 6945246 113000 Apartame 88,48 0 1 1 1 0 0
140 735732 6945260 113000 Apartame 87 0 1 1 0 1 0
141 735746 6945249 100000 Apartame 80 0 0 1 0 1 0
142 735746 6945259 110000 Apartame 87 0 1 1 0 1 0
143 735747 6945260 113000 Apartame 87 0 1 1 0 1 0
144 735745 6945262 120000 Apartame 118 0 1 1 1 0 0
145 735759 6945251 149000 Apartame 129 0 1 1 1 0 0
146 735756 6945265 120000 Apartame 118 0 1 1 1 0 0
147 735693 6945256 100000 Apartame 112 0 1 0 0 1 0
156

148 735687 6945349 160000 terreno 360 0 0 0 0 0 0


149 735767 6945400 55000 Apartame 67 0 1 1 1 0 0
150 735868 6945456 170000 Apartame 141,53 0 1 1 1 0 0
151 735908 6945456 180000 Apartame 141,53 0 1 1 1 0 0
152 735933 6945557 49000 Apartame 78 0 0 0 0 1 0
153 735933 6945557 68000 Apartame 89 0 1 0 0 1 0
154 735933 6945557 67000 Apartame 99 0 1 0 0 1 0
155 735933 6945557 77000 Apartame 89 0 1 0 0 1 0
156 735925 6945506 130000 Apartame 135 0 1 1 1 0 0
157 735950 6945512 145000 Apartame 150 0 1 1 1 0 0
158 735783 6945650 65000 Comercia 50 0 0 0 0 1 0
159 735766 6945591 210000 casa 158 330 1 0 0 1 0
160 735770 6945488 40000 Apartame 60 0 0 0 0 0 1
161 735770 6945488 38000 Apartame 50 0 0 0 0 0 1
162 735767 6945682 75000 Apartame 93 0 0 0 1 0 0
163 736111 6945720 100000 Comercia 80 0 1 0 0 1 0
164 736224 6945679 100000 terreno 360 0 0 0 0 0 0
165 736303 6945618 74000 Apartame 90 0 1 0 0 1 0
166 736220 6945741 28000 Kitinete 41,47 0 0 0 0 1 0
167 736187 6945759 60000 Apartame 82 0 1 0 0 1 0
168 736091 6945862 65000 Apartame 75 0 1 0 0 1 0
169 736131 6945836 67000 Apartame 80 0 1 0 0 1 0
170 735821 6945966 65000 Apartame 98,34 0 1 0 0 1 0
171 735830 6945975 70000 Apartame 98,34 0 1 0 0 1 0
172 735870 6945823 95000 Apartame 90 0 1 0 0 1 0
173 735870 6945823 95000 Apartame 107 0 1 0 0 1 0
174 736008 6945803 300000 casa 300 360 1 0 1 0 0
175 735864 6945276 55000 Apartame 58 0 0 0 0 1 0
176 735883 6945292 60000 Apartame 68 0 1 0 0 1 0
177 735883 6945292 58000 Apartame 65 0 1 0 0 1 0
178 736181 6945266 1200000 terreno 1830 0 0 0 0 0 0
179 735990 6945323 48000 Apartame 60 0 0 0 0 1 0
180 736011 6945899 530000 terreno 1200 0 0 0 0 0 0
181 735687 6946091 55000 Apartame 72 0 0 0 0 1 0
182 735656 6945942 95000 Apartame 100 0 1 0 0 1 0
183 735202 6945437 32000 Kitinete 27 0 0 0 0 1 0
184 735963 6945885 75000 Apartame 91 0 1 0 0 1 0
185 735681 6945775 58000 Apartame 80 0 0 0 0 1 0
186 734993 6944893 350000 casa 340 720 1 0 1 0 0
187 736282 6945240 110000 Apartame 80 0 1 0 0 1 0
188 735755 6945257 106000 Apartame 120,14 0 1 0 1 0 0
189 735859 6945000 380000 casa 247 420 1 0 1 0 0
190 735771 6945084 60000 Apartame 78 0 1 0 0 1 0
191 735289 6945509 242000 terreno 360 0 0 0 0 0 0
192 735227 6945434 35000 Kitinete 35 0 0 0 0 1 0
193 735464 6945131 280000 Apartame 220 0 1 0 1 0 0
194 735464 6945131 265000 Apartame 220 0 1 0 1 0 0
195 735364 6945203 47000 Apartame 67 0 0 0 0 0 1
196 736413 6945198 58000 Apartame 100 0 0 0 0 1 0
197 736427 6945210 55000 Apartame 100 0 0 0 0 1 0
198 736167 6945468 78000 Apartame 105 0 1 0 0 1 0
199 736062 6945582 63000 Apartame 75 0 1 0 0 1 0
200 736276 6945592 120000 Apartame 100 0 1 1 1 0 0
201 735912 6944756 57000 Apartame 64 0 0 0 0 1 0
202 735662 6946099 65000 Apartame 81 0 0 0 0 1 0
203 735618 6945630 60000 Apartame 73 0 0 0 0 1 0
204 735272 6945585 65000 Apartame 55 0 1 0 0 1 0
205 735496 6945859 76000 Apartame 65 0 1 0 1 0 0
206 736230 6945689 135000 casa 240 240 1 0 0 0 1
207 735950 6945865 75000 Apartame 91 0 1 0 0 1 0
208 735635 6946134 68000 Apartame 81 0 0 0 0 1 0
209 735518 6945522 67000 Apartame 71 0 1 0 0 1 0
210 735691 6945194 53000 Apartame 69 0 1 0 0 1 0
211 735009 6944991 220000 casa 108 360 1 0 0 1 0
212 734993 6944893 350000 casa 340 720 1 0 1 0 0
213 736254 6945715 320000 casa 300 402 1 0 1 0 0
214 735005 6944570 700000 casa 210 1000 1 0 1 0 0
215 736465 6945589 80000 casa 294 294 1 0 0 0 1
216 736279 6944943 250000 casa 300 300 1 0 0 1 0
217 736103 6945089 155000 casa 192 192 1 0 0 1 0
218 736217 6945671 230000 terreno 360 0 0 0 0 0 0
219 736201 6945698 220000 casa 160 360 1 0 0 1 0
220 735363 6944896 325000 casa 170 301 1 0 0 1 0
221 736107 6945462 210000 terreno 360 0 0 0 0 0 0
222 735363 6944896 190000 terreno 360 0 0 0 0 0 0
223 735531 6945284 32000 Kitinete 38 0 0 0 0 1 0
157

224 736357 6945031 35000 Kitinete 32 0 0 0 0 1 0


225 735627 6944778 160000 Comercia 135 0 0 0 0 1 0
226 735015 6944576 850000 terreno 920 0 0 0 0 0 0
227 735833 6945135 175000 casa 120 220 1 0 0 1 0
228 736029 6945518 280000 casa 220 360 1 0 0 1 0
229 736176 6945725 180000 casa 150 360 1 0 0 1 0
230 735392 6945796 36000 Kitinete 40 0 0 0 0 1 0
231 735434 6945300 42000 Kitinete 37 0 0 0 1 0 0
232 736415 6945173 155000 casa 240 360 1 0 1 0 0
233 735808 6945413 205000 terreno 360 0 0 0 0 0 0
234 735445 6945138 360000 casa 234 364 1 0 0 1 0
235 735467 6945733 320000 casa 200 366 1 0 0 1 0
236 735637 6945988 28000 Kitinete 35 0 0 0 0 1 0
237 735554 6945641 330000 casa 180 364 1 0 0 1 0
238 735431 6945286 39500 Kitinete 37 0 0 0 1 0 0
239 735215 6945437 36000 Kitinete 31 0 0 0 0 1 0
240 735382 6945800 28000 Kitinete 40 0 0 0 0 1 0
241 736356 6945045 28000 Kitinete 38 0 0 0 0 1 0
242 736457 6945564 120000 casa 130 311 1 0 0 1 0
243 735407 6945757 300000 casa 220 364 1 0 0 1 0
244 736370 6945781 80000 terreno 360 0 0 0 0 0 0
245 735520 6945188 47000 Comercia 35 0 0 0 0 1 0
246 735687 6945525 57000 Comercia 70 0 0 0 0 1 0
247 735917 6945161 650000 terreno 640 0 0 0 0 0 0
248 735936 6945042 950000 terreno 696 0 0 0 0 0 0
249 736113 6945178 130000 casa 100 180 1 0 0 1 0