XXI CONGRESSO PANAMERICANO DE AVALIAES

A IMPORTNCIA DA INFERNCIA ESPACIAL NA ELABORAO DE PLANTA DE

VALORES
Autores
DANTAS, RUBENS ALVES
Engenheiro Civil, CREA 8349-D/PE, IBAPE-SP 1184, Doutorando em Economia
Departamento de Engenharia Civil da UFPE e Caixa Econmica Federal
Fone: (81) 3268.3888 - e-mail radantas@elogica.com.br
S, LUCILENE ANTUNES CORREIA MARQUES
Engenheira Cartgrafa, Doutora em Engenharia Civil pela USP
Departamento de Engenharia Cartogrfica da UFPE
e-mail: lacms@ufpe.br
PORTUGAL, JOS LUIZ
Engenheira Cartgrafo, Doutorando em Sade Pblica
Departamento de Engenharia Cartogrfica da UFPE
e-mail: portugal@ufpe.br
Resumo:
A Planta de Valores de grande importncia para os municpios, tanto do ponto de vista de arrecadao de
IPTU e ITBI, como tambm por representar um instrumento de planejamento e desenvolvimento urbano, na
medida em que nos valores dos imveis que se manifestam as preferncias da populao, em relao a
determinadas regies da cidade. Neste sentido, a Inferncia Espacial pode servir de grande ajuda, uma vez que
atravs dos mapas de iso-preos pode-se identificar os plos de atrao e repulso de classes sociais e as
regies em ascendncia ou decadncia da cidade. Estes trabalhos tm sido elaborados com base nos Modelos
Clssicos de Regresso, que no so recomendados na presena de efeitos espaciais, muito comum nos dados
imobilirios. A literatura tem mostrado que as avaliaes realizadas por esta metodologia so tendenciosas,
ineficientes ou inconsistentes. Estas anomalias podem ser facilmente corrigidas com a nova metodologia
proposta neste trabalho. Um estudo de caso para uma base dados georeferenciada, com 147 apartamentos
situados na zona norte da cidade do Recife-PE, Brasil, mostra a potencialidade da metodologia proposta.
Palavras Chave: Planta de valores, Inferncia Espacial, Krigeagem.
Abstract
The Plant of Values is very important for the cities in the collection of taxes, planning and the urban
development. This works have been elaborated with the use of the Classic Model of Regression. However, in the
presence of spatial effects, very common in the real estate data, the evaluations carried through for this
methodology are tendentious, inefficient or inconsistent. In this direction, the Spatial Inference by Kriging
Method can serve of great aid to correct this problems. This paper shows how to use this methodology and do a
study of case for a sample of 147 condominiums in the Recife city, Pernambuco, Brazil.
Key words: Plant of values, Spatial inference, Kriging

CURRICULOS RESUMIDOS DOS AUTORES

RUBENS ALVES DANTAS
Engenheiro Civil, Mestre em Engenharia de Produo e Doutor em Economia pelo PIMESUFPE. Professor adjunto da UFPE e professor adjunto da Escola Politcnica de Pernambuco,
da disciplina Engenharia de Avaliaes, desde 1981. Engenheiro de Avaliaes da Caixa
Econmica Federal e membro da Comisso de Estudos instituda pela ABNT, para reviso da
Norma para Avaliao de Bens, NBR-5676.
LUCILENE ANTUNES CORREIA MARQUES DE S
Engenheira Cartgrafa, Mestre em Engenharia Civil pela UFSC, 1993. Doutora em
Engenharia Civil pela USP, 2001; Professor Adjunto do Departamento de Engenharia
Cartogrfica.

JOS LUIZ PORTUGAL

Engenheiro Cartgrafo; Mestre em Sistemas da Computao pela IME, 1992; Doutorando em
Sade Pblica pela FIOCRUZ, 2003; Professor Ajunto do Departamento de Engenharia
Cartogrfica.

1. INTRODUO
A Planta de Valores de grande importncia para os municpios, tanto do ponto de
vista de arrecadao justa de IPTU - Imposto Prediais e Territoriais, como tambm para
cobrana de ITBI Imposto de Transmisso de Bens Imobilirios, alm de representar um
instrumento de planejamento. No Brasil estes trabalhos tm sido realizados pelo mtodo
Comparativo de Dados de Mercado, previsto na Norma de Avaliaes de Imveis Urbanos,
NBR-5679/90, da Associao Brasileira de Normas Tcnica, ABNT, utilizando-se o Modelo
Clssico de Regresso. Contudo, na presena de efeitos espaciais, muito comum nos dados
imobilirios, como demonstrado em Dantas at al ( 2002a e 2002b), as avaliaes realizadas
por esta metodologia so tendenciosas, ineficientes ou inconsistentes (Anselin, 1999). Estas
anomalias so facilmente corrigidas com a nova metodologia proposta neste trabalho
denominada de Avaliao por Inferncia Espacial, utilizando-se o processo de Krigeage,
desenvolvido por Matheron (1965). Com base nesta metodologia pode detectar, com
segurana, as zonas infra ou supra valoradas de uma cidade (prejudicadas ou beneficiadas
fiscalmente), o que pode sinalizar a ruptura do princpio da equidade fiscal, implicando na
necessidade de reajuste destes valores. Sem embargo, uma viso da distribuio espacial dos
preos, a partir da planta de valores, pode servir de grande ajuda na elaborao de planos
diretores, previstos no Estatuto da Cidade, criado pela Lei 10.257 de 10 de junho de 2001,
como tambm para os diversos rgos ligados ao planejamento e desenvolvimento urbano,
tendo em vista que a partir da estrutura espacial do valor dos bens urbanos que se
materializam fenmenos como a hierarquizao social e a atrao repulso entre classes
sociais. A longo prazo, so as preferncias do consumidor que determinam tanto a
configurao das cidade, quanto o entendimento das inter-relaes que regem mercado
imobilirio, refletidas nos preos implcitos de equilbrio espacial entre produtores e
consumidores, como definidos em Rosen (1974), itens fundamentais para a formulao de
polticas habitacionais e urbanas sustentveis. Esta metodologia permite ainda a visualizao
da distribuio espacial da renda, da populao e das atividades econmicas do Municpio e
do territrio sob sua rea de influncia, de modo que pode ajudar o poder pblico na
implementao de polticas urbanas com o objetivo de evitar e corrigir as distores do
crescimento urbano e seus efeitos negativos sobre o meio ambiente.
Este trabalho ser composto por 4 (quatro) sees, inclusive esta introduo. Na seo
2 ser apresentada a metodologia de inferncia espacial, na seo 3 ser realizado um estudo
de caso para o Recife-PE, com base em uma base dados georeferenciada de apartamentos
situados na zona norte da cidade e na seo 4 so apresentadas as concluses e
recomendaes.
2 METODOLOGIA
Existem duas formas de se diagnosticar a presena de efeitos espaciais em dados
imobilirios. Pela anlise grfica do variograma ou utilizando-se testes estatsticos especficos
como os testes de Moran I e os testes LM (Multiplicador de Lagrange). No primeiro caso, a
inferncia espacial realizada pelo processo Krigeagem Residual Interativo (KRI ), que ser
apresentada a seguir. Pela outra metodologia, estes efeitos so diagnosticados atravs da
construo de matrizes de vizinhana. Uma boa resenha sobre a outra a metodologia de pode
ser encontrada em Anselin (1988). Algumas aplicaes podem ser encontradas em Can (1990
e 1992), Case, at al. ( 1991), Dantas at al. ( 2002b) e Garcia, at al (2002).

O mtodo de Krigeagem tem por fundamento a Teoria da Varivel Regionalizada

(TVR). Essa teoria identifica que a distribuio espacial de uma varivel expressa pela soma
de trs componentes: uma componente estrutural, tendo uma mdia constante ou tendncia;
uma componente aleatria espacialmente correlacionada, tambm chamada de variao
regionalizada; uma componente aleatria no correlacionada espacialmente (erro residual).
Assim, o valor de imvel em uma posio x, representado por Z(x), fica definida por
Z(x) = m(x) + (x) + ,

(2.1)

onde m(x) uma funo determinstica descrita pela componente estrutural de Z em x, (x)
a variao regionalizada e um resduo, ou seja, o rudo gaussiano espacialmente
independente, com mdia zero e varincia 2.
Caso no exista tendncia, m(x) pode ser considerado o valor mdio da varivel,
dentro da regio amostral, e assim, o valor esperado da diferena entre duas posies x e x+h,
separados por uma distncia h, ser zero, ou seja:
E [Z(x) Z(x+h)] = 0,

(2.2)

onde Z(x) e Z(x+h) so os valores da varivel Z nas posies x e x+h.

Assumindo, ainda que, a varincia das diferenas depende somente da distncia h,
entre as variveis, tem-se:
E[{Z(x) Z(x+h)}2] = E[{(x) - (x+h)}2] = 2(h),

(2.3)

onde (h) chamado de semivarincia.

As condies de estacionaridade (2.2) e a varincia das diferenas (2.3) definem as
exigncias da hiptese intrnseca da teoria da varivel regionalizada. Quando estas condies
forem satisfeitas, a semivarincia estimada a partir dos pontos amostrais por:

(h) = (1/2n) {z(xi) z(xi + h)}2,

(2.4)

onde n o nmero de pares de pontos amostrais, com atributos z, separados por uma distncia
h.
O grfico (h) versus h chamado variograma experimental, que pode aproximar-se
de um modelo terico (esfrico, exponencial, linear ou gaussiano) conforme mostrado na
Figura 2.1.

Figura 2.1
Modelos Tericos do Variograma

Nota: (a) esfrico, (b) exponencial, (c) linear e (d) gaussiano

Observa-se na figura 2.1 que o variograma composto por trs partes distintas: a
primeira (co), conhecida por efeito pepita (nugget), que corresponde ao intercepto com o eixo
y, isto , onde h = 0; a segunda (co + c1) denominada plat (sill), correspondente poro
vertical do semivariograma e a terceira (a) chamada alcance (range).
Teoricamente, a semivarincia deveria ser zero quando h o fosse, isso devido a
diferena entre mesmos pontos ser zero, por definio. Na prtica isso no acontece, o que
explicado pela existncia de erros de medio associadas s variaes espaciais de muito
pequena amplitude, que no podem ser resolvidas. Os Valores positivos de (h) quando h
tende a zero so, ento, uma estimativa da parcela no autocorrelacionada espacialmente
existente nos resduos de mnimos quadrados. O plat representa a variabilidade total
observada nos resduos, sendo (c1) uma estimativa da parcela de autocorrelao espacial

existente nos mesmos. O alcance (range) a poro mais importante do semivariograma, pois
identifica os valores de h onde existe dependncia espacial.
O semivariograma pode ser empregado para determinar os pesos necessrios a uma
interpolao local. Este procedimento derivado de uma anlise espacial estatstica de dados
amostrais, de acordo com o modelo:
n

z(x0 ) = i .z(xi ) ,

(2.5)

i =1

com i = 1 , onde i so pesos escolhidos de modo que

i =1

z&&(x0 )

estimado sem tendncia

&& e , menor que qualquer outra combinao linear dos

e que a discrepncia da estimativa
n

valores observados e obtidos quando i ( x i , x j ) + = ( x i , x 0 ) , para todo j. O valor de

i =1

( x i , x j ) a semivarincia de z entre os pontos amostrais xi e xj, o valor de ( x i , x 0 ) a

semivarincia entre os pontos amostrais xi e o a ser estimado x0, sendo que ambos so obtidos
pelo semivariograma correspondente. O valor de um multiplicador de Lagrange requerido
para minimizao da varincia.
Desta forma, a estimao espacial para um imvel situado em uma determinada
posio geogrfica x0 encontrada pelo modelo:
(2.6)

Z(x0) = m(x0) + z(x0),

onde z(x0) o estimador de krigeage que mede os efeitos espaciais microlocalizativos, isto
os efeitos de dependncia a pequena escala espacial.
Este mtodo, conhecido por krigeagem ordinria (ordinary kriging) um interpolador
exato, pois quando as equaes so empregadas, os valores interpolados ou a melhor mdia
local, coincidiro com os valores dos pontos de amostrais. Isso significa dizer que, os pontos
amostrais obtidos por interpolao, no tero seus valores alterados. A informao sobre a
2

confiana dos valores interpolados obtida atravs do erro de estimao e , tambm

conhecido como a discrepncia de krigeagem.
3. Um Estudo de Caso Aplicado a Dados Reais
3.1 Descrio da Amostra
Para efeito de realizao da inferncia espacial, trabalhou-se com uma amostra de 147
apartamentos, extradas do banco de dados da Gerncia de Desenvolvimento Urbano da Caixa
Econmica Federal, em Recife, distribudos em 27 bairros da zona norte da cidade. Esta
amostra contm informaes relativas ao perodo de junho/2000 e junho/2002, sobre as
caractersticas fsicas das unidades (rea privativa, idade, conservao, nmero de quartos
sociais, suites, vagas de estacionamento, pavimentos do edifcio, elevadores e de unidades da
edificao), locacionais (logradouro, nmero e bairro) e econmicas (preo e data da compra).

Como variveis locacionais, foram utilizadas as coordenadas geogrficas de cada

edifcio1, compatibilizadas com uma planta digitalizada da cidade do Recife, atravs do uso
do programa ArcView. Tendo em vista que a renda do bairro um forte determinante na
escolha da habitao, considerou-se a renda mdia do chefe da famlia fornecida pelo censo
demogrfico do IBGE (2000), como uma varivel econmica para identificar o padro socioeconmico do bairro onde est localizado o imvel. A varivel qualitativa conservao
assumiu valor 1 para o estado ruim, 2 para o estado regular e 3 para o estado bom, enquanto
que para a varivel perodo adotou-se uma dummy, com valor zero para os primeiros 12 meses
e 1 para os demais meses em que foram realizadas as contrataes.
Uma distribuio espacial da amostra coletada pode ser observada na figura 3.1.
Figura 3.1
Distribuio Espacial da Amostra
N
W

E
S

##
#

#
###

# #
# #

#
##

#
#

#
#
#
#

# #

#
#

#
#
#

#
#
#
##

# #
### #

# ## #
# ## ### #
# ##
# #
#
#
##
#
# ##
##
# #
#
#
# #
#
#
#
#
# #
#
#
#
#
#

#
##
#
##

##
#

##
#
#
## # #
#
## ##
##

#
##
#

Escala 1:200000

3.2 Modelo Tradicional de Avaliao

Para estimao emprica do modelo (2.4) utiliza-se o Modelo Clssico de Regresso,
via Mnimos Quadrados Ordinrios (MQO), tomando-se como varivel dependente o
logaritmo do preo de compra do imvel na posio geogrfica x = (E,N), ou seja Z(x), onde
E e N so as coordenadas medidas em UTM. Na parte determinstica do modelo, m(x),
considerou-se o nvel socioeconmico do bairro onde foi demandado o imvel (BA),
1

Medidas em UTM, sigla de Universal Transversa de Mercator.

representado pela renda mdia do chefe da famlia, em salrios mnimos, divulgada pelo censo
do IBGE (2000); o nmero de quartos sociais do apartamento (QS), de sutes (SU) e vagas na
garagem (VA); o nmero de pavimentos (NP), de elevadores (EL) e de unidades do edifcio
(UH); idade (ID) e conservao (CO) do edifcio; perodo em que foi demandado o imvel
(PE). Incluiu-se ainda nesta parte um polinmio de tendncia do segundo grau, que consiste
em inserir como variveis explicativas do modelo as coordenadas geogrficas dos edifcios
onde esto localizados os apartamentos (E e N), seus quadrados (E2 e N2) e interao entre
elas (EN). Este polinmio tem como objetivo filtrar as variaes dos preos a grande escala
espacial, restando apenas os efeitos microlocalizativos. Para evitar problemas graves de
multicolinearidade, geralmente presentes neste tipo de modelo, utilizam-se as coordenadas
transformadas em termos de desvios em relao mdia (Olmo e Guervs, 2002).
O ajustamento do modelo de regresso tradicional, incluindo-se um polinmio de
tendncia do segundo grau, encontra-se na tabela 3.1. Pelos resultados obtidos pode-se
observar que os sinais dos coeficientes das variveis independentes esto coerentes com o
mercado, pois h expectativas de elevao dos preos dos apartamentos com aumento do
padro socioeconmico do bairro onde est localizado, com a quantidade de metros quadrados
de rea privativa, de quartos sociais, de sutes e de vagas na garagem. esperado, tambm,
que as unidades situadas em edifcios com maior nmero de pavimentos, de elevadores e de
melhor conservao, sejam mais valorizadas e, ainda, que os apartamentos localizados em
edifcios mais velhos e com grande nmero de unidades sejam mais baratos.
Tabela 3.1
Modelo de Regresso Tradicional com Polinmio de Tendncia do Segundo Grau
Varivel

Interseo
BA
AP
QS
SU
VA
NP
EL
UH
ID
CO
PE
E
N
E2
N2
EN

Coeficiente

9.2715
0.0159
0.0060
0.0884
0.0390
0.1015
0.0156
0.1149
-0.0024
-0.0086
0.0577
0.0745
-0.0977
0.0370
-0.0087
0.0029
0.0109

Erro Padro

0.1388
0.0048
0.0011
0.0391
0.0271
0.0476
0.0068
0.0360
0.0015
0.0027
0.0256
0.0395
0.0365
0.0250
0.0038
0.0020
0.0070

Estatstica t

66.7781
3.2962
5.3524
2.2579
1.4370
2.1336
2.2972
3.1951
-1.6441
-3.1951
2.2538
1.8882
-2.6746
1.4796
-2.3222
1.4664
1.5607

Probabilidade

0.0000
0.0013
0.0000
0.0256
0.1531
0.0348
0.0232
0.0018
0.1026
0.0018
0.0259
0.0612
0.0084
0.1414
0.0218
0.1450
0.1210

R2
0.8533
R2 - Ajustado
0.8352
F-teste (Prob.)
47.26 ( 0,0000)
Os coeficientes da grande maioria das variveis explicativas mostraram-se
estatisticamente significantes ao nvel de 5%, com exceo das variveis SU, UH, PE, N, N2 e
EN. O modelo apresenta um alto poder explicativo, com coeficiente de determinao de 0,85
8

e a hiptese nula de que o conjunto de variveis explicativas adotadas no importante para

explicar a variabilidade observada nos preos dos apartamentos fortemente rejeitada quando
utilizado o teste F.
Pela anlise dos coeficientes do polinmio de tendncia, observa-se que apenas as
coordenadas E e E2, so significantes ao nvel de 5%, indicando que as maiores variaes dos
preos, a grande escala espacial, ocorrem no sentido leste-oeste.
Observe que no modelo ajustado na tabela 3.1 foram consideradas apenas as
caractersticas macrolocalizativas existentes nos dados, no sendo levada em consta ainda a
influncia que os dados exercem sobre os seus vizinhos, a pequena escala espacial. Ou seja,
nos resduos deste ainda esto presentes duas componentes: (x) + , e apenas
distribudo de forma independente. Neste caso os resduos estimados ainda podem estar
contaminados com os efeitos de dependncia espacial a pequena escala espacial.
Para realizar diagnstico deste efeitos constri-se o variograma ajustado aos resduos
estimados na tabela 3.1, utilizado-se programa S-PLUS, que se encontra na figura 3.2.
Figura 3.2
Variograma Experimental e Terico dos Resduos

Observa-se que o modelo do variograma do tipo esfrico, cujos parmetros esto na

equao:

(h) = C0 + C1[ 1,5( h/a) 0,5(h/a) 2] para h < a e (h) = C0 para h a,

(3.1)

onde:
C0 = 0,012 (efeito pepita);
C1 = 0,025;
C0 + C1 = 0,037(plat);
a = 600 metros (alcance).
O efeito pepita indica que 32,43% = (0,025/0,037)*100 da variabilidade total dos
resduos se deve componente aleatria e os 67,57% restantes se explica pela componente de
autocorrelao espacial existente nos resduos. O alcance de 600m, indica que a varincia
cresce at uma distncia de cerca de 600m entre os imveis, havendo a partir de ento uma
tendncia de estabilizao. Este comportamento grfico indica que existe um raio de
influncia de contgio espacial de cerca de 600m, tornando-se desprezveis estes efeitos, a
pequena escala espacial, a partir de deste limite. Assim, h evidncias de que os apartamentos
de preos semelhantes tendem a se situar prximos uns dos outros, ou melhor, existe um
agrupamento de apartamentos de preos elevados e tambm os apartamentos menos
valorizados tm vizinhos na mesma faixa de preo.
Com base na estrutura definida pelo variograma na forma esfrica, realiza-se a
inferncia espacial, atravs do processo de krigeagem, obtendo-se o mapa de distribuio
espacial da componente responsvel pelas variaes microlocalizativa nos preos, z(x0),
conforme figura 3.2, que ser utilizada para correo das estimativas de mnimos quadrados
ordinrios, encontradas no modelo ajustado na tabela 3.1.

10

N
W

E
S

Resduos
-0.30 - -0.20
-0.20 - -0.10
-0.10 - 0.00
0 .00 - 0.15
0.15 - 0.30
0.30 - 0.47

Escala 1:200000
Figura 3.3 Mapa de distribuio espacial da componente microlocalizativa

Pela figura 3.3 identifica-se claramente as regies mais valorizadas de cada bairro,
marcadas azul e as menos valorizadas assinaladas vermelho, que variam de forma diretamente
proporcional tonalidade da respectiva cor. Ou seja os pontos em tom vermelho mais escuro
representa pontos de contaminao ou a zona mais desvalorizada do bairro. Assim pode-se
verificar que dentro de um mesmo bairro existem regies distintas, que iro refletir
diretamente nos preos dos imveis. Enquanto que nos modelos tradicionais comum
estabelecer um valor mdio para um determinado bairro, na avaliao por inferncia espacial
cada imvel ter o seu valor dependendo da posio que ocupa no bairro.

11

Para efeito de aplicao da metodologia, considera-se a avaliao de um apartamento

com as mesmas caractersticas estruturais, com 82.96 m2 de rea privativa, dois quartos
sociais (1 suite), uma vaga na garagem, localizado em edifcio de 20 pavimentos e 40
unidades, com 2 elevadores, cinco anos de idade e conservao boa. Agora admite-se que este
apartamento se situa em cinco posies distinta no bairro dos aflitos, nas localizaes
estabelecidas pelas coordenadas que se encontram na tabela 3.2. Na primeira avaliao utilizase o modelo tradicional estimado na tabela 3.1, considerando-se o edifcio situado no
centride no bairro, encontrando-se um nico valor estimado de R$75.960,43, um
procedimento bastante adotado na metodologia atual de avaliao. No segundo caso utiliza-se
o modelo tradicional estimado na tabela 3.1, considerando-se a posio que cada edifcio
ocupa no bairro, encontrando-se valores no intervalo de R$73.780,79 a R$76.249,85. No
terceiro caso as estimativas anteriores so corrigidas pelo processo de inferncia espacial por
krigeagem (ME), levando-se em considerao os efeitos de vizinhana, obtendo-se uma
variao de preos de R$72.023,50 a R$87.820,10. Observe que a metodologia tradicional
gera avaliaes tendenciosas, com resultados que podem ser infra ou supra valorados. Na
posio 1, por exemplo, h uma superestimativa, enquanto que na posio 5 os valores esto
subestimados em relao aos valores justos de mercado, encontrados pela metodologia de
inferncia espacial. Um aspecto relevante que, dentro de um mesmo bairro, o maior valor
inferido espacialmente 23% superior ao menor valor, para o mesmo apartamento, indicando,
neste caso que o efeito microlocalizativo responsvel por uma variao de 23% nos preos
dos apartamentos.

Tabela 3.2
Avaliaes pelo Modelo Tradicional (MT) e pelo Modelo Espacial (ME)
Coordenadas
Valor Estimado (R$)
Posio
z(x0)
E
N
MT(1)
MT(2)
ME
1
290779 9110975 -0,057023 75.960,43 74.817,11 70.670,17
2
291205 9110948 -0,011367 75.960,43 76.249,85 75.388,03
3
291394 9110822
0,037010 75.960,43 73.780,79 76.562,58
4
291041 9110830
0,054396 75.960,43 75.056,52 79.252,38
5
290940 9110571
0,161159 75.960,43 74.748,67 87.820,10
Notas: MT(1) - avaliao nica para o bairro, considerando-se a posio do edifcio no seu centride;
MT(2) avaliao considerando-se a coordenada geogrfica do edifcio.

12

4. CONCLUSES E RECOMENDAES
Em virtude do exposto pode-se concluir que a elaborao de plantas de valores pela
metodologia tradicional pode gerar resultados tendenciosos, com conseqencias danosas tanto
para os consumidores como para a administrao municipal. Neste sentido a inferncia
espacial pode ter grande utilidade, uma vez que pode encontrar valores mais justos para os
imveis, identificando-se com facilidade as zonas infra ou supra valoradas de uma cidade, isto
beneficiadas ou prejudicadas fiscalmente, o que pode resultar em maior arrecadao de
impostos e bem-estar social. Pode ajudar ainda aos diversos rgos governamentais e no
governamentais ligados ao planejamento e desenvolvimento urbano, uma vez que atravs dos
mapas de iso-preos pode-se identificar os plos de atrao e repulso de determinadas classes
sociais, como tambm definir as regies em ascendncia ou decadncia.
Uma viso da distribuio espacial dos preos, a partir da planta de valores, pode
auxiliar tambm na elaborao de planos diretores, previstos no Estatuto da Cidade, criado
pela Lei 10.257 de 10 de junho de 2001, uma vez que a partir da estrutura espacial do valor
dos bens urbanos que se materializam fenmenos como a hierarquizao social e a atrao
repulso entre classes sociais. A longo prazo, so as preferncias do consumidor que
determinam tanto a configurao das cidade, quanto o entendimento das inter-relaes que
regem mercado imobilirio, refletidas nos preos implcitos de equilbrio espacial entre
produtores e consumidores, itens fundamentais para a formulao de polticas habitacionais e
urbanas sustentveis.
As tcnicas de estimao espacial podem ser aplicadas a um amplo espectro de
variveis, econmicas ou de outro tipo, cujos valores dependem essencialmente do lugar no
espao onde se encontrem os dados. Como exemplo, podem-se citar: renda familiar,
localizao de atividades econmicas, inadimplncia, consumo de energia ou de qualquer
outro tipo de bem, nvel de equipamento comercial, educativo ou servios em geral, anlise de
fluxos de trfego, desemprego, comportamento eleitoral, criminalidade e muito outros.
Portanto, o conhecimento destas tcnicas podem ser do interesse de diversos profissionais
envolvidos com: mercado imobilirio, financiamento hipotecrio, taxao municipal,
investimentos, planejamento urbano, dotao de servios pblicos e equipamentos, previso
de vendas, sociologia eleitoral, segurana pblica, etc.

13

5 Referncias Bibliogrficas
Anselin, L. (1988) Spatial Econometrics: Methods and Models. Dordrecht: Kluwer
Academic.
Basu, S. e Thibodeau, T. (1998)Analysis of spatial autocorrelation in house prices Journal
of Real Estate Finance and Economics, 17, 61-85.
Censo demogrfico (2000) Instituto Brasileiro de Geografia e Estatstica- IBGE
Dantas, R. A. (2001) Engenharia de Avaliaes Uma Introduo Metodologia Cientfica
Ed. PINI - So Paulo.
Dantas, R. A. (2002) Ingeniera de Tasaciones Una Introduccin a la Metodologa
Cientfica Ed. Novo Horizonte - Venezuela.
Dantas, R. A. (2003) Modelos Espaciais Aplicados ao Mercado Habitacional Um Estudo de
Caso para a Cidade do Recife Tese de Doutorado, Departamento de Economia,
PIMES/UFPE.
Dantas, R. A. e Cordeiro G.M. (2001) Evaluation Of The Brazilian City of Recifes
Condominium Market Using Generalized Linear Models The Appraisal Jornal, Volume
Lxix, Number 3, USA.
Dantas, R., Sales, F., Chaves, R. e Magalhes, A. (2001) Uma nova metodologia para
avaliao de imveis utilizando regresso espacial, Anais do XI Congresso Brasileiro de
Engenharia de Avaliaes e Percias, Vitria-ES.
Dantas, R.A, Rocha, F.S. y Magalhes, A. (2002a), La importancia de la Regresin Espacial
en la Tasacin de Inmuebles Anais del I CONGRESO INTERNACIONAL EN TASACIN
Y VALORACIN, Valencia, Espanha.
Dantas, R. A, Rocha, F.S. y Magalhes, A. (2002b) Modelos Espaciales Aplicados en la
Tasacin de Inmuebles Anais del XX CONGRESO PANAMERICANO DE VALUACIN,
Buenos Aires, Argentina.
Diggle, P. H. (1983) Statistical Analysis of Spatial Point Pattern. London: Academic Press.
Guervs, R.C, (1999) Aproximacin al Valor de la Vivenda Aplicacin a la Ciudad de
Granada, Editorial Universidade de Granada.
Matheron, G. (1965): Les Variables Regionalises et Leur Estimation, Masson, Paris.
Olmo, J. (1995) Spatial estimation of housing prices and locational rents, Urban Studies,
32, 1331-1344.
Olmo, J E Guervs, R. (2002) Valoracin Espacial del Precio de la Vivienda y del Suelo
Mediante el Mtodo de Krigeage Anais del I Congreso Internacional en Tasacin y
Valoracin, Valencia, Espanha.
NB-502/89 Norma Para Avaliao de Imveis Urbanos. ABNT.
Olmo, J. e Guervs, R.C. (2002) Valoracin Espacial del Precio de la Vivienda y del Suelo
Mediante el Mtodo de Krigeaje Anais do I Congresso Internacional de Avaliaes Universidade de Valncia Espanha.
Olmo, J. (1995) Spatial estimation of housing prices and locational rents, Urban Studies,
32, 1331-1344.
Tobler, W. R. (1989) Frame independent spatial analysis In: Accuracy of spatial databases.
(GOODCHILD, M & GOPAL, S., ed), pp. 115 - 122, London: Taylor & Francis.

14