Módulo 4 - Método Comparativo Direto de Dados de Mercado (MCDDM)

Avaliação de bens e
imóveis com foco no

método evolutivo
Método Comparativo Direto de Dados de
Mercado (MCDDM)
4
Módulo
Infraestrutura
Fundação Escola Nacional de Administração Pública
Diretoria de Desenvolvimento Profissional
Conteudista/s
Antônio Sérgio Costa Amorim, 2021.
Diretoria de Desenvolvimento Profissional.
Enap, 2021
Fundação Escola Nacional de Administração Pública
Diretoria de Desenvolvimento Profissional
SAIS - Área 2-A - 70610-900 — Brasília, DF
Sumário
Unidade 1: Método Comparativo Direto de Dados de Mercado.......4
1.1 Considerações Iniciais................................................................................................. 4
1.2 Levantamentos de Dados de Mercado..................................................................... 5
1.3 Tratamento dos Dados............................................................................................... 6
1.3.1 Tratamento por Fatores.......................................................................................... 9
1.3.2 Tratamento Científico............................................................................................ 12
1.4 Etapas do Método..................................................................................................... 13
1.4.1 Conhecimento do Imóvel a ser Avaliado............................................................. 14
1.4.2 Coleta de Dados de Mercado................................................................................ 16
1.4.3 Análise Exploratória dos Dados............................................................................ 18
1.4.4 Construção do Modelo.......................................................................................... 19
1.5 Exemplo de Estimativa de Valor pelo MCDDM...................................................... 19
1.5.1 Definindo as Variáveis........................................................................................... 21
1.5.2 Regressão Linear.................................................................................................... 21
1.5.3 Coeficientes de Determinação - R² e Correlação - R da Regressão.................. 24
1.5.4 Pressupostos Básicos para Validação do Modelo.............................................. 25
1.6 Especificação do Laudo............................................................................................ 41
Referências ...................................................................................................................... 44
Módulo
4 Método Comparativo Direto de

Dados de Mercado (MCDDM)
Neste módulo, você conhecerá mais sobre o método mais indicado para quando se
pretende identificar o valor de mercado.
Unidade 1: Método Comparativo Direto de

Dados de Mercado
Objetivo de aprendizagem
Ao final desta unidade, você será capaz de reconhecer as etapas de uma avaliação
planejada com base no Método Comparativo Direto de Dados de Mercado (MCDDM).
1.1 Considerações Iniciais
O MCDDM deve ser utilizado preferencialmente na busca de valor de

mercado, sempre que existirem dados amostrais semelhantes ao
bem avaliando, como terrenos, casas padronizadas, apartamentos,
salas, lojas, entre outros. Esse método é utilizado com o objetivo
de encontrar a tendência de formação de seus preços.
O MCDDM é o método avaliatório mais utilizado. Além de ser a recomendação da

NBR 14653, nada mais direto do que consultar o próprio mercado local a fim de
saber quanto vale o imóvel que é objeto de avaliação.
Se os imóveis fossem todos padronizados em relação a suas características, seria

possível estimar o valor de um imóvel sem se preocupar com tratamentos técnicos
de seus atributos. Como é fácil de observar, não é essa a realidade: mesmo em um
Enap Fundação Escola Nacional de Administração Pública

4
condomínio de unidades padronizadas, seja de construção horizontal ou vertical,
existem imóveis com características distintas que podem influenciar ou não no valor
do bem que será avaliado, como vista privilegiada, posição do andar, posição em
relação ao sol, estado de conservação, etc.
Por esse motivo, é necessário um tratamento técnico dos atributos para

homogeneizar os dados ou para entender as influências que as diferenças de
atributos têm sobre o valor do imóvel.
Veja a seguir como melhor desenvolvê-lo, destacando algumas etapas e demonstrando

um exemplo prático.
1.2 Levantamentos de Dados de Mercado
O primeiro passo antes do tratamento dos dados é, logicamente, obtê-los.
O levantamento de dados é uma das atividades básicas da avaliação de imóveis, prevista

na NBR 14653. Mas, antes de iniciar o levantamento de dados, é recomendável que o
avaliador já tenha em mãos informações a respeito da finalidade, objetivo e identificação
do imóvel, bem como a fundamentação e precisão que se pretende atingir.
Para uma maior e melhor fundamentação, é necessário maior

esforço para coleta de dados, com fotos e características
conferidas in loco pelo autor do laudo.
As fontes das informações devem ser confiáveis, diversificadas,

preferencialmente identificadas (com endereço, nome e telefone
de contato, para possível conferência) e ainda que as ofertas e
negociações sejam contemporâneas à data de conferência do laudo.
Neste método, é importante que se colete a maior quantidade

possível de dados de mercado com características próximas ao
objeto da avaliação, qualitativa e quantitativas, como estarem
localizados na mesma região do imóvel avaliado, de mesmo
padrão, estado de conservação, tipo, idade, dimensões etc.

5
O avaliador poderá encontrar certas dificuldades em levantar dados de mercado,
que poderá depender das características do imóvel a ser avaliado, bem como
do mercado imobiliário em que ele estiver inserido. Por isso, cabe ao avaliador
ter uma noção dos principais atributos responsáveis pela formação do valor dos
imóveis, assim como empenho e estratégias para buscar esses dados junto a sites
especializados em anúncios de imóveis, visitas a imobiliárias, entrevistas com
proprietários e moradores da região etc.
Deve-se tomar certos cuidados com possíveis informações de

transações imobiliárias obtidas junto a cartórios e prefeituras,
pois essas podem trazer distorções devido a possíveis tentativas
de economizar com as cobranças e custos desses órgãos. Atenção
também às informações obtidas diretamente pela internet, que
podem ter informações incompletas e ou erradas.
1.3 Tratamento dos Dados
Após encerrar a fase de coleta de dados, é necessário organizá-los em tabelas e/ou

gráficos, que auxiliarão em uma análise prévia. Nessa análise, será possível verificar
a frequência de cada variável e alguma relação entre elas, o equilíbrio da amostra,
identificação de pontos atípicos, entre outras informações.
Tabela com a relação de dados coletados e um gráfico mostrando a relação

entre Valor unitário x Área total (sem tratamento prévio).
Fonte: CEPED/UFSC (2022)

6
Nos gráficos apresentados, tem-se um exemplo de uma amostra dos dados
coletados. A tabela apresenta as seguintes informações: Dados, Área, Valor total
e Valor unitário; e sua representação no gráfico mostra a relação entre o Valor
unitário x Valor total na amostra.
Outra sugestão para analisar os dados é organizá-los de forma

espacial, marcando a localização deles em imagens com o Google
Earth, o que permite uma melhor visualização da distribuição
dos imóveis, além de auxiliar na utilização de variáveis como
distâncias ou rotas entre pontos ou trechos atrativos ou
depreciativos no mercado imobiliário.
Veja a distribuição espacial no exemplo da figura a seguir:
Distribuição espacial dos dados em determinada zona na cidade de São Paulo (Google Earth).
A norma de avaliação indica duas formas de tratamentos dos dados:

7
Segundo a NBR 14653-2 (ABNT, 2011), no tratamento dos dados podem ser
utilizados, alternativamente e em função da qualidade e da quantidade de dados
e informações disponíveis:
- Tratamento por fatores: homogeneização por fatores e critérios, fundamentados

por estudos conforme item 8.2.1.4.2 (ABNT, 2011, p. 16), e posterior análise
estatística dos resultados homogeneizados;
- Tratamento científico: tratamento de evidências empíricas pelo uso de metodologia

científica que leve à indução de modelo validado para o comportamento do mercado.
O modelo, segundo Orlando Carneiro de Matos

(2000), pode ser entendido como uma representação
simplificada da realidade, que é estruturada de modo
a permitir a compreensão do funcionamento de uma
realidade ou fenômeno, seja de forma total ou parcial.
Qualquer modelo, independentemente do tipo de tratamento, será uma

representação simplificada do mercado, uma vez que não considera todas as
informações (população). Ele é construído considerando apenas uma parte dos
dados (amostra) e, por isso, precisa de cuidados científicos na sua elaboração, desde
a preparação da pesquisa e o trabalho de campo até o exame final dos resultados
para fornecer respostas confiáveis e válidas.
O poder de predição do modelo deve ser verificado a partir do gráfico de preços

observados na abscissa versus os valores estimados pelo modelo na ordenada,
que deve apresentar pontos próximos da bissetriz do primeiro quadrante. A
apresentação deste tipo de gráfico é obrigatória no modelo de laudo completo para
o método comparativo direto de dados de mercado.

8
Gráfico Valor Estimado x Valor Observado (gerado automaticamente
pelo software SisDEA, na opção “Aderência”).
1.3.1 Tratamento por Fatores
O tratamento por fatores é aplicável a uma amostra composta por dados de mercado
com as características mais próximas possíveis do imóvel avaliando, na qual é
admitida a priori a existência de relações fixas entre as diferenças dos atributos
específicos e os respectivos preços.
O conjunto de fatores aplicado a cada elemento amostral será considerado como

homogeneizante quando, após a aplicação dos respectivos ajustes, verificar-se
que o conjunto de novos valores homogeneizados apresenta menor coeficiente de
variação dos dados que o conjunto original.
Os fatores a serem utilizados neste tratamento devem ser indicados periodicamente

pelas entidades técnicas regionais reconhecidas com registros no sistema CONFEA/
CREA ou CAU e revisados em períodos máximos de quatro anos, e devem especificar
claramente a região para a qual são aplicáveis. Podem ainda ser deduzidos e
comprovados pelo profissional avaliador, com a utilização de metodologia científica,
sendo apensados ao Laudo de Avaliação a metodologia, o memorial de cálculo e a
amostragem que lhes deram origem.

9
No caso de utilização de tratamento por fatores, observar o Anexo B da NBR 14653-
2 (ABNT, 2011, p. 40).
Após a homogeneização, devem ser utilizados critérios estatísticos consagrados de

eliminação de dados discrepantes para o saneamento da amostra. É recomendada
a utilização do critério de exclusão de Chauvenet.
O campo de arbítrio corresponde ao intervalo com amplitude de 15%, para mais e

para menos, em torno da estimativa de tendência central utilizada na avaliação. Caso
não seja adotado o valor calculado, o profissional avaliador deve justificar sua escolha.
Os fatores de homogeneização não podem ser utilizados fora do campo de aplicação

para o qual foram calculados, em relação às características quantitativas e qualitativas
do imóvel, tipologia, região e validade temporal do estudo que gerou os fatores.
Fatores de Homogeneização:
Fatores físicos (como frente, área e formato), localização

(bairro, distância, esquina), econômicos (oferta, época, forma
de pagamento) e outros atributos que se revelem importantes
dependendo de como será utilizado o imóvel e que determinam
o valor de avaliação de imóvel.
Devido às várias exigências normativas para o tratamento de dados

por fatores (como fatores publicados e atualizados por entidade
técnicas ou limitação de atributos semelhantes ao avaliando onde
a razão da diferença entre eles deve variar de 0,5 a 2,0) e de acordo
com as características de mercado, é mais comum e também exigida
por algumas instituições a utilização do tratamento de dados pelo
método científico (inferência estatística). Por este motivo, o foco
deste curso será dirigido para o tratamento científico.

10
A seguir, veja alguns fatores que são usualmente utilizados, em
conformidade com a tipologia de cada imóvel, sendo que devem
ser anexados ao trabalho de avaliação os estudos de mercado
que lhes deu origem.
Terreno:
Fator de transposição de local;
Fator de frente ou de testada;
Fator de profundidade;
Fator de testadas múltiplas;
Fator de acidentação topográfica;
Fator de área;
Fator de pedologia;
Fator de restrição legal.
Residências unifamiliares:
Fator de testadas múltiplas;
Fator de área;
Fator de projeto;
Fator de acabamento;
Fator de depreciação física e funcional, ou de idade.
Apartamentos:
Fator de área;
Fator de projeto;
Salas e pavimentos comerciais:

Fator de área;
Fator de projeto;
Lojas:
Fator de área;

11
Fator de frente (vitrine);
Fator de posição (frente de rua ou interior de galeria)
Fator de garagem.
Galpões de uso geral:

Fator de área;
Fator de frente;
Fator de altura (pé-direito);
Fator de depreciação física e funcional, ou de idade;
Fator de acesso.
1.3.2 Tratamento Científico
A utilização da metodologia científica aplicada às avaliações de imóveis tem

por objetivo garantir confiabilidade e segurança ao engenheiro avaliador na
estimação do valor apresentado no laudo. Veja o texto adaptado produzido pelo
renomado Rubens Alves Dantas, no livro Engenharia de Avaliações: Uma Introdução
à Metodologia Científica (2011):
O método científico pode ser considerado algo como um

telescópio: diferentes lentes, aberturas e distâncias focais
produzirão formas diversas de ver a natureza (mercado).
O uso de apenas uma vista (um dado) não oferecerá uma
representação adequada do espaço total que se deseja
compreender (mercado). Talvez diversas vistas parciais
(uma amostra) permitam elaborar um “mapa” tosco
(modelo) da totalidade procurada (população). Apesar
de sua falta de precisão, o “mapa” (modelo) ajudará a
compreender o território em estudo (mercado).
O tratamento científico deduz uma equação (modelo) de regressão a partir dos dados
de mercado pesquisados, através da estatística inferencial.
f(x) = a + bx1 + cx2 + dx3 + . . . + Zxn

12
Inferência Estatística é um ramo da Estatística quem
tem como objetivo fazer afirmações a partir de uma
amostra (um conjunto de valores representativo)
sobre um universo específico (população), partindo
do princípio de que a população é muito maior do
que o conjunto de dados observados. As afirmações
provenientes da inferência estatística devem ser
sempre acompanhadas de uma medida de precisão
que atestem sua veracidade.
Por meio da inferência estatística, são buscados modelos explicativos do comportamento

do mercado ou de uma variável dependente (valor unitário ou valor global) em relação
às variáveis independentes, responsáveis pela variabilidade observada nos preços.
O modelo escolhido deve satisfazer os pressupostos básicos determinados por um

conjunto de testes de hipóteses e, dentro de intervalos de confiança, conferir validade
às predições das probabilidades estabelecidas.
Na pesquisa, são eleitas as variáveis que são representações numéricas das

características intrínsecas e extrínsecas dos imóveis.
1.4 Etapas do Método
Pode-se resumir, genericamente o procedimento da metodologia científica aplicada à

engenharia de avaliações como aquela que compreende um conjunto de atividades
básicas em um rol de cinco etapas:
1. Conhecimento do imóvel a ser avaliado;
2. Coleta de dados de mercado;
3. Análise exploratória dos dados;
4. Construção do modelo; e
5. Elaboração do laudo de avaliação.

13
Essas etapas representam um roteiro básico, mas não são regras
absolutas. Isso significa que o engenheiro de avaliações deve
observá-las e adotá-las a depender do caso.
1.4.1 Conhecimento do Imóvel a ser Avaliado
A primeira informação que o engenheiro de avaliações precisa saber é sobre

a documentação disponível do imóvel a ser avaliado, ou seja, antes de qualquer
atividade de campo, deve-se coletar o máximo de informações possíveis sobre o
imóvel avaliando. É a hora da verificação documental!
No âmbito da União, quanto ao procedimento de verificação documental, pode

haver duas formas:
1. No caso em que o imóvel seja de terceiros, o engenheiro de avaliações

deverá consultar, junto ao proprietário, toda documentação necessária
para realização da avaliação, buscando informações como planta, memoriais,
matrículas, hipotecas, entre outras.
2. No caso de um imóvel da União, o engenheiro de avaliações deverá consultar

as informações junto ao cadastro do imóvel nos sistemas corporativos da
União e/ou junto aos departamentos específicos, conforme o caso.
Recomenda-se ainda que o engenheiro de avaliação consulte as legislações

municipal, estadual e federal, bem como outras restrições – inclusive decorrentes
de passivo ambiental – ou incentivos que possam influenciar o valor do imóvel.
Qualquer informação julgada como insuficiente pelo

engenheiro de avaliações deverá ser devidamente
registrada no laudo de avaliações como ressalva e
fator limitante, bem como os pressupostos assumidos
em função dessa condição.
A segunda informação a ser coletada pelo engenheiro avaliador é a situação real do

imóvel avaliando que, para tanto, torna fundamental a vistoria do mesmo.

14
A vistoria do imóvel é devidamente determinada pela NBR 14653, pois será por
meio desta atividade que o engenheiro avaliador começará a caracterização e
enquadramento do imóvel avaliando ao segmento de mercado específico, além
de conhecer seu estado físico e detalhes como estado de conservação, padrão de
acabamento, ocupação, área, tipologia etc.
Para facilitar a caracterização e organização dos dados coletados,

recomenda-se que o engenheiro avaliador prepare uma ficha de
vistorias com alguns campos de informações pré-determinados.
Haverá possibilidade de ser realizada uma avaliação de um imóvel que

não possua documentação ou que não seja vistoriado pelo avaliador?
Sim. Quanto à inexistência de documentação, a NBR 14653-1, em

seu item 7.2.2, dispõe: “Na impossibilidade de o contratante ou
interessado fornecer toda a documentação necessária ou esclarecer
eventuais incoerências, o engenheiro de avaliações deverá julgar
sobre a possibilidade de elaborar a avaliação. Em caso positivo, deverá
deixar claramente expressas as ressalvas relativas à insuficiência ou
incoerência da informação, bem como os pressupostos assumidos
em função dessas condições” (ABNT, 2019, p. 6).
Quanto à inexistência de vistoria, a NBR 14653-2, item 7.3.5.2,

dispõe: “Quando não for possível o acesso do avaliador ao
interior do imóvel, o motivo deve ser justificado no laudo de
avaliação. Neste caso, em comum acordo com o contratante, a
vistoria interna pode ser precedida e a avaliação pode prosseguir
com base em elementos que for possível obter ou fornecidos
pelo contratante, tais como: a) descrição interna; b) no caso de
apartamento, escritórios e conjunto habitacionais, a vistoria
externa de áreas comuns, a vistoria de outras unidades do mesmo
edifício e informações da respectiva administração; c) no caso de
unidades isoladas, a vistoria externa. As considerações hipotéticas
sobre o imóvel, que configuram a situação paradigma, devem estar
claramente explicitadas no laudo de avaliação” (ABNT, 2011, p. 12).

15
1.4.2 Coleta de Dados de Mercado
Essa etapa deve ser vinculada diretamente ao planejamento de pesquisa, isto porque,
após a vistoria do imóvel avaliando, o engenheiro de avaliações irá condicioná-la à
obtenção de informações específicas no mercado de imóveis. Eis o que dispõe a NBR
14653-2, em seu item 8.2.1.1, sobre o planejamento da pesquisa (ABNT, 2011, p. 13):
“No planejamento de uma pesquisa, o que se pretende é a composição de uma

amostra representativa de dados de mercado de imóveis com características,
tanto quanto possível, semelhantes às do avaliando, usando-se toda a evidência
disponível. Esta etapa – que envolve estrutura e estratégia da pesquisa – deve
iniciar-se pela caracterização e delimitação do mercado em análise, com o auxílio
e teorias e conceitos existentes ou hipóteses advindas de experiências adquiridas
pelo avaliador sobre a formação do valor.”
Na coleta dos dados de mercado, o engenheiro de avaliações elegerá, em princípio, as

variáveis mais relevantes para explicar a tendência de formação de valor e estabelecidas
às supostas relações entre si e com a variável dependente.
O sucesso de qualquer análise econométrica depende,

em sua última instância, da disponibilidade de dados
adequados. (GUJARATI, PORTER, 2011, p. 45)
As variáveis são representações numéricas das características intrínsecas e extrínsecas

dos dados, tanto do avaliando quanto da amostra, podendo ser denominadas
dependentes ou independentes.
Quando as variáveis dão conteúdo lógico à variação dos preços de mercado

coletados na amostra, são chamadas de variáveis independentes. A variável
dependente, por sua vez, é aquela cujo comportamento se pretende explicar pelas
variáveis independentes.

16
As variáveis independentes podem ser divididas basicamente em quantitativas
e qualitativas:
I. As variáveis quantitativas são aquelas que estão associadas a uma característica

que pode ser medida ou contada; por isso, assumem uma posição em uma
escala, tais como: área (m²), frente (metros), número de vagas de garagem ou
de dormitórios (unidades), distância a polo de influência (km) etc.
II. As variáveis qualitativas são aquelas provenientes de uma característica de

qualificação e, por isso, não podem ser medidas diretamente ou contadas,
portanto, carregam alguma subjetividade. Quando muito, elas podem ser
ordenadas ou hierarquizadas, assumindo posição de alocação em uma
categoria a partir de escalas, que são chamadas de “códigos alocados”, tais
como: padrão construtivo, estado de conservação, localização etc.
Sempre que possível, recomenda-se a adoção de variáveis quantitativas. As diferenças

qualitativas das características dos imóveis podem ser especificadas, em ordem de
prioridade, por meio de codificação, com o emprego de variáveis dicotômicas, proxy e
de códigos alocados. Sendo que:
I. As variáveis dicotômicas são aquelas que podem assumir apenas dois

valores, vedada a extrapolação ou interpolação nessa situação. São usadas
para representar a presença ou ausência de um determinado atributo,
como oferta/transação, esquina, vista panorâmica, elevador, garagem etc.
II. As variáveis proxy são utilizadas para substituir outras de difícil mensuração
com as quais se presume guardar relação de pertinência, como padrão
construtivo expresso pelo Custo Unitário Básico (CUB), localização expressa
pelo índice fiscal, estado de conservação expresso pelos fatores de Ross-
Heidecke etc. Assim, as variáveis qualitativas podem ser substituídas pelas
variáveis proxy, com sensível diminuição da subjetividade.
III. Os códigos ajustados são extraídos da amostra por meio de modelo de

regressão com a utilização de variáveis dicotômicas, desde que haja pelo
menos três dados por característica.
IV. Os códigos alocados são uma escala lógica, uma ordenação numeral (notas
ou pesos) para diferenciar as características qualitativas dos imóveis; por
exemplo: padrão construtivo baixo = 1; médio = 2; alto = 3; e luxo = 4. Não é
necessário que a amostra contenha dados de mercado em cada uma das
posições da escala construída, porém, é vedada a extrapolação das variáveis
expressas por códigos alocados.

17
Em uma exemplificação hipotética, tem-se:
Apartamento de dois quartos, 100,39 m², garagem, alto padrão

de acabamento, Avenida Beira Mar, vale R$ 150 mil.
Variáveis independentes:
- Quantitativa: discreta, por ser indicada por números inteiros, (2
quartos), contínua, permite números decimais, (100,39 m²);
- Qualitativa: padrão de acabamento (alto), em uma escala
hipotética de: baixo, médio e alto;
- Proxy: índice fiscal (valor x) para Avenida Beira Mar;
- Dicotômica: garagem (sim), em uma escala sim ou não.
Variáveis dependentes
- Valor total: R$ 150 mil;
- Valor unitário: R$ 1.494,17 m² (150.000/100,39).
Para mais informações, recomenda-se a leitura do item 8.2.1.3, “Levantamento de

dados de mercado”, da NBR 14653-2 (ABNT, 2011, p. 14).
1.4.3 Análise Exploratória dos Dados
Esta etapa é essencialmente realizada em escritório, ou seja, após a correta identificação

e caracterização do imóvel avaliando e da coleta dos dados de mercado julgados para o
caso, o engenheiro de avaliação fará a devida análise desses dados.
Destaca-se que cada dado coletado deverá ser cuidadosamente analisado de modo a
permitir sua exclusão. Por exemplo: dados de oferta são mais fáceis de serem coletados
e serão importantes na validação do modelo de avaliação, porém, devem sempre ser
considerados como superestimativas, sendo importante, quando possível, confrontá-
los com os dados de transações.
Devem ser evitados como parte da amostra os preços de negociações

oriundos de desapropriações amigáveis e judiciais, transmissões
“intervivos” resultantes de doação entre parentes, transmissões
“causa mortis”, entre outros equivalentes.

18
Dados de escrituras, Imposto Predial Territorial Urbano ou Rural (IPTU/ITR) ou
Imposto de Transação de Benfeitorias (ITBI) nem sempre são confiáveis, pois, por
motivos relacionados a impostos, comumente tendem a não refletir o mercado.
Finalmente, destaca-se que, nesta etapa, será necessário o uso de ferramentas

computacionais para facilitar a análise dos dados.
Recomenda-se a leitura do item 8.2.1.4, “Tratamento de dados”, da NBR 14653-2

(ABNT, 2011, p. 15).
1.4.4 Construção do Modelo
Nesta etapa, o engenheiro de avaliações, com o uso de ferramentas computacionais,

fará a devida validação do modelo de avaliação amparado pelo enquadramento do
trabalho avaliatório à luz da NBR 14653.
Conforme mencionado anteriormente, este curso pauta-se pela avaliação de

mercado pelo Método Evolutivo, que é realizado por meio da conjunção de outros
métodos, entre eles, o mais recomendado pelas normas, com o uso do tratamento
científico por meio de regressão linear. Portanto, para que se possa validar o modelo
de regressão linear, deve-se observar alguns pressupostos básicos, em especial, o
preconizado no Anexo A da NBR 14653-2 (ABNT, 2011, p. 34):
• Linearidade;
• Normalidade;
• Homocedasticidade;
• Não auto-correlação;
• Não multicolinearidade.
1.5 Exemplo de Estimativa de Valor pelo MCDDM
Veja o seguinte exercício prático, adaptado do Manual de Avaliação de Imóveis do

Patrimônio da União (BRASIL, 2018):
O terreno de um imóvel é retangular e pouco irregular, possui solo seco e firme e

mede 15 metros (m) pelo lado sul, 15 m pelo lado norte, 30 m pelo lado leste e 30
m pelo lado oeste, perfazendo área de 450,00 metros quadrados (m²), e possui um
índice fiscal de 150.
O avaliador coletou dados de ofertas de terrenos na região e os organizou

resumidamente na seguinte tabela:

19
Elementos Endereço Área (m²) Índice Valor Total (R$) Fonte da
da amostra Fiscal Informação
1 End. 1 1.900,00 450 1.400.000,00 João (61) 2020-****
2 End. 2 730,00 400 580.000,00 Lúcia (61) 3911-****
3 End. 3 6.300,00 250 3.150.000,00 Paulo (61) 3911- ****
4 End. 4 5.000,00 90 750.000,00 Carla (62) 3623-****
5 End. 5 7.000,00 180 4.000.000,00 Eduardo (61) 2020-****
6 End. 6 1.300,00 300 800.000,00 Maria (61) 2020-****
7 End. 7 634,00 200 190.000,00 Pedro (61) 3911-****
8 End. 8 426,00 120 120.000,00 Ana (61) 2020-****
9 End. 9 1.067,65 500 750.000,00 Ana (61) 2020-****
10 End. 10 336,00 170 110.000,00 Ana (61) 2020-****
11 End. 11 1.888,00 450 1.500.000,00 João (61) 2020-****
12 End. 12 600,00 350 530.000,00 Lúcia (61) 3911-****
13 End. 13 600,00 90 160.000,00 Paulo (61) 3911- ****
14 End. 14 6.200,00 250 3.100.000,00 Maria (61) 2020-****
15 End. 15 6.653,10 120 2.000.000,00 Maria (61) 2020-****
16 End.16 7.700,00 400 4.500.000,00 Pedro (61) 3911-****
17 End. 17 5.040,00 200 1.764.000,00 Ana (61) 2020-****
18 End. 18 420,00 180 100.000,00 Lúcia (61) 3911-****
19 End. 19 360,00 350 160.000,00 Paulo (61) 3911- ****
Média 2.850,25 265,79 1.350.736,84
Moda 600,00 multimodal 750.000,00 -

Mediana 1.300,00 250,00 750.000,00 -
Variância 7.721.689,55 17.303,51 1.941.388.093.567,25
Desvio Padrão 2.778,79 131,54 1.393.337,04
Exemplo de estimativa de valor pelo MCDDM.

Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018)
Existem diversos softwares para auxiliar na modelagem de dados por meio da

regressão linear (neste caso, linear múltipla). Para este exercício, será utilizado o
software para avaliação de imóveis SisDEA.

20
Média das variáveis.
Fonte: Brasil (2018, p. 99)
1.5.1 Definindo as Variáveis
• Variáveis independentes:
- Área total: quantitativa e continua (indica a área total do terreno em m²);
- Índice fiscal: qualitativa, proxy e discreta (indica o índice fiscal do logradouro

do imóvel, que é fornecido pela prefeitura);
• Variável dependente:
- Valor total: quantitativa e contínua (valor total do imóvel em reais).
1.5.2 Regressão Linear
Com a regressão, busca-se um modelo ou equação matemática que descreva a

relação entre duas ou mais variáveis.
• Regressão Linear Múltipla: Y =Y= β⁰ + β¹X¹ + β²
O cálculo dos parâmetros da regressão pode ser calculado, entre outros métodos,
pelo método dos mínimos quadrados e pelo método da máxima verossimilhança.
Sugere-se utilizar o método dos mínimos quadrados, que será usado no exemplo,
para amostras com poucos dados, enquanto o método da máxima verossimilhança
pode ser utilizado para grandes amostras (acima de 60 dados).

21
Coeficientes da Equação.
Fonte: Brasil (2018, p. 103)
Os parâmetros de regressão para este exemplo são: β⁰ = 0,000292, β¹ = 0,886365,

e β²=6,214299. A variável com a maior t (t de Student) absoluto é a variável mais
importante do modelo de regressão, neste caso, a variável Área.
A equação da regressão é, portanto:
Onde:
Y = Valor Total (R$);

X¹ = Área (m²); e
X² = Índice Fiscal.
Para a equação da regressão, os valores observados e estimados são os seguintes:
Dado Observado Estimado Resíduo Resíduo Relativo Res. / DP

1 0,000845 0,000789 0,00005643 6,68% 0,23
2 0,001313 0,001545 -0,00023150 -17,63% -0,94
3 0,000563 0,000532 0,00003179 5,64% 0,13
4 0,001155 0,001236 -0,00008130 -7,04% -0,33
5 0,000500 0,000610 -0,00010995 -21,99% -0,45
6 0,001118 0,001042 0,00007564 6,77% 0,31
7 0,002294 0,001845 0,00044922 19,58% 1,83
8 0,002887 0,002804 0,00008301 2,88% 0,34

22
9 0,001155 0,001147 0,00000811 0,70% 0,03
10 0,003015 0,003145 -0,00012943 -4,29% -0,53
11 0,000816 0,000792 0,00002481 3,04% 0,10
12 0,001374 0,001820 -0,00044593 -32,46% -1,82
13 0,002500 0,002536 -0,00003600 -1,44% -0,15

14 0,000568 0,000534 0,00003404 5,99% 0,14
15 0,000707 0,000856 -0,00014920 -21,10% -0,61
16 0,000471 0,000445 0,00002592 5,50% 0,11
17 0,000753 0,000623 0,00013017 17,29% 0,53
18 0,003162 0,002594 0,00056856 17,98% 2,31

19 0,002500 0,002804 -0,00030438 -12,18% -1,24
Resíduos da Regressão Linear.
O valor observado é o valor transformado da variável independente, ou seja, para o

dado 1, o valor da variável independente “Valor Total (R$)” é R$ 1.400.000,00, logo, o
valor observado para a equação de regressão dessa amostra será:
Para o dado 2, o valor observado será:
E assim sucessivamente.
O valor estimado do dado representa o valor da variável independente transformada

calculado a partir dos valores das variáveis dependentes de cada dado. Ou seja,
para o dado 1, o valor de X¹ (Área) = 1.900,00 e o valor de X² (Índice Fiscal) = 450, logo,
o valor estimado para esse dado será:
O resíduo é a diferença entre o valor observado e o estimado.
Pode ser que dados de determinada amostra não sigam um padrão de linearidade.

23
Note que, de modo a ajustar o modelo de regressão linear, as variáveis foram
transformadas, “forçando” uma linearidade, de forma que as transformações para as
variáveis foram as seguintes:
Transformações de variáveis.
Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 105)
1.5.3 Coeficientes de Determinação - R² e Correlação - R da Regressão
O coeficiente de determinação representa o poder de explicação das variáveis

dependentes sobre a variável independente. Assim, dizer que o coeficiente de
determinação é de, por exemplo, 0,85, significa dizer que 85,00% da variação dos
preços em torno da média aritmética são explicadas (0 ≤ R² ≤ 1). Ou seja, quanto
maior o valor do coeficiente de determinação, maior a explicação do modelo.
Já o coeficiente de correlação é a raiz quadrada do coeficiente de determinação e

indica a forma e a força da correlação existentes entre as variáveis, podendo variar
entre -1 e 1. Quanto maior a correlação, maior o poder de explicação.
Coeficientes de determinação R² e correlação R.


24
1.5.4 Pressupostos Básicos para Validação do Modelo
Para que se possa validar o modelo de regressão linear, deve-se observar alguns
pressupostos básicos, em especial, os preconizados no Anexo A da NBR 14653-2
(ABNT, 2011, p. 34):
• Linearidade;
• Normalidade;
• Homocedasticidade;
• Não auto-correlação;
• Não multicolinearidade;
• Micronumerosidade.
• Linearidade
As transformações utilizadas para linearizar o modelo devem, tanto quanto possível,

refletir o comportamento do mercado, com preferência pelas transformações mais
simples de variáveis que resultem em modelo satisfatório.
Após as transformações realizadas, se houver, examina-se a linearidade do modelo

pela construção de gráficos dos valores observados para a variável dependente
versus cada variável independente, com as respectivas transformações.
Transformações de variáveis.

25
Gráficos da equação de regressão valores observados para a variável
dependente versus cada variável independente (gerado pelo SisDEA).
Fonte: CEPED/UFSC (2022).
"Para esse pressuposto, o modelo pode ser aceito."
• Normalidade
A verificação da normalidade pode ser realizada, entre outras formas:
• Pela análise do histograma de resíduos, que deve se assemelhar ao

comportamento da curva normal;
• Pela análise dos resíduos padronizados versus valores ajustados, que

deve apresentar pontos dispostos aleatoriamente, com a grande maioria
situada no intervalo [-2;+2];
• Pela comparação da frequência relativa dos resíduos amostrais

padronizados nos intervalos de [-1; +1], [-1,64; +1,64] e [-1,96, +1,96],
com as probabilidades de distribuição normal padrão nos mesmos
intervalos, ou seja, 68%, 90% e 95%. A título de sugestão, indica-se [66 a
73; 85 a 95; 95 a 100], respectivamente;
• Pelo exame do gráfico dos resíduos ordenados padronizados versus

quantia da distribuição normal padronizada, que deve se aproximar da
bissetriz do primeiro quadrante.

26
Normalidade do modelo.
Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 109).
As análises mais simples de serem feitas para se observar a normalidade dos

resíduos são a do comportamento do histograma e da observância da distribuição
da frequência relativa dos resíduos amostrais padronizados.
A análise da normalidade pela análise dos resíduos padronizados versus valores

ajustados é a mais difícil de ser feita e requer experiência do avaliador.
Curva normal.
Essa distribuição da frequência relativa dos resíduos amostrais padronizados – que, no

exemplo, foi de 78% para o intervalo [-1; +1], 84% para o intervalo [-1,64, +1,64] e 94% para o

27
intervalo [-1,96, +1,96] – representa a porcentagem de resíduos que está inserida nas faixas
distantes entre -1 e 1 desvio padrão, -1,64 e 1,64 desvio padrão e -1,96 e 1,96 desvio padrão.
"O modelo pode ser aceito para esse pressuposto."
• Homocedasticidade
É a variância constante dos resíduos. É uma propriedade fundamental, sob pena de invalidar
toda a análise estatística. Pode ser verificada por meio da análise gráfica dos resíduos versus
valores ajustados, e os pontos devem se apresentar sob a forma de uma nuvem.
Deseja-se que os erros sejam aleatórios, ou seja, não devem ser relacionados com
as características dos imóveis. Se isto não ocorre, há heterocedasticidade, o que
significa que a variância não é constante e que há tendências nos erros.
A verificação da homocedasticidade pode ser feita, entre outros métodos, por meio
dos seguintes processos: análise gráfica dos resíduos versus valores ajustados,
que devem apresentar pontos dispostos aleatoriamente, sem nenhum padrão
definido, e pelos testes de Park e de White.
Se a hipótese de homocedasticidade for violada, os pacotes estatísticos irão errar

o cálculo do desvio padrão dos coeficientes e errar nos valores dos testes de
hipótese. Este é o problema da heterocedasticidade.
Para o exemplo apresentado, tem-se o seguinte comportamento da distribuição dos resíduos:
Distribuição de resíduos do modelo exemplo.

"No exemplo, há homocedasticidade e, portanto,

o modelo é aceito para esse pressuposto."

28
• Verificação da Autocorrelação
Existe autocorrelação quando os erros são correlacionados com os valores

anteriores ou posteriores na série. Essa análise é feita especialmente quando se
utiliza uma variável data (não é o caso do exemplo apresentado).
Se a hipótese de independência dos erros for violada, os pacotes estatísticos irão

errar no cálculo do desvio padrão dos coeficientes e errar nos valores dos testes
de hipótese. Esse é o problema da autocorrelação.
Pode-se detectar a autocorrelação por meio de gráficos dos resíduos contra os

valores da variável dependente ou pelo teste não-gráfico de Durbin-Watson.
"O modelo pode ser aceito para esse pressuposto."
• Verificação da Multicolinearidade
Uma forte dependência linear entre duas ou mais variáveis independentes provoca
degenerações no modelo e limita sua utilização.
Isso não gera estimativas enviesadas ou alterações, mas “infla” os desvios padrões
de cada coeficiente. Esse é o problema da multicolinearidade.
O que ocorre é que há duas variáveis explicativas com o mesmo conteúdo

informacional (variabilidade similar, ou seja, altamente correlacionada). Por isso, o
método de mínimos quadrados não consegue distinguir entre os efeitos diretos e
indiretos das variáveis.
O mais razoável é pensar no problema e identificar qual variável (dentre aquelas

que apresentam, na prática, a mesma informação) é a mais importante e/ou a
mais representativa.
Uma medida corretiva para o caso de haver multicolinearidade é aumentar o

tamanho da amostra.
Uma forma de verificação da multicolinearidade é por meio da matriz de correlações,

que espelha as dependências lineares de primeira ordem entre as variáveis
independentes, com especial atenção especial para resultados superiores a 0,80.
A observação da multicolinearidade deve ocorrer entre as variáveis independentes.
A correlação entre uma variável independente e uma dependente poderá ser
elevada (acima de 0,80).

29
Para o exemplo, a verificação da multicolinearidade é a seguinte:
Correlações entre as variáveis.

Na matriz da figura anterior, foram desprezados os limites acima de 0,80 na última

linha e coluna (em destaque).
"O exemplo não apresentou multicolinearidade

entre as variáveis independentes, sendo, portanto
aceito em relação a esse pressuposto."
• Outliers
Os outliers são elementos com comportamento muito diferente dos demais.
É extremamente importante controlar os outliers porque, em virtude da forma

de estimação da equação, geralmente por mínimos quadrados, um erro grande
modifica significativamente os somatórios, alterando os coeficientes da equação.
Assim, um imóvel apenas pode modificar a equação.

30
Se forem encontrados outliers, não é recomendada a exclusão automática, mesmo
que a amostra seja grande. Deve ser feita a análise da adequação dos elementos
suspeitos ao conjunto da amostra e de sua semelhança com o avaliando. Mas, no
caso de outliers muito distintos do avaliando em aspectos como tamanho, idade,
localização, tipo etc., eles devem ser removidos.
É importante verificar se o outlier é verdadeiramente um ponto

influenciante. Um ponto é influente se sua exclusão do ajuste da
regressão causa uma mudança substancial nos valores ajustados.
Os outliers podem ser observados no gráfico de distribuição dos resíduos e

representam a relação entre o resíduo e o desvio padrão da regressão.
O desvio padrão da regressão do modelo de duas variáveis independentes (três

variáveis no total) é:
Para o dado 18, outlier do modelo em questão, o resíduo da regressão é a diferença

entre o valor observado e o estimado: 0,003162-0,002594 = 0,000569.
A relação entre o resíduo e o desvio padrão da regressão é: 0,000596/0,000246539 = 2,31,

conforme se observa na imagem a seguir:

31
Outliers.
É preciso retirar esse outlier? Ele é um ponto influenciante no modelo?
Mantendo-se o dado 18, a reta de valores observados versus valores estimados é

a seguinte, com os seguintes coeficientes da equação: X0 = 0,0002915289, X1= 0,8863647
e X2 = 6,2142993:
Curva de aderência com dado 18.

Retirando o dado 18, a reta de valores observados versus valores estimados da

regressão fica da seguinte forma, com os seguintes coeficientes da equação:
X 0 = 0,0003077447, X 1 = 0,8365936 e X 2 = 6,307964816.

32
Curva de aderência sem dado 18.
Percebe-se que a retirada do dado teve uma influência muito pequena, tanto nos
coeficientes da equação de regressão quanto no aspecto da reta.
Uma forma rápida de observar se o ponto é influenciante é a partir da distância de

Cook. Para o modelo, tem-se, para a distância de Cook:
Distância de Cook.
Fonte: Brasil, 2018, p. 118.
"Percebe-se que o dado 18 é não influenciante

e o modelo pode ser aceito."

33
Para entender o efeito de um dado influenciante no modelo, suponha um dado
20 adicional, com os seguintes atributos: Área (m²) = 300, Índice Fiscal = 150 e
Valor Total (R$) = 800.000,00. Em uma rápida análise em relação aos demais dados
coletados, percebe-se que os atributos do dado 20 são inconsistentes em relação
aos demais.
Veja como fica a reta de regressão, a distribuição dos resíduos e a distância de

Cook para o modelo com a inclusão do dado 20:
Distribuição de resíduos com inclusão do dado 20.

Aderência com inclusão de dado 20.


34
Percebe-se que o dado 20 causa grande influência tanto no aspecto da reta de
valores observados versus valores estimados, quanto nos coeficientes da equação.
Verificando a distância de Cook, observa-se que o dado 20 é realmente um ponto
influenciante do modelo e deve ser eliminado:
Distância de Cook com inclusão de dado 20 gerado pelo SisDEA.

Fonte: CEPED/USFC (2022). Adaptado de Brasil (2018, p. 199)
• Verificando a Micronumerosidade
No exemplo apresentado, em que não foram utilizadas variáveis dicotômicas

ou qualitativas expressas por códigos alocados ou ajustados, não ocorre esse
problema. Mas, quando houver, é necessário evitar a micronumerosidade.
O número mínimo de dados efetivamente utilizados (n) no modelo deve obedecer

aos seguintes critérios, com respeito ao número de variáveis independentes (k):
n ≥ 3(k+1)
para n ≤ 30, nj ≥ 3
para 30 < n ≤ 100, nj ≥ 10% n
para n > 100, nj ≥ 10
onde:
nj é o número de dados de mesma característica, no caso de utilização de variáveis
dicotômicas e variáveis qualitativas expressas por códigos alocados ou códigos ajustados.

35
Testes de Significância
a) Teste de hipótese bicaudal para os parâmetros da Regressão
Para determinar a importância de um coeficiente individual no modelo de regressão,

usa-se um teste baseado na estatística t de Student. O parâmetro estatístico calculado
tcalc deve ser maior que o tabelado t(n–k–1), em que k é o número de regressores e n
é o tamanho da amostra.
Se tcalc>ttab, rejeita-se a hipótese nula de não significância do parâmetro com

os níveis de significância indicados em cada regressão apresentada, em geral
superando os níveis indicados pela NBR 14653.
Para isso, formula-se um teste de hipótese. Muitas vezes, as hipóteses são

formuladas com o único intuito de serem rejeitadas. Para decidir se a regressão
linear é adequada, formula-se a hipótese de que os regressores são iguais a 0, ou
seja, o que o avaliador não quer que ocorra. Essa hipótese, chamada de hipótese
nula (H0), tem o objetivo de ser rejeitada.
Significância dos regressores calculado pelo SisDEA.


36
Para atingir o Grau III, a NBR 14653-2 preconiza que a significância dos regressores
deve ser menor que 10% (5% em cada cauda).
Para o modelo, o número de graus de liberdade para entrar na tabela de t de

Student é 19-2-1 = 16, uma vez que há 2 regressores.
Tabela de t de Student.
T de Student.

37
O t tabelado para o modelo é de 1,746. Para a variável Área (m²), o t calculado é
15,05. Portanto, t calculado > t tabelado, logo, H0 é rejeitada.
A rejeição da hipótese demonstra que o regressor não é nulo e que a significância

para a essa variável é de 0,01%, o que quer dizer que a probabilidade do t tabelado
ser maior que o t calculado é de 0,01%: Prob (t tabelado >|t calculado|).
Para a variável Índice Fiscal, o t calculado é de 4,02, também maior que 1,746. Para
esse regressor, também se rejeita H0. A probabilidade do t tabelado ser maior que
o t calculado para essa variável é de 0,10%.
b) Teste de hipótese unicaudal para a relação entre a variável dependente

e as independentes (teste de significância do modelo)
De maneira similar, o teste de significância do modelo é o de análise de variância, no qual

se compara a variação explicada com a variação não explicada da variável dependente.
Essa relação tem distribuição F, com k e (n–k–1) graus de liberdade, sendo k o

número de regressores e n o tamanho da amostra.
Então, compara-se o parâmetro estatístico calculado Fcalc com o tabelado F(k,n–k–1).
Sendo Fcalc>Ftab, rejeita-se a hipótese nula de não existência de relação linear, de
acordo com as indicações de 1% de significância da norma de avaliações, ou seja,
aceita-se a equação de regressão.
F calculado e significância do modelo pelo SisDea.


38
Tabela F de Snedecor: Limites unilaterais da distribuição F de Fisher-Snedecor.
Para o modelo, F calculado = 123,8 > F tabelado = 6,226, ou seja, rejeita-se H0. A significância
do modelo, ou probabilidade de que aceitação de H0, é de 0,01%, menor que o 1%,
preconizado pela norma para se atingir Grau III de fundamentação nesse item (ABNT, 2011).
Estimativas Intervalares
O valor da estimativa central da variável dependente Valor Total (R$) para o
exemplo é obtido substituindo os atributos do imóvel avaliando na equação de
estimativa (Área (m²) = 450 e Índice Fiscal = 150). Ou seja:

39
O grau de precisão é dado a partir da amplitude relativa do intervalo de confiança
de 80% em torno da média.
Resultados do modelo.
A NBR 14653 preconiza que a amplitude deve ser < 50% para Grau I de precisão, < 40%
para Grau II e < 30% para Grau III. O modelo, portanto, atingiu Grau III de precisão.

40
O intervalo do campo de arbítrio é uma variação de 15% em torno do valor central.
Ou seja:
Limite superior + 15,0 % = 178.613,11

155.315,75
Limite inferior – 15,0 % = 132.018,39
Quando for adotado o valor arbitrado, o intervalo de valores admissíveis deve estar
limitado ao intervalo em torno do valor arbitrado com amplitude igual à do intervalo
de confiança de 80% para a estimativa de tendência central e ao intervalo do campo
de arbítrio em torno da estimativa de tendência central.
No exemplo, o valor não será arbitrado, e será utilizada a estimativa central.
Conforme a NBR 14653-1 (ABNT, 2019), o valor será arredondado em menos de 1%,
e o valor adotado para esse exemplo é R$ 155.000,00.
1.6 Especificação do Laudo
O enquadramento do laudo, segundo o grau de fundamentação no caso de utilização

de regressão linear, de acordo com a Tabela 1 da NBR 14653-2, é o seguinte:
Item Descrição Grau Pontos

III II I obtidos
1 Caracterização do Completa quanto a Completa quanto as Adoção de situação II
imóvel avaliando todas as variáveis variáveis utilizadas paradigma
analisadas no modelo
2 Quantidade 6 (k + 1), onde o k é o 4 (k + 1), onde 3 (k + 1), onde III

mínima de dados número de variáveis o k é o número o k é o número
de mercado, independentes de variáveis de variáveis
efetivamente independentes independentes
utilizados
3 Identificação Apresentação Apresentação Apresentação II

dos dados de de informações de informações de informações
mercado relativas a todas as relativas a todos os relativas aos
características dos dados e variáveis dados e variáveis
dados analisadas, com analisados na efetivamente
foto e características modelagem utilizados no modelo
observadas pelo
autor do laudo

41
4 Extrapolação Não admitida Admitida para apena Admitida, desde que: III
uma variável, desde a) as medidas das
que: a) as medidas características do
das características do imóvel avaliando não
imóvel avaliando não sejam superiores
sejam superiores a 100% do limite
a 100% do limite amostral superior,
amostral superior, nem inferiores à
nem inferiores à metade do limite
metade do limite amostral inferior;
amostral inferior, b) b) o valor estimado
o valor estimado não não ultrapasse 20%
ultrapasse 15% do do valor calculado
valor calculado no no limite da
limite da fronteira fronteira amostral,
amostral, para a para as referidas
referida variável variáveis, de per si
e simultaneamente,
e em módulo
5 Nível de 10% 20% 30% III
significância a
(somatório do
valor das duas
caudas) máximo
para a rejeição da
hipótese nula de
cada regressor
(teste bicaudal)
6 Nível de 1% 2% 5% III
significância
máximo admitido
para a rejeição da
hipótese nula do
modelo através do
teste F de Snedecor
TOTAL 16
Especificação do laudo.
Fonte: CEPED/UFSC (2022). Adaptado de ABNT, 2019, p. 22.
Enquadramento do laudo segundo seu grau de fundamentação no caso de utilização

de modelos de regressão linear
Graus III II I
Pontos mínimos 16 10 6
Itens obrigatórios 2,4,5 e 2, 4, 5 e 6 no Todos, no mínimo
6, no Grau III e os mínimo no Grau no Grau I
demais no mínimo II e os demais no
no Grau II mínimo no Grau I
Enquadramento do laudo segundo seu grau de fundamentação no
caso de utilização de modelos de regressão linear.
Fonte: ABNT (2011, p. 24).

42
O exemplo apresentado obteve Grau III de fundamentação.
Para o laudo atingir o Grau III de fundamentação, são obrigatórios, ainda:
• Apresentação de laudo na modalidade completa;
• Identificação completa dos endereços dos dados de mercado, bem como

das fontes de informação;
• Valor final adotado coincidente com a estimativa pontual de tendência central.
Quanto ao Grau de Precisão
Para o grau de precisão, nos casos de utilização de modelos de regressão linear,

utiliza-se a Tabela 5 da NBR 14653-2:
Descrição Grau
III II I
Amplitude do intervalo de confiança de 80 %
em torno da estimativa de tendência central ≤ 30 % ≤ 40 % ≤ 50 %
Grau de Precisão.
Fonte: ABNT (2011, p. 26).
Para o exemplo, foi obtido Grau III de precisão, com amplitude de 18,80%.
Você aprendeu sobre o método mais utilizado nas avaliações de imóveis. Seja na
composição do Método Evolutivo ou sozinho, como recomendado pela NBR 14653,
ele deve ser utilizado sempre que possível.
Que bom que você chegou até aqui! Agora é hora de você testar seus conhecimentos.
Então, acesse o exercício avaliativo que está disponível no ambiente virtual. Boa sorte!

43
Referências
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT). NBR 14653-1: Avaliação de

Bens Parte 1: Procedimentos gerais. Rio de Janeiro, 2019.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT). NBR 14653-2: Avaliação de

Bens Parte 2: Imóveis urbanos. Rio de Janeiro, 2011.
BRASIL. Ministério do Planejamento, Desenvolvimento e Gestão - Secretaria do

Patrimônio da União. Manual de avaliação de imóveis do patrimônio da União.
Brasília, 2018, 144 p.
BRASIL. Ministério da Defesa - Diretoria de Patrimônio Imobiliário e Meio Ambiente.

Caderno de Orientação Avaliação de Imóveis da União: Teoria e Prática, Brasília,
2018, 132 p.
DANTAS, Rubens Alves. Engenharia de Avaliações: Uma introdução à metodologia

científica. São Paulo: Editora PINI, 2011.
GUJARATI, Damodar; PORTER, Dawn C. Econometria básica. Porto Alegre: AMGH,

2011.
INSTITUTO BRASILEIRO DE AVALIAÇÕES E PERÍCIAS EM ENGENHARIA. Norma para

Avaliação de Imóveis Urbanos, São Paulo, 2011. 36 p.
MATOS, Orlando Carneiro de. Econometria Básica: Teoria e Aplicações. São Paulo:
Atlas, 2000.
ODA, Orlando. Avaliação de bens imóveis: procedimentos e fatores de

homogeneização. AFIXCODE, São Paulo, 16, set. 2011. Disponível em: <https://
www.afixcode.com.br/blog/avaliacao-de-bens-imoveis-procedimentos-e-fatores-
de-homogeneizacao/>. Acesso em 01 nov. 2021.
THOFEHRN, Ragnar, Avaliação de Terrenos Urbanos, São Paulo, 2008, Editora PINI.

44

Módulo 4 - Método Comparativo Direto de Dados de Mercado (MCDDM)

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Módulo 4 - Método Comparativo Direto de Dados de Mercado (MCDDM)

Enviado por

Direitos autorais:

Formatos disponíveis

Avaliação de bens e

imóveis com foco no

Diretoria de Desenvolvimento Profissional

1.2 Levantamentos de Dados de Mercado..................................................................... 5

1.3 Tratamento dos Dados............................................................................................... 6

1.3.1 Tratamento por Fatores.......................................................................................... 9

1.3.2 Tratamento Científico............................................................................................ 12

1.4 Etapas do Método..................................................................................................... 13

1.4.1 Conhecimento do Imóvel a ser Avaliado............................................................. 14

1.4.2 Coleta de Dados de Mercado................................................................................ 16

1.4.3 Análise Exploratória dos Dados............................................................................ 18

1.4.4 Construção do Modelo.......................................................................................... 19

1.5 Exemplo de Estimativa de Valor pelo MCDDM...................................................... 19

1.5.1 Definindo as Variáveis........................................................................................... 21

1.5.2 Regressão Linear.................................................................................................... 21

1.5.3 Coeficientes de Determinação - R² e Correlação - R da Regressão.................. 24

1.5.4 Pressupostos Básicos para Validação do Modelo.............................................. 25

1.6 Especificação do Laudo............................................................................................ 41

4 Método Comparativo Direto de

Unidade 1: Método Comparativo Direto de

1.1 Considerações Iniciais

O MCDDM deve ser utilizado preferencialmente na busca de valor de

O MCDDM é o método avaliatório mais utilizado. Além de ser a recomendação da

Se os imóveis fossem todos padronizados em relação a suas características, seria

Enap Fundação Escola Nacional de Administração Pública

Por esse motivo, é necessário um tratamento técnico dos atributos para

Veja a seguir como melhor desenvolvê-lo, destacando algumas etapas e demonstrando

1.2 Levantamentos de Dados de Mercado

O primeiro passo antes do tratamento dos dados é, logicamente, obtê-los.

O levantamento de dados é uma das atividades básicas da avaliação de imóveis, prevista

Para uma maior e melhor fundamentação, é necessário maior

As fontes das informações devem ser confiáveis, diversificadas,

Neste método, é importante que se colete a maior quantidade

Enap Fundação Escola Nacional de Administração Pública

Deve-se tomar certos cuidados com possíveis informações de

1.3 Tratamento dos Dados

Após encerrar a fase de coleta de dados, é necessário organizá-los em tabelas e/ou

Tabela com a relação de dados coletados e um gráfico mostrando a relação

Enap Fundação Escola Nacional de Administração Pública

Outra sugestão para analisar os dados é organizá-los de forma

Veja a distribuição espacial no exemplo da figura a seguir:

A norma de avaliação indica duas formas de tratamentos dos dados:

Enap Fundação Escola Nacional de Administração Pública

- Tratamento por fatores: homogeneização por fatores e critérios, fundamentados

- Tratamento científico: tratamento de evidências empíricas pelo uso de metodologia

O modelo, segundo Orlando Carneiro de Matos

Qualquer modelo, independentemente do tipo de tratamento, será uma

O poder de predição do modelo deve ser verificado a partir do gráfico de preços

Enap Fundação Escola Nacional de Administração Pública

1.3.1 Tratamento por Fatores

O conjunto de fatores aplicado a cada elemento amostral será considerado como

Os fatores a serem utilizados neste tratamento devem ser indicados periodicamente

Enap Fundação Escola Nacional de Administração Pública

Após a homogeneização, devem ser utilizados critérios estatísticos consagrados de

O campo de arbítrio corresponde ao intervalo com amplitude de 15%, para mais e

Os fatores de homogeneização não podem ser utilizados fora do campo de aplicação

Fatores físicos (como frente, área e formato), localização

Devido às várias exigências normativas para o tratamento de dados

Enap Fundação Escola Nacional de Administração Pública

Salas e pavimentos comerciais:

Enap Fundação Escola Nacional de Administração Pública

Galpões de uso geral:

1.3.2 Tratamento Científico

A utilização da metodologia científica aplicada às avaliações de imóveis tem