REGRESSÃO MÚLTIPLA

Regressão Linear Múltipla

O Que É?

Regressão Múltipla:
Quando mais de uma variável independente é
necessária para explicar a variabilidade dos
preços no mercado.

Regressão Linear Simples:

Aplicável a relações que incluem apenas uma
variável independente.
Regressão Múltipla
Exemplo - Gráfico
 Regressão Múltipla
Pressupostos Básicos
Primeira hipótese
• A variável independente corresponde a números reais que não
contenham nenhuma perturbação aleatória.

Segunda hipótese
• O número total de observações deve ser superior ao número de
parâmetros estimados pelo Modelo.

A NBR 14653-2 estabelece o seguinte:

GRAU III de Fundamentação - 6 (k+1)

GRAU II de Fundamentação - 4 (k+1)

GRAU I de Fundamentação = 3 (k+1)

 Regressão Múltipla
Pressupostos Básicos
Além da quantidade mínima de dados totais, a NBR 14653-2 ainda
estabelece que, para as variáveis dicotômicas ou códigos alocados:

• ni >3 para uma quantidade total de dados inferior a 30

• ni >10% de n para uma quantidade de dados entre 30 e 100.

• ni > 10 para uma quantidade de dados superior a 100.

ni é número de dados de mesma característica

 Regressão Múltipla
Pressupostos Básicos

Terceira hipótese
• Os erros são variáveis aleatórias com
variância constante - Princípio da
Homocedasticidade.

• Homocedástico Heterocedástico
 Regressão Múltipla
Pressupostos Básicos

Quarta hipótese

• Os erros são variáveis aleatórias com

distribuição normal.

• 68% dos resíduos devem estar entre -1 e +1

• 90% dos resíduos devem estar entre -1,64 a +1,64
• 95% dos resíduos devem estar entre -1,96 a +1,96
 Regressão Múltipla
Pressupostos Básicos

Quinta hipótese

• Os erros não são correlacionados. Não auto-regressão.

• A verificação pode ser feita pela análise gráfica dos

resíduos versus valores ajustados, que devem apresentar
pontos dispostos aleatoriamente.
 Regressão Múltipla
Pressupostos Básicos
Sexta hipótese

• Não deve existir nenhuma relação exata entre quaisquer

variáveis independentes.
• Uma forte correlação (acima de 80%) vai limitar o uso da
equação a apenas avaliar imóveis que possuam a mesma
correlação inferida.

“Efeito da Multicolinearidade”
 Regressão Múltipla
Pressupostos Básicos

Exemplo de um modelo sem

colinearidade entre duas
variáveis (x, y).

Note que o plano que

resolve a equação vai se
posicionar mais
horizontalmente em relação
aos eixos (x;y).
 Regressão Múltipla
Pressupostos Básicos
Exemplo de um modelo com
alta correlação entre duas
variáveis (x, y).

Note que o plano que resolve

a equação vai se posicionar de
forma vertical em relação aos
eixos (x;y) causando uma
distorção na solução da
variável dependente “z”
(valor) caso o bem a avaliar
não se posicione sobre a
mesma correlação.
 Regressão Múltipla
Pontos Atípicos

Outlier
• Ponto atípico, identificado como estranho à massa de dados
(NBR 14653-2:2011).
 Regressão Múltipla
Pontos Atípicos
Pontos influenciantes
• Ponto atípico que, quando retirado da amostra, altera
significativamente os parâmetros estimados ou a
estrutura do modelo (NBR 14653-2:2011).
 Regressão Múltipla
Significância do Modelo
Estatística de Snedecor e Ficher

Teste F – calcula-se a razão entre as variâncias explicada e não explicada

e compara-se com F tabelado por Ficher
 Regressão Múltipla
Significância do Modelo
Decomposição da variável
 Regressão Múltipla
Significância do Modelo
Análise da variância – ANOVA

Fonte Soma dos Graus de Quadrado

Variação Quadrados Liberdade Médio
R. Explicada SQR  Yˆi Y
2
  k MQR =
SQR/k
Erro(Não SQE   Y Yˆ
i  
2
n-(k+1) EMQ =
SQE/(n-k-1)
Explicada)
 Yi Y 
2
Total SQT n -1
K = número de variáveis independentes
N = número total de dados
 Regressão Múltipla
Significância do Modelo

Assim a estatística “FC” = MQR / EMQ,

FC  Y  . n  k 1
 i Y
ˆ 2

 Y 
i
ˆ
Y i
k 2
 Regressão Múltipla
Significância do Modelo
• Hipóteses para testar o modelo:

Hipótese Nula – nenhuma variável escolhida é

importante para explicar a variabilidade dos preços.

H0  1  2 k  0
Hipótese Alternativa – pelo menos uma variável
escolhida é importante para explicar a variabilidade
dos preços.

HA ,pelo menos um  j  j  1k   0

 Regressão Múltipla
Significância do Modelo

• No caso da estatística “FC” ser maior do que

F  ; k ; (n-k-1)

Rejeita-se a hipótese nula(H0) e aceita-se a hipótese

alternativa(HA) de que existe pelo menos uma
variável importante para explicar a variabilidade dos
preços.
 Regressão Múltipla
Significância Individual do Parâmetro

O teste é feito com o auxílio da estatística “t”de

Student

Calcula-se e compara-se
tj
com t (1 / 2;n tabelado.
k 1)
 Regressão Múltipla
Significância Individual do Parâmetro

• Cálculo de bj   j
tj 
s (b j )

Onde, b j é o estimador de  j

s(b j ) é o desvio padrão estimado do

parâmetro
 Regressão Múltipla
Significância Individual do Parâmetro
Hipóteses para testar o parâmetro:

H0 : j 0
Hipótese nula – a variável não é importante para
explicar a variabilidade dos preços.

HA:  j  0
Hipótese alternativa – contrária a hipótese nula.
 Regressão Múltipla
Significância Individual do Parâmetro

Sendo a estatística t j de Student,

superior ao t (1 / 2;n k 1)

Conclui-se que a variável é importante para
explicar a variabilidade dos preços e
rejeita-se H0.
 Regressão Múltipla
Significância Individual do Parâmetro

 /2 1  /2

tc  t(1 / 2;n  k 1)

 Regressão Múltipla
Intervalo de Confiança


• Como Yi  b0  b1i1  b2i2  ... bk ik  ei ,i  1,...n

é um estimador não tendencioso, basta substituir na

equação as características do bem avaliando (Xh1 ,Xh2,
...Xhk), para obter-se uma estimativa pontual:


Yh  b0  b1h1  b2 h2  ...  bk hk
 Regressão Múltipla
Intervalo de Confiança
INTERVALO DE CONFIANÇA - IC

10 % 80 % 10 %

tc  t(90;n  k 1)
 Regressão Múltipla
Intervalo de Confiança
Constrói-se intervalo de confiança para (n-k-1) graus de
liberdade a um nível de confiança

(1   ) = 80% no caso de
avaliações de
imóveis

I  Yˆh  t(1 / 2;nk 1) .s(Yˆh )

(Yi Yˆi )
2
1 se 
s(Yˆh )  se .  ( X  X )( X X )1( X h  X )
n n k 1
 Regressão Múltipla
Intervalo de Confiança

A menor amplitude do intervalo ocorre quando as

características do imóvel a avaliar estão próximas às médias
das características dos dados
 Regressão Múltipla
Intervalo de Confiança

Segundo a NBR 14653-2 a abertura do intervalo de

confiança irá determinar o Grau de Precisão da avaliação.

Grau de Precisão III – IC menor ou igual a 30%

Grau de Precisão II – IC menor ou igual a 40%
Grau de Precisão I – IC menor ou igual a 50%
Acima de 50 % admite-se que o trabalho não tem precisão
 Regressão Múltipla
Campo de Arbítrio

De acordo com a NBR 14653-2 o campo de

arbítrio do avaliador não coincide com as
fronteiras do intervalo de confiança. Se a
avaliação tiver sido elaborada por metodologia
científica este será igual a 15% em torno da
estimativa pontual adotada.

“Porém, se a estimativa pontual não for adotada

o avaliador deverá justificar sua escolha.”
NBR 14.653-1
NBR 14.653-2

Avaliação de Imóveis Urbanos

 As opções à disposição
do engenheiro de avaliações

• Quatro métodos para identificação de valor

• Dois caminhos para o método comparativo direto de dados de

mercado

• Dois métodos para identificação do custo

• Três graus de fundamentação e precisão

 Laudo de uso restrito

• Obedece a condições específicas pré-

combinadas entre as partes contratantes

• Não tem validade para outros usos ou

exibição para terceiros

• Caráter do laudo deve estar explícito

• Dispensados de especificação, de comum

acordo entre as partes.
 Laudo de avaliação
Métodos para a identificação de valor:

• Comparativo direto de dados

de mercado
• Involutivo
• Evolutivo
• Capitalização da renda

• Métodos para a identificação de custos:

• Comparativo direto de custos

• Quantificação de custos
1º caminho: Comparativo direto com
tratamento por FATORES

Homogeneização por fatores

• Critérios fundamentados por estudos de entidades técnicas

regionais reconhecidas

• Análise estatística feita sobre os resultados homogeneizados

• Anexo B da Norma
 2º caminho: Comparativo direto com
tratamento CIENTÍFICO

• Tratamento de evidências empíricas

• Modelo indutivo para o comportamento do

mercado

• Exemplo: inferência estatística com o uso de

regressão linear (Anexo A da Norma)
Especificação das avaliações
• Grau de fundamentação
• pode ser fixado a priori pelo contratante (em função de prazo, valor do
imóvel, valor da remuneração)
• depende das informações disponíveis no mercado
• não há garantia de alcance de graus elevados de fundamentação fixados
a priori

• Grau de precisão
• depende das características do mercado e da amostra coletada
(volatilidade)
• É definido a partir do intervalo de confiança calculado
• não é passível de fixação a priori
 Grau de fundamentação:
Modelos de REGRESSÃO LINEAR
Grau
Item Descrição
III II I

Caracterização do imóvel Completa quanto a todas as Completa quanto às variáveis Adoção de situação
1
avaliando variáveis analisadas utilizadas no modelo paradigma

Quantidade mínima de 3 (k+1), onde k é o número

6 (k+1), onde k é o número de 4 (k+1), onde k é o número de
2 dados de mercado, de variáveis
variáveis independentes variáveis independentes
efetivamente utilizados independentes

Apresentação de informações Apresentação de

relativas a todos os dados e Apresentação de informações informações relativas aos
Identificação dos dados de
3 variáveis analisados na relativas aos dados e variáveis dados e variáveis
mercado
modelagem, com foto e analisadas no modelo efetivamente utilizados no
vistoriados pelo autor do laudo modelo
 Grau de fundamentação:
Modelos de REGRESSÃO LINEAR
Item Descrição
4 Extrapolação
Nível de significância 
somatório do valor das duas
5 caudas) máxim o para a rejeição
da hipótese nula de cada
regressor (teste bicaudal)
Nível de significância m áximo
admitido para a rejeição da
5 1%
hipótese nula do modelo com
uso do teste F de Snedecor
3 pontos para cada
Total mínimo de pontos
Grau
III II I
Admitida para apenas uma
Admitida, desde que:
variável, desde que:
a) as medidas das características
a) as medidas das características
do imóvel avaliando não sejam
do imóvel avaliando não sejam
superiores a 100% do limite
superiores a 100% do limite
amostral superior, nem inferiores
amostral superior, nem inferiores à
Não admitida à metade do limite amostral
metade do limite amostral inferior
inferior
b) o valor estim ado não ultrapasse
b) o valor estimado não ultrapasse
20% do valor calculado no limite da
15% do valor calculado no limite
fronteira amostral, para as
da fronteira amostral, para a
referidas variáveis,
referida variável
sim ultaneamente
10% 20% 30%
2% 5%
2 pontos para cada 1 ponto para cada
16 10 6
Grau de Precisão
• O grau de precisão de uma avaliação elaborada pelo
método comparativo de dados de mercado depende,
unicamente, da amplitude calculada do intervalo de
confiança.

• Grau III: amplitude < 30%

• Grau II: amplitude < 40%
• Grau I: amplitude < 50%
Campo de Arbítrio
Intervalo de variação no entorno do estimador pontual
adotado na avaliação, dentro do qual pode-se arbitrar o
valor do bem, desde que justificado pela existência de
características próprias do imóvel avaliando, não
contempladas no modelo.

Homogeneização por fatores

• Até 15 % em torno do valor pontual calculado

Metodologia científica
• Até 15 % em torno do valor pontual calculado
 PONTO DE MÁXIMO
da equação valor total

Na escolha da melhor equação para

representar o mercado é necessário ter
cuidado com a existência de pontos de
máximo dentro do intervalo amostral.
 PONTO DE MÁXIMO
da equação valor total

Y  a  bx
• Y = variável dependente = Valor/m²

• X = variável independente = área

Valor / m²  a  b.área
PONTO DE MÁXIMO
da equação valor total

Valor / m ²  a  b * área
Valor  Valor / m ² * área
Valor  (a  b * área ) * área
Valor  a * área  b * área ²
• Equação de 2º grau
 PONTO DE MÁXIMO
da equação valor total

• Veja que a partir do ponto de máximo [Xo;Yo], embora a área aumente, o

valor total do imóvel passa a diminuir. Esta ocorrência não é verdadeira
no mercado imobiliário.
 PONTO DE MÁXIMO
da equação valor total

Uma das maneiras de evitarmos a formação do ponto

de máximo é, logicamente, evitarmos a forma
parabólica.
• Para isso podemos transformar a variável área na
forma 1/x

Valor / m²  a  b / área
Valor  a.área  b