Regressão linear múltipla aplicada em avaliação imobiliária: estudo de caso na área central de Florianópolis
DOI:
https://doi.org/10.53660/CLM-608-674Palavras-chave:
Avaliação de imóveis, Testes estatísticos, NBR 14653-2Resumo
A Engenharia de Avaliações busca inferir o valor de um bem, com o menor erro possível, através de métodos comparativos obtidos em amostras coletadas diretamente no mercado. Para tanto é utilizada como referência, em avaliações imobiliárias, os métodos citados na NBR 14653-2 (ABNT, 2004), sendo que o mais utilizado é o da regressão linear. Neste sentido este trabalho tem por objetivo avaliar imóveis da área central do município de Florianópolis, em Santa Catarina, pelo método de regressão linear múltipla. Para tanto utilizou como procedimentos metodológicos a pesquisa de dados para definir o uso de oito variáveis independentes para estimar a variável dependente (valor do imóvel), utilizando uma amostra de 208 imóveis. Para gerar o modelo foram definidos parâmetros, transformações e realizada a análise dos seguintes pressupostos: outliers, pontos atípicos, normalidade, homocedasticidade, multicolinearidade, autocorrelação e linearidade. Por fim foi utilizada uma segunda amostra de 11 imóveis para avaliar o modelo de regressão produzido que atingiu um R² = 96,32% e intervalos de confiança menores que 15%, podendo ser enquadrado no grau III de fundamentação da NBR 14653-2.
Downloads
Referências
ABUNAHMAN, Sérgio Antonio. Curso básico de engenharia legal e de avaliações. São Paulo: Pini, 2008.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT). NBR 14653-2: Avaliação de bens Parte 2: Imóveis Urbanos. Rio de Janeiro, 2004.
ASTERIOU; HALL. Applied Econometrics. United Kingdom, Palgrave Macmillan, 2011.
BALTAGI. Econometrics. Springer Berlin, Heidelberg, 2011. Disponível em: https://doi.org/10.1007/978-3-642-20059-5. Acesso em: 20 out. 2022.
BERRINI, Luís Carlos. Avaliações de imóveis. São Paulo: Escolas Profissionais Salesianas, 1949.
BRUCE, Peter; BRUCE, Andrew. Estatística Prática para Cientistas de Dados: 50 Conceitos Essenciais. Rio de Janeiro: Alta Books, 2019.
DANTAS, R. A. Engenharia de avaliações: uma introdução à metodologia científica. São Paulo: Pini, 2012.
GUJARATI, D. N.; PORTER, D. C. Econometria básica - 5ª ed. Porto Alegre: AMGH, 2011.
HLAVÁČ; JEFFERY; WIEDERMANN. SOFSEM 2000: Theory and Practice of Informatics - 27th Conference on Current Trends in Theory and Practice of Informatics Milovy, Czech Republic, November 25 - December 2, 2000 Proceedings. Springer Berlin, Heidelberg, 2000.
HOFFMANN, R. Análise estatística de relações lineares e não lineares. Piracicaba: Portal de Livros Abertos da USP, 2016.
International Association of Assessing Officers (IAAO). Standard on automated valuation models (AVMS). Kansas City: 2018. Disponível em https://www.iaao.org/media/standards/Standard_on_Automated_Valuation_Models.pdf. Acesso em: 03/02/2021.
KALOGIROU, S. A. Applications of artificial neural networks in energy systems. Energy Conversion and Management, Vol. 40, Nº 10, 1999, p. 1073-1087.
OLIVEIRA, A. M. B. D.; GRANDISKI, P. Métodos Científicos e a Engenharia de Avaliações (com ênfase em Inferência Estatística). IBABE/SP. Engenharia de Avaliações Volume 2. São Paulo: Leud, 2014. p. 13-118.
RAO et al. Linear Models and Generalizations: Least Squares and Alternatives. Springer Berlin, Heidelberg, 2008. Disponível em: https://doi.org/10.1007/978-3-540-74227-2. Acesso em: 20 out. 2022.
SEM; SRIVASTAVA . Regression Analysis: Theory, Methods, and Applications. S pringer New York, NY, 1990. Disponível em: https://doi.org/10.1007/978-1-4612-4470-7. Acesso em: 20 out. 2022.
SILVA, I. N.; SPATTI, D. H.; FLAUZINO, R. A. Redes Neurais Artificiais para engenharia e ciências aplicadas: fundamentos teóricos e aspectos práticos. São Paulo: Artliber, 2010.
STATSMODEL. Statsmodels.stats.diagnostic.linear_lm. Disponível em: https://www.statsmodels.org/stable/generated/statsmodels.stats.diagnostic.linear_lm.html?highlight=linear_lm#statsmodels.stats.diagnostic.linear_lm. Acesso em: 06 maio 2021.