Académique Documents
Professionnel Documents
Culture Documents
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).
(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)
(2.3)
(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
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
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
E
S
##
#
#
###
# #
# #
#
##
#
#
#
#
#
#
# #
#
#
#
#
#
#
#
#
##
# #
### #
# ## #
# ## ### #
# ##
# #
#
#
##
#
# ##
##
# #
#
#
# #
#
#
#
#
# #
#
#
#
#
#
#
##
#
##
##
#
##
#
#
## # #
#
## ##
##
#
##
#
Escala 1:200000
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
(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
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