Você está na página 1de 43

AVALIAO DO VALOR DE IMVEIS POR ANALISE DE REGRESSO:

UM ESTUDO DE CASO PARA A CIDADE DE JUIZ DE FORA

Tlio Alves Matta

MONOGRAFIA SUBMETIDA COORDENAO DE CURSO DE ENGENHARIA


DE PRODUO DA UNIVERSIDADE FEDERAL DE JUIZ DE FORA COMO
PARTE DOS REQUISITOS NECESSRIOS PARA A GRADUAO
EM ENGENHARIA PRODUO.

Aprovada por:

_______________________________________________
Prof. Fernando Marques de Almeida Nogueira, M Sc.

_______________________________________________
Prof. Eliane da Silva Christo, D Sc.

_______________________________________________
Prof. Marcos Martins Borges, D Sc.

Juiz de Fora, MG - Brasil


Dezembro 2007
ii

MATTA, TLIO ALVES


Avaliao do valor de imveis por Ana-
lise de regresso: Um estudo de caso para a
cidade de Juiz de Fora [Juiz de Fora] 2007
IX, 34 p. (UFJF, Engenharia de Produ-
o, 2007)
Tese Universidade Federal de Juiz de
Fora, Faculdade de Engenharia
1. Analise de Regresso
I. UFJF II. Ttulo (Srie)
iii

AGRADECIMENTOS

No momento em que se aproxima a concluso desta etapa em minha vida,


expresso o reconhecimento e gratido as pessoas que contriburam para a realizao
de minha formao.
A minha me pelo exemplo, esforo e dedicao demonstrada a todo tempo,
permitindo que esse momento se realizasse.
A meu pai que lutou em sua vida para possibilitar, que um dia este caminho
fosse percorrido.
A meu padrasto Reinaldo, que me incentivou, ajudou e acreditou na realizao
desta etapa.
Agradeo a minha esposa Marlia por sua compreenso nesses anos, apoiando
e incentivando nos momentos de duvidas.
Agradeo ao Professor Fernando Nogueira, orientador deste trabalho, pelo
profissionalismo, comprometimento e incentivo.
Agradeo aos meus colegas e demais professores do Curso de Engenharia de
Produo pelo convvio nestes anos de formao acadmica.
iv

Resumo da monografia apresentada Coordenao de Curso de Engenharia de


produo como parte dos requisitos necessrios para a graduao em Engenharia
Produo.

AVALIAO DO VALOR DE IMVEIS POR ANALISE DE REGRESSO:


UM ESTUDO DE CASO PARA A CIDADE DE JUIZ DE FORA

Tlio Alves Matta

Dezembro 2007

Orientadores: Fernando Marques de Almeida Nogueira


Eliane da Silva Christo

Curso: Engenharia de Produo

O trabalho proposto tem como finalidade o estudo de caso de uma nova metodologia,
que esta sendo implementada para a avaliao dos valores venais dos imveis da
cidade de Juiz de Fora para fins tributrios. O mtodo em estudo o Mtodo
Comparativo Direto de Dados de Mercado que utiliza a regresso linear mltipla para
a obteno da funo objetivo. Esta funo que representa as observaes, sob o
ponto de vista de estimao estatstica, ser o modelo matemtico de explicao dos
dados coletados. Para tanto, utilizaram-se os dados do Cadastro Imobilirio,
fornecidos pelo Departamento de Cadastro Imobilirio Municipal da Prefeitura de Juiz
de Fora, dos imveis negociados entre Abril e Julho de 2007. O objetivo deste mtodo
inferir valores representativos para os imveis avaliados, sendo realizada a
comparao entre os valores atualmente utilizados pelo municpio, os valores
encontrados pela analise de regresso e valores de imveis colocados venda. Os
resultados obtidos mostraram que o mtodo utilizado retorna valores mais prximos da
realidade do mercado imobilirio, alm de no se afastar dos valores utilizados
atualmente pela prefeitura. A modelagem implementada mostrou que possvel
utilizar um mtodo cientifico moderno, reduzindo o nmero de variveis atualmente
utilizadas sem perder a confiabilidade dos resultados.

Palavras-chave: comparativo, avaliao, regresso.


v

Abstract of the monograph presented to the Coordination of Engineering Production


Course as part of the necessary requirements for the graduation in Production
Engineering

EVALUATION OF THE VALUE OF PROPERTIES FOR IT ANALYZES OF


REGRESSION:
A STUDY OF CASE FOR THE CITY OF JUIZ DE FORA

Tlio Alves Matta

December 2007

Advisors: Fernando Marques de Almeida Nogueira


Eliane da Silva Christo

Department: Production Engineering

The proposed work has as purpose the implementation of case of a new methodology,
that was developed for the evaluation of the venal values of the properties of Juiz de
Fora city for tax ends. The method in studied was the " Direct Comparative Method of
Data of Market " that uses the multiple lineal regression for obtaining of the function
objective. This function represents the observations, under the point of view of
statistical estimation, will be the mathematical model of explanation of the data
collected. For so much, the data of the Real estate Register were used, supplied by the
Department of Municipal Real estate Register of the City hall of Juiz de Fora, of the
properties negotiated between April and July of 2007. The objective this method is to
infer values representative for appraised properties, being accomplished comparison
now among the values used by the municipal district, the values found for the it
analyzes of regression and values of properties put for sale. The obtained results
showed that the used method returns closer values of the reality of the real estate
market, besides not standing back of the values used now by the city hall. The
implemented modelling showed that it is possible to use a method inform modern,
reducing the number of variables now used without losing the reliability of the results.

Word-key: comparative, evaluation, regression.


vi

SUMRIO

Captulo I INTRODUO
1.1. Apresentao .................................................................................................. 01
1.2. Objetivos ........................................................................................................ 02
1.3. Justificativas ................................................................................................... 02
1.4. Condies de contorno .................................................................................. 03
1.5. Metodologia ................................................................................................... 03
1.6. Estrutura do TCC ........................................................................................... 04

Captulo II REVISO BIBLIOGRFICA


2.1. Introduo ...................................................................................................... 05
2.1.1. O Mercado Imobilirio ...................................................................... 06
2.2. Conceitos bsicos para anlise de regresso ............................................... 07
2.2.1. Construo das variveis ................................................................. 08
2.2.2. Variao dos valores em torno da mdia ......................................... 08
2.2.3. Identificao Grfica ........................................................................ 10
2.2.4. Clculo dos coeficientes .................................................................. 11
2.2.5. Variao residual ............................................................................. 11
2.2.6. Coeficiente de determinao (r) e correlao (r) ............................ 12
2.3. Anlise de regresso ..................................................................................... 12
2.3.1. A funo de regresso amostral ...................................................... 13
2.3.2. Estimativa por Mnimos Quadrados Ordinrios ............................... 13
2.3.3. Coeficiente mltiplo de determinao (R) ..................................... 14
2.3.4. A significncia global da regresso mltipla Teste F .................... 14
2.3.5. Transformao de variveis ............................................................. 15
2.3.6 Consideraes do Modelo ................................................................ 15
2.3.7. Escolha do Modelo .......................................................................... 16
2.3.7.1. Anlise dos coeficientes de terminao.............................. 16
2.3.7.2. Anlise da significncia dos regressores ............................ 17
2.3.7.3. Anlise de sensibilidade Teste da equao ..................... 17
2.3.7.4. Resduos do modelo ........................................................... 17
2.3.7.5. Heteroscedasticidade .......................................................... 18
2.3.7.6. Multicolinearidade ............................................................... 18

Captulo III ESTUDO DE CASO


3.1. O Cadastro Imobilirio Municipal ................................................................... 19
3.2. Coleta de dados ............................................................................................. 20
3.3. Modelagem dos dados ................................................................................... 21
3.3.1. Classificao das variveis .............................................................. 21
3.3.2. Roteiro de modelagem .................................................................... 22
3.3.2.1. Opes no calculo da equao de regresso ..................... 22
3.3.2.2. Coeficientes de determinao e correlao ........................ 23
3.3.2.3. Intervalo de confiana e teste de hiptese .......................... 25
3.3.2.4. Analise de sensibilidade - Teste da equao ...................... 26
vii

3.3.2.5. Resduos do modelo ........................................................... 26


3.3.2.6. Homocedasticidade ............................................................. 28
3.3.2.7. Multicolinearidade ............................................................... 28
3.4. Analise e Resultados 29
4.1. Regresso linear mltipla .................................................................... 29
4.2. Resultado da estatstica ...................................................................... 31
4.3. Projees de valores ........................................................................... 32

Captulo IV CONSIDERAES FINAIS


4.1. Concluses .................................................................................................... 33

Referncias bibliogrficas ................................................................................................. 34


viii

LISTA DE FIGURAS

Figura 01 Grfico: Valor Mdio ....................................................................................... 10


Figura 02 Reta da equao de regresso ...................................................................... 10
Figura 03 Exemplo de transformaes ........................................................................... 15
Figura 04 Organograma ................................................................................................. 19
Figura 05 Resultado / 1 processamento ....................................................................... 23
Figura 06 Distribuio freqncias / 1 Processamento ................................................. 24
Figura 07 Resultado / ltimo processamento ................................................................ 26
Figura 08 Resduos do modelo final ............................................................................... 27
Figura 09 Distribuio dos resduos ............................................................................... 27
Figura 10 Reta representativa da mdia ........................................................................ 28
Figura 11 Correlao entre variveis ............................................................................. 29
ix

LISTA DE TABELAS

Tabela 01 Exemplo: Valor Mdio / Diferena ................................................................. 09


Tabela 02 Exemplo: Valor mdio / reas ....................................................................... 09
Tabela 03 Exemplo: variao residual ........................................................................... 11
Tabela 04 Variveis do modelo inicial ............................................................................ 22
Tabela 05 Ajuste do primeiro modelo de regresso ....................................................... 30
Tabela 06 Ajuste final do modelo de regresso ............................................................. 30
Tabela 07 Resultado da estatstica ................................................................................ 31
Tabela 08 Comparao de valores ................................................................................ 32
CAPITULO I
INTRODUO

1.1. APRESENTAO
A Engenharia de Avaliaes vem evoluindo no Brasil, atravs dos profissionais
de engenharia que se dedicam ao estudo e pesquisa das tcnicas de avaliao de
imveis, buscando a melhor forma para a avaliao deste produto nico, que se
diferenciam tanto entre si por diversas caractersticas e at fatores subjetivos.
Segundo PELLI (2003), o valor de um imvel um fenmeno social, e pode ser
associado a um vetor composto por um conjunto de variveis que abrange todas as
suas caractersticas fsicas, o seu entorno, a sua utilidade e os fatores subjetivos que a
prpria coletividade cria no contexto em que est situado a cada instante. A introduo
da inferncia estatstica na engenharia de avaliaes corresponde tentativa de
solucionar esses casos, alm de tentar diminuir a subjetividade envolvida nas
homogeneizaes.
Segundo DANTAS (2003), a Engenharia de Avaliaes uma especialidade da
engenharia que rene um conjunto amplo de conhecimentos da rea de engenharia e
arquitetura, bem como de outras reas das cincias sociais, exatas e da natureza,
com o objetivo de determinar tecnicamente o valor de um bem, de seus direitos, frutos
e custos de produo.
A metodologia atualmente empregada para a avaliao dos imveis da cidade
de Juiz de Fora, para fins tributrios, utiliza o Mtodo Evolutivo, que compreende
procedimentos e frmulas com o objetivo de definir os valores dos imveis a partir da
construo da soma de valores atribudos ao terreno e dos custos das construes,
corrigidos pelo fator de comercializao de acordo com:
Vi = (Vt + C c ) Fc (01)

onde:
Vi o valor de mercado do imvel;

Vt o valor do terreno;

C c o custo da construo (de reproduo das benfeitorias existentes); e

Fc o fator de comercializao.

Buscando o aprimoramento na avaliao dos imveis, conforme diretrizes do


Plano Estratgico Municipal de Assentamentos Subnormais, a Prefeitura de Juiz de
Fora comea a planejar a alterao do mtodo de avaliao, sendo escolhido o
2

Mtodo Comparativo Direto de Dados do Mercado (NBR 14653-2:2004), pelo qual o


valor do imvel obtido comparando-se as suas caractersticas com as de outros
imveis que foram negociados no mercado, pois a norma estabelece que deva ser
priorizado o uso deste mtodo. No entanto, para a implantao definitiva deste mtodo
pelo Municpio necessrio que o mesmo seja testado e seguro, para subsidiar as
decises administrativas, tendo em vista as implicaes que tais mudanas podem
gerar para toda a populao.

1.2. OBJETIVOS
O objetivo deste trabalho utilizar a tcnica de Regresso Linear Mltipla,
como ferramenta auxiliar na determinao do valor venal de imveis urbanos, para fins
de tributao, comparando-a com o mtodo atualmente utilizado pela Prefeitura,
utilizando basicamente, os dados do Cadastro Imobilirio Municipal. Desta forma
busca-se melhorar a preciso na determinao destes valores, selecionando quais so
as variveis mais significativas, que iro compor o modelo final.

1.3. JUSTIFICATIVAS
Grande parte dos municpios brasileiros avalia os imveis atravs da planta de
valores, lei pela qual os Municpios atribuem valores para o metro quadrado de terreno
e de edificao, atravs de tabelas com especificaes gerais, baseada no Cadastro
Tcnico Imobilirio, que em muitas vezes no elaborada de acordo com os mtodos
recomendados pela Norma Brasileira. Desta forma, os imveis situados em um
mesmo setor apresentam o mesmo valor por metro quadrado, independentemente de
suas caractersticas individuais.
O mercado imobilirio, por sua vez, reveste-se de caractersticas especiais,
pois tanto bem de uso, quanto de investimento, estando muitas vezes ligados a
fenmenos culturais e scio-econmicos. Assim a populao de imveis muito
heterognea, gerando amostras heterogneas. A heterogeneidade do mercado
imobilirio e as peculiaridades deste segmento implicam em que nem sempre
possvel desenvolver um modelo nico que seja totalmente representativo da realidade
do conjunto de imveis.
Pretende-se neste trabalho identificar quais variveis sero tratadas atravs da
Anlise de Regresso, e que realmente so importantes para se obter um modelo
matemtico representativo do valor do bem, mais prximo da realidade mercadolgica.
3

1.4. CONDIES DE CONTORNO


O estudo de caso ser limitado a uma nica tipologia de imveis, no caso, os
imveis residenciais do tipo apartamento de alguns loteamentos da cidade de Juiz de
Fora. Sero considerados somente os dados disponveis no Cadastro Imobilirio
Municipal e os dados provenientes de levantamento realizado pela Secretaria de
Receita do Municpio para desenvolvimento do processo de alterao de metodologia,
como j citado anteriormente.
Como o objetivo inferir valores de mercado para imveis atravs da anlise
de regresso utilizaremos como varivel dependente nas amostras, os valores de
mercado levantados pela Secretaria de Receita, quando h tributao para os valores
dos imveis negociados, ou seja, quando a transao imobiliria recolhe o Imposto de
Transmisso de Bens Intervivos (ITBI). Este mais um fator limitante, uma vez que os
dados da amostra, que sero dados de corte, podem ser limitados ao nmero de
imveis, com a tipologia apartamento que efetuam a transao imobiliria junto a
Prefeitura, restringindo assim o nmero de elementos da amostra.
Outro fator limitante o valor dos imveis informados na transao imobiliria e
que esto em desacordo com o mercado imobilirio, pois como o ITBI um imposto
cobrado com base na informao do valor do bem, s vezes este valor informado,
pelo comprador, abaixo do real valor negociado, para por conseqncia ser cobrado o
imposto menor. No entanto uma fonte de baixo custo, visto que o Municpio dispe
desses dados atualizados a cada imposto cobrado e os mesmos j esto inseridos no
sistema fazendrio.

1.5. METODOLOGIA
O presente trabalho foi desenvolvido junto a duas Secretarias da Prefeitura de
Juiz de Fora, Secretaria de Receita e Controle Interno e Secretaria de Poltica Urbana.
A primeira por conter as informaes referentes receita gerada e ser a precursora da
alterao da metodologia de clculo, a segunda por conter o banco de dados com as
informaes dos imveis cadastrados. As etapas para a realizao do trabalho esto
dividas da seguinte forma:
i) Reviso Bibliogrfica: Estudos dos atuais mtodos de avaliao de imveis
que utilizam a inferncia estatstica para este fim, com especial ateno aos que
utilizam Modelo de Regresso Linear e pesquisas sobre a implantao do Mtodo
Comparativo de Dados de Mercado, buscando verificar possveis limitaes e
aplicaes deste mtodo.
ii) Coleta de dados: Os dados necessrios para a realizao do trabalho
foram coletados no Departamento de Cadastro Imobilirio Municipal, que o
4

responsvel pela manuteno de toda a base de dados imobilirios do Municpio. Os


dados sero codificados a fim de se manter sigilo das informaes fiscais dos
contribuintes.
iii) Modelagem dos dados: O tratamento estatstico dos dados foi efetuado
utilizando o software SisPlanV desenvolvido para a elaborao de plantas genricas
de valores e avaliaes comparativas do mercado imobilirio. Este software
proporciona vrias sadas dos resultados, permitindo uma anlise para a escolha do
modelo mais adequado para a tipologia de imvel em estudo. A escolha do modelo
final foi realizada pela anlise desses resultados e respectiva escolha das variveis.
iv) Anlise dos resultados: Nesta etapa foi efetuada a anlise dos resultados
dos modelos gerados, sendo analisados e descritos os ndices que comprovam
matematicamente que o modelo representativo.
v) Comparao entre os mtodos: Com o modelo matemtico final definido
foram realizadas comparaes com o mtodo atualmente utilizado pelo Municpio, ou
seja, Mtodo Evolutivo, com o Mtodo Comparativo Direto de Dados de Mercado.
vi) Consideraes finais: Nesta so apresentadas as concluses e
consideraes de todo o processo de avaliao de imveis por analise de regresso,
para avaliar se o mtodo proposto representativo e quais as suas limitaes e
possveis melhoramentos.

1.6. ESTRUTURA DO TCC


O Trabalho de Concluso de Curso proposto est estruturado em quatro
captulos assim divididos:
O captulo I contem a apresentao do tema do trabalho, os objetivos que
devem ser alcanados, as justificativas para a realizao do mesmo, suas limitaes
ou condies de contorno, alm da metodologia utilizada para a realizao e
concluso do trabalho.
O captulo II apresenta a reviso bibliogrfica que tem como objetivo mostrar a
evoluo da avaliao de imveis atravs da inferncia estatstica, as atuais tcnicas
utilizadas para avaliao e os principais conceitos da Anlise de Regresso Mltipla.
O estudo de caso ser abordado no captulo III, que descrever a instituio na
qual o trabalho foi realizado, principalmente o Departamento de Cadastro Imobilirio,
local em que os dados foram coletados. Tambm neste captulo ser apresentada a
modelagem e a analise dos resultados para o modelo proposto e sua comparao com
o mtodo atualmente empregado para a avaliao de imveis.
O captulo IV apresenta as consideraes finais sobre o trabalho de concluso
de curso e a concluso do estudo de caso proposto.
5

CAPITULO II
REVISO BIBLIOGRFICA

2.1. INTRODUO
De acordo com DANTAS (2006), a Engenharia de Avaliaes no Brasil evoluiu
bastante na ltima dcada, principalmente pela introduo da metodologia cientfica
como ferramenta essencial a um trabalho avaliatrio, que tem como objetivo orientar o
avaliador, desde a escolha das informaes de interesse, a forma como colet-las,
analis-las e trat-las, na busca de modelos que expliquem a variabilidade observada
nos preos e no mercado que se estuda. Conforme a NBR 14653:2004 da ABNT, os
principais mtodos para identificar o valor de um bem, de seus frutos e direitos so:
 Mtodo Comparativo Direto de Dados do Mercado identifica o valor de
mercado do bem por meio de tratamento tcnico dos atributos dos
elementos comparveis, constituintes da amostra.
 Mtodo Evolutivo identifica o valor do bem pelo somatrio das parcelas
componentes do mesmo. Caso a finalidade seja a identificao do valor de
mercado, deve ser considerado o Fator de Comercializao,
preferencialmente medido por comparao no mercado.
 Mtodo da Capitalizao da Renda identifica o valor do bem, com base
na capitalizao presente da sua renda lquida prevista, considerando-se
cenrios viveis.
Ainda, conforme a NBR 14653:2004 o mtodo comparativo direto de dados do
mercado consiste em obter uma amostra representativa de dados de mercado de
imveis com caractersticas, tanto quanto possvel, semelhantes s do bem avaliado,
usando-se toda a evidncia possvel.
Segundo BAPTISTELLA (2005) o modelo de Regresso Linear Mltipla o
preferido dos avaliadores, por ter se mostrado bastante eficiente, embora fatores tais
como: a complexibilidade dos modelos, dificuldades de implementao, excesso de
variveis envolvidas e desconhecimento da relao entre estas variveis, possam
comprometer a anlise. Para tanto, fundamental a existncia de imveis para
comparao, ou seja, uma mostra de dados do mercado imobilirio, formada pelos
imveis de referncia, assim denominados pela NBR14653:2004. Ao utilizar este
mtodo, deve-se fazer o tratamento estatstico dos dados pesquisados.
Assim o capitulo II tem por finalidade apresentar os conceitos relacionados a
Anlise de Regresso para embasamento das concluses a respeito dos resultados
obtidos.
6

2.1.1. O Mercado Imobilirio


Para o conhecimento do estudo das metodologias de avaliao de bens do
mercado imobilirio, se faz necessrio o entendimento do mercado imobilirio e seu
funcionamento, bem como compreender os mecanismos existentes e suas diferenas
com outros mercados.

O mercado pode ser definido como o local onde so efetuadas


transaes comerciais envolvendo troca de bens, tangveis ou
intangveis, ou direitos sobre os mesmos. Aqui o termo
mercado refere-se quele de concorrncia perfeita, contendo
em geral as seguintes caractersticas: Todos os que participam
o fazem voluntariamente, e tm conhecimento pleno das
condies vigentes, nenhum participante sozinho, capaz de
alterar as condies estabelecidas, cada transao feita de
maneira independente das demais (BATISTELA, 2005)

O mercado imobilirio distinto dos outros mercados, como de automveis,


eletrodomsticos e outros bens desta natureza. Seus principais fatores que o
distinguem so, segundo PELLI (2003) a vida til elevada, a singularidade, a sua
localizao, e as interferncias das leis municipais, estaduais ou federais.
Diferentemente de outros bens onde as caractersticas no so muito
diferenciadas, os imveis do mercado imobilirio so singulares, por mais semelhantes
que sejam dois determinados imveis, pelo menos uma de suas caractersticas sero
diferentes, como localizao ou posio, assim no h no mercado imobilirio um
imvel igual a outro.
Neste sentido, segundo PELLI (2003), a avaliao de um bem do mercado
imobilirio no trivial e requer a aplicao de conhecimentos cientficos, que
estudem os componentes bsicos do mercado imobilirio, que so:
 Os bens levados a mercado.
 As partes interessadas na venda.
 As partes interessadas na compra.
Ainda segundo PELLI (2003), o estudo estatstico do valor dos imveis,
somente ter bons resultados se houver um equilbrio entre os trs componentes
bsicos, sendo a situao perfeita aquela onde no mercado existam muitos
vendedores, muitos compradores e uma grande disponibilidade de bens imveis de
diversas fontes, contudo no existe, na prtica, o mercado perfeito.
7

O imvel tambm um bem imperfeito, diferente de todos os


outros bens econmicos; mesmo que semelhantes, dois ou
mais imveis sempre traro, pelo menos uma peculiaridade
que os diferencia. Logo, o mercado imobilirio poder ser
concorrencial imperfeito sempre (BATISTELA, 2005).

Assim o valor de um bem imvel oferecido venda, nem sempre aquele valor
final pelo qual o bem foi negociado. A NBR 14.653:2004 define da seguinte forma o
Valor de Mercado: Valor de Mercado: Quantia mais provvel pela qual se negociaria
voluntariamente e conscientemente um bem, numa data de referncia, dentro das
condies do mercado vigente.
Esta probabilidade do valor a ser negociado no necessariamente o preo
pelo qual este bem ser negociado, ou seja, o valor de mercado uma projeo do
valor a ser negociado, enquanto que o preo o valor efetivamente pago pelo bem. O
Valor de Mercado resultado de um processo de modelagem de dados, obtido atravs
da coleta de informaes sobre os preos pelos quais imveis com caractersticas
semelhantes esto sendo negociados. Portanto, preo e valor de mercado so
referncias distintas, pois o primeiro se refere a um valor provvel e o segundo a
quantia monetria que um bem negociado (PELLI, 2003). Assim comum o
resultado de uma avaliao ser diferente do preo em negociao, o que no
esperado que esta diferena seja grande, pois neste caso existem outros fatores que
no foram levados em considerao na modelagem dos dados.

2.2. CONCEITOS BSICOS PARA A ANLISE DE REGRESSO


A idia principal da anlise de regresso, segundo GUJARATI (2004) estudar
a dependncia estatstica de uma varivel, a varivel dependente, em relao a uma
ou mais variveis, as variveis explicativas, estimando assim a mdia ou valor mdio
da varivel dependente com base em valores conhecidos das demais variveis.
Existem inmeros fenmenos que envolvem muitas variveis independentes, no
estudo de caso proposto as variveis independentes representam as caractersticas
intrnsecas e extrnsecas dos imveis e a varivel dependente representa o valor de
mercado.
A notao empregada para as variveis ser a seguinte:
 Letra Y representar a varivel dependente.
 As letras X (X1, X2, X3, ..., Xk) representa as variveis explicativa ou
independente.
8

2.2.1. Construo das variveis


Segundo GUJARATI (2004) para obter resultados satisfatrios em qualquer
anlise economtrica os dados disponveis devem ser apropriados, ainda segundo
GUJARATI (2004) existem trs tipos de dados: Dados de srie temporal, de corte e
combinados.
 Dados de Serie Temporal: Uma srie temporal um conjunto de
observaes de valores que uma varivel assume em diferentes momentos.
 Dados de Corte: So dados de uma ou mais variveis coletados no mesmo
ponto do tempo.
 Dados combinados: H elementos tanto de sries temporais como de
dados de corte.
Segundo PELLI (2003) na engenharia de avaliaes as variveis so
representaes das caractersticas dos imveis, essas variveis podem ainda ser
divididas basicamente em quatro grupos: Quantitativas, qualitativas, proxy e
dicotmicas.
 Variveis Quantitativas: Representam os valores dos atributos que podem
ser contados ou medidos em cada elemento da amostra. Essas variveis,
por serem de valores objetivos, segundo PELLI (2003), devem ser sempre
utilizadas como variveis chaves do processo.
 Variveis Qualitativas: Representam atributos no mensurveis do
elemento da amostra, possibilitam classificar, denominar e diferenciar
conceitos.
 Variveis Proxy: So utilizadas para substituir outras variveis de difcil
mensurao e que se presume guardar relao de pertinncia com outras
variveis. Um exemplo para este tipo de varivel a localizao expressa
pelo ndice fiscal ou o padro construtivo expresso pelo custo unitrio
bsico.
 Variveis Dicotmicas: Assumem somente dois valores. So comumente
utilizadas para expressar a ausncia ou no de atributos do elemento.

2.2.2. Variao dos valores em torno da mdia


Em qualquer amostra aleatria encontrada uma variao dos valores
estudados em torno da mdia. PELLI (2003) define esta variao para o mercado
imobilirio como Variao Total (Vt ) , que o somatrio do quadrado das diferenas

entre os dados e a mdia, e contm parcelas relativas a aleatoriedade e diferenas


fsicas entre os dados.
9

O seguinte exemplo proposto: Para medir o valor mdio de lotes situados em


uma mesma regio foram apresentados os seguintes dados:

LOTE VALOR* VALOR MDIO* Diferena Quad. da diferena


( yi ) (y) ( yi y ) ( y i y )2
1 20 20 0 0
2 25 20 -5 25
3 15 20 5 25
4 30 20 -10 100
5 10 20 10 100

* Valores em reais = 0 250

Tabela 01 Exemplo I: Valor Mdio / Diferena

Assim, a Variao total : Vt = 250

O valor mdio esperado esta representado pela mdia aritmtica desta amostra
que R$20.000,00. Nota-se que nenhuma outra caracterstica dos elementos da
amostra esta sendo levada em considerao somente o seu atributo valor. No
entanto sabe-se que principalmente no mercado imobilirio, diversos outros fatores
influenciam no valor de um bem.
Ainda segundo PELLI (2003), como no valor da variao Total (Vt ) alm da

aleatoriedade, esto includas parcelas relativas s diferenas fsicas dos imveis,


necessrio buscar identificar a variao causada por estas diferenas, ou seja, buscar
novos dados (variveis) com clara influncia na varivel dependente.
Assim o exemplo hipottico segue supondo que a rea total do lote uma
caracterstica que rene esses atributos, pois provavelmente quanto maior a rea
total maior ser o valor do bem.
LOTE VALOR* VALOR MDIO* rea do lote
( yi ) (y)
1 20 20 400
2 25 20 500
3 15 20 400
4 30 20 600
5 10 20 300
* Valores em mil reais
Tabela 02 Exemplo I: Valor mdio / reas

Nota-se que embora as reas dos lotes, representados por x , apresentem diferenas
significativas entre si, o valor mdio no se altera e a Variao Total dos dados em
torno desta mdia, ainda 250 ( Vt = 250 )
10

35

Valor
30
25
MDIA Y= 20
20
15
10
5
0
200 250 300 350 400 450 500 550 600 650
rea Total

Figura 01 Grfico: Exemplo I - Valor Mdio

Como o objetivo da anlise de regresso, segundo GUJARATI (2004) estimar


a mdia da populao ou valor mdio da varivel dependente em termos das outras
variveis explicativas, necessrio buscar a representao de uma reta que aproxime
os pontos, reduzindo assim a disperso dos pontos em torno desta nova reta.

2.2.3. Identificao grfica


Define-se por Variao Residual (Vr ) , o somatrio dos quadrados dos

resduos ( e ), isto , o somatrio do quadrado da distncia dos dados


2
i

equao de regresso. Espera-se que esta Variao Residual apresente um


montante inferior a variao Total.

Figura 02 Exemplo de Reta da equao de regresso


11

Graficamente, podemos verificar, intuitivamente, que existe uma


infinidade de retas que satisfazem situao descrita acima, no entanto o
objetivo encontraR a que apresente a menor Variao Residual.

2.2.4. Clculo dos coeficientes


Representando por (ei ) as distncias dos pontos reta de regresso, tem-se:

ei = y i ( A + Bxi ) , como a Variao Residual esta definida como sendo o somatrio

( )
dos quadrados destas distncias, ou seja, ei2 , a seguinte expresso para a Variao

Residual pode ser assim descrita:


n
Vr = ( yi A Bxi ) 2 (2)
i =1

Segundo PELLI (2003) a reta de regresso que minimiza este somatrio


aquela em que as derivadas parciais deste somatrio em relao aos coeficientes A e
B so nulas.
Para o exemplo apresentado os coeficientes encontrados foram: A=-9,615 e
B=0,067.

2.2.5. Variao Residual


O montante da variao residual, ou seja, o somatrio dos quadrados das
diferenas entre os valores dos dados e a mdia estimada para cada um deles
obtido primeiramente com o Valor Mdio representativo para cada elemento da
amostra. Para o exemplo tem-se:

LOTE VALOR* MDIA ESTIMADA* Diferena Quad. da diferena


( yi ) ( yi ) (ei ) (e )
2
i

1 20 17,308 -2,692 7,247


2 25 24,038 -0,962 0,925
3 15 17,308 2,308 5,327
4 30 30,769 0,769 0,591
5 10 10,577 0,577 0,333

* Valores em reais = 0 14,42


Tabela 03 Exemplo I: Variao residual
12

2.2.6. Coeficiente de determinao (r) e correlao (r)


Determinao: PELLI (2003) define como Variao Explicada ( Ve ) a diferena

entre a Variao Total ( Vt ) e a Variao Residual ( Vr ). Para o exemplo proposto tem-

se ento os seguintes valores:


Ve = Vt Vr = 250 14,42 (3)
Ve = 235,58 (4)
A relao entre a variao explicada e a variao total, resulta no Coeficiente
de Determinao ( r 2 ), que ainda segundo PELLI (2003) um dos indicadores de
eficincia da equao de regresso.
O coeficiente de determinao define o percentual da variao total dos
valores dos dados da amostra em torno da sua mdia aritmtica, originado nas
diferenas analisadas pela equao de regresso. (PELLI:2003)
Para o exemplo I tem-se que o coeficiente de determinao :
235,58
r2 = = 0,9423 (5)
250,00
Isto significa, para o exemplo, que 94,23% da variao dos valores dos lotes
em torno da mdia aritmtica, se deve a variao das reas dos mesmos. O restante
da variao 5,77% para esse exemplo, se deve a aleatoriedade do mercado, alm de
outras caractersticas no estudadas.
Correlao: Segundo GUJARATI (2004) o coeficiente de correlao ( r )

intimamente relacionado com r 2 , mas conceitualmente diferente, pois trata-se de uma


medida do grau de associao entre duas variveis. Coeficiente de determinao
fornece um indicador de eficincia da equao de regresso. Este indicador, no
entanto, refere-se s dimenses quadrticas.
O coeficiente de correlao indica a fora de causa e efeito entre a variao
da varivel explicada (y) e a variao da varivel explicativa (x). (PELLI :2003)

r =
d e
i
2 2
i
(6)
d i
2

Para o exemplo proposto, tem-se que r = (r 2 ) = 0,9423 = 0,9707

2.3 . ANLISE DE REGRESSO MLTIPLA


No exemplo proposto anteriormente, estudou-se o modelo mais simples de
relacionar uma varivel dependente com apenas uma varivel independente. Existem
inmeros fenmenos que envolvem muitas variveis independentes. Agora, estudar-
13

se- ainda uma relao linear entre mais de uma varivel independente e a varivel
dependente, como a mostrada a seguir:
Y = 0 + 1 x1 + 2 x 2 + ... + i xi + u i (7)
Essa equao conhecida como modelo de regresso linear mltipla. Com a
seguinte notao, o parmetro o conhecido como a interseo do plano ou
coeficiente linear. Os outros parmetros so conhecidos como coeficientes parciais de
regresso, porque (no caso de duas variveis independentes) 1 mede a variao
esperada em Y por unidade de variao em x1, quando x2 for constante, e 2 mede a
variao esperada em Y por unidade de variao em x2, quando x1 for constante.
(GUJARATI, 2004)
No caso geral, o parmetro j representa a variao esperada na resposta Y
por unidade de variao unitria em xj, quando todas as outras variveis
independentes ou regressores xi (i j) forem mantidas constantes.
O termo u i o erro estocstico ou perturbao estocstica, que segundo

GUJARATI (2004), representa o desvio de um Yi individual em torno do seu valor

esperado, ou seja, u i = Yi E (Y / xi ) . Ainda segundo GUJARATI (2004) este termo

um substituto de todas as variveis omitidas do modelo, mas que coletivamente


afetam Y .

2.3.1. A Funo de Regresso Amostral


Segundo GUJARATI (2004) a Funo de Regresso Populacional (FRP) um
conceito idealizado, uma vez, que na prtica o que se tem uma amostra de
observaes, por isto utiliza-se a Funo de Regresso Amostral (FRA) para estimar a
Funo de Regresso Populacional. A notao adotada para a FRA ser a seguinte:
FRP: Y = 0 + 1 x1 + 2 x2 + ... + i xi + ui (8)

FRA: Y = 0 + 1 x1 + 2 x 2 + ... + i xi + u i (9)

2.3.2. Estimativa por Mnimos Quadrados Ordinrios


Segundo NAVIDI (2006) devero primeiramente ser levadas em considerao
as seguintes suposies:
 u i so todos aleatrios e independentes;

 u i tem mdia igual a zero;

 u i tem a mesma variana; e

 u i so normalmente distribudos.
14

A FRP no diretamente observvel, ento estimada a partir da FRA:

Y = 0 + 1 x1 + 2 x 2 + ... + i xi + u i (10)

Y = Y + u (11)
i

u i = Y Y (12)

u i = Y 0 + 1 x1 + 2 x 2 + ... + i xi (13)

Segundo GUJARATI (2004) o mtodo dos Mnimos Quadrados Ordinrios,


busca que u 2
i seja o menor possvel, e a partir da soma dos resduos elevados ao

quadrado, encontrar os estimadores i .

u 2
i = f ( i ) (14)

u 2
i (
= Y 0 + 1 x1 + 2 x 2 + ... + i xi )
2
(15)

Segundo PELLI (2003) a reta de regresso que minimiza este somatrio


aquela em que as derivadas parciais deste somatrio em relao aos
coeficientes i so nulas.

2.3.3. Coeficiente Mltiplo de Determinao (R)


Conforme NAVIDI (2006) valor de R calculado identicamente como o r para
a regresso linear simples, ento:

R 2
=
(y i
2
(
y i ) y i y i )
2

(16)
( y i y i )2

GUJARATI (2004) diz que o coeficiente de Determinao R mede o grau de


ajuste da equao de regresso, ou seja, fornece a proporo da variao total na
varivel dependente explicada conjuntamente pelas variveis independentes.
Segundo PELLI (2003) esse coeficiente no permite uma concluso a priori
sobre a consistncia do modelo de regresso, indica apenas que uma parte da
variao foi explicada. Um coeficiente elevado pode indicar uma variao excessiva
dos dados em torno da mdia, muito comum em amostras heterogneas.

2.3.4. A significncia global da regresso mltipla Teste F


O teste F, segundo NAVIDE (2006), consiste em testar a hiptese de que os
coeficientes de inclinao da equao de regresso mltipla so simultaneamente
zero, isto testa se nenhuma das variveis independentes tem qualquer relao linear
com a varivel dependente:
15

 H 0 : 2 = 3 = ... = = 0

 H 1 : 0 * Nem todos os coeficientes de inclinao so simultaneamente zero.

F=
[ ( y y ) (y y ) ]/ p
i i
2
i i
2

(17)
( yi yi )2 / (n p 1)
Sendo o valor de p, segundo GUJARATI (2004), o mais baixo nvel de
significncia com o qual a hiptese nula pode ser rejeitada.

2.3.5. Transformao de variveis


O processo de clculo dos coeficientes atravs dos mnimos quadrados
identifica somente funes lineares, em alguns casos relao entre as variveis
mostra disperso no-linear. PELLI (2003) sugere como artifcio algumas
transformaes matemticas nas variveis, as quais podero linearizar esta relao.
Neste caso uma nova varivel, com dependncia matemtica da varivel
transformada, utilizada ao processo de anlise, como exemplo a transformao da
varivel y em z = ln( y ) :

Figura 03 Exemplo de transformaes

Este raciocnio segundo PELLI (2003) amplia significativamente as alternativas


de clculo de uma equao, pois se calcula o coeficiente de determinao R para
cada situao diferente. Com a utilizao de softwares especficos para este tipo de
anlise possvel realizar uma srie de transformaes nas variveis, cabendo
analisar qual a equao de regresso que mais se adequar ao caso.

2.3.6. Consideraes do Modelo


Quando utilizado um Modelo de Regresso geralmente admite-se como
verdadeiro um conjunto de hipteses, que se espera algum afastamento na realidade,
mas que no pode ser significativo, sob pena de no se adaptarem os mtodos e os
resultados estudados, ou de deixarem de ser vlidas as propriedades encontradas.
Segundo PELLI (2003), um estudo sobre uma aplicao de um modelo de
regresso no deve ser resumido estimao dos parmetros, pois essa apenas
16

uma das fases iniciais de uma anlise mais detalhada, na qual inclui a representao
grfica dos dados, a confirmao das hipteses assumidas e o melhoramento do
prprio modelo com a introduo de novos regressores.
Para detectar possveis problemas, h um conjunto de tcnicas de diagnstico
que se baseiam, essencialmente, em anlises grficas dos dados e em anlises de
resduos. A visualizao dos dados quando possvel um ponto essencial. Em
Modelos de Regresso Linear Mltipla, a representao grfica tomada dois a dois,
dos dados permite evidenciar tendncias e padres que podem escapar
completamente perante um tratamento numrico.
Ainda segundo PELLI (2003) a maior parte desses indicadores estatsticos que
sinalizam para maior ou menor a consistncia de uma funo dizem respeito a
basicamente trs situaes:
 Aderncia dos pontos funo estimativa;
 Homogeneidade da distribuio dos pontos em torno da funo estimativa;
 Nvel de influncia de cada varivel independente na varivel dependente.

2.3.7. Escolha do Modelo


Para a escolha do modelo a ser utilizado, PELLI (2003) sugere que os
seguintes critrios sejam verificados:

2.3.7.1. Anlise dos coeficientes de determinao


Coeficientes elevados (Prximos a 1,0)
 Significa a princpio que as variveis esto com bom poder de explicao,
mas tambm pode ocorrer quando se tem uma variao total muito grande.
 Alto grau de colinearidade ou multicolinearidade entre as variveis
independentes.
 A Presena de outliers contribui significativamente para um aumento do
coeficiente.

Coeficientes muito baixos (Abaixo de 0,5)


 Significa as variveis no esto bem definidas ou as escalas utilizadas
esto incorretas.
 Pode significar tambm que a variao total a ser explicada pequena e
que os dados so homogneos.
17

2.3.7.2. Anlise da significncia dos regressores:


Ao rejeitar ou no rejeitar uma hiptese pode-se cometer erros, como por
exemplo decidir rejeitar a hiptese nula, ou seja H 0 : = 0 , sendo ela verdadeira.

Essa probabilidade de erro denomina-se nvel de significncia [PELLI , 2003].


Quanto maior o valor da significncia maior ser a probabilidade do erro
ocorrer. No caso de avaliao de imveis a inteno quando formulada a hiptese
que uma varivel qualquer tenha influencia sobre o valor, de mostrar que existe
grande probabilidade de estar certo, por isso necessrio um nvel de significncia
bastante reduzido.

2.3.7.3. Anlise de sensibilidade Teste da equao


A verificao grfica do comportamento da varivel dependente com a
evoluo de cada varivel explicativa deve ser acompanhada de anlise crtica,
considerando os seguintes aspectos:
 Ao constatar inconsistncias nas variveis, deve identificar os dados que
esto contribuindo para este fato.
 Os dados, em sua maioria, contrariam a hiptese formulada, neste caso,
mais elementos devem ser trazidos amostra.
 Anlise numrica criteriosa dos dados para indicar inconsistncias dos
dados com a hiptese formulada.

2.3.7.4. Resduos do modelo


Segundo PELLI (2003) a anlise dos resduos uma das etapas mais
importantes na definio da equao, devendo ser observados os seguintes pontos:
 A esperana dos desvios no nula: A situao a menos grave das
consideradas, pois se os erros do modelo no tiverem esperana nula, o
valor dessa esperana pode ser sempre includo no termo constante.
 Os desvios do modelo so correlacionados: Quando os erros (ou desvios)
do modelo so correlacionados, o modelo de regresso no o modelo
adequado para traduzir a relao de dependncia. A correlao entre os
erros aparece com freqncia associada a dados recolhidos ao longo do
tempo. Por isso, conveniente proceder a uma anlise grfica dos dados e
tambm dos resduos, que possa detectar estruturas de dependncia.
 Os resduos devem apresentar uma tendncia a distribuio normal.
 A anlise grfica da disperso dos dados em torno da mdia importante
para verificar se a distribuio homognea em torno da reta
18

representativa da mdia, isto possibilita a presena de


heteroscedasticidade no modelo.

2.3.7.5. Heterocedasticidade
Segundo GUJARATI (2004), uma importante hiptese para os modelos de
regresso que as perturbaes u i sejam homoscedsticas, isto , apresentem a

( )
mesma variana, ento E u i2 = 2 .

A verificao da heteroscedasticidade, ou seja, a diferena da variana


realizada a partir do grfico de resduos da varivel dependente. Sua presena pode
ser observada quando a distribuio dos pontos em torno da reta representativa da
mdia apresenta um comportamento bem definido, indicando uma variao gradativa
da disperso.
Ainda segundo GUJARATI (2004) o problema da heteroscedasticidade mais
comum em dados de corte do que em sries temporais, pois lidamos com membros de
uma populao em certo ponto do tempo.

2.3.7.6. Multicolinearidade
Segundo GUJARATI (2004), o termo multicolinearidade significa a existncia
de mais de uma relao linear, entre algumas variveis explicativas de um modelo de
regresso.
Por conseqncia dessa multicolinaridade, de acordo com PELLI (2003),
muitas vezes a obteno de resultados confiveis dificultada, por influir no
resultando de R 2 .
Ainda segundo PELLI (2003) am alguns modelos pode ser inevitvel
correlao entre duas variveis explicativas, como exemplo tem-se rea do terreno e
frente do terreno, ou rea edificada e nmero de dormitrios, nestes casos
conveniente que o modelo seja utilizado para a avaliao de imveis com as mesmas
caractersticas das amostras.
19

CAPITULO III
ESTUDO DE CASO

3.1. O Departamento de Cadastro Imobilirio Municipal


A principal funo do Cadastro Tcnico Imobilirio, em muitos municpios, bem
como em Juiz de Fora, a identificao dos imveis e suas principais caractersticas
para que seja realizado o cadastramento, para isto necessrio possuir dados
cadastrais vinculados ao espao e interligados, que identifiquem cada item relacionado
propriedade, ao uso, a ocupao, ao tipo, as dimenses principais, a funcionalidade
e demais caractersticas intrnsecas e extrnsecas. Assim, o cadastro tcnico
compreende um conjunto integrado de subsistemas compatibilizado sobre uma base
cartogrfica comum.
O estudo de caso para a avaliao do valor de imveis por anlise de
regresso, foi realizado no Departamento de Cadastro Imobilirio Municipal,
departamento este, responsvel por toda a atualizao e manuteno do banco de
dados dos imveis da cidade. O departamento estruturado para efetuar as atividades
de cadastramento desde a coleta de dados em campo, passando por analises
processos de construes e loteamentos, at a incluso das informaes no Sistema
Fazendrio do Municpio, para que os imveis sejam devidamente cadastrados.
O Organograma atual do Departamento de Cadastro Imobilirio Municipal esta
definido da seguinte forma:

DEPARTAMENTO DE CADASTRO
IMOBILIRIO MUNICIPAL
Chefe de Departamento

CADASTRO RURAL DIVISO DE CADASTRO DIVISO DE PLANEJAMENTO


Chefe da Unidade de IMOBILIRIO E TRATAMENTO DAS INFORMAES
Cadastramento Rural Diretor de Diviso Diretor de Diviso

SEO DE SEO DE SEO DE SEO DE


CADASTRO FISICO VISTRORIAS ATENDIMENTO ARQUIVO TECNICO
Chefe de Seo Chefe de Seo Chefe de seo Chefe de Seo

Figura 04 Organograma

Assim o Departamento de Cadastro consiste de num conjunto de arquivos


fsico (Boletins de cadastramento, Plantas de loteamentos) e digital (Sistema
Fazendrio, Gerenciamento Eletrnico de Documentos, Geo-processamento) com
informaes da rea urbana e rural, sobre imveis, contribuintes, obras publicas, uso e
ocupao do espao urbano. A atualizao peridica dos dados constantes no
Cadastro Imobilirio necessria para o acompanhamento sistemtico das
20

modificaes que as reas do Municpio sofrem, atravs de novos loteamentos,


desmembramentos, fuses, construes, reformas, demolies, invases, etc.
A alterao da metodologia de clculo dos valores dos imveis vem sendo
discutida pela prefeitura a fim de tornar mais eficiente e correta a avaliao dos
imveis e atender a NRB 14653-2:2004. Para isto fundamental que os dados
cadastrais utilizados no estudo estejam atualizados, conforme as caractersticas do
imvel na data da negociao.

3.2. Coleta de dados


A etapa da coleta de dados das propriedades o ponto de partida para
elaborao da avaliao, tendo em vista a gama de dados a serem coletados para
explicar a formao dos valores dos imveis de um municpio. Segundo ZANCAN
(1996) as informaes disponveis nas empresas de saneamento, energia e
telecomunicaes, alm das informaes do cadastro imobilirio devem ser
facilmente acessadas para a aplicao da metodologia cientfica no clculo dos
valores dos imveis.
Outra fonte de pesquisa disponvel seria o Cartrio de Registro de Imveis ou
as guias de ITBI na Prefeitura Municipal. Essa ltima fonte, apesar de apresentar
alguns valores subdeclarados de venda dos imveis, sistematizadas proporcionam
uma fonte de baixo custo, alm da quantidade em face da demanda de declaraes
dos contribuintes, devendo ser complementadas nas imobilirias ou com proprietrios
de imveis, para uma melhor atualizao do valor do imvel. [ZANCAN ,1996]
No trabalho realizado a principal fonte para o valor dos imveis (varivel
dependente) foi a informao constante nas guias de ITBI e apenas os dados
cadastrais disponveis no Cadastro Imobilirio foram utilizados (variveis
independentes), no sendo realizada nenhuma vistoria para incluir dados no
constante na base de dados do Cadastro Imobilirio. As informaes so referentes
aos imveis do tipo apartamento, que foram negociados nos meses de Abril, Maio,
Junho e Julho do ano de 2007
Para a realizao do estudo foram definidos 4 bairros: Morro da Glria, Jardim
Gloria, Jardim Santa Helena e Paineiras. Fazendo parte da amostra inicial todos os
apartamentos dessa regio transacionados nos meses citados, totalizando 98
apartamentos. Inicialmente foram escolhidas dezessete caractersticas dos imveis
para a realizao do estudo. A descrio e classificao dessas variveis sero
apresentadas no item seguinte que trata da modelagem dos dados
21

Os dados de identificao de proprietrio, bem como os endereos dos imveis


analisados sero suprimidos, com a finalidade de preservar o sigilo fiscal dos
contribuintes.

3.3. Modelagem dos dados.


Segundo PELLI (2003) geralmente os modelos criados so segmentados em
submodelos, divididos em grupos relativamente homogneos por tipologia ou
categoria de imveis. Os modelos precisam ser coerentes entre si e
preferencialmente, devem ser de fcil entendimento, tendo em vista a apresentao
dos mesmos para os contribuintes. Neste trabalho proposta somente a modelagem,
anlise e comparao de um desses submodelos e para uma nica tipologia de
imvel, no caso, apartamento, j que as modelagens dos demais submodelos so
semelhantes, mas utilizam outros tipos de variveis (caractersticas intrnsecas e
extrnsecas dos imveis), o que tornaria o trabalho complexo pelo nmero de variveis
de todas as tipologias existentes, como loja, casa, apartamento, sala comercial,
galpes, telheiro e lote vago.
Todo o tratamento dos dados para a construo do modelo foi realizado
atravs de software especifico para a avaliao de imveis, denominado SisPlanV.
Este sistema trata os dados estatisticamente pela anlise de regresso fornecendo
diversos dados para a escolha do modelo a ser implantado, como por exemplo,
grficos de disperso dos resduos, teste F, coeficientes de determinao e
correlao, transformao das variveis para ajuste do modelo alm de outras
ferramentas estatsticas disponveis.

3.3.1. Classificao das variveis:


Para a realizao da modelagem dos dados, inicialmente as variveis foram
classificadas em 3 grupos:
 Variveis Quantitativas: So medidas diretamente as grandezas em
estudo numa escala numrica conhecida. [ZANCAN,1996]
 Variveis Qualitativas: Representam os conceitos ou qualidades que
podemos associar a valores numricos possibilitando medir a diferena
entre os dados. [PELLI, 2003]
 Variveis dicotmicas, dummy ou binrias: So aquelas que assumem
dois valores, que se resume existncia ou no de determinados
atributos. [PELLI, 2003]. Segundo ZANCAN (1996), a utilizao do
nmero zero deve ser evitada, pois em caso de serem usados
logaritmos, eles podem levar a uma indeterminao.
22

A tabela a seguir mostra um resumo das variveis apresentadas neste estudo.

VARIVEL Classif. DESCRIO


1 AREA EDIF. REAL QUANT
2 AREA EDIF. EQUIV. QUANT
3 - PADRO QUALIT Popular-1 Baixo-2 Regular-3 Bom-4 timo-5
4 GARAGEM (unid) QUANT
5 - DORMITRIOS (unid) QUANT
6 - BANHEIROS (Unid) QUANT
7 - PISCINA DICOTOMICA No-1 Sim-2
8 - SIT. DA CONSTRUO DICOTOMICA Fundos-2 Frente-1
9 - ELEVADORES DICOTOMICA No-1 Sim-2
10 - FACHADA QUALIT Pintura/Textura-1 Cermica/Fulget-2 Mrmore/Granito-3
11 - ESTRUTURA QUALIT Alvenaria Estrutural-1 Concreto-2
12 - CONSERVAO QUALIT Ruim-1 Regular-2 Bom-3
13 - IDADE DO IMOVEL QUALIT Ano de 1 Lanamento do IPTU
14 - REGIO (TERRENO) QUALIT 1 a 25
15 - SIT. TERRENO QUALIT Encravado-1 Uma Frente-2 Duas Frentes-3
16 COTA DO TERRENO QUANT
17 - VALOR VENAL (R$) QUANT

Tabela 04 Variveis do modelo inicial

3.3.2. Roteiro de modelagem:


O roteiro para a escolha do modelo foi desenvolvido de acordo com as
instrues descritas no software SisPlanV, sendo considerado alguns passos, que se
repetem a cada novo processamento, visto que ajustes no modelo so necessrios,
como excluir outiliers, ou mesmo excluir uma varivel que no seja representativa para
o modelo final.

3.3.2.1. Opes no calculo da equao de Regresso


Este procedimento tem como foco definir os tipos de transformaes
matemticas que as variveis independentes podem sofrer, visto que a relao entre
algumas variveis independentes e a varivel dependente mostra disperso no
linear, tal procedimento pode linearizar esta relao. [PELLI, 2003]
Para definir a equao de regresso que melhor se ajusta aos dados de
mercado referente as variveis explicativas, o software dispe de trs mtodos
diferentes de busca para o modelo matemtico com melhor aderncia aos dados
amostrais, sendo eles o mtodo geral, dirigido e simplificado, os quais possibilitam
maximizar a relao quantidade de equaes calculadas e tempo de resposta do
sistema.
23

 O Mtodo Geral: Calcula quantidade significativa de equaes para


modelos acima de 8 (oito) variveis,
 O Mtodo Simplificado: Efetua as transformaes escolhidas pelo usurio
em todas as variveis, no entanto, so calculadas apenas as combinaes
que relacionam a varivel dependente com cada uma das variveis
independentes.
 O Mtodo Dirigido: Define-se qual a transformao que deseja adotar, para
cada varivel, dentre as formas disponveis.
Segundo PELLI (2003) as opes mais simples devem ser as iniciais, pois
normalmente descrevem melhor o comportamento do mercado, sendo elas: X, 1/X e
Ln(X).
As demais: X, X1/2, 1/X, 1/X1/2 devem ser utilizadas quando no for possvel
selecionar um modelo que descreva com consistncia o comportamento do mercado.
Para o estudo de caso foi utilizado o mtodo simplificado.

3.3.2.2. Coeficientes de correlao e determinao


Aps a escolha das opes de calculo o sistema realiza os clculos e
disponibiliza os primeiros resultados a serem observados. Primeiramente deve-se
observar os coeficientes de determinao e correlao que so dispostos em ordem
decrescente.
No estudo de caso, no primeiro processamento, foram habilitadas as opes de
transformaes definidas no modo simplificado disponvel no software, gerando desse
modo 69 (sessenta e nove) equaes de regresso, classificadas por ordem crescente
do coeficiente de determinao.
 Coeficiente de determinao: Mximo: 0,9939924 e mnimo: 0,9374799.
 Coeficiente de correlao: Mximo: 0,9969917 e mnimo: 0,9682394.

Figura 05 Resultado / 1 processamento


24

PELLI (2003) recomenda que alguns cuidados sejam adotados para a analise
desses coeficientes:
 Coeficiente de determinao elevado: Pode significar que as variveis
adotadas esto com excelente poder de explicao, porm isto tambm
ocorre quando h uma variao total muito elevada, ou alto grau de
colinearidade ou multicolinearidade entre as variveis independentes.
 Presena de algum dado com valor excessivamente disperso da mdia,
porm com uma varivel que o explique, provavelmente contribuir para um
aumento do coeficiente.
 Coeficientes de determinao baixos: Podem indicar que as variveis
adotadas no expliquem a variao do valor em torno da mdia, mas
tambm pode ocorrer este fato devido a variao total ser muito pequena,
no significando portanto que o modelo esteja inadequado. Outros
resultados da regresso devero ser analisados neste caso.
Alm dos coeficientes de determinao e correlao deve-se observar a
distribuio dos resduos, segundo PELLI (2003) esta distribuio deve apresentar
uma tendncia a distribuio normal:
 68% dos dados devem estar entre -1 e +1 desvios padres da mdia
 90% dos dados devem estar entre -1.64 e +1.64 desvios padres da mdia
 95% dos dados devem estar entre -1.96 e +1.96 desvios padres da mdia
No primeiro processamento do calculo, a equao nmero 01 disponibilizada
pelo sistema, foi a escolhida pelo fato de apresentar pouca diferena entre os
coeficientes das demais equaes, uma melhor distribuio dos resduos e a presena
de apenas um outilier.
Coeficiente de determinao: 0,9924251
Coeficiente de correlao: 0,9962054
Distribuio dos resduos: 71% - 91% - 97%

Figura 06 Distribuio freqncias / 1 Processamento


25

3.3.2.3. Intervalo de confiana e teste de hipteses


O teste de hiptese tem como objetivo de verificar a possibilidade de erros
serem cometidos nas afirmaes sobre a mdia populacional ou sobre a influencia de
uma varivel sobre outra.[PELLI, 2003]
Ainda segundo PELLI (2003) a hiptese uma conjectura, que de acordo com
certos critrios poder ser rejeitada ou no-rejeitada.
Para o caso em estudo so definidas as seguintes hipteses:
H o : = 0 (Hiptese nula) (18)
(19)
Ho : 0
Segundo ZANCAN (1996), na equao de regresso impe-se que o
parmetro seja diferente de zero, devendo estar assegurado em testes especficos

dentro dos limites de confiana, considerado o nvel de rigor desejado. Se caso = 0 ,


isto significar que a variveis conhecidas no so importantes na formao do valor,
ou seja, no existe regresso.
PELLI (2003) define o nvel de significncia como a probabilidade de ocorrer
erros ao se rejeitar uma hiptese verdadeira, portanto importante que esta
probabilidade seja pequena.
Assim a NBR 14.653-2 da ABNT, estabelece uma classificao quanto ao grau
de fundamentao ao ser alcanado pelo trabalho de avaliao. Esse grau de
avaliao pode ser classificado de acordo com os seguintes nveis: Expedito (I),
normal (II) e Rigoroso (III). Os requisitos necessrios para enquadrar uma avaliao
em funo do grau de fundamentao dependem, entre outros fatores, do nvel de
significncia mximo para a rejeio da hiptese nula, conforme descrito:
 Grau I (Expedito) Nvel de significncia igual a 30%
 Grau II (Normal) Nvel de significncia igual a 20%
 Grau III (Rigoroso) Nvel de significncia igual a 10%

No caso de avaliao de imveis, nossa inteno quando


formulamos a hiptese de que uma varivel qualquer tem
influencia sobre o valor dos imveis, de mostramos que
existe uma grande probabilidade de termos razo. Para tanto,
buscamos uma amostra que apresente um nvel de
significncia bastante reduzido (PELLI,2003).
26

Esta analise importante na identificao de dados que podem estar elevando


o nvel de significncia das variveis, no entanto, a busca de sua reduo ser
facilitada na analise de resduos.
No primeiro processamento realizado, as variveis Dormitrios e Situao do
terreno apresentaram significncia elevada, superior a 30%, enquanto que as variveis
rea equivalente, Padro de acabamento e Nmero de banheiros apresentaram
significncia abaixo de 1%.
Com a retirada do outilier detectado no primeiro processamento a significncia
das variveis: Dormitrio e Situao do terreno reduziro para nveis aceitveis de
acordo com a NR 14.653-2 da ABNT.

3.3.2.4. Anlise de sensibilidade Teste da equao


Nesta etapa analisada a influencia de cada varivel independente no
resultado da equao, este procedimento, segundo PELLI (2003), fundamental para
a comprovao das hipteses formuladas. Esta analise deve ser realizada com a
verificao grfica e analise critica do comportamento do valor obtido com a evoluo
de cada varivel independente.
O software utilizado testa e disponibiliza, na ltima coluna, a variao
percentual no resultado da equao quando a varivel da linha correspondente sofre
uma variao positiva de 10% de sua amplitude em torno do seu valor mdio.

Figura 07 Resultado / ltimo processamento

3.3.2.5. Resduos do modelo


A analise dos resduos consiste nas observaes da disperso dos dados em
torno da mdia, segundo PELLI (2003) a analise pode verificar a situao ideal, ou
seja, uma distribuio homognea dos dados em torno da reta representativa da
mdia, e ainda possibilita verificar a presena heterocedasticidade no modelo.
27

Segundo ZANCAN (1996) a condio de normalidade dos resduos no


necessria para a obteno dos estimadores pelo mtodo dos mnimos quadrados,
mas para definio de intervalos de confiana e testes de significncia.
Para a analise no estudo de caso proposto, foram disponibilizados grficos de
disperso e tabelas que relacionam o desvio-padro e sua relao com os resduos.

Figura 08 Resduos do modelo final Ultimo Processamento

Conforme verificado, aps a retirada do nico outilier detectado no primeiro


processamento, nenhum outro elemento da amostra teve o resduo acima de dois
desvios padres.
A distribuio dos resduos em torno da mdia, mostrada atravs do grfico de
distribuio, apresentou uma tendncia distribuio normal. Cumprindo-se assim,
mais um dos requisitos para a aceitao do modelo de regresso proposto, conforme
descrito no item 2.3.7.4.

Figura 09 Distribuio dos resduos Ultimo processamento


28

3.3.2.6. Homocedasticidade
A verificao da homocedasticidade realizada a partir do grfico de resduos
da varivel dependente, e segundo PELLI (2003) a sua presena pode ser observada
quando a distribuio dos pontos do grfico em torno da reta representativa da mdia
apresenta um comportamento bem definido, indicando a mesma variao da disperso
ao longo da reta.

Figura 10 Reta representativa da mdia Ultimo processamento

3.3.2.7. Multicolinearidade
Multicolinearidade o nome dado ao problema geral que surge quando
algumas ou todas as variveis explicativas de uma relao esto de tal forma
correlacionadas uma s outras [ZACAN, 1996].
Segundo PELLI (2003) a presena de colinearidade ou multicolinearidade
dificulta a obteno de resultados confiveis para o modelo, mas esperada uma forte
correlao entre cada varivel independente e a varivel dependente, mas isto no
fator predominante na consistncia do modelo.
O modulo de colinearidade disponvel no software utilizado para realizao
deste estudo de caso, permite observar numericamente e graficamente as correlaes
entre as variveis.
29

Figura 11 Correlao entre variveis

No estudo de caso foi observado forte influencia da varivel rea equivalente,


sobre a varivel dependente, isto se justifica pelo fato de que no modelo atualmente
empregado para a avaliao de imveis pelo Municpio, ou seja o mtodo evolutivo,
esta varivel (rea equivalente) tem realmente grande influencia no valor venal do
imvel.

3.4. Analise e Resultados


Segundo PELLI (2003) para que as avaliaes em massa tenham objetividade,
eqidade e justia, sendo defensvel perante os poderes pblicos, demonstrando
transparncia, facilidade de aplicao e preciso, necessria a utilizao de
metodologia cientfica

3.4.1. Regresso Linear Mltipla


Ajustou-se um modelo de Regresso Linear Mltipla para os dados
observados aps a anlise dos principais componentes, conforme roteiro definido,
utilizando os dados contidos na amostra.
No ajuste do modelo de regresso verificou-se que as variveis: rea real, cota
de terreno e situao do terreno no so representativas devido aos seus valores de
significncia serem elevados. Assim, aps alguns processamentos, estas variveis
tambm foram excludas do modelo, restando ento 14 variveis que foram
30

consideradas, com este procedimento houve uma melhora no nvel de significncia de


outras variveis, como por exemplo nmero de dormitrios.
A tabela 05 apresenta os resultados obtidos no primeiro processamento para
ajuste do modelo de regresso.
VARIVEL TRANSFORMAO CRESCIMENTO T OBSERVADO SIGNIFICANCIA
AREA EDIF. REAL Ln (x) 2,17 1,05 29,85
AREA EDIF. Ln (x) 17,37 7,23 0,01
PADRO Ln (x) 3,76 9,01 0,01
GARAGEM X 0,79 2,11 3,75
DORMITRIOS X 0,35 0,69 49,14
BANHEIROS 1/x 1,52 -6,87 0,01
PISCINA X 1,29 2,94 0,43
SIT. DA CONSTR. X 2,99 1,28 20,26
ELEVADORES X 9,16 4,93 5,65
FACHADA X 1,07 5,65 0,01
ESTRUTURA X 5,11 2,94 0,42
CONSERVAO X 0,79 3,53 0,07
IDADE DO 1/x 2,68 -9,88 0,01
COTA TERRENO Ln (x) -0,68 -1,27 20,69
REGIO X -0,48 -3,01 0,35
SIT. TERRENO X -,019 -0,87 38,89
VALOR VENAL Ln (x)

Tabela 05 Resultados Sisplanv - Ajuste do primeiro modelo de regresso

A tabela 06 apresenta as variveis utilizadas no modelo final e seus respectivos


valores de coeficientes.
VARIVEL TRANSFORMAO CRESCIMENTO T OBSERVADO SIGNIFICANCIA
AREA EDIF. Ln (x) 18,84 19,38 0,01
EQUIV
PADRO Ln (x) 4,29 7,14 0,01
GARAGEM X 0,64 1,58 11,70
DORMITRIOS X 0,67 1,17 24,65
BANHEIROS 1/x 1,82 5,48 0,01
PISCINA X 0,92 1,83 7,03
SIT. DA CONSTR. X 5,60 -2,15 3,42
ELEVADORES X 7,31 3,25 0,17
FACHADA X 1,31 6,30 0,01
ESTRUTURA X 6,30 3,30 0,14
CONSERVAO X 0,32 -2,35 2,11
IDADE DO 1/x 2,91 -9,61 0,01
IMOVEL
REGIO X -0,36 -2,84 0,57
VALOR VENAL Ln (x)

Tabela 06 Resultados Sisplanv - Ajuste final do modelo de regresso


31

3.4.2. Resultado da estatstica


O coeficiente de determinao mltipla (R2), que representa a proporo da
variao em Y que explicada atravs do conjunto de variveis independentes
selecionadas, apresentou um valor igual 0,9825, ou seja 98,25% da variao no valor
venal pode ser explicada atravs da variao nas variveis e 1,75% das variaes nos
valores dos imveis so explicadas por outras variveis que no constam no modelo.
importante ressaltar, que apesar do alto valor obtido para o coeficiente de
determinao, os valores dos imveis coletados nas amostras para este estudo, foram
retirados das guias de ITBI. Esses valores so, em sua maioria, valores calculados
atravs do mtodo evolutivo, que determina fatores a serem aplicados a cada varivel
j existente e no o valor de mercado. Isto ocorre devido ao fato dos valores das guias
de ITBI serem subdeclarados, assim o Municpio decide que o maior valor prevalecer
para o pagamento do imposto, no caso os valores do Municpio.
Assim era esperado um coeficiente de determinao realmente elevado pois os
valores venais dos imveis j estavam, de certa forma, parametrizados pelos fatores
aplicados no mtodo evolutivo de calculo utilizado pelo Municpio.
No prximo item ser feita uma avaliao com projees de valores de imveis
ofertados na cidade, na regio onde o estudo de caso foi realizado, com a finalidade
de verificar a consistncia dos valores encontrados com a realidade de mercado.

DESCRIO RESULTADO
Dados 98
Dados considerados 97
Variveis 17
Variveis consideradas 14
Coeficiente de Correlao 0,9924
Coeficiente de Determinao (R2) 0,9825
F Calculado 823,08
Significncia do modelo 0,01
Desvio Padro 0,054564
Distribuio dos resduos 69% - 90% - 100%

Tabela 07 Resultado da estatstica Sada Sisplanv

A equao de Regresso Linear Mltipla que descreve a relao entre o valor


venal do imvel e as variveis independentes :
 V Venal = e^(+19,4171 + 0,6897 * ln (Area Equiv) + 0,1049 * Padro + 0,0211 *
Garagem + 0,0222 * Dormitrios + 0,0902 * Banheiros + 0,0457 * Piscina - 0,1089 / Sit
Const + 0,0705 * Elevador + 0,0649 * Fachada + 0,0611 * Estrutura- 0,0967 / Estado
conservao -24270,8379 / lanamento - 0,0179 * ln (Regio))
32

3.4.3. Projeo de valores


Com a finalidade de verificar na prtica a utilizao do modelo de regresso
proposto para a avaliao dos imveis da cidade de Juiz de Fora, nas regies
atingidas por este estudo de caso, foram pesquisados os valores de imveis
(apartamentos) ofertados atravs de propagandas nos jornais de circulao da cidade,
no ms de Outubro de 2007, os dados complementares como rea edificada e
localizao exata foram verificados atravs de consulta as imobilirias.
Com este procedimento busca-se avaliar se o modelo de regresso
apresentado est coerente com os valores de mercado e por conseqncia com os
valores que o municpio aplica aos imveis. Deve-se considerar que o valor ofertado
no o valor que ser realmente pago pelo imvel, pelas caractersticas prprias de
oferta e procura do mercado imobilirio, o que se pretende oferecer apenas mais
uma fonte de comparao entre os resultados obtidos.

ANUNCIO Valor Projetado


IMVEL Valor ofertado Valor Lanado
Bairro / Regio Regresso
Trib. de Minas - Out/2007 (R$) (R$)
(R$)

Amplo Apto sl 2 amb var 4


Qtos(st) arm hidro, coz planej, J. St Helena / 12 300.000,00 245.705,00 256.665,08
1 dce 2 vgs, sl festas

Cobert, ot acab, 2 salas, var, 3


J. St Helena / 3 330.000,00 291.539,00 278.739,70
2 qtos terrao, 2 vgs

Apto semi novo de frente


arejado, sala, 2 qtos com var, Paineiras / 18 110.000,00 72.219,00 78.279,39
3 coz com arm, gar
Apto amplo, sl 2 amb c/ var,
3qtos, 2 banhos, area externa J. Gloria / 7 160.000,00 136.803,00 143.787,21
4 gar dupla

Amplo 3 qtos, ste, sala ampla,


Paineiras / 13 135.000,00 141.071,00 139.792,48
5 banho, copa/coz, dce 1 vaga

Tabela 08 Comparao de valores

A tabela 08 apresenta os valores dos imveis pesquisados e seus respectivos


valores calculados pelo mtodo evolutivo (atualmente utilizado pela Prefeitura) e pelo
modelo de regresso:
33

CAPITULO IV
CONSIDERAES FINAIS

4.1. Concluso
A anlise cientfica do mercado imobilirio a partir da observao do
comportamento apresentado pelas amostras colhidas, teve por objetivo a inferncia de
valores mdios provveis para qualquer imvel pertencente populao estudada na
amostra, para isto a regresso linear mltipla foi desenvolvida atravs de uma
abordagem tradicional, procurando transformar as condies existentes, de modo a
fazer a confirmao das hipteses do modelo, s quais tiveram alguma diferena com
a realidade do valor ofertado no mercado, no entanto, essa diferena no foi
significativa, para os valores que efetivamente so declarados ao municpio quando da
sua transao imobiliria.
Por isso, um estudo sobre a aplicao de um novo modelo para avaliao de
imveis, atravs da analise de regresso, ou outro mtodo, no deve estar resumido
estimao dos parmetros, pois esse procedimento deve ser considerado como uma
das fases iniciais de um processo mais abrangente, na qual se inclui a pesquisa de
solues para contornar eventuais dificuldades encontradas, a melhor forma para a
coleta de informaes sobre os verdadeiros valores dos imveis, a incluso de novos
regressores, o planejamento de como ser realizada a coleta de dados, melhorando
assim o prprio modelo.
Para a incluso de novas variveis no modelo de regresso, como plos
valorizantes da regio, localizao espacial (geo-referenciamento), infra-estutura do
logradouro, entre outros dados, que ainda no esto disponveis para o Cadastro
Imobilirio, mas sim para outros setores da administrao municipal, dever ser
realizada a integrao dessas informaes para que o modelo utilizado na avaliao
disponha tambm dessas novas variveis.
Para atender o que determina a NBR 14653:2004 quanto ao mtodo de
avaliao de imveis, o municpio dever alterar a sua metodologia de avaliao para
o Mtodo Comparativo Direto de Dados do Mercado, que utiliza a analise de
regresso.
O mtodo cientifico proposto neste estudo de caso, mostrou-se vivel para sua
implantao, pois as ferramentas e mtodos para a obteno dos dados cadastrais
que se faam necessrios j esto disponveis nos diversos setores da Prefeitura de
Juiz de Fora, devendo somente ser integradas tais informaes, para que o modelo
possa ser aprimorado constantemente.
34

REFERNCIAS BIBLIOGRFICAS
BAPTISTELLA, M., O uso de redes neurais e regresso linear mltipla na

engenharia de avaliaes: Determinao dos valores venais de imveis


urbanos, Curitiba/PR, 2005.

Cdigo Tributrio Nacional (Lei No 5172 de 25 de Outubro de 1966). 1990. 22ed.,


Saraiva: So Paulo, Brasil

DANTAS R. A.; PORTUGAL J. L.; PRADO J. F. Avaliao de cidades por inferncia


espacial: um estudo de caso para a cidade de Aracaju. In: Anais do XIII
COBREAP 2006 - Congresso Brasileiro de Engenharia de Avaliaes e Percias.
Fortaleza, Brasil, 2006.

DANTAS, R. A., Engenharia de Avaliaes: uma introduo metodologia cientfica.


1. Ed. So Paulo: Pini, 2003.

GUJARATI, D.N., Econometria Bsica. 3.ed., So Paulo: Markon Books, 2004

NAVIDI, W., Statistics for enginneers and scientists. New York. McGraw Hill
Companies, 2006

NBR-14.653-2: 2004 Norma Para Avaliao de Imveis Urbanos.ABNT.

PELLI NETO, A., Curso de Engenharia de Avaliao Imobiliria Fundamentos e


Aplicao da Estatstica Inferencial, Belo Horizonte/MG, 2003.

ZANCAN, E.C., Avaliaes de imveis em massa para efeitos de tributos municipais.


1. Ed. Florianpolis: Rocha, 1996.