Engenharia de Avaliações Imobiliárias - Módulo Avançado - IBAPE-SC

Instituto Catarinense de Engenharia de Avaliações e Perícias
Rua: Dom Jaime Câmara, 248 - Florianópolis/Se - CEP: 88015-120

Fone/Fax: (48) 3223-1689- ibapesc@terra.com.br-www.ibape-sc.com.br
IBAPE/SC
''ENGENHARIA
,,,,.,
DE
,
AVALIAÇOES IMOBILIARIAS''
MÓDULO AVANÇADO
Ministrante: Eng. Civil Sérgio Alberto Pires da Silva

sergio@tecsys.eng.br
Florianópolis/Se, julho de 2016.

TECSVS
ENGENHARIA
CURSO AVANÇADO DE
AVALIAÇÃO DE IMÓVEIS
MODELAGEM ESTATÍSTICA
CASOS ESPECIAIS
INSTRUTOR: Eng. Civil SÉRGIO ALBERTO PIRES DA SILVA
Rm1 Lihcrdmle. 404 · Pm·to t\legre/RS - BRASIL - CEP 90420-090

FONE: t0511 .,3.B-8820 f .H32-(i20l l"AX : {55 051 l ,:tB 1-19]0
www.Lecsys.eng.br - t'•maíll: Scrgio@lttcs�'S.l'llg.hr
ÍNDICE
1. INTRODUÇÃ0 ........................................................................................................................................ 5
2. CARACTERÍSTICAS DAS VARIÁVEIS TESTADAS NO MERCADO IMOBILIÁRI0 .............. 8
2.J. VARIÁVEIS QUANTITATIVAS ......................... ........... ... ........ .. .... ........ ....... .... ..... ... ........... .. ........ 8
2.2. CÓDIGOS ALOCADOS .. ..... ... .... ..... ..... ... ..... ..... ..... .. ..... ..... ............ .... .......... ................ ................... 9
2.3. VARIÁVEL PROXY .... .... ... .. .... .. ..... ......... .. ........ .. ... ... ..... .. ... .. ..... ......... ......... .. ...... ..... ..... .... ..... .. .... 11
2.4. V ARlÁVEIS DICOTÔMICAS ............................... .................... ............. ...................... ...... ...... ...... 13
3. VARIÁ VEIS MAIS UTILIZADAS EM AMOSTRAS DO MERCADO IMOBILIÁRIO .............. 16
3.1. VARIÁVEISGENÉRICAS ......... ......... .... ... ................... ... ............................................ ............... ... 16
3.1.1. Area lotai ........................ .. .................................................. ..... ...... ... .... ....... ............................ 16
3.1.2. Alratil'idade local..... ............................. .. ... .. ...... .... ... ..... .. ... .... .. .......... ............. ....... ..... ............ 17
3.1.3. Origem da infonnaçiio .... ...... .... ......... ........ ..................... .. .............. ........ ...... ......... ........ .......... 18
3. 1.4. Data ........................ ......... .............................. ........... .......... ....... ... ... .... ...................... .... .......... 18
3.2. VARlÁ VEIS ESPECÍFICAS ... ... ........................ .............. ................... ............ ..... ........... ::...... .. ...... 18
3.2.1. LOTES RESIDENC!AIS ... ............. :......... .......... ... .. ......... ........... ..... ........ .......... .... ... ..... .... ....... 18
3.2.2. TERRENOS DE !NCORPORAÇÃO ..................................... ........................................ ... ......... 19
3.2.3. CASAS .. ... ..... ................... ..... .... .. .... ......... .. .. ..... ... ...... ..... .. .. ...... ............................. ........ ........ ... 20
3.2.4. APARTAMENTOS ................ ... ......... ... ........ .. .. ....... ...... ..... ...................... .. ...... ............ ............. 21
3.2.5. LOJAS ..................................................... ...... .. ..... .. ... ...... .......... .... .. .. ....... ...... .... ........... ... ........ 23
3.2.6. SALAS COMERCIAIS ..... .. ..... ...................... ...... .... ............... ......... ......... ... ....... .................... ... 23
3.2.7. BOX DE ESTACJONAMENTO ... .. ...... .. ................. ..... ...... .. .... ......... ...... ....... .. .... ................ ..... 24
3.2.8. GLEBAS URBANAS .. ............. ....... ......... .......... .. ...................... ...... ................... ....................... 25
4. BANCO DE DADOS ............................................................................................................................. 26
5. FICHA DE PESQUISA ......................................................................................................................... 27
5.1 . FlCHADEPESQUlSA-TERRENO ................... ........ ... ..... ........................................ .......... .... .. ... 28
5.2. FICHA DE PESQUISA- GLEBA URBANA .. ................................................ ..... ................ ........... 29
5.3. FlCHA DE PESQUISA- CASA .... ........ ........ ...... ...... ... ..... .......... ......... .. ...... .......... ... ... ......... ......... . 30
5.4. FICHA DE PESQUISA - APARTAMENTO ............................ .. .............................. ......... ... .... ....... 31
5.5. FICHA DE PESQUISA - CONJUNTO COMERCIAL ................ .............. ........... .. ... ..................... 32
5.6. FICHA DE PE$QUISA- LOJA ..... ..................... .. ............... ................ .... ............. ........................ ... 33
6. USO DE DICOTÔMICAS PARA AJUSTE DE ESCALAS DE QUALITATIVAS ........................ 35
6. J. EXEMPLO LOTES-ATRATIVIDADE LOCAL ...................... .............................. ...................... 35
7. COLINEARIDADE ENTRE VARIÁ VEIS ......................................................................................... 42
8. INTERVALO DE CONFIANÇA ......................................................................................................... 45
8.J. OINTERVALODEPREVISÃOPARAUMY0 INDIVIDUAL ........................... .......... .. ....... ... ... 46
8.2. ESCOLHA DA EQUÇÃO ADEQUADA AO IMÓVEL ............ ....... ....... .......... ...... .. ... ............. ..... 48
9. INTERAÇÃO ENTRE VARIÁVEIS ................................................................................................... 50
10. COEFICIENTE DE DETERMINAÇÃO A.JUSTAD0 ...................................................................... 53
11. EXEl-"tPLOS PRÁTIC()S ..................................................................................................................... 54
11.1 . LOJAS-VENDA ........ ... ..... .......... .... ...................... .. ..................... ... ..... ....... .. ........................ ..... 54
11.2. SALAS - LOCAÇÃO .. ............... .. ... ........... ....... ....... ... ........................................ ................... ...... 56
11 .3. SALAS - VENDA ............ ......... ............... ... ..... ............ ..... ....... ............... ........ ........ ..... ... ............. 57
11.4. TERRENOS INCORPORAÇÃO ..... ..... ................. ... ........ ...... ....... ........ ...... .............. ......... ... ... ... 58
11 .5. GLEBAS URBANAS .................................................................................... .... .... ...................... 59
12. ANEXOS ................................................................................................................................................. 61
12.1. TABELAS ESTATÍSTICAS ............. .................................... ....... ...... ......................................... 63
12.2 . NBR- 14653-2 - CURRÍCULO E BIBLIOGRAFIA ........ ................. ........ ....... .. ..... ....... .... ..... ..... 71
CURSO DE ENGENHARIA DE AVALIAÇÕES 3

2. CARACTERÍSTICAS DAS VARIÁVEIS TESTADAS EM
AMOSTRAS DO MERCADO IMOBILIÁRIO
Na busca de amostra para estudo de valor médio praticado no
mercado imobiliário, o pesquisador, via de regra, obtém um conjunto de dados
heterogêneos, tendo em vista a indisponibilidade de amostras homogêneas nas diversas
tipologias investigadas neste mercado. Este fato aumenta a complexidad~ do trabalho
investigatório pois, além do levantamento completo das características intrínsecas e
extrínsecas de cada dado que participa da amostra, será necessária a identificação das
principais diferenças entre os mesmos, que elevam a variação dos valores em torno da sua
média.
..
As diferenças entre os dados da amostra são identificadas como
variáveis independentes do Modelo de Regressão. As variáveis comumente estudadas nas
diversas tipologias imobiliárias, segundo a NBR-4653 classificam-se como:
• Quantitativas;
• Código Alocado;
• Código Ajustado;
• Proxy;
• Dicotômicas isoladas;
• Dicotômicas em grupo;
2.1. VARIÁVEIS QUANTITATIVAS
Variáveis quantitativas são aquelas que representam as

diferenças que podem ser rn·edidas diretamente em cada elemento ela amostra, tais como:
área, frente, nº de dormitórios, etc. Não são controláveis, podendo assumir qualquer valor
dentro do campo dos Números Reais.
É importante neste caso, que a amostra contenha dados com

amplitude e vanaçao dos valores destas variáveis, dentro de. limites aceitáveis, nos
conceitos consagrados em análises elas diversas tipologias imobiliárias, evitando-se mistura
de dados de populações diferentes em uma mesma amostra. Assim, uma amostra de
terrenos que apresente amplitude de Áreas entre 200,00 1112 e 100.000,00 m2 , possivelmente
contém dados pertencente à população terrenos, misturados com dados ela população
Glebas urbanizáveis. Estas duas populações apresentam demandas completamente
diferentes, em conseqüência, devem ser estudadas separadamente.
Da mesma forma, se esta amostra contivesse dados com áreas

variando entre 200,00 m2 e 220,00 m 2, dificilmente comprovaria a influência desta variável
na variação dos valores de mercado, a não ser em casos muito específicos, ou por
transformações ela escala de análise, decorrente de artifícios matemáticos, tais como
potenciação em níveis elevados, sem muita fundamentação .
8 CURSO DE ENGENHARIA DE AVALIAÇÕES

2.2. CÓDIGOS ALOCADOS
As diferenças entre dados da amostra decorrentes de conceitos

ou qualidades como: padrão construtivo, estado de conservação, situação urbana, etc,
podem ser associadas a valores numéricos que possibilitem medir a i'nfluência das mesmas
nos valores praticados. A escala numérica criada para quantificar estas diferenças,
denominada Código Alocado, acarreta a construção de variáveis discretas ou descontínuas,
onde os valores resultantes constituem-se de números inteiros positivos.
Sem dúvida, esta categoria de variável tem se constituído um

dos maiores desafios ao processo de análise científica do comp01tamento do mercado
imobiliário, uma vez que trata de fatores essencialmente subjetivos. De fato, ao interagir
com o meio que o cerca, o pesquisador adquire expectativas próprias, das quais
dificilmente consegue abstrair-se ao formular um conceito sobre a qualidade de
determinado produto imobiliário.
Ao procurar explicações para o aumento da variação dos valores

em torno da média de determinada amostra, nas diferenças de qualidade entre os seus
elementos, o pesquisador deve identificar aquilo que o mercado em geral (oferta e
demanda), entende como "melhor" ou "pior" qualidade, e não o que ele próprio define
como melhor ou pior qualidade nos imóveis, como se fosse comprador ou vendedor.
É exatamente a influência de expectativas próprias que

confunde o pesquisador, dificultando a elaboração de escala numérica adequada às
verdadeiras expectativas do mercado. Quando os Códigos Alocados apresentam escalas
pautadas em valores detectados durante o processo de pesquisa, com absoluta isenção do
pesquisador, o modelo resultante mostra com maior precisão o comportamento do mercado
analisado. No entanto quando o controle da escala fica a critério do pesquisador, o trabalho
científico enfraquece, trazendo resultados passíveis de contestação, muitas vezes sem
possibilidade de auditoria.
Procurando minimizar a subjetividade dos resultados oferecidos

no uso da Inferência Estatística, a NBR-14653 desqualificou e restringiu o uso de Códigos
Alocados, tolerando seu uso somente quando utilizados escala de números naturais, em
ordem crescente iniciada em 1 e sem transformação, ou quando a escala é obtida da
amostra com utilização ele dicotomias .
Para exemplificar as dificuldades na montagem de escalas

qualitativas, observe o gráfico abaixo, onde os valores da variável Padrao de Acabamento,
da tipologia tipo Apartamentos foi definida da seguinte forma:
Baixo Padrc7o : PA = 1
Padrão Normal : PA = 2
Alto Padrc7o : PA = 3
CURSO DE ENGENHARIA DE AV LI ÇÕE 9

t
'
~
'
•
f
4
y (valor)
4
45
y = A+ Bx
l
35 • ~
•
30
25
•
•
•
•4
20
•
•4
15 •
• 4
•
•
10
5 t
2 3
x(PA)
•
t
~
Observa-se que a escala está inadequada à distribuição dos
dados da amostra, principalmente no que se refere aos Padrões Normal e Alto. A alteração 4'
da escala inicial para os valores abaixo, adequados aos elementos representativos da
amostra vai tornar o modelo resultante mais consistente para estimativas populacionais: ••
Baixo Padrão : PA = 1
Padrão Normal : PA = 3
Alto Padrão : PA = 7 '•
til
45
y (11a for)
1
••
35
'
•
• •
••'
y = A+ Bx
30
'
25
20
15
10
••
5
x (PA)
'•
2 3 4 5 6 7
10
Para o Modelo de Regressão Linear Simples (2 variáveis), como
acima representado, a especificação da escala adequada não apresenta maiores
dificuldades, no entanto, dificilmente um modelo resultante de amostra do mercado
imobiliário vai apresentar apenas uma variável independente. Usualmente as amostras das
diversas tipologias imobiliárias comprovam a influência de 3 ou mais variáveis, resultando
Modelos de Regressão Linear Múltipla. Neste caso, a visualização espacial da distribuição
dos dados é inviabilizada, e as colinearidades entre as diversas variáveis dificultam a
análise das influências individuais. Além disso, a restrição imposta 'pela Norma Brasileira
inviabiliza o uso da nova escala, mesmo que evidente.
2.3. VARIÁVEL PROXY
Uma alternativa incluída na Norma Brasileira para contornar a

dificuldade no estudo da influência das características subjetivas dos dados no valor dos
imóveis, consiste na utilização da Variável tipo Proxy, a qual representa a associação do
atributo subjetivo à outra característica mensurável do imóvel, como por exemplo, a
definição do padrão da edificação ao seu custo unitário de produção.
O critério de medição da característica mensurável a ser

associada deve ser definido com clareza para evitar interpretação duvidosa, estratificando-
se o conceito qualitativo em parcelas distintas de importância e atribuindo-se pesos, de
acordo com o que se observa no processo de investigação.
Exemplificando o caso específico do Padréio de Acabamento de

Apartamentos, a variável pode ser estratificada em 3 parcelas distintas: Fachadas,
Circulaçéio predial e.Ambiente da unidade, atribuindo-se pesos diferenciados, na ordem de
1, 2 e 3, a cada uma destas parcelas, buscando identificar a prática intuitivamente adotada
nas relações de oferta e demanda.
Assim, ao constatar que as fachadas causam o primeiro impacto

na demanda, esta parcela torna-se mais importante na formação do valor do imóvel,
podendo assumir peso=3. Por outro lado, os ambientes da unidade, certamente serão
adaptados pelo consumidor, tornando-se a parcela de menor impo1tância na montagem da
variável, assumindo assim peso=], restando para o item circulação predial o peso=2.
Por outro lado, os acabamentos de cada uma destas parcelas,

poderão ser classificados de acordo com a qualidade dos materiais empregados: Luxo, alto,
normal, baixo e mínimo, adotando-se uma escala numérica de referência para hierarquizar
a forma como oferta e demanda "enxergam", em geral, estes acabamentos. Esta escala
podení. ser por exemplo:
Luxo 100
Alto 80
Normal = 50
Baixo 30
Mínimo 10

O enquadramento dos imóveis em cada um destes itens estaria
condicionado aos materiais utilizados em seus acabamentos. É imp01tante que os materiais
estejam parametrizados para cada tipo de acabamento, por exemplo: Fachada Luxo:
Granito polido, placas metálicas, etc. Assim o critério de processamento para adequação
do Padrão de Acabamento à escala numérica que melhor se enquadra às relações de
mercado, resulta:
'
ITEM Fachada (x 3) Circulação (x 2) Ambientes (x 1)
Luxo (X 100)
Alto (x 80)
Normal (x 50)
Baixo (x 30)
Mínimo (x 1 O)
Cada imóvel da amostra deve ser encaixado nesta matriz,

resultando um valor que representa seu Padrão de Acabamento, em relação aos demais.
Um imóvel enquadrado com Fachada=Luxo, Circulação=Nonnal e Ambientes=Alto, terá
o Padrão de Acabamento representado pelo valor: PA = 480 (3 x 100 + 2 x 50 + 1 x 80),
por exemplo.
Depois de todos os dados da amostra enquadrados no critério de

pontuação, o resultado será confrontado com os valores praticados. Quanto mais reduzida a
significância resultante do teste da hipótese da influência de sua variação na variação dos
valores, maior o acerto da escala utilüada.
Quanto mais reduzido o grau de subjetividade do trabalho

avaliatório, maior sua aplicabi.lidade às diversas ocorrências de mercado, qualificado os
resultados obtidos. A redução do grau de subjetividade inserida no processamento das
informações colhidas no mercado, está diretamente relacionada ao c1itério utilizado para
definição da escala de valores das variáveis .
Concluindo, quanto menor o controle do pesquisador sobre o

valor das variáveis qualitativas, menor a subjetividade inserida no trabalho desenvolvido.
Isto significa que, seja qual for o critério utilizado para definição qestas variáveis, ele deve
ser claro, consistente e "auditável", isto é, deve permitir que outro pesquisador possa
refazer o processo de investigação nos mesmos dados da amostra, encontrando os mesmos
resultados numéricos nas características subjetivas, utilizando o critério estabelecido.
Depois de definidos os valores apropriados para cada imóvel,

será necessária a adaptação da escala ao que preconiza a NBR- 14653-2 no que diz respeito
a utilização de "Código Alocado", ou seja, a escala deverá ser adaptada para a sequência 1,
2, 3, 4, ....

2.4. VARIÁVEIS DICOTÔMICAS
As variáveis dicotômicas, ou vmiáveis binárias, são aquelas que

assumem somente dois valores. São comumente usadas para representar a presença ou
ausência de determinado atributo nos dados da amostra.
Exemplificando:
Supondo que uma equação de regressão expressa por:

Valor = A+ B 1 . Área representa os valores médios praticados nas transações de lotes em
determinado loteamento, indique um Coeficiente de Determinação iguá'l a 0,80
(C,1 = 0,80). Isto significa que a Variação da Área dos lotes explica 80% da Variação Total
dos Valores em torno ela média dos mesmos, na amostra analisada. Desta forma, restam
20% de Variação não explicada, devido a outras variáveis e à aleatoriedade do mercado
imobiliário.
Durante a coleta de informações no mercado, constata-se que,

os imóveis com possibilidade de exploração de visual paisagístico privilegiado, em futuro
projeto residencial, mostram certo incremento nos valores praticados, em relação aos
imóveis que não apresentam este potencial. Na tentativa de aumentar o poder ele explicação
daquela equação, podemos incluir urna terceira variável na sua composição, chamada
Vista, definida ela seguinte forma:
• Vista = O (zero) imóvel sem potencial de exploração paisagístico;

• Vista = l (hum) . imóvel passível de eJ.ploração de visual paisagístico.
O novo modelo inferido terá a seguinte forma:
Valor = A + B 1 • Área+ B2 • Vista
Para imóveis sem potencial paisagístico, a variável Vista

assume o valor O (zero), portanto, o modelo matemático que representa esta situação volta
à sua forma 01iginal
Valor = A+ B1. Área
Para os imóveis com potencial paisagístico, a variável Vista

assume o valor l (hum). Neste caso o modelo matemático torna-se:
Valor= (A+ B2) + B 1 . Área

Representando, de forma simplificada, estas funções no plano,
supondo que B2 >0, uma vez que imóveis com vista devem apresentar valores superiores,
tem-se
y =A+ B,x, + B2 x 2
y:A+B,x,
Ou seja, o Valor obtido no modelo original, será acrescido do

parâmetro B 2 , calculado de acordo com os dados da amostra analisada (a situação inversa,
onde com vista = O; sem vista= 1 - não modifica o processo, apenas o parâmetro B 2 ,
inverte o sinal).
As vanaveis dicotômicas representam importante instrumento

de análise, possibilitando aferir cientificamente a influência de diversos fatores na
dinâmica do mercado imobiliário, tais como:
• oferta/venda;
• esquina;
• .frente para o mar;
• ocupação;
• elevador;
• garagem; etc.
Da mesma forma, ao indicar que uma situação exclui a

possibilidade da ocorrência da outra, o processo permite inferir a diferença entre três ou
mais situações, onde as n situações serão analisadas por n-1 variáveis dicotômicas,
conforme o seguinte exemplo:

Numa coleta de dados para compor amostra de lotes, foram
pesquisados 3 (três) bairros distintos - Bairro A; Bairro B e Bairro C. Para inferir a
diferença entre o valor médio praticado em cada bairro, pode-se analisar estas três
situações (n = 3 ), através de duas (n -1) variáveis dicotômicas , ou seja:
Bairro A 1 (um) imóvel localizado no Bairro A;

O (zero) imóvel localizado em outro bairro;
Bairro B 1 (um) imóvel localizado no Bairro B;
O (zero) imóvel localizado em outro bairro;
Como vemos, não será necessária a inclusão de outra variável

para identitlcar o Bairro C, pois este bairro estará identificado nos dados em que tanto a
variável Bairro A como a variável Bairro B apresentam valor zero:
Bairro A= O e Bairro B =O
Verifica-se, através dos exemplos expostos, que inúmeras
situações detectadas intuitivamente no processo de pesquisa e análise do mercado
imobiUário, podem ser explicadas cientificamente, desde que tenhamos dados suficientes.
Neste particular, convém ressaltar a importância ele urna quantidade relativa de dados para
representar cada uma das características dicotômicas.
Este tipo ele variável pode ser utilizado ainda para extrair da
amostra a escala adequada para mensuração de diferenças subjetivas entre os dados. Um
exemplo ela aplicação desta técnica será mostrado no item 6, adiante.

3. VARIÁVEIS MAIS UTILIZADAS EM AMOSTRAS DO
MERCADO IM.OBILIÁRIO
O crescimento vegetativo de um município, mesmo daqueles
que apresentam bom planejamento urbano, ocasiona o surgimento de ,imóveis com
características diferenciadas, pois se tratam de produtos que buscam atingir· uma demanda
cada vez mais exigente, com características sócio-econômicas diferenciadas .
Esta característica do mercado imobiliário, apresentando

produtos com medidas diferenciadas para os mesmos atributos, torna a avaliação
imobiliária, uma tarefa bastante especializada, onde a expectativa é demonstrar que os
diversos imóveis de uma amostra possuem valores justificados em seus atributos.
Mesmo supondo que cada imóvel possua sua propna

especificidade, podemos elencar um conjunto de variáveis ou atributos que se mostram
indispensáveis no estudo da formação dos valores elas diversas tipologias imobiliárias,
tanto de forma genérica como específica.
3.1. VARIÁVEIS GENÉRICAS
Algumas variáveis geralmente mostram signU1cância reduzida

quando explicamos a formação dos valores de tipologias mais comuns do mercado
imobiliário (lotes, terrenos, glebas, casas, lojas, escritórios, apartamentos, depósitos e
estacionamentos), devem ser. testadas em qualquer destes casos. Evidentemente que, a
preocupação com a amplitude e heterogeneidade destas variáveis é fundamental para
demonstrar sua paiticipação no valor dos imóveis. As mais comuns são:
3.1.1. Área total
Refere-se à área total dos componentes das amostras, informada em m2. Esta
variável deve mostrar que quanto maior a área de um imóvel, menor ser valor por
metro quadrado (valor unitário);

3.1.2. Atratividade local
A situação geográfica do imóvel no contexto urbano, principalmente no que se

refere à sua proximidade a pólos atrativos, tais como comércio, serviços públicos,
escolas, praças, transporte, infra-estrutura (redes de água, luz e pavimentação), etc.,
representam importante contribuição na formação dos valores de imóveis de todas
as tipologias.
O processo adequado para medir cientificamente esta contribuição, está ..baseado na

· montagem de uma variável Proxy, onde a amostra é ordenada pela importância
relativa de cada elemento no que se refere ao seu posicionamento, segundo uma
escala de medição compatível com a característica (índice fiscal, renda bairro, valor
do metro quadrado de edificação, etc.).
Outra forma de medir o posicionamento relativo dos imóveis é através de Códigos

Alocados . Quando efetuado o teste de hipótese, se esta variável mostrar
significância reduzida, a amostra comprova o acerto cio avaliador na definição cios
valores e escala adotada.
Esta metodologia ele análise causa certo desconforto ao cliente, tanto pela
subjetividade inserida na escolha das medidas atribuídas a esta variável em cada
elemento da amostra, como pela dificuldade em auditar o trabalho recebido, quando
tal medida se torna necessária.
Uma forma mais simples e objetiva de mensurar a influência deste atributo

qualitativo na formação do valor dos imóveis consiste em buscar o conceito de
atratividade econômica imposta pelo posicionamento urbano do imóvel, ou seja:
"a atratividade do imóvel está diretamente relacionada à sua capacidade de produzir
renda" . Desta forma, algumas tipologias imobiliárias com comportamento
conhecido podem ajudar a explicar a variação dos valores de outras tipologias
imobiliárias, com comportamento desconhecido, exemplificando:
- o valor unitário de venda de lote no entorno das glebas podem explicar sua
atratividade no contexto urbano, ou seja, o valor do lote explica parte da
variação dos valores das glebas;
- o valor unitário de venda das edificações pode explicar os valores de venda dos
terrenos em zona de incorporação;
o valor unitário de locação de lojas ou salas comerciais pode ajudar a explicar
paiie da variação dos valores de venda destas tipologias imobiliária;

4
4
•
~
4
4
4
•t
3.1.3. Origem da informação 4
O mercado imobiliário, de forma geral, mostra taxas especulativas , variáveis, de 4
acordo com o volume de oferta e demanda dos seus diversos produtos.
Normalmente, a velocidade ele vencia determina a evolução cios valores praticados •
e, conseqüentemente, desta taxa.
'
4
Pode-se inferir a dimensão desta taxa, através do uso ele variável dicotômica (oferta
ou venda). Neste paiticular, é importante observ ar que a quantidade de informações
relativas a cada evento esteja compatível com o que se deseja provar.
'44
3.1.4. Data •t
Sempre que forem utilizados dados pretéritos em uma base amostral, esta variável ~
deve ser testada. Tomando-se por base uma referência inicial (exemplo: jan/97= 1),
identifica-se a data de oc01Tência ele cada evento da amostra, sem retorno do valor •
~
nas trocas de ano (exemplo: jan/98= 13);
1
t
3.2. VARIÁVEIS ESPECÍFICAS t
41
Algumas variáveis mostram importante contribuição no
comportamento dos valores de certas tipologias imobiliárias específicas, merecendo 1
atenção toda especial do profissional na formulação de suas hipóteses estatísticas. Como
contribuição ao aprimoramento dos ensaios, listamos a seguir, aquelas comumente
uti1izadas na maioria cios modelos de regressão.
•4
t
3.2.1. LOTES RESIDENCIAIS 1•
Denominamos lotes residenciais, aqueles terrenos inseridos em 4
loteamentos, consolidados ou não, que tem por vocação ap1iorística a construção de
unidades habitacionais isoladas (casas) , sendo desaconselhado seu uso para qualquer outra -•
tipologia imobiliária. As variáveis comumente utilizadas, além das genéricas, são:
• Vista Panorâmica
•
t
Em sua maioria, os loteamentos residenciais buscam na integração com a natureza
seu principal argumento de vendas. Esta característica, se efetivamente apresenta ••
contribuição para formação do valor do imóvel, pode ser analisada através de
dicotomia.
•
8
• Topografia
Os acidentes topográficos tais como: aclives ou declives acentuados; abaixo ou
acima do nível do passeio público; etc., normalmente ocasionam incremento
relativo impo11ante no custo de implantação dos projetos residenciais. A influência
deste fator nos valores praticados pode ser medida através de dicotomias ou por
meio de códigos alocados.
3.2.2. TERRENOS DE INCORPORAÇÃO
Nesta classificação, encontram-se os terrenos que interessam à

implantação de prédios de incorporação residência, comercial ou mista (lojas e
apartamentos), sendo desaconselhado seu uso para outra tipologia. As ·· variáveis
comumente utilizadas, além das genéricas, são:
• Frente
A frente ou testada do terreno, em muitos casos, mostra-se influente neste tipo de
imóvel, principalmente pelo incremento qualitativo no projeto a ser implantado,
além da facilidade de aproveitamento do potencial construtivo do terreno. Especial
atenção deve ser dada à presença de alto nível de colinearidade desta variável com
a variável área total do imóvel, observando-se os cuidados necessários na utilização
de modelos com esta característica.
No caso de terrenos com mais de uma frente, convém padronizar o uso da variável
utilizando como referência apenas a frente mais importante. Pode-se, através de
dicotomias, testar esta influência de mais frentes.
• Topografia
Os acidentes topográficos tais como: aclives ou declives acentuados; abaixo ou
acima do nível do passeio público; etc. podem ocasionar incremento relativo
importante nos custos de implantação dos projetos de incorporação. A influência
deste fator nos valores praticados pode ser medida através ele dicotomias ou por
meio de códigos alocados.
• Vocação
A vocação intuitiva deste tipo ele terreno, baseado em observação de sua vizinhança
e evolução natural ela região pode ser testada por duas dicotomias: vocação
residencial (O ou l); vocação comercial (0 ou l ); a vocação mista estará
representada quando a informação ausência do atributo nas duas outras vaiiáveis.
Os testes efetuados no modelo inferido mostram a maior ou menor valorização de
uma vocação sobre a outra, cabendo ao avaliador a crítica ao comportamento
verificado na amostra.

• Índice Co11strutil'o
A área máxima edificável, estabelecida pelo planejamento municipal , constitui-se
nonnalmente um dos mais impm1antes vetores de influência no valor dos imóveis
desta tipologia, cabendo ao avaliador comprovar, através de amostragem
qualificada, o quanto aumenta o valor médio de mercado de um imóvel com
aumento deste fator.
• Ocupação
A transformação observada em algumas reg1oes de grandes cidades, provocada
pelos novos lançamentos imobiliários, ocasiona o isolamento de imóveis
residenciais unifamiliares (casas) entre grandes incorporações verticalizadas. Estas·
casas, com o passar do tempo, experimentam uma depreciação física e funcional
bastante acelerada, deixando de interessar ao mercado como "casa", e passando a
interessar unicamente como "terreno com potencial para incorporação". Este
teITeno, pelo fato de incorporar uma unidade com algum potencial de utilização (a
casa pode transforma-se em clínica, mercado, etc.), pode apresentar acréscimo nos
valores médios praticados.
O teste de influência desta característica no valor dos imóveis pode ser realizado
através da inclusão de uma variável dicotômica, desde que a amostra apresente
condições, tanto em quantidade como em qualidade para tal, ou seja, a
característica dicotomizada eleve possuir representatividade na amostra.
3.2.3. CASAS
As residências unifamiliares, casas, apresentam atributos

atrativos bastante relacionados poder sócio-econômico e cultural da demanda interessada,
no entanto, algumas variáveis específicas devem ser testadas. As variáveis comumente
utilizadas, além das genéricas, são:
• Área do terreno
Quanto maior a área total do terreno, maior eleve ser o valor unitálio do imóvel,
sendo este unitário calculado na área total construída.
• % Aproveitamento
A relação entre a área total construída e a ,frea total do terreno, indicando o
aproveitamento adotado no terreno, pode indicar que quanto melhor aproveitado o
espaço disponível, maior o valor unitário do imóvel.
• Vista Pa11orâmica
Esta característica, geralmente apresenta contribuição para formação do valor do
imóvel, pode ser analisada através de dicotomia.
20
• Idade
Esta tipologia imobiliária apresenta certa peculiaridade pois muitas vezes o imóvel
passa por remodelação total através de reformas, alterando o seu aspecto geral,
fazendo com que a idade real da edificação se distancie da idade que o imóvel
aparenta. A variável deve indicar que quanto mais velho o imóvel, menor seu valor
de mercado, havendo a tendência de colinearidade com outras, comumente
utilizadas, tais como padrão de acabamento, e estado de conservação. A alternativa
para ajustar o processo colinear, passa pela reunião dos efeitos em uma única
variável, ou no abandono simplesmente daquelas de maior nível de significância.
• Padrão construtivo e de acabamento

Um teste através de código alocado deve indicar que quanto melhor a qualidade da
edificação, maior se valor de mercado. Para reduzir a subjetividade ela variável, é
conveniente a separação do nível qualitativo entre revestimentos e esquadrias
externas; revestimentos e esquadrias internas; forro e telhado, ponderando a
cont1ibuição de cada um destes itens na composição da medida final da variável.
• Estado de Conservação
A exemplo da vaiiável ante1iormente descrita, esta variável é testada normalmente
através de código alocado, indicando que quanto melhor conservada a edificação,
maior seu valor no mercado. Dificilmente a colinearidacle desta variável com a
idade aparente do imóvel apresenta níveis aceitáveis, sendo aconselháveis cuidados
especiais quando utilizadas em conjunto.
3.2.4. APARTAMENTOS
As unidades multifamiliares, apartamentos, apresentam

atributos variados, de acordo com o nível cultural e poder aquisitivo ela demanda
interessada. As variáveis específicas que devem ser testadas, além das genéricas, são:
• Idade
A idade do imóvel eleve indicar que quanto mais velho o imóvel, menor seu valor
ele mercado. Esta variável tende a tornar-se colinear com outras, comumente
utilizadas nestes casos, tais como padrão ele acabamento, e estado de conservação.
Muitas vezes, a alternativa para ajustar este processo colinear, passa pela reunião
dos efeitos em uma única variável, ou no abandono daquelas de maior nível de
significância.
• Vista Panorâmica
Esta característica, geralmente apresenta contribuição para formação do valor elo
imóvel, pode ser analisada através ele dicotomia.

• Padrão construtivo e de acabamento
Um teste através de código alocado deve indicar que quanto melhor a qualidade da
edificação, maior se valor de mercado. Para reduzir a subjetividade da variável, é
conveniente a separação do nível qualitativo entre revestimentos ~ esquadrias
externas; acabamentos da circulação predial; padrão dos ambientes da unidade,
ponderando a contribuição de cada um destes itens na composição da medida final
da variável.
A exemplo da variável anteriormente descrita, esta variável é testada normalmente
através de código alocado, indicando que quanto melhor conservada a edificação,
maior seu valor no mercado. É importante observar que, quanto mais estratificado o
conceito entre fachadas, circulação predial e ambientes da unidade, mais reduzido o
nível de subjetividade da escala qualitativa.
• Equipamentos
As tendências de consumo impulsionam os empreendimentos habitacionais para
inovações em busca de conforto e tecnologia, visando atingir uma demanda cada
vez mais exigente. A influência da quantidade e qualidade dos equipamentos
disponíveis nos diversos imóveis desta tipologia deve ser testada, identificando-se
os itens de maior influência para o mercado analisado.
• Estacionamento
A qualidade do estacionamento agregado ao apartamento influencia o
positivamente seu valor de mercado. No entanto, nem sempre a amostra é
suficientemente rica em quantidade de eventos, para que possamos inferir esta
influência adequadamente. Nos testes da equação, o valor o resultado deve ser
criticados nas situações com estacionamento e sem estacionamento. Amostras mais
robustas, originadas em Banco de dados facilita o estudo da influência da qualidade
do estacionamento, podendo-se incorporar uma escala (através de manobrista,
descoberto, telheiro, pilotis, garagemfechada, etc.)
• Pavimento
O nível ou andar, relativo ao térreo, em que se encontra o imóvel no prédio, pode
apresentar certa influência no valor, entretanto, a identificação da forma como esta
influência se manifesta, torna-se confusa, na medida em que os prédios que contam
com elevador misturam-se com aqueles que não tem, numa mesma base amostral.
Pode-se supor que, em prédios com elevador, quanto mais alto o andar do imóvel,
maior seu valor, fato que se inverte nos prédios sem elevador. É aconselhável o uso
de artificio matemático para compor estas duas características em uma só variável.
22 AÇÕES
3.2.5. LOJAS
Nas lojas, a localização geográfica no contexto urbano, é a

variável que apresenta maior pode de explicação da variação valor médio praticado no
mercado. Outras variáveis comumente utilizadas, além das genéricas, são:
• Área do salão térreo

Seguramente, a área térrea é a mais nobre em uma loja. A influência ele outras áreas
agregadas pode ser testada com o uso da relação área térrea/área total. Esta
variável deve mostrar que quanto mais próxima de 1 (um), maior o valór unitário
do imóvel no mercado.
• Esquina
Este atributo, de grande importância na tipologia lojas, pode ser testado através de
dicotomias.
• Testada
A testada ou área de vitrine é atributo que assume relativa importância neste tipo de
imóvel. É conveniente a verificação da presença de colinearidade em 111ve1s
elevados com a área do imóvel. Neste caso, deve-se tomar cuidados no uso do
modelo.
• Idade
• Padrão consttutivo e de acabamento
Estas três variáveis, já descritas anteriormente, de forma isolada ou em conjunto,
algumas vezes podem · auxiliar a identificação das fontes de variação dos valores
praticados, no entanto, a demanda geralmente tem por objetivo incorporar uma
roupagem nova aos iinóveis com esta tipologia, desconsiderando estes aspectos.
3.2.6. SALAS COMERCIAIS
Além das vanaveis Jª descritas, identificamos certas

especificidades características que apresentam influência significativa na explicação dos
valores praticados neste mercado. Observa-se que, sendo uma tipologia imobiliária muito
utilizada para Locaçc7o, as variáveis mais importantes passam a ser: padrão, conservação,
equipamentos e estacionamento. As variáveis comumente utilizadas, além das genéricas,
são:

'•
ti
••
1
•
• Portaria
••
O controle de acesso torna-se cada vez mais importante para a demanda desta
•
tipologia, pois, mesmo que incorpore custos de manutenção, representa segurança e
conforto na recepção de clientes. A variável pode ser testada de forma ~icotômica. -'
• Prédio inteligente
A incorporação de sistemas eletrônicos de registro e controle de acesso e circulação
principalmente em prédios destinados a médias e grandes empresas torna-se cada
•
1
1
••
vez mais um atrativo na comercialização. A variável pode ser testada de forma
dicotômica ou incorporada a outras facilidades definidas com equipamentos.
• Idade
1
••
• Padrão de acabamento (principalmente das fachadas e bali de entrada)
• Estado de Conservação (principalmente das fachadas e bali de entrada)
••
• Estacionamento
• Pavimento/elevador
• Vista panorâmica
1
3.2.7. BOX DE ESTACIONAMENTO ••
Esta tipologia imobiliária tem assumido pos1çao destaque no
mercado, no entanto apresenta características muitas pa11iculares, uma vez que o principal
1•
interesse da demanda é o número de vagas disponíveis no estacionamento oferecido,
ficando em segundo plano as demais variáveis. As mais comumente utilizadas, além das
genéricas, são: ••
• Padrão de acabamento (principalmente dos pisos e cobertura) ••
• Localização relatil'll 110 prédio
• Número de l'agas ••
• Isolamento (fechado ou aberto)
• Necessidade ou não de manobrista
• Tipo de Proteção (pilotis, telheiro ou descoberto)
••
• Espaço para manobra
t '
••
1
•
1 '•
4
•
3.2.8. GLEBAS URBANAS
Esta tipologia imobiliária tem demanda centrada na classe

empresarial especializada em execução de loteamentos. Seu principal interesse neste caso,
estará basicamente relacionado ao retorno financeiro do investimento que pretende
realizar. Neste caso, as principais variáveis de influência serão justamente aquelas de maior
impacto no fluxo financeiro a ser montado, ou seja: o Valor médio de venda dos lotes a
serem produzidos e o percentual da área total que será comercializada futuramente (área
de lotes). Podem ser testadas, portanto:
• Topografia
• Frente para vias públicas
• Percentual líquido de lotes (percentual estimado)
• Valor de venda de lotes no entorno
• Vista panorâmica

4. BANCO DE DADOS
Com o decorrer cios anos, a espeçialização da Engenharia de
Avaliações tornou-se imperiosa, alavancada pela facilidade de . acesso à informática,
forçando profissionais a sistematizarem seus procedimentos de trabalho, adequando-se à
celeridade que hoje são exigidos nos serviços de consultoria, mais preci~amente nas
avaliações.
Nessa esteira de sistematizações, o BANCO DE DADOS

assumiu papel preponderante nos trabalhos técnicos, devendo, ~empre que possível, ser
implementado pelo profissional.
Um BANCO DE DADOS representa "um arquivo fotográfico

das imagens" do mercado imobiliário, ao longo cio tempo. Quanto maior número de
informações conter, melhor retorno oportunizará ao profissional e, obviamente, ao trabalho
que este desenvolva.
Os questionamentos que ocorrem por aqueles que não praticam

a Metodologia Científica, são respondidos pelo uso do BANCO DE DADOS, tais como:
- "para uma inferência süo necessários nwitos dados";

- "pura inte,pretar o co111porta111ento de variáveis, preciso ter 1111w grande amplitude dessas variáveis";
- "para calcular a valorizaçüo imobiliária real, como exige a Norma Brasileira, necessito de üiformações
ao lo11go do tempo;
O BANCO DE DADOS permite estudar o comportamento ele

vários atributos e suas correlações, face à massa ele informações disponíveis. Entretanto,
se este "armazém" ele informações for farto, poderemos selecionar sub-amostras
específicas para aquele tipo ele imóvel.
Uma forma simples de se implementar um BANCO DE

DADOS consiste na reunião de todas as coletas de dados que um profissional desenvolve,
arquivando-as em um único local (informatizado ou não). Estes dados serão selecionados
por tipo de imóvel, bairro ou setor, organizados se forma a serem posteriormente
consultados, para trabalhos técnicos poste1iores. As novas alimentações de dados serão
injetadas nos locais apropriados, seguindo a mesma filosofia ele coleta (variáveis e
atributos preestabelecidos).
A descoberta de outras variáveis será uma conseqüência natural

no desenvolvimento profissional de cada um, até o ponto em que o surgimento de mais
variáveis não cause "surpresas" ao avaliador. Com o decorrer do tempo o profissional
"aprenderá" a operar entre si os atributos coletados, emergindo novas variáveis para as
modelagens.

5. FICHA DE PESQUISA
A ficha de Pesquisa representa o memorial descritivo da coleta
de dados, devendo ser preenchida a cada informação colhida. O profissional deverá
confeccionar o seu cadastro e forma da ficha de Pesquisa, possibilitando usá-la da melhor
maneira e praticidade, armazenando-as manualmente ou em aplicativos de banco de dados.
Esta ficha poderá ser única (para todos os imóveis) ou

específica (por tipo de imóvel), devendo o avaliador decidir a respeito, conforme seu
critério organizacional.
A ficha única reveste-se de maior complexidade, devendo,

obrigatoriamente, alimentar Banco ele Dados gerenciado por "software" aplicativo
especializado (Paradox, Acess, SISDAT e outros). O registro dos dados independe do tipo
ele imóvel, tendo documento de entrada única, preenchendo campos específicos à natureza
do bem. A consulta posterior é feita por processo seletivo, onde são fornecidos códigos
para cada tipo de imóvel, acessando, conseqüentemente, campos de atributos atinentes.
Para uma melhor orientação à respeito dos attibutos básicos que

deverá conter a ficha única, poder-se-á tomar àqueles listados para as fichas específicas
individuais, adiante detalhadas.
A forma de registro por ficha única requer acompanhamento

sistemático de um responsável especializado, sendo porisso oneroso.
A ficha específica, mais comumente usada, deverá conter o

maior número de informações possíveis do dado coletado, permitindo que sejam acessados
os atributos que forem necessários à solução do problema avaliatódo .
Em determinados casos, o imóvel avaliando é por demais

padronizado (por exemplo: terrenos em loteamentos), facilitando sobremaneira a
avaliação, pois os atributos de influência do valor são em pequeno número.
Poderão ocorrer situações em que o imóvel avaliando tem

alguns atributos específicos (por exemplo: visual paisagístico). Nesse caso, a ocorrência
deste atributo em dados coletados ou armazenados, será de fundamental impo1tância para o
avaliador, pois assim poderá ter um pe1fil de comportamento do mercado diante do fato .

5.1. FICHA DE PESQUISA -TERRENO
A seguir, listamos alguns atributos que poderiam ser registrados

na ficha específica do imóvel-tipo TERRENO, por exemplo, como se propuséssemos um
"interrogatório" ao dado coletado.
• LOCAL
(rua, bairro, loteamento, setor)
• POLO(S) ATRATIVO(S)
(distância a avenidas, shoppings, parques, empreendimentos importantes, elementos valorizantes e
desvalorizantes) 1
ÁREA SUPERFICIAL
•
• FRENTE(S) EFETIV AS(S) '
•
•
PROFUNDIDADE(S) e FORMATO
USO VOCACIONAL DE MERCADO (para a região)
'
t
•
(residencial para casas ou edifícios, comercial , misto, abordando o grau cio efeito-loja)
USO INCENTIVADO PELO PLANO DE DESENVOLVIMENTO
URBANO (para a região)
't
•
(residencial, comercial, misto)
ÁREA CONSTRUÍVEL '
t
•
•
TOPOGRAFIA
VIZINHANÇA ••
•
•
(padrão das edificações próximas)
INFRA-ESTRUTURA URBANA
(melhoramentos públicos, transportes de massa, hospitais , escolas, bancos, lazer e cultura)
VISUAL PAISAGÍSTICO
•
••
•
•
•
VALOR TOTAL NEGOCIADO OU PRETENDIDO
CONDIÇÕES DE NEGOCIAÇÃO
VALOR UNITÁRIO EM RELAÇÃO À ÁREA DO TERRENO
(em moeda corrente e/ou indexador(es))
•
1•
• FONTE DA INFORMAÇÃO
(telefone, contato, empresa e pesquisador) ••
•
•
DATA DA INFORMAÇÃO
OBSERVAÇÕES
(assentamentos importantes a respeito do imóvel, novos anúncios do mesmo imóvel, com datas e ••
valores)
••
28
5.2. FICHA DE PESQUISA - GLEBA URBANA
Em se tratando do imóvel-tipo GLEBA URBANA, a ficha

específica tem o seguinte elenco ele sugestões de atributos a serem levantados.
+ LOCAL
(rua, bairro. loteamento, setor)
+ POLO(S) A TRATIVO(S)
(distância a avenidas, shoppings, parques, empreendimentos importantes, elementos valorizantes e
desvalorizantes)
• ÁREA SUPERFICIAL TOTAL
• FRENTE(S) EFETIVAS(S) PARA LOGRADOUROS PÚBLICOS
• USO VOCACIONAL DE MERCADO (para a região)
(residencial para casas ou edifícios, comercial, misto, abordando o grau cio efeito-loja)
• USO INCENTIVADO PELO PLANO DE DESENVOLVIMENTO
(residencial. comercial, misto)
• APROVEITAMENTO URBANÍSTICO
(restrições ao uso pleno: área de reservas biológicas, ecológicas, parques urbanos, encosta de morros
etc .. )
• ÁREA CONSTRUÍVEL
• TOPOGRAFIA
• VIZINHANÇA
• INFRA-ESTRUTURA URBANA
(melhoramentos públicos. transportes ele massa, hospitai s, escolas, bancos, lazer e cultura)
• VISUAL PAISAGÍSTICO
+ VALOR TOTAL NEGOCIADO OU PRETENDIDO
• CONDIÇÕES DE NEGOCIAÇÃO
• VALOR UNITÁRIO EM RELAÇÃO À ÁREA DA GLEBA
(telefone, contato, empresa e pesquisador)
+ DATA DA INFORMAÇÃO
+ OBSERVAÇÕES
(assentamentos importantes a respeito cio imóvel , novos anúncios cio mesmo imóvel, com datas e
valores)

• PADRÃO DOS ACABAMENTOS
(usar variável qual itativa)
• IDADE DA CONSTRUÇÃO
(novo, em anos de uso ou usar níveis qualitativos)
• ESTADO DE CONSERVAÇÃO
(tanto para o prédio quanto para a unidade residencial)
(melhoramentos públicos, transportes de massa, hospitais , escolas, bancos, lazer e cult1.1rn)
• VALOR TOTAL NEGOCIADO OU PRETENDIDO
• FINANCIAMENTO À DISPOSIÇÃO
(parcela do preço pretendido, com financiamento à disposição)
• VALOR UNITÁRIO EM RELAÇÃO À ÁREA TOTAL OU PRIVATIVA
• DATA DA INFORMAÇÃO
• OBSERVAÇÕES
(assentamentos importantes a respeito do imóvel , novos anúncios do mesmo imóvel , com datas e
valores)
5.5. FICHA DE PESQUISA - CONJUNTO COMERCIAL
Para o imóvel-tipo CONJUNTO-COMERCIAL (salas

comerciais), os atributos básicos a serem coletados são semelhantes ao anterior, com
algumas distinções, com algun~ atributos influenciando com pesos diferentes:
• LOCAL
• POLO(S) ATRA TIVO(S)
(há uma tendência atual muito forte de atração por empreendimentos adjacentes, vinculado ao padrão
construtivo e "grife" do bairro onde se situa)
• PRÉDIO CONCLUÍDO OU EM CONSTRUÇÃO
(se em construção, registrar o estágio)
• ÁREAS CONSTRUÍDAS DA UNIDADE
(área privativa, total e fração ideal)
• NÚMERO DE DEPENDÊNCIAS
• EXISTÊNCIA DE TERRAÇOS DESCOBERTOS
(na cobertura, no térreo ou em andares intermediários)
• NÚMERO DE PAVIMENTOS DO EDIFÍCIO
• NÚMERO DE UNIDADES POR ANDAR
• POSIÇÃO VERTICAL DA UNIDADE
(andar onde se localiza)

+ INSTALAÇÕES DE CONFORTO E DESEJABILIDADE
(elevadores, churrasqueira exclusiva. sauna, salão ele convenções, equipamentos ele segurança, antenas
VHF, UHF e parabólica. coletivas, estacionamento coletivo ou fechado para um, dois ou mais
automóveis, paisagismo e outros)
(residencial para casas ou edifícios, comercial, misto, abordando o grau do efeito-loja)
'
• VIZINHANÇA
• PADRÃO DOS ACABAMENTOS
(usar variável qualitativa)
• IDADE DA CONSTRUÇÃO
(novo, em anos de uso ou usar níveis qualitativos)
• ESTADO DE CONSERVAÇÃO
(tanto para o prédio quanto para a unidade comercial)
(melhoramentos públicos. transportes de massa, hospitais, escolas, bancos, lazer e cultura)
• FINANCIAMENTO À DISPOSIÇÃO
(parcela do preço pretendido, com financiamento à disposição)
• VALOR UNITÁRIO EM RELAÇÃO À ÁREA TOTAL OU PRIVATIVA
(telefone, contato. empresa e pesquisador)
• OBSERVAÇÕES
(assentamentos importantes a respeito do imóvel, novos anúncios cio mesmo imóvel , com datas e
valores)
5.6. FICHA DE PESQUISA - LOJA
Para o imóvel-tipo LOJA , os atributos básicos a serem

coletados são:
• LOCAL
• POLO(S) ATRATIVO(S)
(empreendimentos ele porte que estabeleçam marcos referenciais, tais corno: shoppings centers, prédios
tradicionais, parques etc .. )
• ÁREAS CONSTRUÍDAS DA UNIDADE
(área privativa, fundamentalmente, área total e fração ideal)
• ÁREAS DOS PAVIMENTOS
(sub-lojas, térreo, mezanino, galeria e pavimentos superiores)

• FRENTE EFETIVA DE VISUAL
• SITUAÇÃO DE ACESSO
(frente para logradouro público ou interna à galeria comercial)
• SITUAÇÃO NO EDIFÍCIO
(loja isolada ou em prédio coletivo)
• INSTALAÇÕES DE CONFORTO E DESEJABILIDADE
(elevadores, sanitários, climatização ele ar, estacionamento disponível, escadas rolantes 1 prevenção ele
incêndio, vi trines, fachada etc ... )
(residencial para casas ou edifícios, comercial, misto, abordando o grau do efeito-loja)
• VALOR UNITÁRIO EM RELAÇÃO À ÁREA PRIVATIVA
(em moeda corrente e/ou inclexador(es))
+ OBSERVAÇÕES
(assentamentos importantes a respeito do imóvel, novos anúncios cio mesmo imóvel, com datas e
valores) .
Este elenco de informações são por demais importantes quando

da coleta do dado, pois desta forma será possível a obtenção do perfil das explicações do
preço oconido.
Na própria ficha, o pesquisador poderá ensaiar os níveis das

variáveis qualitativas, tais como POSICIONAMENTO, APROVEITAMENTO, INFRA-
ESTRUTURA, VISUAL PAISAGÍSTICO e outros, apontando o dimensionamento das
variáveis quantitativas, tais como (DISTÂNCIAS A PÓLOS, ÁREA SUPERFICIAL,
FRENTES, ÁREA CONSTRUÍVEL e outros).
A ficha genérica, mais abrangente, conterá todas as possíveis

variáveis independentes e dependentes, inclusive item próprio que determina o tipo de
imóvel (teITeno, gleba, loja, apartamento, escritório). Este tipo de ficha é recomendável
para escritó1ios que mantém aplicativos de Banco de Dados (DBase, Paradox e outros),
pois a distinção é feita posteriormente, via comandos seletivos.

6. USO DE VARIÁVEIS DICOTÔMICAS PARA AJUSTE DE
ESCALAS DE VARIÁVEIS QUALITATIVAS
Sem dúvida, um dos principais obstáculos do Engenheiro de
Avaliações, ao utilizar o ensaio científico para identificar variações não aleatórias em
amostras do mercado imobiliário, constitui-se na definição correta das escalas numéricas
das variáveis tipo Código Alocado.
Uma maneira objetiva de identificar a escala adequada à

distribuição de valores da amostra pode ser obtida através do uso de variáveis diçotômicas,
conforme o exemplo a seguir:
6.1. EXEMPLO LOTES -ATRATIVIDADE LOCAL
A partir da observação do comportamento cios valores de

comercialização de terrenos no Plano Pilote ele Brasília/DF, no período de 1996, foi
colhida uma amostra, com objetivo de comprovar as seguintes hipóteses de influência elas
características dos dados na variação dos valores em torno de sua média:
HIPÓTESES PARA TESTE NA AMOSTRA

• Atratividade local (AL)
Código Alocado : A hipótese formulada estabelece uma escala numérica crescente,
na tentativa de mostrar que determinadas situações no contexto urbano apresentam-
se privilegiadas, aumentando os valores praticados.
Amplitude: 1 - menor atratividade;

4 - maior atratividade;
• Área do terreno (AT)

Variável quantitativa: A hipótese formulada busca mostrar que quanto maior o
porte do terreno, menor o valor unitário praticado, tendo em vista a economia de
escala.
Amplitude: 526, 13 - menor área amostrada;

14.545,45 - maior área amostrada;

• Área Suporte/Área do terreno (AST)
Variável quantitath>a: A hipótese formu lada busca mostrar que o maior potencial
de aproveitamento do terreno, no que diz respeito ao volume de área edificável,
permitido nas posturas municipais, proporciona elevação nos valores médios
praticados.
Amplitude: 1,5 - menor potencial;

26,3 - maior potencial;
• Valor Unitário (VU)

Variável dependente, cuja variação em torno da média está sendo estudada.
A Tabela de Dados apresentou a seguinte configuração:
TABELA DE DADOS
ÁREA ÁREA SUPORTE/

DADO ENDEREÇO LOCAL UNITÁRIO
TERRENO ÁREA TERRENO
1 SC/N 1 14.545,45 3,30 268,13

2 SC/N Q . CN -3 1 5 .223,88 6,70 536 ,00
3 SRT/N 1 3.985 ,07 6 ,70 501 ,87
4 SH/N Q.HN-2 1 1.038 ,78 26,30 2.117,86
5 SASQ.1 L.3 4 526, 13 11, 1O 1.900 ,68
6 SAS 0 .1 L.4 4 530 ,91 11,00 1.695 ,21
7 SC/NO.CN1 L. F 1 2.982,46 5 ,70 368,82
8 SC/NO .CN1 L.F 1 2.982,46 5 ,70 40 2,35
9 SCNQ .CN1 L.F 1 2.982,46 5 ,70 469,41
10 SCNQ .CN1 .L.F 1 2.982,46 5 ,70 469 ,41
11 SGANQ.606E 2 10.000,00 1,50 38 ,00
12 SGANO .606 .D 2 10.000 ,00 1,50 48,00
13 SGANQ .606C 2 10.000,00 1,50 4 5,00
14 SGANQ .6060 2 10.000,00 1,50 50 ,00
15 SGASQ .914 2 5.157 ,89 1,90 65 ,92
16 STN 3 9.933,33 1,50 72,48
17 STN 3 8.240 ,00 1,50 36 ,4 1
18 SASQ .1 LOTE6 4 676 ,58 11 , 1O 1.182,42
19 SASQ. 4LOT E9 4 676 ,58 11 , 1O 1.478,03
20 SASQ.5L .4 4 526 ,1 3 11 , 10 1.520 ,55
21 SASQ .5LOTE9 4 676 58 11.10 1.152 86

Usando-se esta formatação, obtiveram-se os seguintes resultados estatísticos:
• Número de variáveis : 4
• Número de dados : 21
• Coeficie11te de Correlação : 0,9734274
• Coeficiente Determinação : 0,9475608
• Fislter-Snedecor: 102,40
• SignUicância : 0,01
• Durbi11-Watso11: 2,14 Não auto-regressão 90%
• Normalidade dos Resíduos: [076] [090] [095]
• Total de Outliers : 1
Variável Nome T-Observado Sig. Valor Médio Forma Crescimento

1 Local 2,04 5,68 2,2857 X 4,74
2 Asup/Aterr 6,03 0,01 6,8 190 X 30,72
3 Área terreno -2,75 1,38 4936,5303 ln(x) -8,64
4 Unitário (R$/m2 ) 579,3848 X
• Equação de Regressão:
Unitário (R$/m2 ) = l.584,8149532122 +91,48309771 * Local
+71,7647784 * Asup/Ater. -200,3548952 * Ln Area terreno
CORRELAÇÕES COM INFLUÊNCIA
- 1 2 3 4
I Variáveis
s 1 0.63 0,29 0,44
o
L
A
2 0,19 0,07 0,83
D
A 3 -0,60 -0. 77 0,55
s 4 0,49 0,91 -0,91
~
Estes resultados, embora consistentes, apresentam na variável

tipo Código Alocado, denominada Local, uma definição de escala que poderia ser
examinada à luz da distribuição de valores da amostra, através dos seguintes
procedimentos:

t
'
1
t
1
1) Como a variável apresenta apenas quatro valores distintos: l, 2, 3 e 4, vamos
identificar estas quatro situações através de três variáveis dicotômicas, que irão
assumir os valores:
•'
1
• Loc 1 = 1 Imóvel situado no local correspondente à situação 1; •'

•
Locl = O Imóvel situado em outro local.
Loc2
Loc2
=1
=O
Imóvel situado no local correspondente à situação 2;
Imóvel situado em outro local.
1
''
í
Loc3 = 1 Imóvel situado no local correspondente à situação 3;
• í
Loc4 = O Imóvel situado em outro local.
Nesta situação, a tabela de dados vai apresentar a seguinte configuração :
TABELA DE DADOS
ÁREA ÁR EA SU PORTE/
Nº ENDEREÇO LOCAL Loc1 Loc2 Loc3
TERRENO ÁREA TERRENO
UNITÁRIO
1 SC/N 1 1 o o 14.545,45 3,30 268,13

2 SC/N Q. CN-3 1 1 o o 5.223,88 6,70 536,00
3 SRT/N 1 1 o o 3.985,07 6,70 50 1,87
4 SH/N Q.HN-2 1 1 o o 1.038,78 26,30 2.117,86
5 SAS 0.1 L.3 4 o o o 526 ,13 11, 10 1.900,68
6 SAS Q.1 L. 4 4 o o o 530, 91 11,00 1.695,21
7 SC/NQ.CN1 L. F 1 1 o o 2.982,46 5,70 368,82
8 SC/NQ.CN 1L. F 1 1 o o 2.982,46 5,70 402,35
9 SCNQ.CN1L.F 1 1 o o 2.982,46 5,70 469,41
10 SCNQ.CN 1.L.F 1 1 o o 2.982,46 5,70 469,41
11 SGANQ.606E 2 o 1 o 10.000,00 1,50 38,00
12 SGANQ.606.D 2 o 1 o 10.000,00 1,50 48,00
13 SGANO.606C 2 o 1 o 10.000,00 1,50 45,00
14 SGANO.606D 2 o 1 o 10.000,00 1,50 50,00
15 SGASQ9 14 2 o 1 o 5.157,89 1,90 65,92
16 STN 3 o o 1 9.933,33 1,50 72,48
17 STN 3 o o 1 8.240,00 1,50 36,41
18 SASQ.1 LOTE6 4 o o o 676,58 11, 10 1.182,42
19 SASO.4LOTE9 4 o o o 676,58 11 ,1O 1.478,03
20 SASQ.5L.4 4 o o o 526,13 11,1O 1.520, 55
21 SASQ.5LOTE9 4 o o o 676,58 11, 1O 1.152,86

Observe que os imóveis localizados na situação 4, estarão
representados pelos dados que apresentam valor O (zero) nas variáveis Locl, Loc2 e Loc3.
2) Desabilitando a variável Local e recalculando o modelo com estas três variáveis

dicotômicas, teremos os seguintes resultados:
• N1ímero de variáveis : 7
• Número de variáveis consideradas : 6
• Número de dados considerados : 21
• Coeficiente de Correlação : 0,9947896
• Fisher-S11edecor: 285,64
• Co11fiabilidade MÍllima : 0,99
• Sig11ificâ11cia : 0,01
• Durbin- Watson : 3,00 Região nao conclusiva 98%
• Nonna/idade dos Resíduos: [080] [090] [090]
Variável Nome T-Observado Signif. Valor Médio Forma Crescimento

1 Asup/Ater. 4,65 0,03 6,8190 ln(x) 27,92
2 Area terr. 1.78 9,47 4936.5303 1/x -2,45
3 Locl 0,26 79,94 0,0000 X 9,92 •
4 Loc2 -2,97 0,95 0,0000 X -62,71 ••
5 Loc3 -2,57 2,14 0,0000 X -58,88 •• ,,
6 Unitário (R$/m 2) 437,3087 ln(x)
• Equação de Regressãó:
Unitário (R$/111 2) = 85.1365067920 * Asup/Ater. /\ 0,7938760121

* + 7,904830932E+240 /\ li( Area terr. )
*+ 1,099225/81\Locl *0,3729231503 I\Loc2
''' +0,4112085355 /\ LocJ
Variáveis 1 2 3 4 5 6
I
s 1· o, 12 0,36 0.53 0,48 0,77
o 2 0,76 0,89 0,25 0,27 0,42
L
3 0,30 -0,35 0,60 0,60 0,07
A
D 4 -0,70 -0,44 -0,44 0,94 0,61
A 5 c0,42 -0,26 -0,25 -0,18 0,55
s
6 0,98 0,80 0,26 -0,73 -0,41

Realizando-se um ensaio de causa e efeito nesta última equação,
utilizando-se valores médios nas variáveis contínuas e valores extremos nas variáveis ·
dicotômicas, obtém-se os seguintes resultados:
.,. A variável dependente Unitário apresenta um acréscimo de 9,92 % em seu valor,

quando o ensaio compara imóveis na situação 1 (Loc l = l ) em relação ao mesmo
imóvel na situação 4 (Locl=O, Loc2=0 e Loc3=0);
** A variável dependente Unitário apresenta um decréscimo de 62,71 % em seu
valor, quando o ensaio compara imóveis na situaçao 2 (Loc2= l) em relação ao_,
mesmo imóvel na situação 4 (Loc1=0, Loc2=0 e Loc3=0);
*** A vmiável dependente Unitário apresenta um decréscimo de 58,88 % em seu
valor, quando o ensaio compara imóveis na situação 3 (Loc3=1) em relação ao
mesmo imóvel na situação 4 (Locl=O, Loc2=0 e Loc3=0); ·
Com estes resultados, pode-se concluir que, ao considerarmos a
situação 4 como paradigma, com valor de localização igual a 100 (cem), em termos
relativos tem-se a seguinte escala para os quatro locais pesquisados:
Locl = 109,92;
Loc2 = 37,29;
Loc3 = 41,12;
Loc4 = 100,00;
Arre_d ondando-se estes resultados, podemos montar uma nova

escala qualitativa para a va1iável localização da seguinte forma:
VALOR ORIGINAL VALOR ADEQUADO AOS

DADOS DA AMOSTRA
1 110
2 37
3 41
4 100
Construindo-se a variável Local, segundo esta nova escala,

obtém-se os seguintes resultados:

• N1imero de variáveis : 4
• Número de rariáveis consideradas : 4
• Número de dados considerados: 21
• Coeficiente de Correlação: 0,9931964
• Fisher-Snedecor : 412,20
• Co11fiabilidade Mínima : 0,99
• Significância : 0,01
• Durbin-Watson : 2,24 - Não auto-regressão 90%
• Normalidade dos Resíduos : f 066] [090] f 095]
Variável Nome T-Observado Signif. Valor Médio Forma Crescimento

1 Asup/Ater. 4,87 0,01 6,8190 X l3,84
2 Area terr. 10.64 0,01 4936,5303 1/x -3,73
3 Local 15,63 0,0 I 83,1905 X 20,08
4 Unitário (R$/m2) 216,4701 ln(x)
• Equação de Regres.~ão:
Unitário (R$/m 2) = l 5,8640261186 * /,053654767 A Asup/Ater.
* 2,338384653 A ( 1000/Area terr. )
* l .025378763 /\ Local
Variáveis 1 2 3 4
I
s 1 0,58 0,66 0,76
o
L 2 0,67 0,90 0,93
A
D 3 0,61 0,45 0,97
A
s 4 0,83 0,80 0,87
Os diversos resultados estatísticos indicam que este último

modelo apresenta-se mais consistente como estimador de média populacional.
Da mesma forma, a estatística t de Student, indica que a variável

Local, na escala definida pelas dicotomias, mostra-se mais significativa na redução das
variações elos valores dos dados em torno de sua média.
CURSO DE Et~GENHARIA DE AVALIAÇÕES 41

7. COLINEARIDADE ENTRE VARIÁVEIS
Sem dúvida, um dos principais obstáculos do Engenheiro de
Avaliações, ao utilizar o ensaio científico para identificar variações não aleatórias em
amostras do mercado imobiliário, constitui-se na definição correta das escalas numéricas
das variáveis qualitativas.
Um dos pressupostos do modelo de regressão linear exige que

nenhuma das variáveis independentes esteja perfeitamente correlacionada com qualquer
outra variável independente ou com qualquer combinação linear de variáveis
independentes.
Quando se viola este pressuposto, falamos de colinearidade

(correlação entre duas variáveis independentes) ou multicolinearidade (correlações entre
três ou mais variáveis independentes). Por outro lado, todas as vezes que as variáveis
independentes não estão correlacionadas entre si, falamos de ausência de colinearidade ou
multicolinearidade, os casos intermediários são desciitos por vários graus de colinearidade
multicolineaiidade.
Suponhamos que a amostra coletada apresente valores da variável

independente x bastante aglomerados conforme o gráfico A a seguir.
'!,-·
1( = ii + ft,J;,
IRllR!ru.~:k,
,.· Li !l !'l d i.l.
í r.: .1 X
Observe-se que o agrupamento dos valores de x faz com que

pequena parte da reta (média) populacional que está sendo investigada seja influenciada
pelo eno ocasionado pelo ponto p. Neste exemplo específico nosso estimador foi desviado
da verdadeira reta de regressão pelos erros, em particular aquele ocasionado pelo ponto p.
Contrastando, o gráfico B mostra o caso em que os valores em x,

estão razoavelmente espalhados, mesmo que os erros sejam os mesmos. A estimativa do
coeficiente angular é mais fidedigna porque os erros já não exercem a mesma influência.

Observando agora um caso extremo em que todos os valores da
variável independente x são iguais como no gráfico a seguir. Neste caso o coeficiente
angular não será determinado de modo algum, pois existem vá.rias retas com diferentes
coeficientes passando pelo ponto x médio e y médio, que se ajustam igualmente bem sendo
todas as somas dos desvios ao quadrado iguais, acarretando coeficientes de correlação e
determinação igual a zero.
l'
:r:·
X
Concluindo, quando os valores de x apresentaram pequena ou

nenhuma variação o efeito de x em y já não pode ser sensivelmente investigado. No caso
da regressão múltipla considere o caso limite onde os valores das vaiiáveis independentes
x 1 e x 2 estão completamente agrupadas numa reta F , conforme figura a seguir.
F _.r ________ _
------ ----
[7 --- 1 -- - -
---. -- r
__., . , ·,, -- - 1
t
r
1
1 11 1
1
!-~---•r--
-. _..11-·11
1
r
1
1
1
1
i
1
<I~: ;.•
_'l. - -- ____ ::-... :-r·2
\
,
• 1 1 r , 1 1 1 ~
- ----_/ -~~ - l --. .:. .__ll f' I lt It •l t'.- I_ - .;
...- --..1. ..l J 1 1 .-~
/ - --~ - • 1
/,.-·' - • ·~ l ~ 1,
.. ./,/
l', / .

Isto significa que todos os pontos observados no diagrama de
dispersão estão sob o plano vertical L. Pode-se imaginar o espaço tridimensional como se
fosse uma sala. Nossas observações estão espalhadas nesta sala, porém todas sob uma
placa de vidro extremamente fina disposta verticalmente no chão.
Ao explicar y a multico/inearidade nos faz perder uma dimensão.
No caso da regressão simples, nosso melhor ajustamento não foi uma reta e sim um ponto,
agora o melhor ajustamento não é um plano e sim a reta F.
Enquanto estivermos agarrados à mesma combinação de x 1 e x 2 ,
não surgirão problemas específicos. Podemos usar a reta de regressão F no vidro para
prever y da mesma forma exatamente do mesmo modo que fizemos na regressão simples .
Porém não existem meios para examinar corno x I e x 2 afetam y individualmente, pois
qualquer tentativa para definir o coeficiente angular referente a x 1 , mantendo x 2 constante~
ou vice-versa, envolve sair da placa de vidro e não temos nenhuma informação sobre o
universo fora dela.
Assim se tentarmos explicar y por um plano, ao invés da reta F,
veremos que existem vários planos passando pela reta F, todos servem igualmente bem.
Passemos agora a ser menos extremistas em nossas restrições e
consideremos o caso quase-limite onde x 1 e x2 estão quase numa reta (todas as observações
estão muito próximas da placa de vidro vertical), neste caso o plano pode ser ajustado
porém a estimação é bastante sensível aos erros aleatórios, a exemplo do que foi
constatado para a regressão simples onde os dados da variável independente x se
encontravam agrupados .
Quando as vanaveis independentes x 1 e x2 forem colineares ou
quase colineares, no entanto, o fato não será prejudicial ao nosso propósito de previsão de
valores, desde de que não se tente prever valores de x 1 e x2 extraídos de sua reta colinear.
Porém questões estruturais não podem ser respondidas - as relações entre x I e y ou entre x2
e y não podem ser sensivelmente investigadas.
A distinção significativa não está entre a presença ou a ausência de

colinearidade ou 1nuLticolinearidade mas entre seus vários graus, pois, se há uma relação
subjacente entre as variáveis independentes da população, tal relação deve ser especificada
como parte do modelo. Se não existir tal relação na população, nós ainda podemos (e
geralmente encontramos) alguma relação entre as variáveis independentes na amostra.
Desta forma sempre que for detectado um certo grau de multicolinearidade na amostra,
podemos supor que se deve a uma característica da própria amostra.
Se a multicolinearidade é característica da população, e o valor

médio que se pretende estimar se relaciona a um elemento pe1tencente a esta população, é
importante observar que este elemento deve conter as mesmas características
multicolineares observadas na amostra.

8. INTERVALO DE CONFIANÇA
A reta de regressão estimada tem por objetivo inferir a verdadeira

média da população a partir de uma amostra colhida desta população. Outras amostras
desta mesma população forneceriam estimativas diferentes. Existe JJÓrtanto um conjunto de
estimativas dos parâmetros da verdadeira reta (média) da população A e B com
dist1ibuição normal de probabilidade.
Assim, através da reta estimada pela nossa amostra, na previsão de
um valor para y. digamos y 0 , a partir de um valor de x, digamos x0 poderá ser
estabelecido um intervalo no qual seria possível afirmar com determinado nível de ce1teza
que a verdadeira média da população está inserida.
A estimativa de um ponto sobre a reta populacional a partir da
nossa reta de regressão amostral, envolverá quase que certamente um erro, devido a
existência de erros nas estimativas de A e B.
Na figura a seguir, a verdadeira regressão é apresentada com várias
regressões estimadas por vários conjuntos possíveis de dados amostrais. O valor ajustado é
as vezes muito alto, outras, muito baixo (estimativa para x 0 )
X
X
O estimador da média populacional ~1 0 tem distribuição normal

com variância estabelecida por:
2
0-2 ~ Xo
Var(µ 0 ) =Var (â) +x~ Var(~) , prova-se que Var(â) =n e Var(P) = Í::
X;
2
, sendo
0-2 0-2
x) 2
, teremos então Var(µo) =n +X~~,
X;
ou

Para interpretar esta fórmula, notemos que esta variância ( ou
incerteza) de Çt 0 tem dois componentes resultantes ela variância (ou incerteza) de â e de
A A
B, respectivamente. O termo incerteza resulta de aumentos em B devido a aumentos em

xl, isto é, à medida que x0 assume valores distantes ele seu valor central. Isto pode ser visto
pela Figura anterior: se x 0 estivesse mais além para a direta, então nossas e~timativas Çt 0
estariam espalhadas numa extensão mais ampla. Por outro lado, se x0 estivesse mais
próximo de seu valor central, então nossas estimativas µ0 estariam menos espalhadas.
A partir da estatística Distribuição t, pode-se construir intervalos

em torno da média estimada pela amostra, dentro do qual podemos afirmar com '
determinado nível de certeza, que a média populacional se insere. O nível de incerteza da
afirmação sobre a média é estabelecido pela significância escolhida para a afirmação.
Considere o exemplo, onde se considera duas variáveis x e y,

utilizando procedimentos-padrão e dadas a média e a variância de µ0 , constrói-se um
intervalo estimado de 95% para Çt 0 :
1 xo2
µo = µo± tao2s 8 ~ + ~2
1
A distribuição de t aprop1iada tem (n-2) graus de liberdade, uma

vez que são utilizadas duas variáveis .
Quando x 0 é igualado ao seu valor central, notemos que este

intervalo de confiança se reduz·simplesmente ao intervalo ele confiança para a. Neste caso
a incerteza não foi introduzida pelos e1Tos ao estimar ~-
8.1. O INTERVALO DE PREVISÃO PARA UM Yo INDIVIDUAL
Ao prever um único (futuro) valor observado de Yo, pode-se provar

mais uma vez que, em certo sentido, a melhor estimativa é o ponto, na nossa reta de
regressão estimada, acima de x 0 • Em outras palavras, o valor previsto paray é
Yo=â+BXo=fLo

Quando tentamos estimar o intervalo para um único y 0 , deparamos
com todos os problemas envolvidos no intervalo para a média ~lo . Além disso, deparamos
agora com o problema de estimar apenas um y observado, então temos que adicionar à
nossa variância anterior a variância . . referente a esta observação individual de y,
obtendo
Com exceção desta variância maior, pode-se provar que o· intervalo

de prev1sao para y 0 é igual ao intervalo de confiança para ~lo, assim, o intervalo de
previsão de 95% para uma observação individual y é:
1 x2
Y0 = µ0 ± t 0 ,025 S -n + ~
.L.iX 2
+ 1, onde t tem (n-k) graus de liberdade.
1
.,-..rl1IIJl't ~·.. iii +· ~
-,aa.v
...- _,,._..-fZ""""'·-
l!l!!I
,
!'~ ,.,, IJ. i: r:ai nI :::- rn1:: !1 f~-
~;1 .11. J u -,,... 11 l a ~ IL :rt,
"),_,--i:--~l}- - - ..~t,- - -.•- ·'?,.,..- -=
- -~ a--~-'lo---...-
1 ~ ~-- _ .~ .-·· __ _,...,---

hi, :, -n.·s.! •-. d,_. 1 i' t"("! 1 __... ___,,
ui - ,:'. ·, J• :l. t., ,. · :, 1 rn.. - 1 ·\:> . • · )· - ~ ·t· /i..
11· • nl •~J~ •., 1 __ ..
1,,~ '"•i•ll11 .t 1 llltl, }.,. __ !-- ---
f'i1) n ,. n 1, •, , ... 1411,t . • _ ... - f ,'
:.- (,l-:, - .t- 1 - - ..., -
-· --- "°·''
_.,!;_~_ ___.__ _...J-_ _..___ _,...__ __..__.+,,-_ ___J.___~

;i= - 0
,.,
i.!:iú .,' tf'/:~ !~J _t ;;Jf." w l
Na prev1sao de valores de Yo para um determinado x 0 , se este

estiver dentro dos limites ela amostra, o processo denomina-se interpolação. Se x 0 estiver
fora do intervalo amostral o processo denomina-se extrapolação. As extrapolações podem
ser usadas, porém com muita cautela. Convém observar as restrições da NBR-14653 - para
enquadramento do laudo quanto ao grau de fundamentação .

8.2. ESCOLHA DA EQUÇÃO ADEQUADA AO IMÓVEL
O uso da estatística inferencial para Avaliação de imóveis entrou

em nova fase a partir da atualização da Norma Brasileira para avaliação de imóveis -
NBR-14653. Embora bastante explicito na maioria cios conceitos estatísticos mais
avançados, o texto do normativo deixou algumas brechas para interpretação e discussão
sobre a adaptação destes conceitos ao trabalho com amostras do mercado imobíliário.
Entre os temas abordados superficialmente encontra-se o recurso

mais utilizado pelos avaliadores, as transformações nas escalas das variáveis utilizadas, ou
melhor, o uso das funções não lineares deco1Tentes destas transformações. Este tema
concentra o lado mais obscuro do uso desta tecnologia, uma vez que a bibliografia ·•
disponível não o aborda de forma científica, fazendo apenas referências à possibilidade de
uso.
Na prática, uma mesma amostra do mercado imobiliário gera uma

infinidade de equações linearizadas por transformação nas escalas dos eixos
representativos das variáveis, onde cada equação linear apresenta um conjunto de
resultados estatísticos para análise. Aquela que apresenta resultados considerados "não
tendenciosos", no conceito formal da estimação estatística será adotada como mais
eficiente para previsão de valores de imóveis. Este procedimento provoca dúvida no
processo decisório quando a amostra analisada proporciona diversas equações lineares com
resultados Eficientes para previsão de valores.
A NBR-14653-2 em seu item 9.2.2, define que a prec1sao da

estimativa de valor está vinculada à amplitude do Intervalo de Confiança, na medida em
que atribui maior grau de precisão para intervalos de menor amplitude em relação ao valor
estimado (amplitude relativa). Sendo assim, pode-se supor que a escolha da equação mais
adequada ao imóvel a ser avaliado será aquela que proporciona a menor amplitude cio
Intervalo de Confiança.
A discussão sobre este tema deve começar em breve. Na realidade,

o intervalo de confiança é calculado na Equação Linear, enquanto que a amplitude definida
na NBR-14653 diz respeito à Função Não Linear utilizada para estimação. Isto significa
que, mesmo que uma equação linear apresente todos os resultados estatísticos desejáveis,
ela pode ser inadequada para estimação do valor de determinados imóveis, o que não
inviabiliza seu uso para outras situações.
Por exemplo, a equação linear 1/Y = A+B 1x 1+B 2x 2 , pode

apresentar intervalo de confiança bem ajustado para os valores de 1/Y (Linear) quando x I e
x2 estão entre dete1minadas faixas de valores, no entanto este mesmo intervalo de
confiança pode mostrar-se inadequado quando calculado pela equação Não Linear: Y =
1/(A+B 1x 1+B 2 x 2), isto é, quando utilizado o inverso de Y, o que pode ocon:er também
quando se alteram as escalas de x 1 e x2 .

A justificativa matemática está na forma corno é calculado o
intervalo de confiança para previsão de um determinado valor de Y0 :
onde :
Y0= Valor populacional;
Y0 = Valor Estimado pela equação linear;
tn-KN2 = Valor t-student para (n-K) graus de liberdade e significância M2 bicaudal;
n = número de dados da amostra;
K = número total de variáveis da amostra;
sF dado por:
2
aj = a 2 + ~ + 2 (Xok - Xk) 2 Var(Pk) + 2 2 (X 01 - X1)(Xok - Xk) Cov(f,,Pk)
11 " 1 <"
onde oJ representa s}, e a 2 é substituído pelo estimador s 2;
Xok = Valor das variáreis independentes do o imóvel avaliado;

Xk = Valor médio das variáveis independentes da equação linear;
Observa-se que, quanto mais distante do valor médio das variáveis

independentes estiver o imóvel avaliado, maior o intervalo de confiança.
Desta forma, é possível que o imóvel a ser avaliado apresente uma

(ou mais) caracte1ística (variável independente) mais próxima ou mais distante do valor
médio da amostra quando a equação apresenta transformação na escala original desta(s)
característica(s), isto é, dependendo da amostra, Xok pode estar próximo do valor médio de
Xk, enquanto 11 Xok .pode estar distante do valor médio de 1/xk e vice-versa.
O TS-Sisreg indica qual a equação que apresenta o intervalo de

confiança de menor amplitude para o imóvel que está sendo simulado valor (módulo
projetar), o que pode ajudar na decisão sobre o melhor modelo a ser utilizado quando
vários deles apresentam resultados estatísticos considerados Eficientes para estimação.
CURSO OE ENGENHARIA DE AVALIAÇÕES 49

9. INTERAÇÃO ENTRE VARIÁVEIS
No estudo da variável dicotômica verificou-se que, ao incorpora-la

ao modelo estatístico, o resultado das estimativas será acrescido do parâmetro B da
variável dicotômica incorporada, independente da variação das demaís variáveis
independentes. A representação gráfica simplificada de um exemplo com uma variável
independente acrescido de uma dicotômica será:
ji =A+ B,x, + B2 x 2
ji=A+B,x ,
Pode-se supor, no entanto, que a influência da variável dicotômica

na variável independente (Valor) não é constante com a variação das demais variáveis
independentes.
Exemplificando, o estudo da influência da variável Frente no

Valor Unitário em amostra que contempla a variável dicotômica Vista Panorâmica,
observa-se que o Valor Unitário dos imóveis aumentam com a.frente. Ao mesmo tempo, a
presença de Vista Panorâmica favorece o Valor Unitário, resultando no seguinte gráfico
(simplificado para o plano):

Unitário
y=A+B,x,
Frente
Observa-se na distribuição dos pontos no gráfico que o

crescimento do Unitário com a Frente não é constante para imóveis Com e Sem Vista
Panorâmica. Na realidade, ós imóveis Com Vista Panorâmica apresentam um acréscimo
maior no Valor unitário à medida que aumenta a Frente dos mesmos. Graficamente
teremos a seguinte situação:
Unitário
•
. .
•
Frente

Para identificar a forn1a como Vis ta Panorâmica influencia o
Unitário com o crescimento da variável Frente, devemos incluir uma nova variável no
modelo, denominada Variável de Interação, a qual resulta da multiplicação das duas
variáveis que desconfiamos estarem interagindo, resultando:
• x = Frente;
• x 1 = Vista Panorâmica (Com Vista: x 1 = 1; Sem Vista: x 1 = O);
• x2 = x. x 1 (Variável de interação)
• y = Valor Unitário
O modelo resultante terá a seguinte forma: y = A + Bx + B 1x 1 + B 2x 2
Para situações de imóvel Sem Vista Panorâmica: x1=0, logo o modelo resultante terá a
seguinte forma: y = A + Bx;
Para situações de imóvel Com Vista Panorâmica: x 1=1, logo o modelo resultante terá a
seguinte forma : y = A + Bx + B 1 + B2x, conseqüentemente:
y = (A+B 1) + (B +B 2) x, res ultando a seguinte representação :
Unitário
•
• •
•
y = A+ Bx
B,
Frente

10. COEFICIENTE DE DETERMINAÇÃO AJUSTADO
A NB-14653-2 no seu Anexo A, item A4, cita:
"Em uma mesma amostra, a explicação do modelo poderá ser

aferida pelo seu coeficiente de determinação. Devido ao fato de que este coeficiente
sempre cresce com o aumento do número ele variáveis independentes, e não leva em conta
o número de graus de liperdade perdidos a cada parâmetro estimado, é recomendável
considerar também o coeficiente de determinação ajustado"
Este item recomenda que, para cada variável independente

incorporada ao modelo estatístico, seja verificado se o acréscimo que a mesma incorpora
do Coeficiente de Determinação é suficiente para compensar a perda de um grau de
liberdade cleconente de sua inclusão no modelo.
Para esta verificação, pode-se medir o grau de "ajustamento" no

caso de regressão múltipla por uma fórmula conhecida como Coeficiente de determinação
corrigido. Geralmente definido por R2 e definido por:
R2 = R 2 - ~ (1 • R 2 ) , onde R2 é o Coeficiente de Determinação, K o número de

n-k
variáveis independentes e n o número de dados da amostra.
A medida relaciona a quantidade de variáveis independentes com o

número de dados da amostra. Seu objetivo é permitir comparação entre o "Grau de
ajustamento" ele várias equações que podem variar com relação ao número de variáveis
- -
independentes e ao número de observações. Note que R2 < R 2 , ainda R2 pode ser
negativo. Por exemplo, se n:10, K=2 e R2=0, 1, então R2 = - 0,0125.

•t'
t
4
,
•
41
11. EXEMPLOS PRATICOS
•t
t
11.1. LOJAS - VENDA 4
(DT) DATA 1
Indica o mês em que o evento ocorreu no mercado, tomando-se por base o mês de 1
janeiro/96 como sendo 1 (um); 4
- variável quantitativa;
4
(AT) ÁREA TOTAL 4
Área total do imól'el, medida em metros quadrados;
t
Í
(EO) EQUIPAMENTOS ti
Qualidade dos equipamentos disponíveis na loja (ar-condicionado, escada
rolante, alarme de incêndio, sprinklers, etc.) 4
variável prox')J, com o seguinte critério de mensuraçc7o: t
41
••
Escada Rolante =4 Alarme =1
Ar Condicionado Central =4 Sprinkler =l
Rede Lógica =3 Gru110 Gerador =2
=1 =1
•
Rede Elétrica de Piso Escada d Antecâmara
Sala de Reuniões Co11do111inial =1 Detector de Fumaça = 1
41
(ID) IDADE
Idade que o prédio apresent; 1
- variável quantitatil'Cl;
(ALT) ÁREA DA LOJA/ÁREA TOTAL

1
t
•
Razão entre a área do salão térreo da loja, e a área total da mesma. Mede a
influência provocada pelas áreas agregadas, de menor importância no
show-room da loja (subsolo, sobre-loja, mezanino e outros pavimentos) no valor -
(PD)
unitário;
Variável quantitativa;
PADRÃO DO IMÓVEL
~•'
fl
Indica o padrão da.fachada, esquadrias e acabamentos do prédio;
variável Proxy, com o seguinte critério de mensuração: 4
Piso (x2) : Sem revestimento =l; Revest. Normal = 2; Rev. Diferenciado =4;
~
Forro (x3) : Se111jórro(laje) =l; comum (gesso) =3; D(ferenciado (metal) =5;
(.d) : Cortinas i
•
Fachadas =l Caixilho c/vidro=2: Vidro temperado =4:

(IT) INTENSIDADE DE TRÁFEGO
Indica a intensidade de tráfego de pedestres e veículos na frente da loja, colhidos
para fazer parte da amostra;
Variável prox ,com mensuração através da média de pedestres/veículos
circulantes em frente ao imóvel a cada I O minutos:
TRAFEGO DE VEÍCULOS (Peso 1) e PEDESTRES (Peso 3)
Intenso == 100 Forte == 80 Regular == 55
Regular/Fraco == 35 Fraco == 20 lnsign(ficante == <10
(AT) ATRATIVIDADE
Indica o nível de atratívidade impulsionada pelo tipo de comércio, do e1,Uorno do
imóvel. Código alocado com a seguinte definição:
1 - baixa; 2 - média; 3 - alta;
(VU) VALOR UNITÁRIO variável dependente;

Identifica o valor total, dividido pela área total da loja collzída para fazer parte
da amostra, medida em R$/m2.

11.2. SALAS - LOCAÇÃO
HIPÓTESES TESTADAS NA AMOSTRA
(AP) ÁREA PRIVATIVA

Área privativa do imóvel, medida em m 2 • Nesta hipótese, demonstra-se que
quanto maior a área do imóvel oferecido à locação, menor seu valor unitário
( valor do m2 locado).
Amplitude: 60,00 a 2.492,00 ni2
(variável quantitativa independente)
(MES)DATA
Indica o mês em que o evento ocorreu no mercado, tomando-se por base o mês de
janeiro/96 como sendo 1 (um);
(varüível quantitativa independente);
(PV) PAVIMENTO
Indica o pavimento em que o imóvel se insere no prédio, tornando-se por base o
pavimento térreo como sendo O (zero). A expectativa é demonstrar que os
pavimentos superiores são mais atrativos, elevando os valores praticados;
(variável quantitativa independente);
(VG) VAGAS
Indica a quantidade de vagas de estacionamento estão disponíveis para uso da sala
locada. A expectativa é demonstrar que quanto maior o número de vagas, maior o
valor praticado na locação do imóvel.
(variável quantitativa independente);
(PD) PADRÃO DO IMÓVEL

Indica equipamentos e padrão da fachada, esquadrias e acabamentos do prédio, o
objetivo é mostrar que quanto melhor o padrão, maior o valor de locação;
Escala definida da seguinte forma:
1 - Padrão Normal (acabamentos e equipamentos padrão);
2 - Padrão Superior (materiais nobres e alguns equipamentos);
3 - Padrão Luxo (materiais de última geração e equipamento
modernos: piso elevado, prédio inteligente, etc.);
(Código Alocado);
Valor Unitário de locação (VU)

Variável dependente, ciija mriação em torno da média está sendo estudada.

11.3.SALAS - VENDA
(AP) ÁREA PRIVATIVA

Área privativa do imóvel, medida em 111 2. Nesta hipótese, demonstra-se que
quanto maior a área do imóvel oferecido à venda, menor seu valor unitário (valor
do m 2 de venda).
Amplitude: 23,00 a 1.200,00 ni2
(variável quantitativa independente)
(IA) IDADE APARENTE
Idade que o imóvel colhido para fazer parte da amostra aparenta. Nesta hipótese,
demonstra-se que imóveis aparentemente mais antigos estão sendo
comercializados a valores ü1feriores aos imóveis aparentemente mais novos.
Amplitude: 5 a 70 anos
(Código Alocado)
. (ZC) ZONA CENTRAL
Imóvel situado na A v. Rio Branco (trecho entre A v. Pres. Vargas e Alm. Bairnso)
ou imediações direta (até 30 rn). Nesta hipótese, demonstra-se que os imóveis
localizados nesta região apresentam valores 1nédios de comercialização
superiores às demais regiões amostradas.
Amplitude: J - Imóvel fora da Zona Central;
2 - imóvel inserido na Zona Central;
( variável dicotômica associada)
(ZP) ZONA PRIMÁRIA
Imóvel situado na Zona de influência direta ela Av. Rio Branco (trecho entre Av.
Pres. Varg~s e Alm. BmToso) (até 100 m). Nesta hipótese, demonstra-se que os
imóveis localizados nesta região apresentam valores médios de comercialização
inferiores à Zona Central, porém, superiores às demais regiões mnostradas.
Amplitude: l -:- Imóvel fora da Zona Primária;
2 - imóvel inserido na Zona Primária;
( variável dicotômica associada)
(EO) EQUIPAMENTOS
Qualidade dos equipamentos disponíveis no imóvel amostrado. Nesta hipótese,
demonstra-se que as adaptações que proporcionam mais conforto no uso dos
imóveis, provocam incrementos descontínuos nos valores médios praticados,
conforme escala de importância do equipamento. Nos testes que se mostraram
significativos, com o seguinte critério para mensuração:
l : Equipamento mínimo (porteiro eletrônico/portaria);
3 : Divisórias leves; central telefônica; armários embutidos; dutos de ar;
8 : Ar-condicionado central completo;
13 : Estacionamento;
(variável proxy)
(VU) VALOR.UNITÁRIO
Preço total do imóvel, dividido pela sua Área privativa, expresso em R$/m 2 .
(variável dependente)

••
••
••
11.4. TERRENOS INCORPORAÇÃO
••
••
(AT) ÁREA TOTAL
Área total do imóvel, medida em metros quadrados;
(FR) FRENTE PRINCIPAL
Frente do imóvel para via de maior importância, medida em metros; •
(TO)
TOPOGRAFIA PLANA ••'
Indica se o terreno é plano;
- variável dicotômica;
- definição: O- Não plano; J - Plano; ••
(OC) OCUPAÇÃO
Caracteriza a presença de edificação, com alguma capacidade de aproveitamento, ••
sobre o terreno;
- definição: O - sem edificação; 1 - com edificação;
•
••
••
(IA) ÍNDICE CONSTRUTIVO
Indica a capacidade construtiva, definida pela municipalidade para o terreno;
(VE) VENDA DE EDIFICAÇÃO
Valor médio ele venda cio metro quadrado ela edificação, mais adequada ao local ••
(IR)
onde se localiza o terreno;
- variável proxy;
INCORPORAÇÃO RESIDENCIAL •••
Indica que a melhor alternativa econômica de aproveitamento do terreno está no
seu potencial para Incorporação Residencial;
- variável dicotômica; ••
(IC)
- definição: O - sem potencial residencial; J - com potencial residencial;
INCORPORAÇÃO COMERCIAL ••
Indica que a melhor alternativa econômica de aproveitamento do terreno está no
seu potencial para Incorporação Residencial (Salas ou Conjuntos comerciais);
••
- definição: O - sem potencial comercial; 1 - com potencial comercial;
(ME) MÊS DE OCORRÊNCIA ••
Indica o mês em que o evento ocorreu no mercado, tomando-se por base o mês de
•
janeiro/94 como sendo l (um);
- amplitude: 17 (maio/95) a 44 (agosto/97);
(VU) VALOR UNITÁRIO variável dependentei
.
Identifica o valor total , dividido pela área total cio terreno, colhido para fazer parte
da amostra, medido em R$/m2. ••
••
58 CURSO DE ENGENHARIA DE AVALIAÇÕES ••
••
11.5. GLEBAS URBANAS
(AT) ÁREA TOTAL

Área total do imóvel , medida em metros quadrados;
(FR) FRENTE PRINCIPAL
Frente do imóvel para via de maior importância, medida em metros;
(UL) UNITÁRIO DE LOTE
Valor médio de vencia cio metro quadrado cio lote mais adequado ao local onde se
localiza a gleba;
- variável proxy;
(IA) ÍNDICE APROVEITAMENTO
Indica a o percentual da área total da gleba passível de comercialização como lote
(àrea bruta da gleba dividido pela área líquida de lotes);
(VU) VALOR UNITÁRIO valiável dependente;
Identifica o valor total, dividido pela área total da gleba, colhida para fazer parte da
amostra, medido em R$/m2.

12. ANEXOS

12.1. TABELAS ESTATÍSTICAS

e -i
2
Tabela 1 - Valores da distribuição normal padrão • <l> ( z) = p (z 5 z) = Jz _ 1_ du
-= &
o 1 2 3 4 5 6 7 8 9
0,0013 O 001 0,0007 0,0005 0.0003 0,0002 0,0002 0,0001 0,0001 o
-2 ,! 0,0019 0,0018 0,0017 O 0017 00016 0,0016 O 0015 00015 0.0014 0,0014
-2,E O 0026 O 0025 O 0024 0,0023 O 0023 O 0022 0,0021 O 0021 0,002 O 0019
-2,t O 0035 O 0034 O 0033 O 0032 0.0031 O 003 0,0029 0,0028 O 0027 O 0026
-2,l 0,0047 O 0045 0,0044 0,0043 0.0041 0,004 O 0039 0,0038 0,0037 O 0036
-2' O 0062 O 006 0.0059 O 0057 O 0055 0.0054 0.0052 O 0051 O 0049 O 0048
-2,4 0,0082 O 008 0,0078 0,0075 0.0073 0,0071 00069 O 0068 0,0066 O 0064
-2,, O 0107 O 0104 O 0102 00099 O 0096 0.0094 0,0091 O 0089 0,0087 O 0084
-2, 0,0139 0,0136 0.0132 0,0129 0,0126 O 0122 O 0119 0,0116 0,0113 O 011
-21 0,0179 0,0174 O 017 0,0166 0,0162 0,0158 0,0154 0,0,15 0,0146 0,0143
-, O 0228 0,0222 0,0217 0 ,0212 0,0207 0 ,0202 O 0197 0,0192 O 0188 O 0183
-u 0,0287 O 0281 O 0274 0,0268 O 0262 O 0256 O 025 O 0244 O 0238 O 0233
-1,1 O 0359 O 0352 0,0344 O 0336 0,0329 0,0322 O 0314 0,0307 O 03 0,0294
-1 / O 0446 O 0436 O 0427 O 0418 0,0409 O 0401 0,0392 0,0384 O 0375 O 0367
-1.E O 0548 O 0537 O 0526 O 0516 O 0505 O 0495 O 0485 O 0475 0.0465 O 0455
-1,( 00668 O 0655 O 0643 O 063 O 0618 O 0606 0.0594 0,0582 0.057 O 0559
-1,, O 0808 0,0793 0,0778 O 0764 O 0749 0,0735 O 0722 0 ,0708 0 ,0694 0,0681
-1,, 0,0968 O 0951 0,0934 0,0918 O 0901 O 0885 O 0869 O 0853 O 0838 ., O 0823
-1,, O 1151 0,1131 0,1112 0,1093 0,1075 0,1056 O 1038 O 102 0,1003 O 0985
-11 0,1357 O 1335 O 1314 O 1292 0,1271 O 1251 O 123 0.121 O 119 0,117
-1 O 1587 0 ,1562 0,1539 0,1515 O 1492 0,1469 0,1446 O 1423 0,1401 O 1379
-O O 1841 O 1814 O 1788 O 1762 0.1736 O 1711 O 1685 O 166 O 1635 O 1611
-0,1 0,2119 O 209 0 ,2061 O 2033 O 2005 O 1977 O 1949 O 1922 0,1894 1867
-0, 0,242 0,2389 0,2358 0,2327 0,2297 O 2266 0 ,2236 O 2206 0,2177 O 2148
-0,{ O 2743 0,2709 0,2767 02643 O 2611 0,2578 O 2546 O 2514 0 ,2483 O 2451
-0.5 0,3085 O 305 O 3015 0,2981 O 2946 O 2912 0,2877 O 2843 O 281 O 2776
-0,4 0,3446 0,3409 0,3372 O 3336 O 33 0,3264 O 3228 O 3192 O 3156 0,3121
-0., O 3821 O 3783 0,3745 0 ,3707 0,3669 O 3632 O 3594 0,3557 O 352 O 3483
-o: O 4207 O 4168 O 4129 O 409 O 4052 O 4013 0.3974 O 3936 O 3897 O 3859
-0 ,1 O 4602 O 4562 O 4522 0,4483 0.4443 O 4404 04364 O 4325 0,4286 0,4247
( 0,5 O 496 0492 O 488 O 484 0.4801 0.4761 O 4721 O 4681 O 4641
e 0,5 O 504 0,508 0,512 O 516 O 5199 O 5239 O 5279 0,5319 O 5359
O1 0,5398 O 5438 0 ,5478 0,5517 0,5557 0,5596 0,5636 0,5675 O 5714 0,5753
O,, 0,5793 O 5832 0,5871 O 591 0,5948 O 5987 O 6026 0,6064 0,6103 O 6141
0,2 0,6179 O 6217 O 6255 0,6293 O 6331 0.6368 O 6406 O 6443 O 648 O 6517
O; O 6554 0,6591 0,6628 0,6664 O 67 0,6736 0,6772 O 6808 0,6844 O 6879
o.~ 0,6915 O 695 O 6985 0,7019 O 7054 0,7088 0,7123 O 7157 0.719 0,7224
O.E O 7257 0,7291 0,7324 O 7357 0,7389 0,7422 0,7454 O 7486 0.7517 0,7549
0 I 0,758 O 7611 0,7642 0,7673 O 7703 O 7734 0.7764 0,7794 O 7823 O 7852
O.E 0.7881 O 791 0,7939 O 7967 O 7995 0,8023 08051 O 8078 0.8106 0,8133
o,, 0,8159 O 8186 0,8212 0,8238 O 8264 0,8289 0,8315 0.834 0,8365 O 8389
1 0,8413 0,8438 0,8461 O 8485 0,8508 0,8531 O 8554 0,8577 0,8599 O 8621
11 0,8643 O 8665 O 8686 O 8708 0,8729 0,8749 0,877 0879 O 881 O 883
1, 0,8849 0,8869 0,8888 0,8907 O 8925 0,8944 O 8962 O 898 0,8997 0,9015
1, 0,9032 O 9049 0,9066 O 9082 0 ,9099 0,9115 0,9131 0,9147 O 9162 O 9177
1,, O 9192 0,9207 0,9222 O 9236 O 9251 0,9265 0,9278 O 9292 0,9306 0,9319
1.E 0.9332 O 9345 0,9357 O 937 0,9382 O 9394 0.9406 0,9418 O 943 O 9441
1,E 0,9452 0,9463 0 ,9474 0,9484 0,9495 0,9505 O 9515 0,9525 0,9535 0,9545
1, 0,9554 O 9564 O 9573 O 9582 0,9591 0,9599 O 9608 0,9616 0,9625 0 ,9633
1,1 0,9641 0,9648 0,9656 0,9664 O 9671 0,9678 0,9686 O 9693 0,97 O 9706
1,! 0,9713 O 9719 0,9726 0,9 732 0,9738 0,9744 0,975 0,9756 0,9762 O 9767
0,9772 0,9778 0,9783 0,9788 O 9793 0,9798 O 9803 O 9808 0,9812 0,9817
2,1 0,9821 0,9826 0,983 0 ,9834 0,9838 0,9842 O 9846 O 985 0,9854 O 9857
2., O 9861 O 9864 O 9868 0,9871 O 9874 0.9878 0.9881 O 9884 O 9887 0989
2., 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 O 9909 09911 0,9913 O 9916
2.' 0,9918 0992 O 9922 O 9925 O 9927 0.9929 0,9931 O 9932 O 9934 O 9936
2,1 0,9938 0.994 0,9941 0,9943 0,9945 0,9946 O 9948 0,9949 0,9951 O 9952
2,E 0,9953 O 9955 O 9956 0,9957 0,9959 0,996 0.9961 0,9962 O 9963 O 9964
2, 0,9965 0,9966 0,9967 0,9968 0.9969 0,997 O 9971 O 9972 O 9973 O 9974
2,1 O 9974 O 9975 0,9976 0,9977 0,9977 O 9978 0,9979 O 9979 0,998 O 9981
2,' 0,9981 0,9982 O 9982 O 9983 0,9984 0,9984 0,9985 O 9985 0,9986 09986
~ O 9987 O 999 O 9993 O 9995 O 9997 0.9998 0 ,9998 O 9999 O 9999 1
(3) Os Yalores na li11ha do -3 e +3 tem aproximação decimal e não centesimal, como o resto da tabela.

/
P(��dentl 3 valor tabelado) = a
L__
Tabe1a 2
o
- Va1ores crit1cos da d.1str1.bmçao
Valores bilaterais
. - t de Student
\ G'. L. 1 1 0.2000 0.1000 1 0.0500 1 0.0400 1 0.0200 1 0.0100 1 0.0050 0.0010
--
) 0.5000
-1 2
- -
1.000
'- 1 __./
0.816
- -
3.078
1.886
6.314
2.920
12.706
4.303
15.894
4.849 - 31.821
6.965
63.656
9.925 ---127.321
14.089
636.578
31.600
3 0.765 1.638 2.353 3.182 3.482 4.541 5.841 7.453 12.924
4 0.741 1.533 2.132 2.776 2.999 3.747 4.604 5.598 8.610
_.
-
5 .._ 0.727
1 0.718
----,-
1.476 2.015
- - l L 1.943
_
2.571 2.757 3.365 4.032 4.773 6.869 --
6 2.447 2.612 3.143 3.707 4.317 5.959
7 0.711
1.440
1.415 1.895 2.365 2.517 2.998 3.499 4.029 5.408 -
8 0.706 1.397 1.860 2.306 2.449 2.896 3.355 3.833 5.041
9 0.703 1.383 1.833 2.262 2.398 2.821 3.250 3.690 4.781 --
10 0.700 1.372 1.812 2.228 2.359 2.764 3.169 3.581 4.587
11 0.697 1.363 1.796 2.201 2.328 2.718 3.106 3.497 4.437
12 0.695 1.356 1.782 2.179 2.303 2.681 3.055 3.428 4.318
13 0.694 1.350 1.771 2.160 2.282 2.650 3.012 3.372 4.221
t==i----~.---1--
14 0.692 1.345 - 1 - -2.145
1.761 - - - "--2.264 2.624
- - - "--3.326
- 1 - -2.977
-4.140
--
15 0.691 1.341 1.753 2.131 - 1 - -2.249 2.602 2.947 3.286 4.073
16 0.690 1.337 1.746 2.120 2.235 2.583 2.921 3.252 -- .
4.015
•-
1 -17- - 1 0.689
18
:-----
19
---
0.688
1 0.688
1.333
1.330
- - - 1.328 =~
[r_-_--__- _--1-,.__----===--
20 0.687 L-------1--
1.325
1.740
1.734
1.729
1.725
2.110
2.101
2.093
-
2.086
2.224
2.214
2.205
2.197
2.567
_,___-====-1t~-----+:===
2.552
2.539
2.528
2.898
2.878
2.861
2.845
3.222
- ~ ,_--+---
1 - -3.197
-
3.174
3.153
-
--
- 3.965
3.922
3.883
3.850
21 0.686 1.323 1.721 2.080 2.189 2.518 2.831 3.135 3.819
22 0.686 1.321 1.717 2.074 2.183 2.508 2.819 3.119 3.792
23 1.714 2.069 2.177 2.500 2.807 3.104 3.768
24
0.685
0.685
1.319
1.318 1.711 2.064 2.172 2.492 2.797 3.091 -- 3.745
25 0.684 1.316 1.708 2.060 2.167 2.485 2.787 3.078 3.725
26 0.684 1.315 1.706 2.056 2.162 2.479 2.779 3.067 3.707 -
27 0.684 1.314 1.703 2.052 -
2.158 2.473 2.771 3.057 3.689
28
___
0.683
- 1---- -
29 - ~ 0.683
1.313
1.311
1.701
1.699
2.048
2.045
2.154
-
2.150
--
2.467
2.462
2.763
2.756 --
3.047
3.038
3.674
3.660 --
30 0.683 1.310 1.697 2.042 2.147----11-----
2.457 - 2.750 3.030 3.646
-- --
31
32
0.682
0.682
-
1.309
1.309
- 1.696
1.694
2.040
2.037
2.144
2.141
2.453
2.449
2.744
2.738
3.022
3.015
3.633
3.622
33 0.682 1.308 1.692 2.035 2.138 2.445 2.733 3.008 3.611
34 0.682 1.307 1.691 2.032 2.136 2.441 2.728 3.002 3.601
35 1.690 2.030 2.133 2.438 2.724 2.996 3.591
36
1 -0.682
- - - 1.306
0.681 1.306 1.688 2.028 2.131 - - , -2.434
--- 1 - - - - t -2.990
2.719
11-----+--- - - - , -3.582
-- 1
1---...._ --r---- 1
37 0.681 1.305 1.687 2.026 2.129 2.431 2.715 2.985 3.574
38 0.681 1.304 1.686 2.024 2.127 2.429 2.712 2.980 3.566
39 0.681 1.304 1.685 2.023 2.125 2.426 2.708 2.976 3.558
40 0.681 1.303 1.684 2.021 2.123 2.423 2.704 2.971 3.551
41 0.681 1.303 1.683 2.020 2.121 2.421 2.701 2.967 3.544
42 0.680 1.302 1.682 2.018 2.120 2.418 2.698 2.963 3.538
43 0.680 1.302- 1.681 2.017 2.118 2.416 2.695 2.959 3.532
2.116 2.692
i
44 0.680 1.301 1.680 2.015 _ 2.414
_ _ 2.956 3.526
45 1.679
- 1
2.014
- - -
2.115
- _ _
2.412_ _
_j J _
2.690 - 1 - - - -
2.952 r - - --
3.520 •
46
0.680 1.301
0.680 1.300 1.679 2.013 2.114 2.410 2.687 --r---·
2.949 3.515
47 0.680 1.300 1.678 2.012 2.112 2.408 2.685 2.946 3.510 •
3.505
48 0.680 1.299 1.677
--
2.011 2.111 2.407 2.682 2.943
-
•
49 0.680 1.299 1.677
_ 1 -1
2.010
-- - -
-2.110 ~ - - -
- - - - ~ 2.405J _ -
- 2.680
11 --
-- 2.940
- -- - ~ 3.500 1
50 0.679 1.299 1.676 2.009 2.109 2.403 2.678 2.937 3.496
'
60 0.679 1.296 1.671 2.000 2.099 2.390 2.660 2.915 3.460
70 0.678 1.294 1.667 1.994
-1-- 2.093
- - ~ 2.381 -~T~----·
2.648
'--
2.899 3.435
80 0.678 1.292 1.664 1.990 2.088 2.374 2.639 2.887 3.416
'------
90 0.677 1.291 1.662 1.987 2.084 2.368 2.632 2.878 3.402
100 0.677 1.290 1.660 1.984 2.081 2.364 2.626 2.871 3.390
_ -
1----,___
110 0.677 1.289 1.659 1.982 1- - - - ....._-----1-
2.078 2.361
- - ~ --- - 1--
2.621
-~
2.865
- - L - - 3.381
•
120 0.677 1.658 1.980 2.076 2.358 2.617 2.860 3.373
- 1 - -1.289
"--
lf 0.674
---
1.282 1.645 1.960 2.054 2.326 2.576 2.807
-
3.290
•
0,25 0,1 0,05 1 0,025 0,02 1
0,01 7
0,005 7
0,0025 1 0,0005
4
•
�
•
••
•
Tabela 4 - Valores críticos (unilaterais à direita) da distribuição F (significância de 5 % )
l 2 3 4 s 6 7
'
1
1 8 9 10
1
1 11 12 '11 13 14 IS 16
'
1 '
1 '
1
l 161 ,45 199.50 215.71 224.58 230,16 23J.99 236,77 238.88 240.54 24 1.88 242,98 243,90 244.69 245,36 245 .95 246.47
2 18,5 1 19.00 19. 16 19.25 19,30 19.33 19.35 19,37 19,38 19.40 19,40 19.41 19,42 19.42 19.43 19.43
3 I0, 13 9,55 9.28 9.12 9.01 8.94 8.89 8.85 8.8 1 8,79 8.76 ' 8.74 8.73 8,71 8,70 8.69
4 7.71 6,94 6.59 6,39 6.26 6.1 6 6.09 6.04 6.00 5,96 5,94 5.9 1 5.89 5,87 5,86 5.84
s 6.61 5,79 5.41 5.19 5.05 4,95 4.88 4.82 4.77 4 ,74 4.70 4.68 4,66 4,64 4,62 4,60
6 5.99 5.14 4 ,76 4,53 4.39 4 ,28 4.21 4,15 4,10 4.06 4,03 4.00 3,98 3.96 3,94 3.92
7 5.59 4.74 4 ,35 4 ,12 3.97 3,87 3.79 :1,73 3,68 3.64 :1,60 3.57 3.55 3.53 3.5 1 3.49
8 5.32 4.46 4 ,07 3 ,84 3.69 3,58 3.50 3,44 3,39 3.35 3)1 3.28 3,26 3,24 3,22 3.20
9 5.12 4.26 3,86 3.63 3.48 3,37 3.29 3,23 3, 18 3. 14 :l,10 3.07 3,05 '.l,03 3,01 2.99
10 4.96 4. 1.0 3,7 1 3,48 3.33 3.22 3. 14 3,07 3,02 2.98 2,94 2.91 2,89 2,86 2.85 2.83
·-
11 4,84 3.98 3.59 3.36 3,20 3,09 3,01 2,95 2,90 2.85 2.82 2,79 2,76 2.74 2.72 2,70
12 4 ,75 3.89 3,49 3.26 3, 11 3.00 2,9 1 2,85 2,80 2.75 2.72 2,69 2,66 2.64 2.62 2,60
13 4,67 3.8 1 3,4 1 3,18 3,03 2.92 2,83 2,77 2,71 2.67 2,63 2,60 2,58 2.55 2.53 2,51
14 4,60 3.74 3,34 3.11 2,96 2,85 2,76 2.70 2,65 2.60 2,57 2,53 2.51 2.48 2.46 2,44
15 4,54 3.68 3,29 3,06 2,90 2.79 2,7 1 2,64 2,59 2.54 2,51 2,48 2,45 2.42 2.40 2,38
16 4.49 3,63 3.24 3.0 1 2.85 2,74 2.66 2.59 2.54 2,49 2.46 2.42 2.40 2,37 2,35 2.33
17 4.45 3,59 3.20 2.96 2.8 1 2.70 2.6 1 2.55 2,49 2,45 2.41 2.38 2.35 2,33 2,31 2.29
18 4.4 1 3,55 3.1 6 2.93 2.77 2.66 2.58 2.51 2,46 2,4 1 2.37 2.34 2.31 2,29 2,27 2.25
19 4.38 3,52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2,38 2.34 2,3 1 2,28 2,26 2,23 2.21
20 4.35 3,49 3.10 2.87 2,7 1 2.60 2.5 1 2,45 2,39 2,35 2.31 2.28 2.25 2,22 2,20 2.18
"····-··· .. -...
21 4.32 3.47 3,07 2 ,84 2.68 2,57 2.49 2,42 2,37 2,32 2,28 2.25 2,22 2.20 2, 18 2.1 6
22 4.30 3,44 3,05 2 ,82 2.66 2,55 2.46 2,40 2.34 2.30 2,26 2.23 2,20 2. 17 2, 1.5 2 .1 3
23 4.28 3,42 3,03 2,80 2.64 2,53 2.44 2,37 2,>2 2,27 2.24 2.20 2,18 2. 15 2, 13 2. 11.
24 4.26 3.40 3,0 1 2,78 2.62 2,5 1 2.42 2,36 2,30 2.25 2,22 2 •.18 2.15 2. I> 2, 11 2.09
25 4,24 3.39 2 ,99 2.76 2,60 2.49 2,40 2,34 2,28 2.24 2.20 2, 16 2, 14 2. 11 2 .09 2,07
··---·-·····
26 4 ,23 3.37 2,98 2.:74 2,59 2,47 2,39 2,32 2,27 2.22 2,18 2, 15 2,12 2.09 2.07 2,05
27 4 ,21 3.35 2,96 2.73 2,57 2.46 2,37 2,31 2,25 2.20 2, 17 2, 13 2, 10 2.08 2.06 2,04
28 4,20 3.34 2,95 2.71 2,56 2,45 2,36 2,29 2,24 2. 19 2, 15 2, 1. 2 2,09 2 .06 2.04 2,02
29 4,18 3.33 2,93 2.70 2,55 2.43 2,35 2,28 2,22 2. 18 2, 14 2,IO 2,08 2.05 2.03 2,01
30 4.17 3,32 2,92 2.69 2.53 2,42 2,33 2,27 2.21 2, 16 2. 13 2.09 2,06 2,04 2,0 1 1,99
31 4.16 3,30 2.9 1 2.68 2.52 2.41 2.32 2.25 2.20 2, 15 2.11 2.08 2.05 2,03 2,00 1.98
32 4 .1 5 3,29 2.90 2.67 2. 51 2.40 2.31 2.24 2, 19 2, 14 2.10 2.07 2.04 2,01 1,99 1.97
33 4.14 3,28 2,89 2.66 2.50 2.39 2.30 2,23 2.1 8 2, 13 2.09 2.06 2.03 2,00 1,98 1.96
34 4 .1 3 3,28 2.88 2.65 2.49 2.38 2.29 2.23 2. 17 2, 12 2,08 2.05 2.02 1,99 1,97 1.95
35
................
4.12 3.27 2,87 2 ,64 2.49 2,37 2.29 2,22 2,16 2. 1.1 2,07 2.04 2,0 1 1,99 1.96 1.94
36 4.11. 3.26 2,87 2,63 2.48 2,36 2.28 2,21 2, 15 2, 11 2,07 2.03 2,00 1,98 1. ,95 1.93
37 4.11. 3.25 2,86 2,63 2.47 2,36 2.27 2,20 2, 14 2, 10 2,06 2.02 2,00 1.97 1.95 1.93
38 4.10 3.24 2,85 2,62 2.46 2,35 2.26 2, 19 2,14 2.09 2,05 2 .02 1,99 l.96 1.,94 1.92
39 4.09 3.24 2 ,85 2,61 2.46 2 ,34 2.26 2, 19 2, 13 2,08 2,04 2,0l 1,98 1.,95 l ,93 l.9l
40 4,08 3.23 2,84 2,61 2,45 2 ,34 2,25 2, 18 2, 12 2.08 2.04 2,00 1,97 1.95 1.92 1,90
41 4 ,08 3.23 2 ,83 2,60 2,44 2,33 2,24 2,17 2, 12 2.07 2,03 2,00 1.97 1.94 1.92 1,90
42 4,07 3.22 2,83 2,59 2,44 2,3 2 2,24 2, 17 2, 11 2.06 2,03 1,99 1,96 1.94 1.91 1,89
43 4,07 3.21 2,82 2.59 2.43 2,32 2,23 2,16 2.11 2.06 2,02 1,99 1,96 1.93 1.91 1,89
44 4,06 3.2 1 2.82 2.5 8 2,43 2,31 2,23 2.16 2, 10 2.05 2,01 1,98 1,95 1.92 1.90 1,88
45 4.06 3,20 2,8 1 2,58 2.42 2,31 2.22 2,15 2, 10 2,05 2,01 1.97 1,94 1,92 1.89 J.87
CURSO DI; ENGENHARIA DE AVALIAÇÕES 67

Tabela 4 - Valores críticos (unilaterais à direita) da distribuição F (significância de 1 %)
'
!
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 !
1
16
1 4052, 18 4999,34 5403,53 5624,26 5763,96 5858,95 5928,33 5980,95 6022,40 6055,93 6083,40 6106,68 6125,77 6143.00 6156,97 6170,01
2 98,50 99,00 99,16 99,25 99,30 99,33 99,36 99,38 99,39 99,4() 99,41 99,42 99,42 99,43 99,43 99,44
3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,34 27,23 27,13 27,05 26,98 26,92 26,87 26,83
4 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,45 14,37 14,31 14,25 14,20 14,l5
5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,96 9,89 9,82 9,77 9,72 9,68
........... ......_.,.... · ······················· ·-··
6 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72 7,66 7,60 7,56 7,52
7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,54 6,47 6.41 6,36 6.31 6,28
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,73 5,67 5,61 5,56 5,52, 5,48
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 5,18 5,11 5,05 5,01 4,96 4,92
lO 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,77 4,71 4,65 4,60 4,56 4,52
····· --···· --·······-·---·· ·-·-·-·
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,46 4,40 4,34 4,29 4,25 4,21
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 4,22 4,16 4,10 4,05 4,01 3,97
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 4,02 3,96 3,91 3,86 3,82 3,78
14 8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,86 3,80 3,75 3,70 3,66 3,62
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,73 3,67 3,61 3,56 3,52 3,49
--·······
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,62 3,55 3,50 3,45 3,41 3,37
17 8,40 6,11 5,19 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,52 3,46 3,40 3,35 3,31 3,27
18 8,29 6,01 5,( )9 4,58 4,25 4,01 3,84 3,71. 3,60 3,51 3,43 3,37 3,32 3,27 3,23 3,19
19 8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,36 3,30 3,24 3,19 3,15 3,12
20 8,10 5,85 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 3,29 3,23 3,18 3,13 3,09 3,05
·· ········-·····
21 8,02 5,78 4,87 4,37 4,04 3,81 3,64 3,51 3,40 3,31 3,24 3,17 3,12 3,07 3,03 2,99
22 7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,18 3,12 3.07 3,02 2,98 2,94
23 7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 3,14 3,07 3,02 2,97 2,93 2,89
24 7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 3,09 3,03 2,98 2,93 2,89 2,85
25 5,57 3,46 3,32 3,22 3,13 3,06 2,99 2,89
······-·-·-·-
7,77 4,68 4,18 3,85 3,63 2,94 2,85 2,81
26 7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,18 3,09 3,02 2,96 2,90 2,86 2,81 2,78
27 7,68 5,49 4,60 4,ll 3,78 3.56 3,39 3,26 3,15 3,06 2,99 2,93 2,87 2,82 2,78 2,75
28 7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 3,12 3,03 2,96 2,90 2,84 2,79 2,75 2,72
29 7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,09 3,00 2,93 2,87 2,81 2,77 2,73 2,69
30 7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,()7 2,98 2,9[ 2,84 2,79 2,74 2,70 2,66
.............. ·····-·-- ............
31 7,53 5,36 4,48 3,99 3,67 3,45 3.28 3,15 3,()4 2,96 2,88 2,82 2,77 2,72 2,68 2,64
32 7,50 5,34 4,46 3,97 3,65 3,43 3,26 3.13 3,02 2,93 2,86 2,80 2,74 2,70 2,65 2,62
33 7,47 5,31 4,44 3,95 3,63 3,41 3,24 3,11 3,00 2,91 2,84 2,78 2,72 2,68 2,63 2,60
34 7,44 5,29 4,42 3,93 3,61 3,39 3.22 3,()9 2,98 2,89 2,82 2,76 2,70 2,66 2,61 2,58
35 7,42 5,27 4,40 3,91 3.59 3,37 3,20 3,07 2,96 2,88 2,80 2,74 2,69 2,64 2,60 2,56
------·····-·····-··· ..,.______
36 7,40 i 5,25 i 4,38 3,89 i 3,57 3,35 3,18 ! 3,05 2,95 2,86 ! 2,79 2,72 2,67 2,62 2,58 2,54
37 7,37 5,23 4,36 3,87 3,56 3,33 3,17 3,04 2,93 2,84 2,77 2,71 2.65 2,61 2,56 2,53
38 7,35 5,21 4,34 3,86 3,54 3,32 3,15 3,02 2,92 2,83 2,75 2,69 2,64 2,59 2,55 2,51
39 7,33 5,19 4,33 3,84 3,53 3,30 3,14 3,01 2,90 2,81 2,74 2,68 2,62 2,58 2,54 2,50
40 7,31 5,18 4,31 3,83 3,51 3,29 3.12 2,99 2,89 2,80 2,73 2,66 2,61 2,56 2,52 2,48
···-··--· ..-. ---........................ .
41 7,30 5,16 4,30 3,81 3,50 3,28 3,11 2,98 2,87 2,79 2,71 2,65 2,60 2,55 2,51 2,47
42 7,28 5,15 4,29 3,80 3,49 3,27 3,10 2,97 2,86 2,78 2,70 2,64 2,59 2,54 2,50 2,46
43 7,26 5,14 4,27 3,79 3,48 3,25 3,09 2,96 2,85 2,76 2,69 2,63 2,57 2,53 2,49 2,45
44 7,25 1 5,12 4,26 3,78 3,47 3,24 3,08 2,95 2,84 2,75 2,68 2,62 2,56 2,52 2,47 2,44
45 7,23 i1 5,11 4,25 3,77 3,45 3,23 3,07 2,94 2,83 2,74 2,67 2,61 2,55 2,51 2,46 2,43

Estatística "d" de Durbin-Watson
Pontos críticos do Teste de Durbin-Watson para Autocorrelação
k - número de regressores (excluindo a constante)

Tamanho
da Significância 1 2 3 4 5
amostra
DL Du DL Du DL Du DL Du DL Du
0,01 0,81 1,07 0,70 1,25 0,59 1,46 0,49 1,70 0,39 1,96
.,
15 0,025 0,95 1,23 0,83 1,40 0,71 1,61 0,59 1,84 0,48 2,09
0,05 1,08 1,36 0,95 1,54 0,82 1,75 0,69 1,97 0,56 2,21
0,01 0,95 1,15 0,86 1,27 0,77 1,41 0,68 1,57 0,60 1,74
20 0,025 1,08 1,28 0,99 1,41 0,89 1,55 0,79 1,70 0,70 1,86
0,05 1,20 1,41 1,1 O 1,54 1,00 1,68 0,90 1,83 0,79 1,99
0,01 1,05 1,21 0,98 1,30 0,90 1,41 0,83 1,52 0,75 1,65
25 0,025 1,18 1,34 1,1 O 1,43 1,02 1,54 0,94 1,65 0,86 1,77
0,05 1,29 1,45 1,21 1,55 1,12 1,66 1,04 1,77 0,95 1,89
0,01 1,13 1,26 1,07 1,34 1,01 1,42 0,94 1,51 0,88 1,61
30 0,025 1,15 1,38 1,18 1,46 1,12 1,54 1,05 1,63 0,98 1,73
0,05 1,35 1,49 1,28 1,57 1,21 1,65 1,14 1,74 1,07 1,83
0,01 1,25 1,34 1,20 1,40 1,15 1,46 1,10 1,52 1,05 1,58
40 0,025 1,30 1,45 1,30 1,51 1,20 1,57 1,20 1,63 1,15 1,69
0,05 1,44 1,54 1,39 1,60 1,34 1,66 1,29 1,72 1,23 1,79
0,01 , 1,32 1,40 1,28 1,45 1,24 1,49 1,20 1,54 1,16 1,59
50 0,025 1,42 1,50 1,38 1,54 1,34 1,59 1,30 1,64 1,26 1,69
0,05 1,50 1,59 1,46 1,63 1,42 1,67 1,38 1,72 1,34 1,77
0,01 1,38 1,45 1,35 1,48 1,32 1,52 1,28 1,56 1,25 1,60
60 0,025 1,47 1,54 1,44 1,57 1,40 1,61 1,37 1,65 1,33 1,69
0,05 1,55 1,62 1,51 1,65 1,48 1,69 1,44 1,73 1,41 1,77
0,01 1,47 1,52 1,44 1,54 1,42 1,57 1,39 1,60 1,36 1,62
80 0,025 1,54 1,59 1,52 1,62 1,49 1,65 1,47 1,67 1,44 1,70
0,05 1,61 1,66 1,59 1,69 1,56 1,72 1,53 1,74 1,51 1,77
0,01 1,52 1,56 1,50 1,58 1,48 1,60 1,46 1,63 1,44 1,65
100 0,025 1,59 1,63 1,57 1,65 1,55 1,67 1,53 1,70 1,51 1,72
0,05 1,65 1,69 1,63 1,72 1,61 1,74 1,59 1,76 1,57 1,78

12.2.NBR- 14653-2 - CURRÍCULO E BIBLIOGRAFIA

TEXTO PARCIAL DA NORMA BRASILEIRA PARA AVALIAÇÃO
DE URBANOS NBR-14653-2:2011,
9. Especificação das avaliações
9.1 Generalidades
9.1.1 A especificação de uma avaliação está relacionada tanto com o empenho do engenheiro
de avaliações, como coni o mercado e as informações que possam ser dele extraídas. O
estabelecimento inicial pelo contratante do grau de fundamentação desejado tem por objetivo a
determinação do empenho no trabalho avaliatório, mas não representa garantia de alcance de
graus elevados de fundamentação. Quanto ao grau de precisão, este depende exclusivamente
das características do mercado e da amostra coletada e, por isso, não é passível de fixação a
priori.
9.1.2 Todos os trabalhos elaborados de acordo com as prescrições desta Norma serão
denominados Laudos de Avaliação. O grau de fundamentação atingido deve ser explicitado no
corpo do laudo. Nos casos em que o grau mínimo I não for atingido, devem ser indicados e
justificados os itens das Tabelas de especificação que não puderam ser atendidos e os
procedimentos e cálculos utilizados na identificação do valor.
9.1.3 Os laudos de uso restrito, conforme 10.3 da ABNT NBR 14653-1: 2001, podem ser
dispensados de especificação, em comum acordo entre as partes.
9.2 Métodos comparativo direto de dados de mercado e comparativo direto de

custo
9.2.1 O grau de fundamentação, no caso de utilização de modelos de regressão linear, deve ser
determinado conforme a Tabela 1, observando de 9.1 a 9.2.

Tabela 1 - Grau de fundamentação no caso de utilização de modelos de regressão linear
Grau
Item Descrição
Ili li 1
Completa quanto a Completa quanto às

Caracterização do Adoção de situação
1 todas as variáveis var.iáveis utilizadas no
imóvel avaliando paradigma
analisadas modelo
Quantidade mínima de 6(k+1),ondekéo
4 (k + 1), onde k é o número 3 (k + 1), onde k é o número
2 dados de mercado, número de variáveis
de variáveis independentes de variáveis independentes
efetivamente utilizados independentes
·•
Apresentação de
informações relativas a
Apresentação de
todos os dados e Apresentação de
informações relativas aos
Identificação dos variáveis analisados na informações relativas a
3 dados e variáveis
dados de mercado modelagem , com foto e todos os dados e variáveis
efetivamente utilizados no
características analisados na modelagem
modelo
observadas no local
pelo autor do laudo
Admitida, desde que:

Admitida para apenas uma
variável , desde que:
a) as medidas das
características do imóvel
a) as medidas das
avaliando não sejam
características do imóvel
superiores a
avaliando não sejam
100 % do limite amostral
superiores a 100 % do limite
superior, nem inferiores à
amostral superior, nem
4 Extrapolação Não admitida metade do limite amostral
inferiores à metade do limite
inferior;
amostral inferior;
b) o valor estimado não
b) o valor estimado não
ultrapasse 20 % do valor
ultrapasse 15 % do valor
calculado no limite da
calculado no limite da
fronteira amostral, para as
fronteira amostral , para a
referidas variáveis , de per si
referida variável, em módulo
e simultaneamente, e em
módulo
Nível de significância
(somatório do valor
das duas caudas)
5 máximo para a 10 % ·20% 30%
rejeição da hipótese
nula de cada regressar
(teste bicaudal)
Nível de significância
máximo admitido para
a rejeição da hipótese
6 1% 2% 5%
nula do modelo
através do teste F de
Snedecor

9.2.1.1 Para atingir o grau Ili , são obrigatórias:
apresentação do laudo na modalidade completa;

apresentação da análise do modelo no laudo de avaliação, com a verificação da coerência do
comportamento da variação das variáveis em relação ao mercado, bem como suas elasticidades
em torno do ponto de estimação .
identificação completa dos endereços dos dados de mercado usados no modelo, bem como das
fontes de informação;
adoção da estimativa de tendência central.
9.2.1.2 É permitido ao engenheiro de avaliações fazer ajustes prévios nos atributos dos dados de
mercado, sem prejuízo do grau de fundamentação , desde que devidamente justificados, em casos
semelhantes aos seguintes:
conversão de valores a prazo em valores à vista, com taxas de desconto praticadas no mercado
na data de referência da avaliação;
conversão de valores para a moeda nacional na data de referência da avaliação ;
conversão de áreas reais de construção em áreas equivalentes, desde que com base em
coeficientes publicados (por exemplo, os da NBR 12721) ou inferidos no mercado;
incorporação de luvas ao aluguel , com a consideração do prazo remanescente do contrato e taxas
de desconto praticadas no mercado financeiro.
9.2.1.3 É permitida a utilização de tratamento prévio dos preços observados , limitado a um único
fator de homogeneização, desde que fundamentado conforme 8.2 .1.4.2, sem prejuízo dos ajustes
citados em 9.2.1 .2 (exemplo: aplicação do fator de fonte para a transformação de preços de oferta
para as condições de transação).
9.2.1.4 Recomenda-se a não extrapolação de variáveis que presumivelmente explicariam a

variação dos preços e que não foram contempladas no modelo, especialmente quando o campo
de arbítrio não for suficiente para as compensações necessárias na estimativa de valor.
9.2.1.5 O engenheiro de avaliações deve analisar o modelo, com a verificação da coerência

da variação das variáveis em relação ao mercado, bem como o exame de suas elasticidades
em torno do ponto de estimação.
9.2.1.6 Para fins de enquadramento global do laudo em graus de fundamentação, devem ser
considerados os seguintes critérios:
• na Tabela 1, identificam-se três campos (graus Ili , li e 1) e seis itens;

• o atendimento a cada exigência do grau I terá um ponto; do grau li, dois pontos ; e do grau Ili,
três pontos;
• o enquadramento global do laudo quanto à fundamentação deve considerar a soma de pontos
obtidos para o conjunto de itens , atendendo à Tabela 2.
9.2.1.6.1 No caso de amostras homogêneas 1, será adotada a Tabela 1, com as seguintes

particularidades:
a) serão admitidos os itens 3 e 4 apenas no Grau Ili, de forma a ficar caracterizada a

homogeneidade ;
b) será atribuído o Grau Ili para os itens 5 e 6, por ser nulo o modelo de regressão.
1 Em caso de dú vida sobre a homogeneidade da amostra, esta pode ser analisad a por mei o da Di stância de
Mahalanobis entre os elementos amostrais e o ce ntrôide amostral.

Tabela 2 - Enquadramento do laudo segundo seu grau de fundamentação no caso de
utilização de modelos de regressão linear
Graus Ili li 1
Pontos mínimos 16 10 6
2, 4, 5 e 6 no grau 2, 4, 5 e 6 no mínimo
Todos, no
Itens obrigatórios Ili e os demais no no grau li e os demais
mínimo no grau 1
mínimo no grau li no mínimo no grau 1
9.2.2 Grau de fundamentação com o uso do tratamento por fatores , conforme a Tabela 3.
Para o atendimento à Tabela 3, observar 9.1 a 9.2.
Tabela 3 - Grau de fundamentação no caso de utilização do tratamento por fatores
Grau
Item Descrição
III II 1
Completa quanto a Completa quanto aos
Caracterização do imóvel Adoção de situação
1 todos os fatores fatores utilizados no
avaliando paradigma
analisados tratamento
Quantidade mínima de
2 dados de mercado, 12 5 3
efetivamente utilizados
Apresentação de
informações relativas a Apresentação de
todas as características Apresentação de informações relativas a
Identificação dos dados <los dados analisadas, informações relativas a todas as características
3
de mercado com foto e todas as características dos dados
características dos dados analisadas correspondentes aos
conferidas pelo autor do fatores utilizados
laudo
Intervalo admissível ele
4 ajuste para o conjunto de 0,80 a 1,25 0,50 a 2,00 0,40 a 2,50ª
fatores
a No caso de utilização de menos de cinco dados de mercado, o intervalo admissível de ajuste é de 0,80 a 1,25, pois é desejável
que, com um número menor de dados de mercado, a amostra seja menos heterogênea.
9.2.2.1 Para atingir o Grau Ili são obrigatórias:
a) apresentação do 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.
9.2.2.2 Para fins de enquadramento global do laudo em graus de fundamentação, devem ser
na Tabela 3, identificam-se três campos (graus Ili, li e 1) e itens;

o atendimento a cada exigência do Grau I terá 1 ponto ; do Grau 11, 2 pontos; e do Grau Ili, 3
pontos;

o enquadramento global do laudo deve considerar a soma de pontos obtidos para o conjunto de
itens, atendendo à Tabela 4.
Para o atendimento à Tabela 4, observar as Seções de 9.1 a 9.2.
Tabela 4 - Enquadramento do laudo segundo seu grau de fundamentação no caso de
utT - de tratamento por fatores
11zaçao
Graus Ili li 1
Itens 2 e 4 no grau Itens 2 e 4 no mínimo

Todos, no mínimo
Itens obrigatórios Ili, com os demais no grau li e os demais
no mínimo no grau li no grau 1
no mínimo no grau 1
9.2.3 Grau de precisão confome a Tabela 5.

..
Tabela 5 - Grau de precisão nos casos de utilização de modelos de regressão linear
ou do tratamento por fatores
Grau
Descrição
lll II l
Amplitude do intervalo de confiança de 80
% em torno da estimativa de tendência $30% $40% $50%
central
-
Nota: Quando a amplitude do intervalo de confiança ultrapassar 50%, nao há classificação do
resultado quanto à precisão e é necessária justificativa com base no diagnóstico do mercado.
9.3 Método da quantificação de custo
Conforme a Tabela 7.
Tabela 6 - Grau de .fundamentação no caso da utilização do método da quantificação de

custo de benfeitorias
Graus
Item Descrição
ll1 11 l
Pela utilização de
Pela utilização de custo
Pela elaboração de custo unitário básico
Estimativa do custo unitário básico para projeto
l orçamento, no mínimo para projeto diferente
direto semelhante ao projeto
sintético do projeto padrão, com
padrão
os devidos ajustes
2 BDI Calculado J usti ficado Arbitrado
Calculada por
levantamento do custo de
Calculada por métodos
recuperação do bem,
técnicos consagrados,
J Depreciação física para deixá-lo no estado Arbitrada
considerando-se idade, vida
de novo ou
útil e estado de conservação
Casos de bens novos ou
projetos hipotéticos

9.3.1 Para atingir o Grau Ili, é obrigatória a apresentação do laudo na modalidade completa.
9.3.2 Para fins de enquadramento global do laudo em graus de fundamentação , devem ser
considerados os seguintes critérios :
na Tabela 7, identificam-se três campos (graus 111, li e 1) e três itens;
o atendimento a cada exigência do grau Iterá um ponto; do grau li, dois pontos; e do grau Ili , três
pontos;
Para o atendimento à Tabela 8, observar 9.1 a 9.3 .
Tabela 7 - Enquadramento do laudo segundo seu grau de fundamentação no caso da

utilização do método da quantificação do custo de benfeitorias
Graus Ili li 1
1, com os demais
Itens obrigatórios no grau 1 e 2, no mínimo no 13. todas, no
no mínimo no grau
correspondente grau li mínimo no grau I
li
9.4 Método involutivo
Conforme Tabela 9.
Para o atendimento à Tabela 9, o~servar 9.1 a 9.4.
Tabela 8 - Grau de fundamentação no caso da utilização do método involutivo
Grau
Item Descrição
Ili 11 I
Aproveitamento,
Nível de detalhamento A nteprojeto ou projeto
1 Estudo preliminar ocupação e usos
do projeto hipotético básico
presumidos
Preço de venda das No mínimo grau II de

Grau l de _fundamentação
2 unidades do projeto fundamentação no Estimativa
no método comparativo
hipotético método comp,U"ativo
Grau lII de Grau li ele Grau l de

Estimativa dos custos fundamentação no fundamentação no fundamentação no
3
ele produção método da método da quantificação método da
quantificação cio custo do custo quantificação do custo
Fundamentados com
4 Prazos dados obtidos no Justificados Arbitrados
mercado

Fuadamentadru com
-- Taxas dado obtidos no
~ Justificadas Arbitradas
mercado
Dinâmico com fluxo de Dinâmico com equações

6 Modelo Estático
caixa predefinidas
De estrutura,
Análise setorial e
7 conjuntura, tendências e Da conjuntura Sintéticos da conjuntura
diagnóstico de mercado
conduta
8 Cenários Mínimo de 3 2 l
Simulações com
Simulações com
Análises de discussão cio
9 identificação das variáveis Sem simulação
sensibilidade cio modelo comportamento do
mais significativas .,
modelo
9.4.1 Para atingir o Grau Ili, é obrigatória a apresentação do laudo na modalidade completa.
9.4.2 Para fins de enquadramento global do laudo em graus de fundamentação, devem ser
na Tabela 9, identificam-se três campos (graus Ili, li e 1) e nove itens;
o atendimento a cada exigência do grau I terá um ponto; do grau 11, dois pontos; e do grau Ili, três
pontos;
itens, atendendo à Tabela 1 O.

utilização do método involutivo
Graus Ili li 1
2,6,7 e 8, com os
Itens obrigatórios no grau 2,6,7 e 8, no mínimo Todos, no mínimo
demais no mínimo no
cor respondente no grau li no grau 1
grau li
9.5 Método evolutivo
Conforme a Tabela 11.


Tabela 10- Grau de fundamentação no caso da utilização do método evolutivo
Grau
Item Descrição
1Il II I
Grau lfl de Grau ll de Grau I de

Estimativa do fundamentação no fundamentação no fundamentação no
1
valor do terreno método comparativo ou método comparativo ou método comparativo e
no involutivo no involutivo ou no involutivo
•
Grau Ide 4
•
Grau IH de Grau lI de
'-
fundamentação no'
Estimativa dos fundamentação no fundamentação no
2 método da
custos de reedição método da quantificação método da
quantificação do
do custo quantificação cio custo
custo
3
Fator de
comercialização
Inferido em mercado
semelhante
Justificado Arbitrado 4
4
9.5.1 Para atingir o grau Ili, é obrigatória a apresentação do laudo na modalidade completa. t
t
't
9.5.2 Para fins de enquadramento global do laudo em graus de fundamentação, devem ser
considerados os seguintes critérios: �
••
na Tabela 11, identificam-se três campos (graus Ili, li e 1) e três itens;
o atendimento a cada exigência do grau I terá um ponto; do grau li, dois pontos; e do grau 111, três
't
pontos;
•'
9.5.2.1 Quando o terreno ou as benfeitorias, isoladamente, representarem menos de 15 % do

valor total do imóvel, poderão ser adotados para este item, independentemente do grau atingido
em sua avaliação, dois pontos.

utilização do método evolutivo
••
Graus
Pontos mínimos
Ili
8
1 e 2, com o 3 no
li
5
1 e 2, no mínimo no
1
3 •
Itens obrigatórios no Todos, no mínimo no
mínimo no
grau correspondente grau li grau 1
grau li
•
1 O. Apresentação do laudo de avaliação
10.1 Laudo de avaliação completo
O laudo de avaliação completo deve co11ter ,w mÍllimo os seguintes itens:

a) identificação do solicitante;
b) finalidade do laudo, quando informado pelo solicitante;
c) objetivo da avaliação ;
d) pressupostos, ressalvas e fatores limitantes - atender ao disposto em 7.2 da ABNT NBR

14653-1 :2001 ;
e) identificação e caracterização do imóvel avaliando - atender ao disposto em 7.3 da ABNT

NBR 14653-1 :2001, no que couber; ·
f) diagnóstico do mercado - relatar conforme 7.7.2 da ABNT NBR 14653-1 :2001;
g) indicação do(s) método(s) e procedimento(s) utilizado(s) - relatar conforme Seção 8 da ABNT

NBR 14653-1 :2001;
h) especificação da avaliação - indicar a especificação atingida, com relação aos graus de

fundamentação e precisão, conforme Seção 9. Quando solicitado pelo contratante, deve ser
apresentado demonstrativo da pontuação atingida;
i) planilha dos dados utilizados;
j) no caso de utilização do método comparativo direto de dados de mercado, descrição das

variáveis do modelo, com a definição do critério de enquadramento de cada uma das
características dos elementos amostrais. A escala utilizada para definir as diferenças
qualitativas deve ser especificada de modo a fundamentar o correto agrupamento dos dados
de mercado ;
k) tratamento dos dados e identificação do resultado - Explicitar os cálculos efetuados, o campo

de arbítrio, se for o caso, e justificativas para o resultado adotado. No caso de utilização do
método comparativo direto de dados de mercado, deve ser apresentado o gráfico de preços
observados versus valores estimados pelo modelo, conforme 8.2.1.4.1;
1) resultado da avaliação e sua data de referência;
m) qualificação legal completa e assinatura do(s) profissional(is) responsável(is) pela avaliação.
10.2 Laudo de avaliação simplificado
O laudo de avaliação simplificado deve atender 110 mínimo, de forma resumida, aos itens, 10.1 a) até 10.1
h) e 10.1.k), desta Parte 2.
10.3 Anexos
Para a identificação do valor de mercado, podem ser incluídos , de acordo com o grau de
fundamentação , os seguintes Anexos : documentação dominial, fotografias do imóvel avaliando,
plantas, identificação dos dados de mercado, memória de calculo ou relatórios originais dos
programas computacionais utilizados.

11. Procedimentos específicos
11.1 Desapropriações
11.1.1 Classificação das desapropriações
11.1.1.1 Quanto à extensão
total: aquela que atinge o imóvel em sua totalidade, ou cujo remanescente seja
inaproveitável;
parcial: aquela que atinge parte do imóvel.
11.1.1.2 Quanto à duração
temporária;
permanente.
11.1.2 Critérios
Nas desapropriações totais, as avaliações devem ser realizadas com a utilização dos métodos previstos nesta
Norma. O engenheiro de avaliações deverá apresentar, a título de subsídio, o custo de reedição, o de
reprodução e o valor de mercado.
Nas desapropriações parciais, o critério básico é o da diferença entre as avaliações do imóvel original e do
imóvel remanescente, na mesma data de referência (critério "antes e depois"). Devem ser apreciadas
circunstâncias especiais, quando relevantes, tais como alterações de forma, uso, acessibilidade, ocupação e
aproveitamento.
No caso de benfeitorias atingidas, devem ser previstas verbas relativas ao custo de obras de adaptação do
remanescente, possível desvalia acarretada por perda de funcionalidade e eventual lucro cessante, no caso de
ser necessária desocupação temporária para a execução dos serviços.
Se o engenheiro de avaliações considerar como inaproveitável o remanescei1te do imóvel, esta condição deve
ser explicitada e seu valor apresentado em separado.
Nas desapropriações temporárias, as indenizações devem considerar a renda que seria auferida pelo imóvel,
durante o período correspondente, bem como eventuais perdas adicionais.
11.2 Servidões
11.2.1 Classificação
11.2.1.1 Quanto à natureza, entre outras:

administrativa ou pública, quando o titular da servidão for o Poder Público ou seu
preposto, sem que exista um imóvel serviendo;
predial, quando a restrição for imposta a um imóvel serviente para uso e utilidade do
imóvel serviendo.
11.2.1.2 Quanto à finalidade, entre outras:
passagem de pedestres e veículos;
passagem de linhas de transmissão;
passagem de tubulações.

11.2.1.3 Quanto à intervenção física:
aparente, quando há intervenção física;
não aparente, quando não há intervenção física.
11.2.1.4 Quanto à duração:
temporária ;
perpétua.
11.2.2 Critérios
11.2.2.1 O valor da indenização pela presença de servidão corresponde à perda do valor do

imóvel decorrente das restrições a ele impostas, calculadas alternativamente por:
diferença entre as avaliações do imóvel original e do imóvel serviente , na mesma data de

referência (critério "antes e depois") , com consideração de circunstâncias especiais, tais como
alterações de uso, ocupação, acessibilidade e aproveitamento ;
diferença entre os valores presentes dos rendimentos imobiliários líquidos relativos ao uso do
imóvel antes e depois da instituição da servidão.
11.2.2.2 Prejuízos causados às benfeitorias atingidas pela faixa de servidão devem ser
avaliados.
11.2.2.3 Perdas adicionais decorrentes da instituição da servidão no imóvel, como a cessação

de atividade econômica, devem ser consideradas , quando solicitadas.
11.3 Glebas urbanizáveis
11.3.1 A avaliação das glebas urbanizáveis deve ser feita preferivelmente com a utilização do
método comparativo direto de dados de mercado.
11.3.2 Quando for utilizado o método involutivo, recomenda-se considerar os seguintes aspectos:
a) a viabilidade legal da implantação do parcelamento do solo simulado, respeitadas as

restrições da Lei 6766 e das Leis Estaduais e Municipais atinentes ao uso e ocupação do
solo, com destaque para os parâmetros físicos e urbanísticos exigidos para o loteamento, tais
como o percentual máximo de áreas vendáveis, infra-estrutura mínima, leitos carroçáveis,
declives máximos etc. ;
b) a possibilidade de desmembramentos parciais, com frente para vias ou logradouros públicos

oficiais, desde que legalmente viáveis e economicamente vantajosos, com loteamento da área
remanescente ;
c) o estado dominial e eventuais gravames sobre a gleba, tais como a existência de direitos
reais e possessórios, informados pelo contratante;
d) caso a gleba urbanizável seja avaliada como empreendimento , devem ser seguidos os
preceitos da ABNT NBR 14653-4;
e) quando houver dúvidas sobre a viabilidade da urbanização da gleba, recomenda-se verificar o

seu valor por meio de seus frutos , tais como locação, arrendamento etc.

11.4 Avaliação de aluguéis
11.4.1 Por comparação direta
11.4.1.1 Trata-se do procedimento preferencial, usualmente empregado em ações renovatórias

e revisionais. Para a sua aplicação é exigido o conhecimento de dados de mercado referentes a
locações de imóveis semelhantes.
11.4.1.2 Especial atenção deve ser dada quando forem comparados aluguéis' com distintos
períodos de reajuste ou estágios do contrato, admitindo-se os seguintes procedimentos:
a) tornar os dados homogêneos, com o auxílio de modelos que levem em conta a previsão
inflacionária;
b} utilizar modelos de regressão com variáveis que considerem as diferenças contratuais ou ó

estágio do contrato.
11.4.1.3 No caso de antecipação de aluguéis, devem ser adicionados aos aluguéis nominais
acréscimos constantes, financeiramente equivalentes ao pagamento antecipado.
11.4.2 Pela remuneração do capital
11.4.2.1 Neste caso, o aluguel é determinado em função do valor do imóvel, podendo ser
empregado em casos de imóveis isolados e atípicos, para os quais a utilização da comparação
direta seja impraticável.
11.4.2.2 Sua utilização exige a determinação da taxa de remuneração e do valor do imóvel.
11.4.2.3 A taxa de remuneração deve ser objeto de pesquisa específica para cada caso, pois
varia para cada tipo de imóvel, localização e, também, ao longo do tempo, dependendo da
conjuntura econômica.
11.4.3 Reformas
O custo de reformas que beneficiem o imóvel alugado pode ser amortizado em forma de desconto do aluguel,
durante prazo compatível.
NOTA A legislação federal referente a aluguéis consta na Bibliografia de [34] a [38].
11.5 Liquidação forçada
Quando solicitado, além do valor de mercado, pode constar no laudo de avaliação o valor para liquidação
forçada, para uma certa data, adotando-se critérios acordados entre contratantes e contratados.

Anexo A
(Normativo)
Procedimentos para a utilização de modelos de regressão linear
A.1 Introdução
A.1.1 A técnica mais utilizada quando se deseja estudar o comportamento de uma variável
dependente em relação a outras que são responsáveis pela variabilidade observada nos preços é
a análise de regressão,
A.1.2 No modelo linear para representar o mercado, a variável dependente é expressa por uma
combinação linear das variáveis independentes, em escala original ou transformadas, e
respectivas estimativas dos parâmetros populacionais, acrescida de erro aleatório, oriundo de:
- efeitos de variáveis não detectadas e de variáveis irrelevantes não incluídas no modelo;

imperfeições acidentais de observação ou de medida;
- variações do comportamento humano, como habilidades diversas de negociação, desejos,
necessidades, compulsões, caprichos, ansiedades, diferenças de poder aquisitivo, diferenças
culturais, entre outros
A.1.3 Com base em uma amostra extraída do mercado, os parâmetros populacionais são
estimados por inferência estatística.
A.1.4 Na modelagem devem ser expostas as hipóteses relativas aos comportamentos das
variáveis dependentes e independentes, com base no conhecimento que o engenheiro de
avaliações tem a respeito do mercado, quando serão formuladas as hipóteses nula e alternativa
para cada parâmetro ..
A.2 Pressupostos básicos

Ressalta-se a necessidade, quando se usam modelos de regressão, de observar os seus
pressupostos básicos, apresentados a seguir, principalmente no que concerne à sua
especificação, normalidade, homocedasticidadede, não-multicolinearidade, não-autocorrelação,
independência e inexistência de pontos atípicos, com o objetivo de obter avaliações, não
tendenciosas, eficientes e consistentes, em especial as seguintes:
a) para 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 5' 30, n; ;:-: 3
para 30 < n 5' 100, n; ;:-: 10% n
para n > 100, n; ;:-: 10
onde
n; 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
Recomenda-se que as características específicas do imóvel avaliando estejam contempladas na
amostra utilizada em número representativo de dados de mercado;
b) atentar para o equilíbrio da amostra, com dados bem distribuídos para cada variável no
intervalo amostral;
CURSO DE ENGENHARIA OE AVALIAÇÕES 85

c) os erros são variáveis aleatórias com variância constante, ou seja, são homocedásticos;
d) os erros são variáveis aleatórias com distribuição normal;
e) os erros são não autocorrelacionados, isto é, são independentes sob a condição de
normalidade;
f) o engenheiro de avaliações deve se empenhar para que as variáveis importantes estejam

incorporadas no modelo - inclusive as decorrentes de interação - e as variáveis irrelevantes
não estejam presentes;2
g) em caso de correlação linear elevada entre quaisquer subconjuntos' de vanaveis

independentes, isto é, multicolinearidade, deve-se examinar a coerência das características
do imóvel avaliando com a estrutura de multicolinearidade inferida, vedada a utilização do
modelo em caso de incoerência;
h) não devem existir correlações evidentes entre o erro aleatório e as variáveis independentes dp
modelo, ou seja.o gráfico de resíduos não deve sugerir evidências de regularidade estatística
com respeito às variáveis independentes;
i) , possíveis pontos influenciantes, ou aglomerados deles, devem ser investigados e sua retirada
fica condicionada à apresentação de justificativas.
A.2.1 Verificação dos pressupostos do modelo
A.2.1.1 Linearidade
Recomenda-se ser analisado, primeiramente, o comportamento gráfico da variável dependente em

relação a cada variável independente, em escala original. Isto pode orientar o avaliador na
transformação a adotar. Existem formas estatísticas de se buscar a transformação mais
adequada, como, por exemplo, os procedimentos de Box e Cox.
As transformações utilizadas para linearizar o modelo devem, tanto quanto possível, refletir o
compo11amento 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
con,.ão ráficos dos valores observados para a variável dependente versus cada variável
i àepend•�:•:�:l:ade pectivas transformações.
a) pelo exame de histograma dos resíduos amostrais padronizau.,....,_.,ru

se sua forma guarda semelhança com a da curva normal;
b) pela análise do gráfico de resíduos padronizados versus valores ajustados, q, e deve

apresentar pontos dispostos aleatoriamente, com a grande maioria situados no inter alo [ -2;
+2].
��)\�
pela comparação da freqüência relativa dos resíduos amostrais padronizados nos
intervalos de [ -1; +1 ], [ -1,64; +1,64 ] e f -1,96; + 1,96 l, com as probabilidades da distribuição
normal padrão nos mesmos intervalos, ou seja, 68 %, 90 % e 95 %;
8 Para justificar o valor escolhido dentro do campo de arbítrio, o engenheiro de avaliações pode
utilizar um modelo auxiliar com a reintrodução de variáveis recusadas no teste da hipótese nula.

d) pelo exame do gráfico dos resíduos ordenados padronizados versus quantis da distribuição
normal padronizada, que deve se aproximar da bissetriz do primeiro quadrante;
e) pelos testes de aderência não-paramétricos, como, por exemplo, o qui-quadrado, o de

Kolmogorov-Smirnov ajustado por Stephens e o de Jarque-Bera.
A.2.1.3 Homocedasticidade
A verificação da homocedasticidade pode ser feita, entre outros, por meio dos seguintes
processos:
a) análise gráfica dos resíduos versus valores ajustados, que devem apresentar pontos
dispostos aleatoriamente, sem nenhum padrão definido;
b) pelos testes de Park e de White.
A.2.1.4 Verificação da autocorrelação
O exame da autocorrelação deve ser precedido pelo pré-ordenamento dos elementos amostrais,
em relação aos valores ajustados e, se for o caso, às variáveis independentes possivelmente
causadoras do problema.
Sua verificação pode ser feita, entre outros procedimentos, pela análise do gráfico dos resíduos
cotejados com os valores ajustados, que deve apresentar pontos dispersos aleatoriamente, sem
nenhum padrão definido.
A.2.1.5 Colinearidade ou multicolinearidade
A.2.1.5.1 Uma forte dependência linear entre duas ou mais variáveis independentes provoca
degenerações no modelo e limita a sua utilização. As variâncias das estimativas dos parâmetros
podem ser muito grandes e acarretar a aceitação da hipótese nula e a eliminação de variáveis
fundamentais.
A.2.1.5.2 Para verificação da multicolinearidade deve-se, em primeiro lugar, analisar a matriz

das correlações, que espelha as dependências lineares de primeira ordem entre as variáveis
independentes, com atenção especial para resultados superiores a 0,80. Como também é possível
ocorrer multicolinearidade, mesmo quando a matriz de correlação apresenta coeficientes de valor
baixo, recomenda-se, também, verificar o correlacionamento de cada variável com subconjuntos
de outras variáveis independentes, por meio de regressões auxiliares, como pela análise de
variância por partes.
A.2.1.5.3 Para tratar dados na presença de multicolinearidade, é recomendável que sejam

tomadas medidas corretivas, como a ampliação da amostra ou adoção de técnicas estatísticas
mais avançadas, a exemplo do uso de regressão de componentes principais.
A.2.1.5.4 Nos casos em que o imóvel avaliando segue os padrões estruturais do modelo, a
existência de multicolinearidade pode ser negligenciada.
A.2.1.6 Pontos influenciantes ou "outliers"
A existência desses pontos atípicos pode ser verificada pelo gráfico dos resíduos versus cada
variável independente, como também em relação aos valores ajustados, ou usando técnicas
estatísticas mais avançadas, como a estatística de Cook ou a distância de Mahalanobis para
detectar pontos influenciantes.

A.3 Testes de significância
A.3.1 O nível de significância máximo admitido nos demais testes estatísticos (aqueles não
citados na Tabela 1) não deve ser superior a 1 O%.
A.3.2 A significância de subconjuntos de parâmetros, quando pertinente, pode ser testada pela
análise da variância por partes.
A.3.3 Os níveis de significância utilizados nos testes citados em A.3 serão compatíveis com a
especificação da avaliação.
A.4 Poder de explicação

Em uma mesma amostra, a explicação do modelo pode ser aferida pelo seu coeficiente de
determinação. Devido ao fato de que este coeficiente sempre cresce com o aumento do número
de variáveis independentes e não leva em conta o número de graus de liberdade perdidos a cada
parâmetro estimado, deve-se considerar o coeficiente de determinação ajustado.
A.5 Variáveis dicotômicas

Toda variável que possa assumir apenas dois valores deve ser tratada como variável dicotômica,
vedada a extrapolação ou interpolação nessa situação.
É usual a variável dicotômica assumir os valores O e 1.
A.6 Códigos alocados

Os critérios da construção dos códigos alocados devem ser explicitados, com a descrição
necessária e suficiente de cada código adotado, de forma a permitir o claro enquadramento dos
dados de mercado e do imóvel avaliando e assegurar que todos os elementos de mesma
característica estejam agrupados no mesmo item da escala.
A escala será composta por números naturais consecutivos em ordem crescente (1, 2, 3... ), em
função da importância das características possíveis na formação do valor, com valor inicial igual a
1. Não é necessário que a amostra contenha dados de mercado em cada uma das posições da
escala construída.
Recomenda-se a utilização prévia da análise de agrupamento de dados para a construção dos
códigos alocados.
É vedada a extrapolação de variáveis expressas por códigos alocados.
A. 7 Códigos ajustados
�------
É vedada a extrapolação ou a
A.8 Diferentes agrupamentos

No caso de utilização no mesmo modelo de regressão de diferentes agrupamentos (tipologia,
mercados, localização, usos etc.), recomenda-se verificar a independência entre os
agrupamentos, entre as variáveis utilizadas e possíveis interações entre elas.

A.9 Apresentação do modelo
A variável dependente no modelo de regressão deve ser apresentada no laudo na forma não
transformada.
A.10 Avaliação intervalar
A.10.1 A avaliação intervalar, prevista em 7.7.1.b da ABNT NBR 14653-1, tem como objetivo
estabelecer, quando solicitado pelo contratante, um intervalo de valores admiss íveis em torno da
estimativa de tendência central ou do valor arbitrado.
A.10.1.1 Quando for adotada a estimativa de tendência central, o intervalo de valores admissíveis
deve estar limitado simultaneamente (ver Figura A.1 ):
a) ao intervalo de predição ou ao intervalo de confiança de 80 % para a estimativa de tendência central3;

b) ao campo de arbítrio.
''
int•rvalo d• confiarlçalpredição a80%
''
1
campo de arbítrio± ·15%
.,
1
1
estimativa de t~ndência centra l
''
1 '
1
''
1
1
'
1
1
''
1
1
1
valores ad~iss:íveis: l
Figura A.1 - Valores admissíveis quando for adotada a estimativa de tendência central
A.10.1.2 Quando for adotado o valor arbitrado, o intervalo de valores admissíveis deve estar
limitado simultaneamente (ver Figura A.2):
a) ao intervalo em torno do valor arbitrado com amplitude igual à do intervalo de predição ou ao
intervalo de confiança4 de 80% para a estimativa de tendência central ;
b) ao campo de arbítrio em torno da estimativa de tendência central.
3 O intervalo de confiança será utilizado se· o objetivo for estimar o valor de mercado. Se o objetivo for estimar preços,
utiliza-se o intervalo de predição.
4 O intervalo de confiança será utilizado se o objetivo for estimar o valor de mercado. Se o objetivo for estimar preços,
utiliza-se o intervalo de predição.

1
1
intervalo de con1i.:1r!ça /predição J 80%
1
1
c.ampCI de arbítrio± 15%

1
' .
1
'
''
esti'!,l:~ii"IJ'a ...di:: t~ridên cia central 1
--
L-· 1 1
.- 1 1 '
- 1
1
'
1 1 '
1
' .
valor arbihado
1
1
valores admissíveis Ji
Figura A.2 - Valores admissíveis quando for adotado o valor arbitrado
A.10.2 No caso de utilização do valor arbitrado, este fato deverá ser citado e não será calculada a
probabilidade associada ao intervalo.

CURRÍCULO SUMÁRIO
NOME: SÉRGIO ALBERTO PIRES DA SILVA

GRADUAÇÃO: UNIVERSIDADE FEDERADO DO RGS
ENGENHARIA CIVIL
DATA: DEZEMBRO/79
ENDEREÇO PROFISSIONAL: Rua Liberdade, 404
Porto Alegre/RS 90.420- 090 - BRASIL
Telefone: (55 OS l) 3333-8820
Fax: (55 051) 3331-1930
e-maill: sergio@tecsysengenharia.com.br
1 ATIVIDADES PROFISSIONA.JS JÁ DESEMPENHADAS

• Engenheiro do Quadro de Profissionais da CEF/RS, de abr/84 a dez/96;
• Responsável pela Área Operacional da Engenharia da CEF/RS, de set/86 a dez/96;
• Instrutor de diversos Treinamentos em Avaliações de Imóveis para a CEF;
2 ATIVIDADES INSTITUCIONAIS JÁ DESEMPENHADAS

• Conselheiro do JOEL - Instituto Gaúcho de Engenharia Legal e de Avaliações
• Membro da Comissão Técnica do IGEL
• Membro da Comissão Técnica do CREA - Avaliações
3 CURSOS E EVENTOS QUE PARTICIPOU

• IV, V e VI Ciclos de Estudos de Avaliações e Perícias - IGEL 1988 a 1993;
• Congresso Brasileirode Avaliações deimóveis( l 993, 1995 E 1997);
• Semimírio Brasileiro de Avaliações de Imóveis(São Paulo - 1994);
• Extensão em Engenharia de Avaliações, PUC/RS-1988;
• Diversos Cursos de Especializa.ção em Engenharia de Avaliações
4 CURSOS, PALESTRAS E TRABALHOS PUBLICADOS

• Encontro de Profissionais da éÍrea de Patrimônio do lNSS - Florianópolis/SC - l 993;
• CONGRESSO BRASILEIRO:" Avaliações em Massa - o caso de Brasília - NOV/93".
• MENÇÃO HONROSA: Locativo de Lojas- COBREAP- NOV/97
• CURSOS MINISTRADOS: "ESTATÍSTICA INFERENCIAL APLICADA A ENGENHARIA DE
AVALIAÇÕES"; Versões apresentadas para: CEF, ABDE, BANCO CENTRAL, SMOV, ASBACE,
CENTRUS, BANRISUL, PATRIMÔNIO DO RS, FUMEC/MG, IBAPE/BA, CREA/BA, CLUBE DE
ENGENHARIA DE RECIFE/PE, e CAPRA/TECSYS - Lisboa/Portugal.
5 ATIVIDADES PROFISSIONAIS ATUAIS

• CONSULTOR de diversas Incorporadoras e empresas, envolvendo Engenharia de Avaliações e
Engenharia Econômica, pertinentes a imóveis comerciais (lojas e escritórios) e residenciais;
• Consultor da ABDE e outras Instituições promotoras de cursos de especialização em Avaliações;
• Responsável Técnico pela TECSYS - Engenharia;
• Instrutor de Cursos sobre Avaliação de Imóveis com uso ele Inferência Estatística Aplicada;

BIBLIOGRAFIA
o KMENTA, Jan (1988)-"ELEMENTOS DE ECONOMETRIA" -Editora Atlas;

o WONNACOTT/WONNACOTT, Thomas H./Ronald J. (1980) "INTRODUÇÃO
À ESTATÍSTICA" -Livros Técnicos e Científicos Editora S.A.;
o JOHNSTON, J (1977)- "i\1ÉTODOS ECONOMÉTRICOS" -Editor� Atlas;
o DRAPPER/SMITH, N.R./H (1966) - APLIED REGRESSION ANAL YSIS -
John Wiley & Sons Inc.
o HOFFMANNNIEIRA, Rodolfo/Sônia (1987) -"ANÁLISE DE REGRESSÃO" -
Hucitec;
o COSTA NETO, Pedro Luiz de º (1978) - "ESTATÍSTICA" - Edgard Blucher
Ltda;
o SPIEGEL, Murray R. (1979) - "ESTATÍSTICA" - MCGraw Hill do Brasil SA;
o DANTAS, Rubens A (1998) - "ENGENHARIA DE AVALIAÇÕES" - UMA
INTRODUÇÃO À METODOLOGIA CIENTÍFICA-Pini;
o MATOS, Orlando C de (1995) - "ECONOMETRIA BÁSICA" -Editora Atlas;
o NETER, John and William Wasserman (1974) - "APPLIED LINEAR
STATISTICAL MODELS" -Richard D. Irwin, Inc.;
o GUJARATI, Damodar N. (2000) - "ECONOMETRIA BÁSICA" - Editora
Makron Books;

ITENS ANALÍTICOS FUNDAMENTAIS

RESUMO DOS PRINCIPAIS ELEMENTOS DE ANÁLISE DE
MODELOS DE REGRESSAO LINEAR (NBR-14653 - partes 1 e 2)
O trabalho ele Avaliação de Imóveis se desenvolve em duas etapas distintas:
• Primeira etapa: Identificação do imóvel a ser avaliado e estudo do mercado ao qual o mesmo se
insere (amostra e equação ele regress5o).
• Segunda etapa: Enquadramento do imóvel a ser avaliado às conclusões cio estudo elaborado
(estimativa de valor).
Para o esrudo do mercado , a Norma Brasileira recomenda o método comparativo direto de dados de mercado,
exigindo coleta de amostra que represente a população de elementos semelhantes àquele q~e deve ser
avaliado.
A análise ela amostra através da Estatística Inferencial visa identificar uma função de que represente uma
"Média estimado", ou seja, uma equação linear de regressão que centralize os valores ela amostra e se mostre
não tendenciosa, eficiente e consistente.
Para que a equação de regressão se mostre adequada segundo as exigências normativas, é necessário elaborar
um conjunto de testes e ensaios na amostra. comprovando através dos resultados obtidos que a função
matemática obtida representa adequadamente uma média estimativa para o conjunto de valores ela amostra,
considerando as diferenças de características entre os dados ela mesma.
A NBR-14653 partes 1, 2 e 3, que regulamenta procedimentos e define critérios técnicos mínimos a serem
adotados na elaboração de Avaliações Urbanas e Rurais não traz comentário ou cita as variáveis que devem
ser estudadas em qualquer amostra. mas regulamenta a utilização <le escalas para análise <la influência de
variúveis Qualitativas ou subjetivas na variação dos valores dos imóveis da amostra, tais como: localização,
padrão, conservação, etc.
O trabalho <le avaliação envolve o estudo do mercado onde se insere o imóvel que serú avaliado, obtenção de
amostra de elementos semelhante,~ e, a partir ela observação cio comportamento dos preços praticados para
estes elementos, formulação de hipóteses sobre a influência das diferenças de características dos dados da
amostra na variação destes preços. A seguir, definição de escalas de medida para as hipóteses formuladas e
comprovação estatística da sua validade. Por fim, descrever o estudo e resultados obtidos. Nesta etapa o
trabalho visa mostrar como funciona o mercado segundo uma ótica ele análise.

A Norma Brasileira classifica esta etapa do trabalho em 3 níveis de qual idade. denominando e ta
classificação de "Especificação":
Grau IH - Alto grau de qualidade, com as seguintes exigências:

- Comprovação das hipóteses individualmente com probabilidade de erro
(significância) inferior a l 0% e demonstração gráfica do comportamento elas variáveis
utilizadas no ponto de estimação do valor do imóvel;
Comprovação elo conjunto de hipóteses simultaneamente através cio teste
Fisher-Snedecor com probabilidade de erro (significância) inferior a 1%;
Laudo Completo, confonne item específico da Norma e apresentação de
todos os dados e variáveis analisadas no estudo desenvolvido;
Sem extrapolação no modelo desenvolvido ao Avaliar o imóvel;
Sem utilização do "Campo de arbítrio" definido no normativo;
Grau II - Média qualidade, com as seguintes exigências:

(significância) inferior a 20%;
- Comprovação cio conjunto de hipóteses simultaneamente através cio teste
- Extrapolação máxima de uma variável no modelo desenvolvido ao Avaliar o imóvel, dentro
de limites definidos;
Grau I - Baixa qualidade, com as seguintes exigências:

(significância) inferior a 30%;
- Comprovação do conjunto de hipóteses simultaneamente através do teste
- Extrapolação máxima de variáveis no modelo desenvolvido ao Avaliar o imóvel, dentro de
limites definidos;
Embora alguns itens de classificação do trabalho quanto à Especificação façam referência ao imóvel a ser
avaliado, as principais ex igências no enquadramento do trabalho dizem respeito à forma como foi
identificado o comportamento dos preços no mercado e a consistência do modelo de regressão na
representação de uma média estimada para os elementos da amostra.
Os pressupostos básicos do modelo de regressão (equação linear que representa a média do conjunto de
dados da amostra) estão explicitados no Anexo A da NBR-14653. Neste anexo são definidas as regras para
utilização de escalas qualitativas e principais exigências quanto ao comportamento dos resíduos do modelo
de regressão.

s.-<~dn o :ao do Anexo . o modelo de regre. são que representa a média da amostra. deYe apresentar
disper.;ão Homogênea dos ,·aJores do dado em tomo do eixo cen tral de estimati va. além de distribuição
ai 'ria (nonnal) de elemento acima e abaixo da méd ia. com eq uilíbrio de quantidade de elementos para
ambo os lado . O de enho dos pontos não eleve ap resentar nenhum padrão definido.
O aplicatirn TS -Sisreg foi prepar ado para identific<u- uma equação de regressão que represente a média do
conj unto de dados da amostra e mostre-se consistente para atender as exigências da Norma Brasileira.
Para esta etapa do trabalho da Avaliação, três procedimentos de excelência são i11dicaclos para busca deste
modelo representativo de média da amostra. Estes procedimentos estão baseados em alguns resultados
econométricos oferecidos pelo cálculo inferencial , a saber:
1 f?
1 - ESCOLHA DA EQUAÇÃO ~
Entre diversas equações linearizadas por transformação de escala p,u-a utilização do método dos "Mínimos
Quadrados" na definição elos parâmetros cio Modelo de Regressão é importante observar principalmente os
seguintes resultados:
1.1 - Coeficiellte de Deteteminaçilo Linear: variando ele O a 1, indica o percentual ela variação cios valores elos
dados da amostra em relação à sua média aritmética ·que está relacionado às diferenças de características
(variáveis) que interferem nos preços de mercado, segundo a ótica do Avaliador. Depende da homogeneidade
da amostra, não sendo passível ele fixação de "tamanho 111í11imo" por parte ela Norma Brasileira. Se a amostra
contém dados totalmente iguais este coeficiente será zero. se a amostra contém dados muito diferentes. este
coeficiente se aproxima ele l.
Na maioria dos trabalhos ele avaliação é util izado o Valor Unitário como variável dependente, o que já reduz
a variação natural dos dados de urna amostra, pois Área de um imóvel provoca fo11e diferença nos preços
praticados no mercado . Observa-se que a formação cio preço de um imó vel novo depende do seu custo de
produção, o qual é medido por metro quadrado, indicando que o valor de venda também é medido por metro
quadrado.
Assim amostras de Locação ele lojas em região central de município, por exemplo, geralmente apresentam
valores unitários bomogêneos, com Coeficientes de Determinação reduzidos (abaixo 0,70), já no caso de
Gleba~ Urbanas as amostra s são extremamente heterogêneas e este Coeficiente geralmente será acima ele
0.90.
Os estudos que utilizam o Valor Total como variúvel dependente normalmente resultam em Coeficiente de
Determinação mai s elevado, pois eleva a variação dos valores da amostra, fazendo com que a Área mostre
forte influência na redução desta variação e dificulta a observação da influência das demais características na
formação cios preços.

7.2 - Coeficiente de Aderência Nc7o-linear (Detete111i11ação Nt7o-Linear): Identifica aderência dos dados da
amostra à função de estimativa de valor do imóvel a ser avaliado. Embora de menor importância que o
Coeficiente de determinação Linear, pode indicar funções descontínuas ou instáveis em algum de seus
extremos quando este indicador apresentar valores reduzidos ou negati vos .
1.3 - Estatística t-Student (sig11ifictl11cia das rariá1·eis): na análise da influência individual das variáveis na
formação dos preços, a Norma Brasileira exige o teste T-Student, pois quanto maior o valor absoluto do T-
Observado, maior a influência da variável.
Quando uma variâvel apresenta valor absoluto do T-Ohservado muito superior às de mais, indica que essa
variável explica quase toda variação, co m pequena contribuição das den1ais variáveis. Quando este valor
absoluto for superior a I O vezes a segunda de maior valor significa que o modelo está baseado pratica mente
na variação desta característica. Deve-se tomar cuidado especial na utilização do modelo, principalmente nos
casos de característica qualitativa ou subjetiva.
Em alguns estudos, a difi culdade de o btenção de amostra leva o Avaliador a misturar elementos de mercados
(população) distintos como, por exemplo, "Gleba" e " lote", ou "'Aluguel" e "Venda". Este procedimento
pode elevar o tamanho do T-Observado da variável dicotômi ca utilizada para reduzir a fo1te variação
provocada pela diferença- de · preços praticados- w s dois mercados. É impoi'tante lembrar que a Norma
Brasileira ex ige o estudo de Interação entre ,•ariál'eis neste caso.
1.4 - Normalidade dos Resíduos: Indica a aleatoriedade na distribuição\ dos res íduos em torno da média,
comprovando a não te ndenciosidade na coleta ele dados e a eliminação clós efeitos das principais variáveis
qu.e elevam a variação dos preços em torno ela média aritmética ela a mostra\ Os resultados devem apresentar
aderência aos valores \ 1
68 % - 90% - 95%, correspondentes a percentuais apresentados na disLribui ão Normal torno da média nos
intervalos de [-1 a +IJ [-1,64 a +1 ,64] e [-1,96 a +1 ,961 desv ios padrões ele dis ânc ia ela média estimada . Esta
tendência à Normalidade dos resíduos é facilmente observada à medida que a 1menta o m1111ero de dados da
amostra (acima de 15 graus de liberdade já facilita a comprovação), mas de difícil comprovação em
amostras reduzidas (abaixo de 15 graus ele liberdade).
Para ensaio, podem ser tomados como parâme tros os seguintes intervalos de ac itação:
de [-1,00 a+ 1,00] s - / Ideal 68 % '- aceitável: de 64% a 75 %; /
de f-1,64 a+ 1,64] s - / Ideal 90% - aceitável: de 88% a 95% ;
de [-1 ,96 a+ 1,961 s - / Ideal 95 % - aceitável: de 95 % a 100%; /
/
/
/
-- -
\
'

Outro teste de aderência à distribuição Normal pode ser observado no módulo "Aderência" do sistema. Neste
caso é aconselhável a escolha do número de intervalos de classe adequado ao tamanho da amostra que está
sendo trabalhada.
0,35
''
0,2
D, 15
'·'
005
1.5 - Auto-regresscio na Variâvel Dependente: A presença de Auto-regressão ou auto-correlação entre os

resíduos é esperado em amostras de produção industria l, onde a coleta ele dados é efetuada em períodos fixos
e ,malisadas em comparação ao período anterior. Na sua definição clássica, este efeito não é esperado em
amostras do mercado imobiliário.
Uma amostra com auto-regressão apresenta um padrão tendencioso na dispersão dos resíduos em torno da
media estimada. tornando "perigosas" as conclusões sobre estimativas de valores. Ainda que não represente
um efeito característico de amostras do mercado imobiliário, a Norma Brasileira está preocupada com
dispersões tendenciosas nos resíd uos, mesmo que não provocada por uma auto-corre.lação dássica.
A Norma Brasileira recomenda a análise visual da dispersão dos dados em torno da estimativa linear do
moe.leio de regressão. Se o gráfico de resíc.luos apresenta um comportamento homogêneo na amplituc.le do
valor calculado, não havendo c laramente uma padronização na dispersão, o modelo pode ser considerado
aceito quanto à ausência de Auto-regressão. ,
Embora não citado na Norma. o teste de Durbin-Watson pode indicar di spersão tendenciosa, sinalizando
dados repetidos na amostra ou ausência de variável importante, mas é um teste frágil para amostras de
pequeno tamanho (abiúxo de 15 graus de liberdade). Em qualquer caso, elevemos nos preocupar somente com
resultados que mostrem "Auto-regress_ão positiva ou negativa'· neste teste. Os resultados indicativos de
"Região não conclusiva" não indicam tendenciosidade nos resíduos , sendo aconselhável análise gráfica na
busca de um padrão , como por exemplo:
• Calculado Anáfi1e lili!.là
Aest1uos do PtrJA.odelo Vnn9ve1Vlllor Un~ãrio em RS.'rri•
. .. ..• ·: ..
i,:
..•••
l · ·- - -·-- ···· -··- --- ·--- --·--- -·-·- ·- - -- -·---·-- ---- - - - --·--·-·•-·--- -· -·· -·--·--- --··-·- ·· · - -
eo. 1 • • ·: : •
.
,:
. .... • •
. .. . . . . . .
~ o •• • •• &t • ••••
-~ -1
Q'.
·-· ~-.--~. . . --~--·
- --- -•··---·-- •·--
·----- -- - -··-- - ~-· - · --- -- -·--· - +! . •
,2
5
ln(Valor Unitãrio em RSlm' l
CU RSO DE ENGENHARIA DE AVALIAÇÕES 101

PRINCIPAIS ITENS A SEREM ANALISADOS PARA IDENTIFICAÇÃO DE MODELOS
ECONOMÉTRICOS CONSISTENTES
J) ESCOLHA DA EQUAÇÃO i=_,

a. Maior Coeficiente de Determinacão Linear: Identifica a equação linear que se mostre mais aderente
ao conjunto de dados da amostra. Depende da amplitude de variação dos valores na amostra. No
mercado imobiliário são comuns resultados superiores a 0,80, mas amostras homogêneas podem
apresentar resultados confiáveis acima de 0,50. '
r--11 - - - - - b. Maior Coeficiente de Aderência à funcão Não-Linear: Identifica aderência dos dados da amostra à
função de estimativa de valor do imóvel a ser avaliado. Embora de menor importância que o
Coeficiente de determinação, pode indicar funções descontínuas ou instáveis em algum de seus
extremos quando este indicador apresentar valores reduzidos ou negativos.
c. Normalidade dos Resíduos: Indica a aleatoriedade na distribuição dos resíduos em torno da média,
comprovando a não tendenciosidade na coleta de dados. Os resultados devem apresentar aderência
aos valores 68 %, - 90% - 95 %, que correspondem aos percentuais apresentados na distribuição
Normal de dados em torno da média nos intervalos de 1-1 a+ 1] [- 1,64 a+ J ,64.1 e [-l ,96 a+ 1,96]
desvios padrões de distância da média estimada.
d. Significâncias das Variáveis reduzidas (ideal menor 10%; máximo 30%);
Não Auto-regressão na Variável Dependente: Embora não citado na Norma, o teste de Durbin- - - ----.
Watson pode indicar dispersão tendenciosa nos dados, sinalizando dados repetidos na amostra ou
at. - eia de variável importante;
11odelo reduzida (ideal igual ou inferior a 1%; máximo 5%)
• Topog Plano
• Qg-~J
imice corut1
Venda rrf-C01
lnco,p Re5kl
lncOfp.Comer A
IAês
Ur.l&io
- Aiusteft-10
P1ecisão ~
:Rec~ t-.e.xal: rnvãkn,:; l,j ervlllo ~
r

2)
H.v 1
TESTE DE HIPÓTESES
a. Os Gráficos de crescimento Nüo Lin ear deve apresentar consistência com a realidade de mercado
para cada hipótese (variável) , conforme expectativa quando da defini ção da variável , durante a
criação do modelo (cor vermelha indica a inconsistência com a expectativa formulada na criação ela
variável)
b. O crescimento relativo apresentado nas Dicotômicas e Dicotômicas de Grupo deve estar compatível
com a representatividade da variável no mercado (exemplo: diferença entre Oferta e Venda deve
estar dentro de patamares aceitáveis para a tipologia em estudo);
c. A relação de crescimento num grupo de Dicotômicas deve estar de acordo com a realidade que se
pretende mostrar (exemplo: Variáveis Pac/rüo Normal e Padreio Alto relacionadas ao Padrão Baixo
não representado como variável. O crescimento das duas variáveis utilizadas deve ser positivo,
sendo de maior tamanho aquele apresentado pela variável Padrüo A lto) ;
d.
1 js ::: L (:; " ['.. S ~ $ tt'I' li~ Q e,. \ I' , [iJl

~~$l~ - -------
0.,32912
0,522160
=
3[2C:oue,l~çã;:
~ ln Não Linear i Linea1 stado Linear
Não Unem
Valrnes ~ :zlvato, Ml!dio 30 01togonal :jJJioo" ':j
m~ .r. 0.8886(2
·3,~
91_ _-~1=
3 -=
30~ ;1
~ 1 . Desvio Padrão . .
- -5,43 30.50 ~ l.ilear _ i . f.150 U~ar
7.06 22.80 "
UnrtBrK.'., 1( Áfe& Tola{)
o.2LJ__ .EºP ,,
·I, 23.20 " iOO . atson (Dependente}
0ool 2.05 35.9U % em . ' .. :· ·•- ,icuado ! 2.17
Oou 1
15,38
304.02
-2,31
-2,09
-24,40 %
7 ,63 :t "º
550
: : :~--- -:·-··· t--·-r . ~--r-·q·· •. auf.o-têQ~enã~~.9J% -J
Oullieu· . . l
1Jnitá1io .
soo ·r -~- •• ·, • •1 'Í •·
LinMr
O
J
!
N!o Ürieãs l
1 -=--,
~ •50
L-+----+1-------------------'---... § 'ºº
350
300
2S.0
200
L__.,___~---'--+---+-=i==,.._--J
soo 1.000 1.500 2.000 2.500 3.000 3.500
Âre-11lotitl
"·ººº
Unit..!J1io ..
15,051.361 •
P1ea To(~ ... -0,49677023 •
Frente " 1.0361897 •
e"(0,82063 181 "Írdceco,1•.11.)"
e " (·3.534.4095 • 1Nenda rri- Const ) •
e ... (0,30665509 " lncorp.Ae~id. 1~
e ,. (·0,27969905 "lncorp.Come,c J"
e " 1·3.81 31756" 1/Mês J
[R,d, Nfu, aÍ: !lnvàlida·

1
CURSO DE ENGENHARIA OE AVALIAÇÕES 103

RESÍDUOS DA VARIÁVEL DEPENDENTE .~
A análise da dispersão dos Resíduos em torno da media estimada é o passo mais importante na identificação
de modelos econométricos eficientes , consistentes e não tendenciosos.
3.1 Análise mista
É importante observar que, na busca de linearização da dispersão cios dados para uti lização do método dos
mínimos quadrados, adotamos transformações de escalas na variável dependente. Este procedimento obriga o
estudo do comportamento do modelo em duas formas distintas: Linear e Não-Linear. Por exemplo:
Quando a Variável dependente é utilizada na forma ln(y), o modelo Linear será representado por uma
equação do tipo ln(y) =A+ Bx . Mesmo que este modelo apresente todas as características desejáveis para ser
cons iderado Não tendencioso, eficiente e consistente, ele apresenta como resultado da estimativa o valor de
ln(y) . Para obter o valor do imóvel e não seu logaritmo, utilizamos a forma Não-Linear desta equação , ou
seja, y = eA.eBx. Este fato nos obriga a ana li sar também os resultados Óferecidos por esta forma Não Linear da
equação de regressão.
Na análise dos resultados Não-Lineares o gnlfico da dispersão não apresenta importância estatística, pois a
soma de resíduos não se anula (não resulta zero), indicando que a função, embora passe ao centro dos pontos
não representa uma média (neste caso será mediana). Desta forma, na anâlíse mista, sistema apresenta o
grâftco Líneur, Mesmo assim, para identificar funções que centralizem a dispersão cios dados ela amostra de
fo rma eficiente, é importante identificar os elementos com ''Resíduo relativo" (desvio relativo à media
estimada) de tamanho elevado. Para o mercado imobili ,'írio , um desvio relativo de até 80% em relação à
media estimada pode ser considerado aceitável.
1 E E lA DE AVALIAÇÕES
~\ ,___,__
3) REsihuos DA VARIÁVEL DEPENDENTE -~
3.1 Á.nálise Mista
a Coluna "Resíduo efoliFo" ordenadft com va lores máximos aceitáveis:
té 30% - :mo; - Até 60% - Regular;
Até 40% - Muito Bom; - Até 80% - Aceitável;
- Até 50% - Bom -Até 120% - Aceitável para resultado
bmto abaixo de 50,00
f- "=i <
10,07'~ -0,44 ,;
133.33 -54.95 065 7. 2,9:JY.
350,19 213,23: 136,96 4.05 ¾ ·1 ,65"
151.52 210.58 -59,06 0,75¼ 2.26 ~
198.34 122.71 75.63 38.13 " i.23% 0,81 %
1.045.65 649.05 :i9s.iiil 37.93% 33,92 i 34.54 :'
263.15 167.82 95.33 36,22~ 0,20¼ 1.96'% -0,56%"
147.05 , 198.37 , -51 .32 -34,90>: -1,03 1,91 " 0,57" 2 48!'.:
--7---,ii~-~~:__;~~::ª~~J~[===l
Unít.ário 490.84 334.72. 156. 12 31,81 Y. 1,31 1,93% 5,261' 0,50>:
1,]ll·- l
389.61 266,76 122.85 31,53~ 1.30 0.33" 3.26% ·0,93%
- -~ªº 707.96
153,84
207.16
7
29,26 ~
·29.23 % -0,889 9 66
1.76t
· "
9.26 >:
0,44 .,
10.12 t
2.33%
- -· ·-
30 ~lJ_Ftljf·var~ve1Jurntário : Análi~~Mj~ · - 3 · Dado
• Calculado .Anrilis~M~lll
Resr.tua'S do Pt.rf,1odelo x. VarQvel Unrcãno
3 ·----
~ o
l
..• •' .....
-1
.
; f , ---~-· -
..
-2
~{UnJàrio)
JRede f'iêural: 11 Dadõ:" 6 Endereço: Erico Veri;s1mo, 1450 0bseN!ção:

1

3.2 Análise Linear
O modelo Linear utilizado como centro da dispersão dos dados da amostra é foco central das exigências da
Norma Brasileira de Avaliações. Os resultados importantes exigidos para uma Especificação mais qualificada
(grau de fundamentação) estão baseados nesta função linear (Normalidade, homocedasticidade, não auto-
regressão, significância das variáveis, pontos atípicos, significância do modelo, intervalo de confiança, etc).
A maio r parte destes conceitos refere-se à dispersão gráfica dos dados em torno ela estimativa central (gráfico
ele resíduos), recomendando que os pontos se apresentem de forma aleatória e o mais homogênea possível, A
aleatoriedade é verificada através dos ensaios de Normalidade dos resíduos. No caso da homogeneidade,
segundo a Norma Brasileira, pode ser verificada visualmente. Exemplos abaixo.
DISPERSÃO HOMOGÊNEA - Recomendado

• Calculado Ji...náhse t.11ste:
Residuos do Pt:rf.lodek> x VaNvel iJtHfÃRIO (RS!m")
3·--- --- - -
-1 3 •
L1tUNITÁRIO (RS/m' >)
HEETEROCEDASTIClDADE - Variância heterogênea

Este conceito indi ca o comportamento tendencioso cios resíduos no que se refere à sua variância em torno da
estimativa. O ideal é que a variância dos resíduos se apresente de forma homogênea (homocedástico). A
presença ele heterocedasticidade é esperada em amostras da economia formal como, por exemplo, consumo
ele alimentos X renda familiar, não sendo frequente no mercado imobiliário, mas pode surgir na ausência ele
variável importante na redm,:ão da variação de elementos de maior valor da amostra .
Heterocedasticiclacle - à medida que aumenta o valor ca lculado, aumenta a variância cio erro, ou vice-versa.
• CatGul!ldo Anàltsfl M~tci
Resíduos do PtrUo.1elO x Vanái.el umrÃruo (RSlm"}
3 ----- - ----- -- ------ - - - - -·----- ----- -·- - --- -- - ------ - - --·- - -- ---- - -- -- - - - ·;· · ·· - •;-· ·. --
a.. 2 • • ••• - • • • • • • •
~ º,, • • •• • • • • • .,• • • . ..; • • • • •• • •••
iS •••••• ~. '· ....
-~ -1 ••••!t . •••• .~... ~\~ . • • • .. !• -• · • I
a:: -2 •••• : \ ·. • •••
-1 2 3 '
11\(UNITÁRIO (RS/m'l)
Variância reduzida Variância elevada

1.5 - Pontos influenciallfes ou outliers: Este conceito refere-se a dados muito dispersos em relacão ao centro
da distribuição de valores da amostra. É possível identificar visualmente no gráfico de resíduo; e através de
resultados numéricos objetivos que indiquem a presença destes pontos. Na observação visual. Dados muito
dispersos em relação aos valores calculados estarão afastados da nuvem de pontos à direita ou à esquerda da
mesma:
• Calculado
.. .....:...
P.esiduos do FUIADdelo x Variâ..,el 'r'alor uni'lário
J ., ... __,, _________________________ -----------------�
0-
Q,
!'?,
.. . .
� o
�
li'. .
\ -�� ·•-�-�. ------ ·-··· •• .! ••••••.............. -·
-2
0,000 0,000 0,000

1/valor unitário:::
0,000 0,000 0,000 º·ººº
Outliers são <lados considerados muitos distantes do centro da distribuição dos valores em torno da média
estimada. A bibliografia cita a medidü de dois desvios padrões da média como ponto de referência para
análise de dispersão aceitável. Segundo a Norma Brasileira, estes dados só deverão ser retirados da amostra
se houver justificativa. O simples exame visual não é suficiente para a decisão sobre sua retirada.
• Calculado Análise Mista
1
Resí-Juos do PlrModelo x Variável valor unMrio
i
J
-1
1 ·..
-----
; : . .. .. . .
♦ ••• •
.
.
-······· • - ---.- •
, .. ····_. . . . . .
- • •• •
; . .. .
-- - • ---.-- -
'... . . ·]
•••••
Q
-2
º·�ºº O � 0,000
1/vaJor 11nffárlti�
0,000 º·ººº 0,000 0.000
O procedimento adequado será a análise da adequação do elemento às características da amostra. Neste caso
é recomendável uma análise criteriosa ela participação relativa cio resíduo do elemento no total de resíduos do
modelo, o que corresponde a coluna "Variação Residual" ela tabela ele valores elo módulo Resíduos do TS
Sisreg.
Tratando-se de participação relativa (quanto o resíduo representa no montante), a adequação do dado à
amostra pode ser analisada através ele tabela que considere a quantidade de dados e variáveis ela amostra
(graus ele liberdade). Para pequenas amostras, sugerimos a seguinte padronização abaixo.
Outro indicador de pontos influenciantes é a Estatística de cook. Neste teste, após a identificação do modelo
ele regressão, os dados são retirados individualmente ela amostra e os parâmetros ela equação são
recalculados. Se os resultados indicarem que um único dado altera consideravelmente os resultados ele é
considerado influenciante. Embora consistente, é recomendável que este teste seja aplicado somente após
esgotada a análise da coluna "Variação residual".

Coluna "Variaçiio Resil" ordenada com valores máximos aceitáveis:
3.2 AnáliseUnea,
,
b)
I
Grau Liberdade
5
10
% Aceihh•el
,40
ft5
�
Grau Liberdade
30
35
% Aceitável
15
20
'•
ti
\ 3.()1)
15 40 10
''
20 45
25 75'" ' 50
\
i
\
Resíduo
Relativo ��
ti
1 D!tdos
t
908% 1.65 0.74¼ 8.47" ·1,32% T Olõ1 j Considi:rtidt.iS
''
6 867. 1.64 14,16% 8.36% 15.71 ¼ 40 1 40
8.07 %
·8.59%
·6.65%
1.54:
·146
-1,40
o.oi"
J.2n
2.28"
7.43 �-
6.65 %
6.11�
·1.97 %
2.327.
~
�slado
32
ÇOJ!!!!ª_Ç��
Linear
fi
6.10:: 1.31 2.76%
!:�v
5,39 r. .743677 0,888642
6,35 >: 1,30 1.04 ,, 527Y. ·0.09% Desvio Pad,ão
5.28>.
-5.52 %
1.19
.1_19'
7.18%
;
7.92�
3.1 ,;
�lll
0.29
·; �l!o lioe6f
1 120.�7
·0.35 -7.05% -1.18 :l!ll"
·0.33
·0.30
·6.56%
-600 ¼
·1.13
-1.03 1
�--..,_1'2.21% ,Cêl<ulêdo r.
Watson (Oe,leodente)
;?,17
--
'
� lo �o-,eur:uso_�
-509 ,, ·0.88
Calcul� JD 1·•11,1:1
.J ::Llfoõ :::l Va,iável Urii1á1io
. Outlieu·
.. ,·--·
'Nãol1r1ear ti
• Calcubldo Anár:se Linear
'
Ri::stduos do Ptrt.fod:1lo ;,i v,mável Uncà1io
i
J ...................·-··--·----- .................................. .
. .. �
.. .
. ..
.. :.. . . . . 'ti
.2
'..
•
Wl(Unifflrio}
!Rede Neural:' Oad;.19 (i
Obs. Depois de concluir a análise por Variacc7o Residual,

Examinar os resultados ela Estatística ele Cook i
'

Ao identificar a equação de regressão que representa a média do co11junto ele dados da amostra o avaliador
clemostra seu entendimento sobre o comportamento do mercado estudado. No entanto, seu estudo está restrito
aos elementos da amostra analisada. Assim, seu modelo de regressão representa e está comprometido
somente com os dados da amostra. o· que não garante sua aplicabilidade ao imóvel a ser avaliado.
Para verificar se o imóvel a ser avaliado se enquadra às cmacterísticas da amostra analisada e, por
consequência, está inserido na população que deu origem à amostra, o Profis~ional deve analisar outros
resultados estatísticos oferecidos pelo modelo. Em pmticular, outros três procedimentos de excelência são
indicados para identificar a adequação da amostra ao imóvel a ser avaliado:
INTERVALO DE CONFIANÇA $
.
Conforme definido na Norma Brasileira, deve ser calculado, com base na estatística T-Stuclent, um intervalo
de valores no qual podemos afirmar com 80% de probabilidade de acerto que o a média populacional p,mt o
imóvel avaliado está inserida.
Este intervalo de confiança, conforme pode ser comprovado na teoria estatística terá sua amplitude mais
reduzida à medida que as características do imóvel avaliado se aproxima da média aritmética das escalas
utilizadas nas variáveis independentes (centro da amostra), aumentando esta amplitude à medida que nos
afastamos deste ponto.
Sendo assim, a Norma Brasileira estabelece que a adequa<;ão do imóvel avaliando às características da
amostra deve ser aferida pela amplitude deste intervalo, denominando de Grnu de Precísüo e classificando
em 3 níveis de qualidade a estimati va .
Atnplitude == Limite superior - Limite iníerior

Valor c~nlr:1 1
%Amplitude Total Grau de Precisão (NBR-14653-2)

Até 30% Grau Ili - Próximo ao centro da amostra
Até 40% Grau 11 - Preciso - aderente ao centro da amostra
Até 50% Grau 1- Aceitável - afastado do centro da amostra
Mafs de 50% Não se enauadra na amostra *
*Quando o mercado analisado apresenta forte oscilação de preços para imóveis semelhm1tes (volátil), a
variância do termo independente da equação toma-se elevada, fazendo com que, mesmo no centro da amostra
esta amplitude torne-se elevada. Este ti1:io de ocorrência não é frequente em amostras de mercados estáveis e,
se claramente observada, o fato deve ser utilizado como justificativa para amplitude acima de 50%;

PRINCIPAIS ITENS A SEREM ANALISADOS PARA IDENTIFICAR O ENQUADRAMENTO DO
IMÓVEL AO MODELO INFERIDO
4) INTERVALO DE CONFIANÇA $
4.1 Parâmetros de análise

a) Na linha Vermelha da tabela , a Coluna "Amplitude": Este indicador, em % calculado por Valor
máximo - Valor Mínimo indica a Precisão do trabalho
Valor Central
%Amplitude Total Grau de Precisão (NBR-14653-2)

Até 30% Grau Ili - Altamente preciso
Até 40%
Até 50%
Grau li - Preciso
Grau 1- Aceitável
c.,-nW-ffL
Mais de 50% Não se enquadra na amostra ,._
/
Frenle '1/x
• Topog Plana 1
• Ocupação o o:
Índice comt,. tê,
L . . - 409:_!·~1 €\ 2h 15
Venda rrl CCN 1 Urut-'110 85 L21 1 0.15 65 318.35
lncOfp.Aeiid
lnoopComer
Mê$
Unitáf10 ln
1.:ê:CO
-- .... -- .... -.... -
..... .
J1n1ervolo de Confiançõ
Y mínimo 1~34-7.-
87_ __
3
.;
Y mAxino
-- . ~. --- --- -. 147065
EqwçbO de Menc,, Intervalo -.,
Equ3r,io 1'11 17,.{25.301'J
·; -~ .
::r!":!;;:!º 1º-ºº ___I
eaTotal Voto< ¾ Mínino ~Máximo '\
!Redel:t-l.l'al: In'.1/!lio.! 1.JOO.Oll! 409 .26 lfi,52 ~ 19,79 ~ ;;_:
r

PO OS DE MÁXIMO ou MÍNilVIO $
A amostras do mercado imobiliário, em sua grande maioria, apresentam dados com alta heterogeneidade na
área dos imóveis. Este fato faz com que a formação dos preços apresente forte relação com as áreas. Para
reduzir a variação observada nos preços, é comum a utilização cio Valor Unitário corno variável dependente
nos modelos de regressão.
Mesmo reduzindo a variação este procedimento não é suficiente para explicar a totalidade da variação
provocada pelas diferenças de áreas, obrigando o Avaliador a reutilizar esta característica quando define suas
variáveis independentes.
Com a duplicação do uso da escala da área. o modelo matemático gerado pará estimativa do valor total
resulta em uma parábola (polinomial do segundo grau) na variável Área, gerando um ponto de inflexão. Esta
inflexão pode ocorrer dentro ou fora cio intervalo amostral. Caso oco1Ta dentro elo intervalo, não é
aconselhável a utilização cio modelo. Para identificar a presença de pontos de inflexão deve-se observar o
comportamento gráfico da relação ÁREA x VALOR TOTAL
Exemplos:
3'0. 000 ·
300 000
2,0.000
°8" 200.00 0
:ã ·1,0.000
100.000 - r. --- ... ---------:- ----------- . ------------... --. -.
:-0.000
1 000 2.000 3.000 4.00 0

Área - Vaior Estimado e !nter11al0- de Confiança
3.500.000 ·
3.000 000
2.!'00 .000 ·
~ 2.000.000
2 1.,00.000
1.000.000
:00.000
100000 200000 ioo.ooo

Área Total - Valor Estimado e kite rvato de Confiança
A utilização do VALOR TOTAL como variável dependente evita o ponto de 111cu111w, no entanto, é
necessária a construção de um gráfico VALOR UNITÁRIO x ÁREA para verificar se, dentro do intervalo
amostral esta relação mostra-se contínua e sem inflexão decorrente do smgimento de um ponto de mínimo.

5) PONTOS DE MÁXIMO ou MÍNIMO i$
5.1 Para Valor Unitário como variável dependente, examimu· Máximo para Área
~ ,--,---,--=
e~
E,-tlF,ento
A,ea Total
H F::;,;:~+--=llfndtcc consl1.
1n Vend~rr/Coll_!L 1/x
1.00
560 Ymfrvmo 1341.66 i
,j
Dado,
' Comide,~do•
' 40
l
• opog Plana lnco,p Re; id o Y m&ci'oo 1490,24 32 -
~ cupõÇ5o lnc01p.Comerc.
i diceconsl.r. Mês l he 15 ai 2& 1' =P1edlç5o
Ymír'iimo
:1 do
C~•!~l!!_çªo
Lineai
lnc01p.Re&ki.
tnc01pCome1
l~•I 40~ .2G 85,:!2 1 º"'565 310,
Y má>;fl'.o
1269 00
l6l2,66 - -il 77
esvio Pad1ão
0,888642
1 Niolineai
M6' r20.-:i7 ·
Unitário .. Campo de Arbíhia
Mi,>mo(-15, ) \r=3"'
47'"'.8"'"
7 _ __
on (Dependente)
MO<;no (+15%) j47065 lodo 2.17
to-,egreui ~ 90%
Valor a1bilfado J'io·"9""
_2-='
6 _ __
Outlie!!._ __ j
o" i:---- r--, I
Hao l ineas \
1 -·
,.A_valioç •º-"-••-•v;..•_I.,_ -_ _ _~ Í
_...:-
1j1nte,v•lo do ConliMÇo .::J I
Y mínimo j347.87
' YmáiOO'lO j470,65 1
Eqwç~ de MenOf lntervo,lo
... ··:· . ···!··· E.:;i.1aç.âo n1 17 .. f25.30 ~l 1
l.:úC 2 COO 2.f OC l CO:t :? :oo .:!. C!JC i l:CO

Arta Tcual- Va!;)r E$l1m ~:.c e Jr•.er. a!Oa de Corht'\Ç-4
MíOWllO M6Xffl0 A ~ud. ~ Mínimo 1" Máximo ,.,.

4H . I GI ,2 7 GJ?. 311 .69 36,30,: 1~.52~ 19,79 :'l: ~
_ .2 Quando utilizado \lalor Towl como variável dependente, examinar Mínimo
Em qualquer dos casos, o Gráfico (Azu l) deve se mostrar sempre crescente e positivo, sem nenhuma
inflexão (picos positivos ou negativos)

C
COLINEARIDADES . :>
As diversas tipologias de imóveis encontradas no mercado imobiliário apresenté1m populações com

características intrinsicamente colineares.
Quando extraímos uma amostra representativa ele uma população, esperamos que esta amostra apresente
as mesmas características da população de onde foi retirada, assim, se a população contém
colinearidades entre as diversas características que definem os preços dos imóveis, logicamente a
amostra também vai apresentar colinearidade entre as variáveis que utilizamos'.
Significa que a colinearidade entre as variáveis de uma equação de regressão não implica
necessariamente numa deformação do modelo, apenas indica que este modelo representa uma população
com características específicas.
Um modelo com características colineares pode ser utilizado para avaliar imóveis que respeitem estas
características, significa que ele apresenta as mesmas características da população de onde a amostra foi
retirada, A Norma Brasileira define que a colinearidade present·e na amostra pode ser 11egligenc:iadu
neste caso, ou seja, que o modelo pode ser utilizado sem restrições.
Por outro lado a Norma Brasileira estabelece que, se o imóvel a ser avaliado não respeita as
cim1cterísticas colineares da população de onde foi retirada a amostra, é veduda a utilizaçüo do modelo
para avaliação deste imóvel.
Observa-se então que, segundo a Norma Brasileira, um modelo com colinearidade elevada pode ser
utilizado ser restrições, desde que respeitados seus limites colineares. A dificuldade neste caso é definir
quais seriam estes linútes, ou seja, como identificar se o imóvel a ser avaliado respeita os limites
colineares da amostrn.
O melhor indicador de validade da equação para estimativa do valor de um imóvel que presumivelmente
pertence à população de onde foi retirada a amostra é a amplitude do intervalo de collficu,ça. Por
característica, esta amplitude é reduzida no centro da amostra e muito ampla nos seus extremos.
Sendo assim, se o mercado investigado não apresenta volatilidade, ou seja, os dados semelhantes estão
distribuídos em torno do 'eu valor central de forma relativamente homogênea, o illterw,lo de conftanca
pode ser tomado como indicador da insercilo do imóvel ao cm1texto da wnostra.
A presença de Colinearidade pode ser observada no módulo "Correlações", onde a matriz de correlação
entre variáveis individualmente (isoladas) e na presença das demais variáveis (parciais) indica qual o
nível de dependência entre as mesmas.

6) COLINEARIDADES C:)_
Seleciomu- a Variável Dependente na Matriz ele Correlações entre variáveis e Analisar com
enfoque nos seguintes parâmetros:
Nesta matriz, se a correlação entre a variável dependente e cada uma das demais vanaveis
mostra valores elevados (acima de 60) melhor, mas isto não é condição necessária (Ú ltima linha -
amarela) e última coluna - azul).
' ...
• • ·· 1 r''
i:el lt,nei .
'
brqu1 wõ [ ::ht<J1 Y".iui,hi.a M.:.oelQ tedt H t,A&i Lil ",t:.la AJ;,td;,
''
~ & lã! él lij'~ j 1'1 ·1 ,·~ : ~ 1~ $ 'V WJ ,:, .a. 11• ''
Vmi~Yel Escala Oet. ~ stl!do
Á1ea Total w,1,1 0.,-32972
F1er,le wi,1 0.122160
• TopogPL?.na
• Q~gç~
indicecondr.
Venda rd Coi 1/, < VariAvel Forma Lineõl AJea Tlotal Frente incicc con:tt Vend4 rri- C lncat Aesid lncCM Come Mês:
lncorp.Aesid. Á<•• TOl~ h,(,) 86 58 48 20 18
lncorp.Come1 F1t=(l(e ln(x) 85 71 76 29 38 41
IAê, '
1h lndice comb lC 13 .5 68 58 46 42 81
Unilário ln()') Venda 1ft Com.l.
lncorp Re~id
lnc:01p.Coroe1c.
1/x
x 1
51
1 -23
20
64
·14
10
-64
1 45
•
-8
, ·23
-6
24
-40
53
1'
37
17
15
78
34
38
Mês
U!Ji!O.;, __ _ _
1/x
h>Ú'J T 1: 11
•17 I
,
, 25
58
.7
-52
.14
-~1
16
24 11-
35'
I
I
I
Com1tsções liolsdas para Untin/
100
•~ : 1
100
~ -:
[ill [ill . i . . •••.•
.. . j . . .
• ~,-~~-=
so i m:J Eill IIl 80
ao
.5: ~ô :. 'º20
[)!]QIJ : 0
- 100 -S2 , :
o
r 0
Vertical Toto t Ín dice ~onslr. llcorp.P.e.sid r Ve11icallloto1 Índ.ce tOJlSlr. .,CO(jl Re,id
,
I
!Redc Ncurol: 'lnval1d;, ,'1

1.
I
Os demais valores ela M;_1triz correspondem às correlações entre as variáveis independentes. Neste caso,
quanto mais reduzidos estes valores (abaixo de 60), melhor.
Uma sugestão para amílise, tanto para correlações isoladas como com influênc ia , é:
Até 40% fraca
Até 60% média
Até 75 % fo rte
Até 85 % muito forte
Acima de 85 % fortíssima

Engenharia de Avaliações Imobiliárias - Módulo Avançado - IBAPE-SC

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

Engenharia de Avaliações Imobiliárias - Módulo Avançado - IBAPE-SC

Enviado por

Direitos autorais:

Formatos disponíveis

Instituto Catarinense de Engenharia de Avaliações e Perícias

Rua: Dom Jaime Câmara, 248 - Florianópolis/Se - CEP: 88015-120

Ministrante: Eng. Civil Sérgio Alberto Pires da Silva

Florianópolis/Se, julho de 2016.

INSTRUTOR: Eng. Civil SÉRGIO ALBERTO PIRES DA SILVA

Rm1 Lihcrdmle. 404 · Pm·to t\legre/RS - BRASIL - CEP 90420-090

CURSO DE ENGENHARIA DE AVALIAÇÕES 3

2.1. VARIÁVEIS QUANTITATIVAS

Variáveis quantitativas são aquelas que representam as

É importante neste caso, que a amostra contenha dados com

Da mesma forma, se esta amostra contivesse dados com áreas

8 CURSO DE ENGENHARIA DE AVALIAÇÕES

As diferenças entre dados da amostra decorrentes de conceitos

Sem dúvida, esta categoria de variável tem se constituído um

Ao procurar explicações para o aumento da variação dos valores

É exatamente a influência de expectativas próprias que

Procurando minimizar a subjetividade dos resultados oferecidos

Para exemplificar as dificuldades na montagem de escalas

CURSO DE ENGENHARIA DE AV LI ÇÕE 9

2.3. VARIÁVEL PROXY

Uma alternativa incluída na Norma Brasileira para contornar a

O critério de medição da característica mensurável a ser

Exemplificando o caso específico do Padréio de Acabamento de

Assim, ao constatar que as fachadas causam o primeiro impacto

Por outro lado, os acabamentos de cada uma destas parcelas,

CURSO DE ENGENHARIA DE AVALIAÇÕES 11

Cada imóvel da amostra deve ser encaixado nesta matriz,

Depois de todos os dados da amostra enquadrados no critério de

Quanto mais reduzido o grau de subjetividade do trabalho

Concluindo, quanto menor o controle do pesquisador sobre o

Depois de definidos os valores apropriados para cada imóvel,

12 CURSO DE ENGENHARIA DE AVALIAÇÕES

As variáveis dicotômicas, ou vmiáveis binárias, são aquelas que

Supondo que uma equação de regressão expressa por:

Durante a coleta de informações no mercado, constata-se que,

• Vista = O (zero) imóvel sem potencial de exploração paisagístico;

O novo modelo inferido terá a seguinte forma:

Valor = A + B 1 • Área+ B2 • Vista

Para imóveis sem potencial paisagístico, a variável Vista

Valor = A+ B1. Área

Para os imóveis com potencial paisagístico, a variável Vista

Valor= (A+ B2) + B 1 . Área

CURSO DE ENGENHARIA DE AVALIAÇÕES 13

Ou seja, o Valor obtido no modelo original, será acrescido do

As vanaveis dicotômicas representam importante instrumento

Da mesma forma, ao indicar que uma situação exclui a

14 CURSO DE ENGENHARIA DE AVALIAÇÕES

Bairro A 1 (um) imóvel localizado no Bairro A;

Como vemos, não será necessária a inclusão de outra variável

CURSO DE ENGENHARIA DE AVALIAÇÕES 15

Esta característica do mercado imobiliário, apresentando

Mesmo supondo que cada imóvel possua sua propna

3.1. VARIÁVEIS GENÉRICAS

Algumas variáveis geralmente mostram signU1cância reduzida

3.1.1. Área total

16 CURSO DE ENGENHARIA DE AVALIAÇÕES

A situação geográfica do imóvel no contexto urbano, principalmente no que se

O processo adequado para medir cientificamente esta contribuição, está ..baseado na

Outra forma de medir o posicionamento relativo dos imóveis é através de Códigos

Uma forma mais simples e objetiva de mensurar a influência deste atributo

CURSO DE ENGENHARIA DE AVALIAÇÕES 17

3.2.2. TERRENOS DE INCORPORAÇÃO

Nesta classificação, encontram-se os terrenos que interessam à

CURSO DE ENGENHARIA DE AVALIAÇÕES 19