Académique Documents
Professionnel Documents
Culture Documents
MDULO
INTERMEDIRIO
Sumrio
1. REGRESSO LINEAR MLTIPLA
5
5
4. HIPTESES BSICAS
4.1.
4.2.
4.3.
4.4.
4.5.
4.6.
1
2
3
4
5
6
HIPTESE
HIPTESE
HIPTESE
HIPTESE
HIPTESE
HIPTESE
MICRONUMEROSIDADE GERAL
MICRONUMEROSIDADE EM REGRESSORES
HOMOCEDASTICIDADE
NORMALIDADE
AUTOCORRELAO DOS RESIDUOS
COLINEARIDADE E MULTICOLINEARIDADE
8
10
17
19
25
25
39
39
40
41
41
44
48
7. INTERVALO DE CONFIANA
52
8. CAMPO DE ARBTRIO
53
53
53
54
54
55
55
55
56
56
57
NORMALIDADE DE RESDUOS
GRFICOS
TESTE DE SENSIBILIDADE DO MODELO
10. VARIVEIS
10.1.
59
10.2.
62
10.3.
62
10.4.
64
59
TIPOS DE VARIVEIS
CONSTRUO DAS VARIVEIS
GENRICAS
EXEMPLOS DE VARIVEIS ESPECFICAS
68
COMO CRIAR UM BANCO DE DADOS
COLETA DAS INFORMAES
72
UTILIZAO
DESVANTAGENS
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 2 / 78
12.3.
73
CUIDADOS
74
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 3 / 78
1.
Figura 1
Uma situao oposta seria aquela onde existe uma dependncia linear perfeita entre as
variveis independentes, ocasionando colinearidade entre seus dois eixos. Desta forma haveria a
perda de uma dimenso do espao, tornando-se impossvel a estimao dos parmetros. Na
prtica, ocorre uma situao intermediria entre a colinearidade perfeita e a ausncia total de
colinearidade, devendo o avaliador investigar at que nvel esta interferncia entre as variveis
independentes torna-se prejudicial ao modelo.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 4 / 78
2.
onde:
Yi ...Ym
i 1 ,..., Ik
0 ,..., k
1 ,..., m
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 5 / 78
Onde:
- So parmetros estimados correspondentes a
e1 ,..., en
0 ,..., k
modelo.
2.1.
2.2.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 6 / 78
3.
3.1.
Figura 2
u e i2
i 1
Y1
Y
Y 2
Yn
1
1
11
12
13
1n
21
22
23
2n
k1
k2
k3
kn
o
1
2 2
k
k
,
,
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 7 / 78
e e1
e2 en
2 k .
u e.e Y X Y X
Derivando a funo
, ou seja u Y Y 2 X Y X X
seguinte equao:
2 X Y 2 X 0 ou X X X Y , sendo
X X
X X 1 X Y
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 8 / 78
4.
HIPTESES BSICAS
4.1.
Desta forma, para que um modelo atenda a micronumerosidade geral, necessrio que
este possua uma quantidade mnima de dados efetivamente utilizados. Por exemplo, no caso de
um modelo de apartamentos contendo 5 variveis conforme segue:
Nome
Descrio
Preo Unitrio
Data do Evento
X1
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 9 / 78
Nome
Descrio
dado mais antigo.
X2
X3
X4
Andar do Apartamento
X5
Exemplo 01
16
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 10 / 78
Figura 3
Tambm
possvel
visualizar
as
inconsistncias
relativas
norma
em
Figura 4
4.2.
Para n 30 , ni 3 ;
Onde ni o nmero de dados de mesma caracterstica, no caso de utilizao de variveis
dicotmicas e variveis qualitativas expressas em cdigos alocados ou ajustados.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 11 / 78
Para 30 n 100 , ni 10 0 0 n ;
Ou seja, para quando a quantidade de dados estiver compreendida no intervalo de 30 at
100 dados inclusive, a quantidade mnima de dados que devem existir em cada caracterstica, no
caso de se utilizar variveis dicotmicas, cdigos alocados ou ajustados de 10% da quantidade
de dados utilizados (n).
Desta forma, para um exemplo de modelo de terreno com uma quantidade de 78 dados
habilitados no modelo, a varivel de esquina deve possuir ao menos 8 dados na situao de meio
de quadra ou esquina, pois 10% de 78 igual a 7,8.
O mesmo critrio aplicado para a varivel estado de conservao, do modelo exemplo
de apartamentos com Estado Novo, Bom e Regular, em que para uma quantidade de dados igual
a 78, devem ao menos existir 8 (oito) elementos em cada situao.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 12 / 78
4.2.3.
Para n 100 , ni 10 ;
Quando a quantidade de dados efetivamente considerada no modelo (n) ultrapassa a
100, devem existir ao menos 10 dados em cada caracterstica das variveis dicotmicas, em
cdigos alocados ou cdigos ajustados.
Exemplo 02 CastleR:
Nome
Descrio
Preo Unitrio
Data do Evento
X1
X2
X3
X4
X5
X6
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 13 / 78
Nome
Equipamentos do Condomnio Elevador (Qtd.)
Equipamentos do Condomnio Sala de Ginstica (Qtd.)
Descrio
X7
X8
Estado de Conservao
X9
X10
Total Vagas#
X11
Reparos Importantes = 1,
Reparos Simples = 2
Regular = 3
Bom = 4
Na Planta = 5
Novo = 6
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 14 / 78
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 15 / 78
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 16 / 78
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 17 / 78
4.3.
3 HIPTESE HOMOCEDASTICIDADE
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 18 / 78
Trata-se de uma das hipteses mais importantes do modelo de regresso linear mltipla,
que os resduos so homocedsticos, ou seja, todos tm as mesmas varincias iguais ou
homogneo (homo) espalhamento (cedasticidade).
Existem vrios mtodos analticos para verificar o aspecto da varincia constante do erro,
no entanto, numa anlise grfica dos resduos esta hiptese pode ser verificada com facilidade
(Anlise prescrita na NBR 14.653-2/2011 Subitem A.2.1.3).
Um grfico dos resduos ( ei ) versus valores ajustados pelo modelo de regresso ( Y ),
apresentando pontos distribudos aleatoriamente em torno da reta horizontal sem nenhum padro
definido (ver figura 7), um indicador favorvel aceitao da hiptese de varincia constante
para o erro. Neste caso o modelo conhecido como homocesdstico. Havendo um padro
definido ou alguma tendncia no grfico (ver figura 8), o modelo heterocedstico, portanto no
se confirma a hiptese de varincia constante para o erro.
EXEMPLO HOMOCEDSTICO
EXEMPLO HETEROCEDSTICO
O grfico dos resduos versus valores calculados (valores preditos) uma das principais
tcnicas utilizadas para verificar as suposies dos resduos. Alm da deteco de
heterocedasticidade, esse grfico pode indicar que no existe uma relao linear entra as
variveis explicativas com a varivel resposta por meio de alguma tendncia nos pontos. Por
exemplo, se os pontos do grfico formam uma parbola, indicativo que termos de segundo grau
sejam necessrios.
Para o diagnstico de heterocedasticidade, tentamos encontrar alguma tendncia no
grfico. Por isso, se os pontos esto aleatoriamente distribudos em torno do 0, conforme o grfico
da Figura 8, sem nenhum comportamento ou tendncia, temos indcios de que a varincia dos
resduos homocedstica. J a presena de "funil" um indicativo da presena de
heterocedasticidade.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 19 / 78
Exemplo 03 CastleR:
Neste grfico observamos que a varincia, ou disperso, dos dados medida que
os valores estimados aumentam tende a aumentar a presena de heterocedasticidade.
Este comportamento heterocedstico no e adequado e invalida a utilizao deste
modelo.
Para que seja atendida a hiptese de homocedasticidade do modelo necessrio
que este grfico apresente os pontos disposto aleatoriamente, sem nenhum padro definido como
mostra a figura que segue:
4.4.
4 HIPTESE NORMALIDADE
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 20 / 78
1;+1] desvios padro, 90% entre [-1,64;+1,64] desvios padro e 95% entre [-1,96;+1,96] desvios
padro. A presente anlise, encontra-se recomendada na NBR 14.653-2/11 Anexo A Item
A.2.1.2.
Portanto, para se fazer inferncias a respeito dos valores populacionais necessrio o
atendimento do pressuposto da normalidade dos resduos, com mdia igual a zero e varincia
constante (homocedasticidade).
A hiptese da normalidade dos resduos deve ser satisfeita, pois resduos representam a
influncia combinada sobre a varivel dependente (Y) que so os preos de mercado de todas as
variveis no includas explicitamente no modelo de regresso. esperado que o efeito destas
variveis omitidas ou negligenciadas seja pequena, e na melhor das hipteses aleatrias. Se caso
os resduos apresentem a forma da distribuio normal de probabilidades as variveis omitidas
so aleatrias e pouco vo interferir na inferncia a respeito dos parmetros estimados no modelo
de regresso, atravs do Mtodo dos Mnimos Quadrados.
4.4.1.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 21 / 78
Abaixo se apresenta o grfico dos resduos, sendo que na figura abaixo, o histograma
dos resduos amostrais no apresenta boa semelhana com a curva normal em formado de sino,
logo deduz-se que a hiptese de normalidade no est plenamente verificada.
Uma outra forma e mais eficaz forma de comparar distribuies empricas e tericas
comparar os quantis das distribuies e para isto utilizamos o grfico normal qq-plot. O qq-plot
um grfico dos dados ordenados contra os quantis esperados de uma certa distribuio, no caso a
distribuio normal.
Quanto mais prximo os pontos estiverem da bissetriz do primeiro quadrante mais
prximos os dados observados esto da distribuio considerada.
Na figura abaixo so apresentados grficos qq-plot, para um conjunto de dados de
mercado em que a maioria dos pontos no caem sobre a reta, ou seja, estes resduos no
atendem a hiptese de normalidade atravs do exame grfico.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 22 / 78
Exemplo 4 CastleR
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 23 / 78
O grfico dos resduos e histograma podem ser observados nas figuras a seguir:
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 24 / 78
4.5.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 25 / 78
4.6.
Identificao da Colinearidade
Pg 26 / 78
forte de correlao entre duas (ou mais) variveis independentes. Entretanto, alguns autores
designam de Colinearidade a existncia de relao linear entre duas variveis explicativas (matriz
de correlao) e de Multicolinearidade a existncia de relao linear entre uma varivel explicativa
e as demais.
Se a matriz X'X singular, isto , algumas variveis explicativas so combinaes
lineares de outras, temos Multicolinearidade e no h Estimadores de Mnimos Quadrados nico
para os parmetros. Se X'X aproximadamente singular, temos Multicolinearidade aproximada.
Para identificao do grau de colinearidade isolada, entre o par de cada uma das
variveis independentes, necessrio examinar a matriz de correlaes isoladas se apresenta
correlao muito elevadas (acima de 0,80 ou 80%), ou seja, se na matriz de correlaes se
apresentarem correlaes prximas a 1 ou 100 % um indicador de que existe forte colinearidade
entre este par de variveis independes.
Se a correlao de duas variveis maior de 0,8 (ou 80%), indicativo de correlao
forte entre elas.
Exemplo 05 Castler:
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 27 / 78
4.6.2.
Identificao da Multicolinearidade
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 28 / 78
amostra de dados, como consequncia dessa pequena variao, torna-se difcil isolar o seu
impacto na varivel dependente.
Este fenmeno ocorre quando existe forte correlao entre as variveis independentes,
como consequncia tem-se o aumento da varincia, e portanto seu erro padro, da estimativa do
parmetro da regresso. Assim o valor da estatstica t de Student reduz-se e, s vezes, a hiptese
nula de que a varivel independente no afeta a dependente pode ser aceita, quando deveria ser
rejeitada.
Um processo, simples e efetivo, para identificao da presena de multicolinearidade
consiste em estimar as regresses auxiliares, nas quais, combina-se cada uma das variveis
independentes com as variveis independentes restantes.
4.6.2.1.
X k bk 0 bk 1 X 1 bk 3 X 3 ... bk ( k 1) X ( k 1)
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 29 / 78
FIV
1
(1 R 2j )
Uma boa prtica para verificar como as variveis independentes esto relacionadas
atravs do diagrama de disperso. A figura a seguir apresenta o diagrama de disperso para um
exemplo 06, referente a um modelo de casas em Unio da Vitria, entre a varivel estado de
Conservao e Idade Aparente, ele mostra que existe correlao negativa entre estas variveis (o
coeficiente de correlao simples entre elas de -0,71), mas no so perfeitamente colineares, se
fossem perfeitamente colineares os pontos se localizariam sobre uma reta e o coeficiente de
correlao simples entre elas seria igual a 1, e a regresso no seria possvel de ser calculada,
porque teramos uma relao linear exata entre idade e estado de conservao.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 30 / 78
4.6.2.4.
O que podemos fazer quando a multicolinearidade for grave? Temos duas opes: (1)
no fazer nada ou (2) seguir alguns procedimentos.
No fazer Nada
No necessrio fazer nada se caso o imvel avaliado seguir os padres estruturais do
modelo, existente nos dados amostrais, o fenmeno da multicolinearidade pode ser negligenciado
conforme subitem A.2.1.5.4 da NBR 14.653-2:2011.
No anexo A da NBR 14653 parte 2 em seu subitem A.2.1.5.3, recomenda como
tratamento da multicolinearidade a ampliao da amostra ou utilizar de tcnicas estatsticas mais
avanadas, como regresso de componentes principais que no se encontra no escopo deste
curso de inferncia estatstica.
Ampliar a amostra
Aumentar a quantidade de dados com novas observaes visando corrigir eventuais
dependncias que foram verificadas entre as variveis do modelo. Todavia, essa recomendao
nem sempre aplicvel, dado possvel restrio tcnica quando na facilidade de obteno de
novos dados em determinadas situaes vigentes no mercado imobilirio em estudo.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 31 / 78
70
12
10
Equao de Regresso
aplicada
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 32 / 78
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 33 / 78
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 34 / 78
PONTOS ATPICOS
OUTLIER
Outlier um dado ou elemento que apresenta grande resduo em relao aos dados que
fazem parte da amostra, ou ainda, apresenta resduo superior a 02 desvios padres.
Desta forma, qualquer valor que se encontre fora do intervalo +/- 3 desvio padres deve
ser examinado e motivo de preocupao e valores fora do intervalo de +/- 2,5 desvio padres
deve ser examinado com cuidado.
Estes pontos podem ser observados atravs de uma
anlise grfica dos resduos padronizados (ei )
versus valores ajustados (Yi ) .
PONTOS INFLUENCIANTES
So aqueles que apresentam pequenos resduos, em alguns casos at nulos, mas que
se distanciam da massa de dados, podendo alterar a tendncia do mercado (ver fig. acima).
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 35 / 78
Distncia de Cook
Para se avaliar a influencia no modelo de cada um dos dados, existe a estatstica
de influncia, conhecida como distncia de Cook que identifica o(s) dado(s) a influncia nos
parmetros estimados no modelo quando o dado retirado do modelo.
A distncia de Cook uma medida no padronizada, e desta forma no existe um
valor mximo admitido como absoluto que nos permita afirmar que um dado tem influncia
exagera no modelo. Em vez disso, devemos olhar para os valore da distncia de Cook que so
particularmente altos quando comparados com os demais dados da amostra.
Contudo alguns autores sugerem que valores superiores a 1 indicam que o dado
problemtico ao modelo de regresso, entretanto existe uma medida de referncia mais
conservadora, dada por 4/(n-k-1), em k a quantidade de variveis independentes n a
quantidade dados considerados no modelo, para a identificao de possveis dados extremos.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 36 / 78
Neste modelo o grfico dos resduos encontra-se representado na figura logo abaixo:
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 37 / 78
Nele possvel identificar o ponto extremo, um possvel dado Outlier destacado dos
demais, que se encontra afastado +3,608 desvio padres da linha de regresso.
Quanto Distncia de Cook os dado 01, 05, 91 e 93 so identificados como dados
influenciantes e que merecem ateno.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 38 / 78
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 39 / 78
5.
ERRO-(NO EXPLICADA)
TOTAL
GRAUS DE LIBERDADE
QUADRADO MDIO
MQR = SQR/k
n-k-1
EMQ= SQE/n-k-1
Yi Y
SQR
Yi Y
SQE
Yi Y
SQT
n-1
Yi Y
Yi Yi
2
2
n k 1
k
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 40 / 78
5.2.
bj j
s (b j )
, onde
bj
o estimador do parmetro
s (b j )
o desvio padro
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 41 / 78
6.
independente, utilizada quando se pretende incluir no modelo de regresso um efeito que possui
caracterstica binria, relacionado a qualquer tipo de caracterstica que possua duas situaes
distintas.
Por exemplo, em uma pesquisa de mercado feita com os 10 dados de mercado de venda
de lotes de terrenos, 7 eram situados em esquina e 3 situados em meio de quadra. Como
Esquina e Meio de Quadra so categorias de situao do lote de terreno em relao a sua
posio na quadra, como poderamos transform-los em nmeros?
Uma maneira de se fazer isso atribuir, por exemplo, uma varivel no modelo chamada
de Esquina sendo que esta assume o nmero 0 quanto a situao do lote for de Meio de Quadra
e o nmero 1 quando a situao do lote for de esquina.
Por meio desse artifcio de uma simples substituio, uma varivel que possui duas
caractersticas pode ser transformada em numrica que tem muito mais aplicaes matemticas e
estatsticas do que as categorias esquina e meio de quadra.
Por exemplo, se fizer uma mdia, quanto mais prximo de 0 estiver a mdia, mais dados
em situao de meio de quadra pesquisados. De maneira anloga, quanto mais prximo de 1
mais dados situados em esquina foram coletados. Nessa situao, diz-se que a varivel Esquina
uma varivel dicotmica.
6.1.
DICOTMICAS ISOLADAS
Pg 42 / 78
Para os imveis situadas na esquina, a varivel Esquina assume o valor 1 (um). Neste
caso o modelo matemtico torna-se:
Valor ( 0 2 ) 1 rea
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 43 / 78
Representando de forma simplificada estas funes no plano, supondo que B2>0, uma
vez que imveis com vista devem apresentar valores superiores, tem-se a figura 32:
Ou seja, o Valor obtido no modelo original, ser acrescido do parmetro B2, calculado de
acordo com os dados da amostra analisada (a situao inversa, onde esquina = O; esquina = 1 no modifica o processo, apenas o parmetro B2, inverte o sinal).
Exemplo 08 CastleR:
Para exemplificar a utilizao de varivel dicotmica, em modelo de regresso apresentase abaixo o exemplo 08.
O modelo contm 75 dados de casas a venda, na cidade de Unio da Vitria/PR e
considerada cinco variveis independentes: Data do Evento, Renda IBGE 2010, rea Sujeita a
inundao, Padro de Acabamento e rea privativa sendo a equao de Regresso a que
segue:
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 44 / 78
6.2.
DICOTMICAS MLTIPLAS
Existem algumas variveis qualitativas que podem assumir trs ou mais situaes bem
definidas, como por exemplo o padro construtivo (baixo, normal, alto); conservao (ruim,
regular, boa), fluxo de pedestres (baixo, mdio, alto).
Neste caso, pode-se atribuir pesos (1, 2, 3...), crescendo o peso no sentido da situao
menos favorvel para a mais favorvel.
exatamente a influncia de expectativas prprias que confunde o pesquisador,
dificultando a elaborao de escala numrica adequada s verdadeiras expectativas do mercado.
Quando as variveis qualitativas apresentam escalas pautadas em valores detectados durante o
processo de pesquisa, com absoluta iseno do pesquisador, o modelo resultante mostra com
maior preciso o comportamento do mercado analisado.
Para exemplificar a montagem de escalas qualitativas, observe a figura 3.2, onde os
valores da varivel Estado de Conservao, da tipologia tipo Apartamentos foi definida da
seguinte forma:
Estado de Novo/Planta = 1;
Estado Bom = 2;
Estado de Regular = 3.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 45 / 78
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 46 / 78
informaes colhidas no mercado est diretamente relacionada ao critrio utilizado para definio
da escala de valores das variveis qualitativas.
Concluindo, quanto menor o controle do pesquisador sobre o valor das variveis
qualitativas, menor a subjetividade inserida no trabalho desenvolvido. Isto significa que, seja qual
for o critrio utilizado para definio destas variveis, ele deve ser claro, consistente e "auditvel",
isto , deve permitir que outro pesquisador possa refazer o processo de investigao nos mesmos
dados da amostra, encontrando os mesmos resultados numricos para as variveis qualitativas,
para o critrio estabelecido no trabalho.
Exemplo 09 CastleR:
Neste modelo a caracterstica do Estado de Conservao tem seu efeito, junto aos
preos de mercado, atravs da dicotomia mltipla.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 47 / 78
O estado de conservao neste modelo, exemplo 09, possui trs nveis: regular,
bom e novo que podem ser representados atravs de um cdigo alocado 1, 2 e 3, conforme o
estado de conservao.
Assim, a caracterstica estado de conservao representado pela incluso de duas
variveis dicotmicas, conforme segue a tabela abaixo:
Estado de Conservao Cdigo Alocado
Variveis dicotmicas
Estado de Conservao (Bom) Estado de Conservao (Na Planta, Novo)
Regular
Bom
Novo/na planta
Isto quer dizer que, representar um cdigo alocado por meio de variveis dicotmicas, a
quantidade destas variveis ser sempre menor em uma unidade do que o nmero de posies
ou pesos de cada cdigo alocado.
Observe que duas variveis dicotmicas conseguem representar a diferena de um
cdigo alocado de trs posies. Podemos desconsiderar uma das trs, como por exemplo o
cdigo na posio de estado de conservao regular.
Neste caso, quando estado de conservao referente ao cdigo alocado for igual a 1, as
variveis Estado de Conservao (Bom) e Estado de Conservao (Na Planta, Novo) tero seus
valores iguais a 0. No caso de desconsiderao de uma das novas variveis dicotmicas, ela ser
a referncia para a variao das demais, denominada de caracterstica paradigma a partir da qual
as demais sero consideradas.
Como em nosso caso o estado de conservao regular 1 inferior e a estado de
conservao bom e novo, o resultado de nosso estudo dever apresentar valores positivos ou
maiores de cdigo ajustado para as variveis dicotmicas consideradas.
Isso seria o mesmo que dizer que o estado de conservao novo melhor que ao
bom e estado de conservao novo melhor que regular.
As variveis dicotmicas, referente a estado de conservao, so significativas a
30% limite mximo para o grau I de fundamentao e o crescimento encontram-se coerente com
as condies esperadas;
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 48 / 78
6.3.
CDIGOS AJUSTADOS
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 49 / 78
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 50 / 78
Para o clculo dos valores dos cdigos ajustados, para a caracterstica estado de
conservao, necessria a transformao da varivel cdigo alocado em dicotmica mltipla,
sendo que o nmero de variveis dicotmicas ser de (n-1), considerando n o nmero de
caractersticas ou posies do cdigo alocado.
Para um cdigo alocado com 3 posies, no caso da varivel Estado de Conservao do
exemplo 10, teremos (43- 1) ou seja, 2 variveis dicotmicas. Isto quer dizer que, para representar
um cdigo alocado por meio de variveis dicotmicas, a quantidade destas variveis ser sempre
menor em uma unidade do que o nmero de posies ou pesos da varivel cdigo alocado.
Denominaremos ento as novas variveis dicotmicas como Estado de Conservao
Bom e Estado de Conservao Novo
O quadro a seguir explicita esta caracterstica.
Estado de Conservao Cdigo Alocado
Variveis dicotmicas
Estado de Conservao (Bom) Estado de Conservao (Na Planta, Novo)
Regular
Bom
Novo/na planta
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 51 / 78
Equao de regresso:
1/Y = 0,000684684219449918 +0,00627624913355318 / X1 -9,42097230700608E-09 * X2 -1,38895817728527E-05 *
X3 -0,00782137493196627 / X4 +3,08896617715487E-06 / X5 +2,25235306170278E-06 / X6 +1,93679649165216E05
X7
-1,06683049214262E-05
X8
-1,71466145687283E-05
X9
-3,16158117284193E-05
X10
-1,14450173227681E-05 * X11
Agora os valores dos cdigos ajustados podem ser utilizados como valores de cada um
dos cdigos alocados, em substituio aos nmeros 1;2 e 3.
A utilizao de um cdigo ajustado tem como objetivo a otimizao das equaes. Ao
final do clculo, devem-se comparar os resultados estatsticos utilizando-se o cdigo alocado e o
cdigo ajustado e verificar se houve uma melhoria nos parmetros para escolha de um dos
modelos.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 52 / 78
7.
INTERVALO DE CONFIANA
Estimativa do E(Yh)
Encontrado o modelo adequado estamos interessados em utiliz-lo para fazer estimativas
sobre o bem avaliando ou um paradigma que possua caractersticas Xh1, Xh2, ... , Xhk.
Yh b0 b1 h1 b2 h 2 ... bk hk
Como o erro aleatrio tem distribuio normal, constri-se intervalo de confiana a partir
da distribuio de Student com (n-k-1) graus de liberdade a um nvel de confiana (1- ) para Y h
, conforme abaixo:
I Yh t (1 / 2;n k 1) .s (Yh )
onde s (Yh ) se .
se
(Y Y )
i
n k 1
1
( X X )( X X ) 1 ( X h X ) , em forma matricial.
n
2
avaliar.
As estimativas mais precisas ocorrem nas avaliaes em que as caractersticas do bem
avaliando so prximas da mdia dos dados tomados como referncia e as mais imprecisas nas
extremidades, ou seja, nas avaliaes onde o bem a avaliar tem atributos prximos da mdia dos
dados observados, o intervalo mais fechado, caso contrrio o intervalo mais aberto. A NBR
14.653-2/04, utiliza o intervalo de confiana para definir o enquadramento do Laudo no Grau de
Preciso, conforme prescrito no subitem 9.2.2 Tabela 3, que a seguir transcrevemos:
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 53 / 78
8.
CAMPO DE ARBTRIO
A NBR 14.653-2/11, prev em seu Anexo A subitem A.10, que o Campo de Arbtrio,
9.
9.1.
COEFICIENTE DE DETERMINAO
Coeficiente prximo de 1 pode significar que as variveis adotadas esto com excelente
poder de explicao, porm isso tambm ocorre quando existe uma variao total inicial muito
grande.
Outro fator que concorre para o fato a presena de colinearidade ou multicolinearidade
entre as variveis independentes.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 54 / 78
Observa-se, ainda, que a presena de um dado muito disperso, porm com uma varivel
que explique esse dado, ir provavelmente contribuir significativamente para um aumento do
coeficiente de determinao.
A ocorrncia de coeficientes reduzidos pode significar que as variveis adotadas no
explicam a variao do valor em torno da mdia. Isto ocorre quando a escolha das variveis no
foi adequada. Neste caso elas devem ser analisadas individualmente.
A ocorrncia de coeficientes reduzidos pode significar tambm que a variao total a ser
explicada pequena no implicando portanto que o modelo seja inadequado, mas que os dados
se apresentam homogneos. Neste caso procura-se analisar os demais resultados da regresso
para decidir sobre a utilizao do modelo.
9.2.
TESTE DA EQUAO
9.3.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 55 / 78
9.4.
VALOR DO T DE STUDENT
9.5.
A anlise dos resduos do modelo (valor do dado menos a mdia calculada na equao
para o dado) uma das etapas mais importantes na definio da equao a ser adotada.
A coluna dos preos calculados no deve apresentar sinal negativo para nenhum dos
dados.
A coluna dos resduos relativos relativo apresentado pelo dado correspondente em
relao mdia calculada para o mesmo, assim esta coluna no deve apresentar valores
expressivos. Uma sugesto para a anlise :
Acima de 30 % - examinar o dado
Acima de 50 % - preocupar-se com a aceitao do dado na amostra
Acima de 70 % - verificar o comportamento do modelo sem o dado
A coluna Resduo Padronizado indica a relao entre o Resduo e o Desvio Padro do
modelo, isto , quantos desvios padres o dado se distancia da mdia.
Valores superiores a +2 ou inferiores a 2 indicam dados excessivamente dispersos,
passveis de anlises mais detalhadas.
importante a anlise grfica da disperso dos dados em torno da mdia. Nesta anlise
convm verificar que o ideal uma distribuio homognea dos dados em torno da reta de
regresso. Esse grfico possibilita a verificao da presena de heterocedasticidade no modelo
escolhido.
9.6.
AUTO REGRESSO
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 56 / 78
9.7.
HETEROCEDASTICIDADE
9.8.
MULTICOLINEARIDADE
multicolinearidade
existente
entre as variveis
independentes
est
At 50% - aceitvel
At 75% - preocupante
At 30% - aceitvel
At 50% - preocupante
Em alguns modelos pode ser inevitvel a presena da correlao entre duas variveis
especficas, como frente e rea, ou rea e nmero de quartos, por exemplo. Nestes casos
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 57 / 78
conveniente que o modelo seja utilizado para avaliao de imveis com as mesmas
caractersticas da amostra. Ou seja, se o modelo for baseado em dados onde imveis com
grandes reas tm grandes frentes e imveis com pequenas reas tm pequenas frentes, ele no
pode ser utilizado para avaliar imvel de grande rea com pequena frente, nem de pequena rea
com grande frente.
esperada uma forte correlao entre cada varivel independente e a varivel
dependente, entretanto isto no fator predominante na consistncia do modelo.
O fator de inflao de varincia FIV apresentado como resultado para um primeiro
exame do grau de multicolinearidade entre as variveis independentes, valores FIV at 2,8
indicam que a varivel no pouco afetada pela multicolienariade, valores de FIV entre 2,8 e 5
indicam um grau de colinearidade elevada e preocupante e valores de FIV superiores a 5 indicam
grau de colinearidade muito elevada e pode ser prejudicial ao modelo ajustado.
9.9.
INTERVALO DE CONFIANA
O intervalo de confiana contm o campo de arbtrio do avaliador. Pode ser usado para
ajustar o valor final de avaliaes quando determinadas situaes conhecidas no mercado no
puderam ser configuradas na amostra.
Normalmente nos fornece um bom indicador da consistncia do modelo de regresso,
pois quando o modelo est baseado em amostra de pouca qualidade, com nmero reduzido de
dados, ou ainda com colinearidade entre as variveis independentes, o intervalo de confiana
muitas vezes apresenta-se bastante aberto para uma confiabilidade de 80%.
O Intervalo de confiana, segundo a NBR 14.653-2/11, indicar o Grau de Preciso do
Laudo, em funo de sua amplitude (Subitem 9.2.3 Tabela 5).
Atravs do mdulo Projetao de Avaliandos/Avaliar pode ser verificada graficamente a
situao do imvel avaliado no contexto da amostra e a amplitude do intervalo de confiana.
90% dos resduos devem estar entre 1,64 e +1,64 desvios padro da mdia;
95% dos resduos devem estar entre 1,96 e +1,96 desvios padro da mdia.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 58 / 78
9.11. GRFICOS
No mdulo Anlise pode-se analisar o comportamento de cada varivel independente
com a varivel dependente Anlise Univarivel, bem como entre as variveis independentes
duas a duas Anlise Bivarivel.
Pode-se ainda verificar o comportamento da disperso dos dados em torno da mdia
com a evoluo dos valores de cada varivel, o que auxilia a identificao de heterocedasticidade
provocada por uma varivel especfica.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 59 / 78
10. VARIVEIS
Podemos definir que uma varivel descreve de forma numrica as caractersticas
intrnsecas e extrnsecas dos imveis. Portanto importante observar a relao existente na
escolha das variveis, no intuito de verificar a existncia de dependncias ou no, entre si.
Na Engenharia de Avaliaes considera-se geralmente como varivel dependente o
preo praticado no mercado e como variveis independentes as respectivas caractersticas fsicas
(rea, frente, etc.), locacionais (bairro, logradouro, distncia a plo de influncia, etc.), econmicas
(oferta ou transao, etc.) e temporais (data do evento).
A varivel dependente poder ser especificada com base no preo total ou unitrio. Esta
escolha ser definida quando da anlise dos dados coletados e interpretao dos modelos
escolhidos para representar o mercado em estudo. Geralmente o preo unitrio representado
em relao rea. Porm no se deve desprezar possibilidades outras de interpretao tais
como: volume (quando o p direito diferenciado e representativo), metro linear de testada,
dentre outras.
J a escolha de variveis independentes est diretamente ligada a diversidade de
caractersticas dos dados pesquisados e ao comportamento do mercado imobilirio de cada
regio. Portanto, torna-se imprescindvel que ao estabelecermos as variveis independentes,
observemos quais delas influenciam e explicam o prprio mercado.
Variveis Quantitativas
Variveis Qualitativas
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 60 / 78
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 61 / 78
Bairro A
Bairro B
Unitrio (R$/m)
R$ 560,00
R$ 780,00
R$ 940,00
10.1.4.
Variveis Proxy
Varivel utilizada para substituir outra de difcil mensurao e que se presume guardar
com ela relao de pertinncia.
Exemplos:
Padro construtivo expresso pelo custo unitrio bsico
2
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 62 / 78
10.3. GENRICAS
Algumas variveis mostram-se geralmente mais importantes para explicar a variao de
preos, nas tipologias mais comum do mercado imobilirio (lotes, terrenos, glebas, casas, lojas,
escritrios, apartamentos, depsitos e estacionamentos). Recomenda-se que tais variveis devam
ser sempre testadas em quaisquer destes casos. As mais comuns so:
10.3.1.
REA
ORIGEM DA INFORMAO
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 63 / 78
10.3.3.
DATA
Sempre que forem utilizados dados pretritos em uma base amostral, esta varivel deve
ser testada, tomando-se por base uma referncia inicial (exemplo: Janeiro/2003 = 1,
Fevereiro/2003 = 2, ..., Janeiro/2004 = 13). Recomenda-se que haja nmero suficiente de
elementos em cada ms e que os hiatos sejam evitados. Alm disso, deve ser verificada a
existncia de auto-regresso temporal.
10.3.4.
LOCALIZAO
VISTA PANORMICA
TOPOGRAFIA
Pg 64 / 78
10.4.3.
FRENTE
VOCAO
A vocao de uso dos imveis pode ser baseada na observao de sua vizinhana,
podendo ser testada por dicotomias, por exemplo: vocao residencial ou comercial;
aproveitamento uni ou multifamiliar, etc.
A vocao mista (por exemplo, comercial e residencial, ao mesmo tempo) estar
representada quando a informao presena do atributo constar das duas variveis dicotmicas.
10.4.5.
A relao entre a rea total efetivamente construda e a rea total do terreno indica que
quanto melhor foi aproveitado o espao disponvel, maior ser o valor unitrio do imvel.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 65 / 78
10.4.7.
IDADE APARENTE
A idade que o imvel aparenta deve indicar que quanto mais antigo ele for, menor seu
valor de mercado. Esta varivel tende a tornar-se colinear com outras comumente utilizadas,
como padro de acabamento e estado de conservao. Muitas vezes, a alternativa para ajustar
este processo colinear passa pela reunio dos efeitos em uma nica varivel, ou no abandono
daquelas menos importantes.
10.4.8.
Em geral, quanto melhor a qualidade da edificao, maior seu valor de mercado. Para
reduzir a subjetividade da varivel recomenda-se a utilizao de variveis dicotmicas para cada
uma das caractersticas, ou varivel proxy, como o custo unitrio bsico de cada padro.
comum a utilizao de cdigos alocados, mas estes devem ser preferentemente
aferidos conforme o pargrafo anterior.3
Convm verificar tambm a necessidade de considerar separadamente os padres
construtivos da fachada, da unidade e da circulao.
10.4.9.
ESTADO DE CONSERVAO
Em geral, quanto melhor for o estado de conservao da edificao, maior seu valor de
mercado. Para reduzir a subjetividade da varivel recomenda-se, tambm, a utilizao de
variveis dicotmicas para cada um dos estados, ou varivel proxy, como os ndices de RossHeidecke. comum a utilizao de cdigos alocados, mas estes devem ser preferentemente
aferidos conforme o pargrafo anterior.
10.4.10. EQUIPAMENTOS
A tendncia de consumo impulsiona os empreendimentos para inovaes em busca de
conforto e tecnologia, visando atingir uma demanda cada vez mais exigente. A influncia da
quantidade e qualidade dos equipamentos disponveis nos diversos imveis deve ser testada,
identificando-se os itens de maior influncia para o mercado analisado. Esta anlise pode ser
realizada com o uso de variveis dicotmicas ou cdigos alocados.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 66 / 78
10.4.11. PAVIMENTO
O nvel ou andar, relativo ao trreo, em que se encontra o imvel no prdio, pode
apresentar influncia no valor. Entretanto, a identificao da forma como esta influncia se
manifesta deve levar em considerao a presena ou ausncia de elevador. Em geral, nos prdios
com elevador, quanto mais alto o andar do imvel, maior seu valor, fato que se inverte nos prdios
sem elevador. aconselhvel o uso de artifcio matemtico para compor estas duas
caractersticas em uma s varivel.
Exemplo:
Varivel pavimento = 10 nvel da unidade (prdios sem elevador)
Varivel pavimento = 10 + nvel da unidade (prdios com elevador)
10.4.12. VAGAS DE GARAGEM / ESTACIONAMENTO
A quantidade (nmero de vagas) e a qualidade (coberta, descoberta, distante, com
manobrista, etc.) das vagas de estacionamento disponveis no imvel influencia seu valor de
mercado. O ideal tratar os aspectos qualitativos por meio de variveis dicotmicas. Quando o
nmero de dados de mercado for insuficiente, podem ser construdos cdigos alocados, como no
exemplo abaixo:
2 vagas cobertas = 4
1 vaga coberta = 3
1 vaga descoberta = 2
Sem vaga = 1
Recomenda-se verificar a coerncia do valor da vaga calculado pelo modelo com o seu
valor no mercado.
10.4.13. % DE REA TRREA
Na avaliao de lojas comerciais, a rea trrea a que mais agrega valor ao imvel. A
influncia da rea trrea na composio do imvel pode ser testada com o uso da relao rea
trrea / rea total. Esta varivel deve mostrar que quanto mais prxima de 1, maior o valor unitrio
do imvel no mercado.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 67 / 78
10.4.14. ESQUINA
Este atributo, de grande importncia em imveis comerciais (lojas), geralmente testado
atravs de variveis dicotmicas.
10.4.15. N DE UNIDADES
O nmero de unidades por condomnio, ou por andar, ou por acesso social por pavimento
muitas vezes influencia o valor dos apartamentos. Verifica-se, em geral, que, quanto maior for o
nmero de unidades, menor o valor do apartamento. Essa varivel do tipo quantitativo.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 68 / 78
Pg 69 / 78
ainda possvel a criao de modelos genricos que permitam uma anlise macro das
variaes de preos de diversas tipologias de imveis dentro da malha urbana como um todo,
facilitando anlises mais geis e possibilidade de supervisionar e monitorar com mais segurana
trabalhos elaborados por terceiros;
Os modelos genricos permitiro ainda analisar o desempenho do mercado de cada
tipologia de imvel, atravs da mensurao, por exemplo, da varivel Preo de Oferta x Preo de
Venda. Poderamos ainda citar inmeros outros exemplos das vantagens de se criar e manter um
Banco de Dados de qualidade. Porm, estas j citadas, acreditamos serem bastante atrativas
para despertar nos avaliadores a vontade de faz-lo.
LOTES:
Endereo;
Condies de acesso;
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 70 / 78
11.1.2.
APARTAMENTOS:
Endereo;
Valor do condomnio;
CASAS:
Endereo;
rea do lote;
rea construda;
O CastleR possui fichas j padronizadas, as quais esto anexas ao final da apostila e que
podero auxiliar na escolha das variveis verificadas importantes em cada uma das regies do
pas.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 71 / 78
A medida que os dados so coletados, os mesmos devem ser sistematizados para que o
acesso aos mesmos seja facilitado e gil. O CastleR um software especfico para Banco de
Dados e software de regresso para elaborao de modelos de avaliao.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 72 / 78
12.1. UTILIZAO
Para avaliao de grande quantidade de imveis de mesma tipologia, distribudos de
forma pulverizada na zona urbana.
Para avaliao de imveis de localidades distintas afins, onde haja em cada localidade
pequena quantidade de dados amostrais.
12.1.1.
Vantagens
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 73 / 78
12.1.2.
Desvantagens
12.2. CUIDADOS
Deve haver equilbrio no nmero de dados de cada regio, setor urbano ou localidade.
Devem ser utilizadas variveis de localizao consistentes, citamos como exemplo:
O ndice Fiscal de cada localidade de acordo com a Planta de Valores da cidade de
referncia;
Valor unitrio mdio dos terrenos padres de cada localidade estudada no modelo;
Valor mdio de locao de unidades padres de cada localidade, etc.
Devem ser analisadas todas as variveis comuns observadas pelo avaliador, que
representem a diversidade das regies/setores ou localidades estudadas no modelo.
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 74 / 78
se n 30 ento ni 3
se 30 n 100 ento ni 10 0 0 n
se
n 100 ento ni 10 ;
A linearidade do modelo foi examinada, conforme os grficos dos valores observados para a
varivel dependente versus cada varivel independente, com as respectivas transformaes,
conforme apresentado neste trabalho?
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 75 / 78
A verificao da multicolinearidade foi feita e apresentada neste trabalho, pela matriz das
correlaes, que espelha as dependncias lineares de primeira ordem entre as variveis
independentes, com ateno especial para resultados superiores a 0,80?
A existncia de Outlier foi verificada e demonstrada pelo grfico dos resduos versus cada
varivel independente? Foi detectado ponto influenciante? A sua retirada foi justificada?
A significncia individual dos parmetros das variveis do modelo foi submetida ao teste t de
Student, sendo a hiptese nula para rejeio de cada regressor de no mximo 30% (Grau I de
fundamentao) conformidade com as hipteses estabelecidas quando da construo do
modelo, e os resultados foram apresentados neste trabalho?
A hiptese nula do modelo foi submetida ao teste F de Snedecor e rejeitada ao nvel mximo
de significncia de 5 % (Grau I de Fundamentao), e os resultados foram apresentados
neste trabalho?
O engenheiro avaliador justificou a escolha do valor dentro do campo arbtrio, caso no seja
adotada a estimativa pontual?
Foram consideradas tantas variveis dicotmicas quantas forem necessrias para descrever
as diferenas qualitativas, em lugar da utilizao de cdigos alocados?
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 76 / 78
Os valores dos cdigos alocados foram extrados da amostra com a utilizao de variveis
dicotmicas?
Foram utilizados cdigos alocados com nmeros naturais em ordem crescente das
caractersticas possveis, com valor inicial igual a 1?
Foram utilizados variveis qualitativas em cdigos ajustados, extrados da amostra por meio
de modelo de regresso com utilizao de variveis dicotmicas, desde que haja pelo menos
trs dados por caracterstica?
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 77 / 78
Figura 1_______________________________________________________________________________________3
Figura 2_______________________________________________________________________________________7
Figura 3______________________________________________________________________________________11
Figura 4______________________________________________________________________________________11
REGRESSION Engenharia de Avaliaes Ltda - Tel.: (41) 9147-2255 / (41) 9104-0705 / (41) 9234-0171
e-mail: regression@regression.com.br / Home Page: http://www.regression.com.br
Pg 78 / 78