Baixe o app para aproveitar ainda mais
Prévia do material em texto
4Módulo Avaliação de bens e imóveis com foco no método evolutivo Método Comparativo Direto de Dados de Mercado (MCDDM) Infraestrutura Enap, 2021 Fundação Escola Nacional de Administração Pública Diretoria de Desenvolvimento Profissional SAIS - Área 2-A - 70610-900 — Brasília, DF Fundação Escola Nacional de Administração Pública Diretoria de Desenvolvimento Profissional Conteudista/s Antônio Sérgio Costa Amorim, 2021. Diretoria de Desenvolvimento Profissional. Unidade 1: Método Comparativo Direto de Dados de Mercado ......4 1.1 Considerações Iniciais ................................................................................................ 4 1.2 Levantamentos de Dados de Mercado .................................................................... 5 1.3 Tratamento dos Dados .............................................................................................. 6 1.3.1 Tratamento por Fatores ......................................................................................... 9 1.3.2 Tratamento Científico ........................................................................................... 12 1.4 Etapas do Método .................................................................................................... 13 1.4.1 Conhecimento do Imóvel a ser Avaliado ............................................................ 14 1.4.2 Coleta de Dados de Mercado ............................................................................... 16 1.4.3 Análise Exploratória dos Dados ........................................................................... 18 1.4.4 Construção do Modelo ......................................................................................... 19 1.5 Exemplo de Estimativa de Valor pelo MCDDM ..................................................... 19 1.5.1 Definindo as Variáveis .......................................................................................... 21 1.5.2 Regressão Linear ................................................................................................... 21 1.5.3 Coeficientes de Determinação - R² e Correlação - R da Regressão ................. 24 1.5.4 Pressupostos Básicos para Validação do Modelo ............................................. 25 1.6 Especificação do Laudo............................................................................................ 41 Referências ..................................................................................................................... 44 Sumário 4Enap Fundação Escola Nacional de Administração PúblicaEnap Fundação Escola Nacional de Administração Pública Módulo Método Comparativo Direto de Dados de Mercado (MCDDM)4 Neste módulo, você conhecerá mais sobre o método mais indicado para quando se pretende identificar o valor de mercado. 1.1 Considerações Iniciais Unidade 1: Método Comparativo Direto de Dados de Mercado Objetivo de aprendizagem Ao final desta unidade, você será capaz de reconhecer as etapas de uma avaliação planejada com base no Método Comparativo Direto de Dados de Mercado (MCDDM). O MCDDM deve ser utilizado preferencialmente na busca de valor de mercado, sempre que existirem dados amostrais semelhantes ao bem avaliando, como terrenos, casas padronizadas, apartamentos, salas, lojas, entre outros. Esse método é utilizado com o objetivo de encontrar a tendência de formação de seus preços. O MCDDM é o método avaliatório mais utilizado. Além de ser a recomendação da NBR 14653, nada mais direto do que consultar o próprio mercado local a fim de saber quanto vale o imóvel que é objeto de avaliação. Se os imóveis fossem todos padronizados em relação a suas características, seria possível estimar o valor de um imóvel sem se preocupar com tratamentos técnicos de seus atributos. Como é fácil de observar, não é essa a realidade: mesmo em um Enap Fundação Escola Nacional de Administração Pública 5 O primeiro passo antes do tratamento dos dados é, logicamente, obtê-los. O levantamento de dados é uma das atividades básicas da avaliação de imóveis, prevista na NBR 14653. Mas, antes de iniciar o levantamento de dados, é recomendável que o avaliador já tenha em mãos informações a respeito da finalidade, objetivo e identificação do imóvel, bem como a fundamentação e precisão que se pretende atingir. condomínio de unidades padronizadas, seja de construção horizontal ou vertical, existem imóveis com características distintas que podem influenciar ou não no valor do bem que será avaliado, como vista privilegiada, posição do andar, posição em relação ao sol, estado de conservação, etc. Por esse motivo, é necessário um tratamento técnico dos atributos para homogeneizar os dados ou para entender as influências que as diferenças de atributos têm sobre o valor do imóvel. Veja a seguir como melhor desenvolvê-lo, destacando algumas etapas e demonstrando um exemplo prático. 1.2 Levantamentos de Dados de Mercado Para uma maior e melhor fundamentação, é necessário maior esforço para coleta de dados, com fotos e características conferidas in loco pelo autor do laudo. As fontes das informações devem ser confiáveis, diversificadas, preferencialmente identificadas (com endereço, nome e telefone de contato, para possível conferência) e ainda que as ofertas e negociações sejam contemporâneas à data de conferência do laudo. Neste método, é importante que se colete a maior quantidade possível de dados de mercado com características próximas ao objeto da avaliação, qualitativa e quantitativas, como estarem localizados na mesma região do imóvel avaliado, de mesmo padrão, estado de conservação, tipo, idade, dimensões etc. 6Enap Fundação Escola Nacional de Administração Pública O avaliador poderá encontrar certas dificuldades em levantar dados de mercado, que poderá depender das características do imóvel a ser avaliado, bem como do mercado imobiliário em que ele estiver inserido. Por isso, cabe ao avaliador ter uma noção dos principais atributos responsáveis pela formação do valor dos imóveis, assim como empenho e estratégias para buscar esses dados junto a sites especializados em anúncios de imóveis, visitas a imobiliárias, entrevistas com proprietários e moradores da região etc. Após encerrar a fase de coleta de dados, é necessário organizá-los em tabelas e/ou gráficos, que auxiliarão em uma análise prévia. Nessa análise, será possível verificar a frequência de cada variável e alguma relação entre elas, o equilíbrio da amostra, identificação de pontos atípicos, entre outras informações. Deve-se tomar certos cuidados com possíveis informações de transações imobiliárias obtidas junto a cartórios e prefeituras, pois essas podem trazer distorções devido a possíveis tentativas de economizar com as cobranças e custos desses órgãos. Atenção também às informações obtidas diretamente pela internet, que podem ter informações incompletas e ou erradas. 1.3 Tratamento dos Dados Tabela com a relação de dados coletados e um gráfico mostrando a relação entre Valor unitário x Área total (sem tratamento prévio). Fonte: CEPED/UFSC (2022) Enap Fundação Escola Nacional de Administração Pública 7 Nos gráficos apresentados, tem-se um exemplo de uma amostra dos dados coletados. A tabela apresenta as seguintes informações: Dados, Área, Valor total e Valor unitário; e sua representação no gráfico mostra a relação entre o Valor unitário x Valor total na amostra. Outra sugestão para analisar os dados é organizá-los de forma espacial, marcando a localização deles em imagens com o Google Earth, o que permite uma melhor visualização da distribuição dos imóveis, além de auxiliar na utilização de variáveis como distâncias ou rotas entre pontos ou trechos atrativos ou depreciativos no mercado imobiliário. Veja a distribuição espacial no exemplo da figura a seguir: Distribuição espacial dos dados em determinada zona na cidade de São Paulo (Google Earth). Fonte: CEPED/UFSC (2022) A norma de avaliaçãoindica duas formas de tratamentos dos dados: 8Enap Fundação Escola Nacional de Administração Pública O modelo, segundo Orlando Carneiro de Matos (2000), pode ser entendido como uma representação simplificada da realidade, que é estruturada de modo a permitir a compreensão do funcionamento de uma realidade ou fenômeno, seja de forma total ou parcial. Qualquer modelo, independentemente do tipo de tratamento, será uma representação simplificada do mercado, uma vez que não considera todas as informações (população). Ele é construído considerando apenas uma parte dos dados (amostra) e, por isso, precisa de cuidados científicos na sua elaboração, desde a preparação da pesquisa e o trabalho de campo até o exame final dos resultados para fornecer respostas confiáveis e válidas. O poder de predição do modelo deve ser verificado a partir do gráfico de preços observados na abscissa versus os valores estimados pelo modelo na ordenada, que deve apresentar pontos próximos da bissetriz do primeiro quadrante. A apresentação deste tipo de gráfico é obrigatória no modelo de laudo completo para o método comparativo direto de dados de mercado. Segundo a NBR 14653-2 (ABNT, 2011), no tratamento dos dados podem ser utilizados, alternativamente e em função da qualidade e da quantidade de dados e informações disponíveis: - Tratamento por fatores: homogeneização por fatores e critérios, fundamentados por estudos conforme item 8.2.1.4.2 (ABNT, 2011, p. 16), e posterior análise estatística dos resultados homogeneizados; - Tratamento científico: tratamento de evidências empíricas pelo uso de metodologia científica que leve à indução de modelo validado para o comportamento do mercado. Enap Fundação Escola Nacional de Administração Pública 9 Gráfico Valor Estimado x Valor Observado (gerado automaticamente pelo software SisDEA, na opção “Aderência”). Fonte: CEPED/UFSC (2022) 1.3.1 Tratamento por Fatores O tratamento por fatores é aplicável a uma amostra composta por dados de mercado com as características mais próximas possíveis do imóvel avaliando, na qual é admitida a priori a existência de relações fixas entre as diferenças dos atributos específicos e os respectivos preços. O conjunto de fatores aplicado a cada elemento amostral será considerado como homogeneizante quando, após a aplicação dos respectivos ajustes, verificar-se que o conjunto de novos valores homogeneizados apresenta menor coeficiente de variação dos dados que o conjunto original. Os fatores a serem utilizados neste tratamento devem ser indicados periodicamente pelas entidades técnicas regionais reconhecidas com registros no sistema CONFEA/ CREA ou CAU e revisados em períodos máximos de quatro anos, e devem especificar claramente a região para a qual são aplicáveis. Podem ainda ser deduzidos e comprovados pelo profissional avaliador, com a utilização de metodologia científica, sendo apensados ao Laudo de Avaliação a metodologia, o memorial de cálculo e a amostragem que lhes deram origem. 10Enap Fundação Escola Nacional de Administração Pública Fatores de Homogeneização: Fatores físicos (como frente, área e formato), localização (bairro, distância, esquina), econômicos (oferta, época, forma de pagamento) e outros atributos que se revelem importantes dependendo de como será utilizado o imóvel e que determinam o valor de avaliação de imóvel. Devido às várias exigências normativas para o tratamento de dados por fatores (como fatores publicados e atualizados por entidade técnicas ou limitação de atributos semelhantes ao avaliando onde a razão da diferença entre eles deve variar de 0,5 a 2,0) e de acordo com as características de mercado, é mais comum e também exigida por algumas instituições a utilização do tratamento de dados pelo método científico (inferência estatística). Por este motivo, o foco deste curso será dirigido para o tratamento científico. No caso de utilização de tratamento por fatores, observar o Anexo B da NBR 14653- 2 (ABNT, 2011, p. 40). Após a homogeneização, devem ser utilizados critérios estatísticos consagrados de eliminação de dados discrepantes para o saneamento da amostra. É recomendada a utilização do critério de exclusão de Chauvenet. O campo de arbítrio corresponde ao intervalo com amplitude de 15%, para mais e para menos, em torno da estimativa de tendência central utilizada na avaliação. Caso não seja adotado o valor calculado, o profissional avaliador deve justificar sua escolha. Os fatores de homogeneização não podem ser utilizados fora do campo de aplicação para o qual foram calculados, em relação às características quantitativas e qualitativas do imóvel, tipologia, região e validade temporal do estudo que gerou os fatores. Enap Fundação Escola Nacional de Administração Pública 11 A seguir, veja alguns fatores que são usualmente utilizados, em conformidade com a tipologia de cada imóvel, sendo que devem ser anexados ao trabalho de avaliação os estudos de mercado que lhes deu origem. Terreno: Fator de transposição de local; Fator de frente ou de testada; Fator de profundidade; Fator de testadas múltiplas; Fator de acidentação topográfica; Fator de área; Fator de pedologia; Fator de restrição legal. Residências unifamiliares: Fator de transposição de local; Fator de testadas múltiplas; Fator de área; Fator de projeto; Fator de acabamento; Fator de depreciação física e funcional, ou de idade. Apartamentos: Fator de transposição de local; Fator de área; Fator de projeto; Fator de acabamento; Fator de depreciação física e funcional, ou de idade. Salas e pavimentos comerciais: Fator de transposição de local; Fator de área; Fator de projeto; Fator de acabamento; Fator de depreciação física e funcional, ou de idade. Lojas: Fator de transposição de local; Fator de área; 12Enap Fundação Escola Nacional de Administração Pública Fator de frente (vitrine); Fator de acabamento; Fator de posição (frente de rua ou interior de galeria) Fator de garagem. Galpões de uso geral: Fator de transposição de local; Fator de área; Fator de frente; Fator de altura (pé-direito); Fator de depreciação física e funcional, ou de idade; Fator de acesso. 1.3.2 Tratamento Científico A utilização da metodologia científica aplicada às avaliações de imóveis tem por objetivo garantir confiabilidade e segurança ao engenheiro avaliador na estimação do valor apresentado no laudo. Veja o texto adaptado produzido pelo renomado Rubens Alves Dantas, no livro Engenharia de Avaliações: Uma Introdução à Metodologia Científica (2011): O método científico pode ser considerado algo como um telescópio: diferentes lentes, aberturas e distâncias focais produzirão formas diversas de ver a natureza (mercado). O uso de apenas uma vista (um dado) não oferecerá uma representação adequada do espaço total que se deseja compreender (mercado). Talvez diversas vistas parciais (uma amostra) permitam elaborar um “mapa” tosco (modelo) da totalidade procurada (população). Apesar de sua falta de precisão, o “mapa” (modelo) ajudará a compreender o território em estudo (mercado). O tratamento científico deduz uma equação (modelo) de regressão a partir dos dados de mercado pesquisados, através da estatística inferencial. f(x) = a + bx1 + cx2 + dx3 + . . . + Zxn Enap Fundação Escola Nacional de Administração Pública 13 Inferência Estatística é um ramo da Estatística quem tem como objetivo fazer afirmações a partir de uma amostra (um conjunto de valores representativo) sobre um universo específico (população), partindo do princípio de que a população é muito maior do que o conjunto de dados observados. As afirmações provenientes da inferência estatística devem ser sempre acompanhadas de uma medida de precisão que atestem sua veracidade. Por meio da inferência estatística, são buscados modelos explicativos do comportamento do mercado ou de uma variável dependente (valor unitário ou valor global) em relação às variáveis independentes, responsáveis pela variabilidade observada nospreços. O modelo escolhido deve satisfazer os pressupostos básicos determinados por um conjunto de testes de hipóteses e, dentro de intervalos de confiança, conferir validade às predições das probabilidades estabelecidas. Na pesquisa, são eleitas as variáveis que são representações numéricas das características intrínsecas e extrínsecas dos imóveis. 1.4 Etapas do Método Pode-se resumir, genericamente o procedimento da metodologia científica aplicada à engenharia de avaliações como aquela que compreende um conjunto de atividades básicas em um rol de cinco etapas: 1. Conhecimento do imóvel a ser avaliado; 2. Coleta de dados de mercado; 3. Análise exploratória dos dados; 4. Construção do modelo; e 5. Elaboração do laudo de avaliação. 14Enap Fundação Escola Nacional de Administração Pública Essas etapas representam um roteiro básico, mas não são regras absolutas. Isso significa que o engenheiro de avaliações deve observá-las e adotá-las a depender do caso. 1.4.1 Conhecimento do Imóvel a ser Avaliado A primeira informação que o engenheiro de avaliações precisa saber é sobre a documentação disponível do imóvel a ser avaliado, ou seja, antes de qualquer atividade de campo, deve-se coletar o máximo de informações possíveis sobre o imóvel avaliando. É a hora da verificação documental! No âmbito da União, quanto ao procedimento de verificação documental, pode haver duas formas: 1. No caso em que o imóvel seja de terceiros, o engenheiro de avaliações deverá consultar, junto ao proprietário, toda documentação necessária para realização da avaliação, buscando informações como planta, memoriais, matrículas, hipotecas, entre outras. 2. No caso de um imóvel da União, o engenheiro de avaliações deverá consultar as informações junto ao cadastro do imóvel nos sistemas corporativos da União e/ou junto aos departamentos específicos, conforme o caso. Recomenda-se ainda que o engenheiro de avaliação consulte as legislações municipal, estadual e federal, bem como outras restrições – inclusive decorrentes de passivo ambiental – ou incentivos que possam influenciar o valor do imóvel. Qualquer informação julgada como insuficiente pelo engenheiro de avaliações deverá ser devidamente registrada no laudo de avaliações como ressalva e fator limitante, bem como os pressupostos assumidos em função dessa condição. A segunda informação a ser coletada pelo engenheiro avaliador é a situação real do imóvel avaliando que, para tanto, torna fundamental a vistoria do mesmo. Enap Fundação Escola Nacional de Administração Pública 15 A vistoria do imóvel é devidamente determinada pela NBR 14653, pois será por meio desta atividade que o engenheiro avaliador começará a caracterização e enquadramento do imóvel avaliando ao segmento de mercado específico, além de conhecer seu estado físico e detalhes como estado de conservação, padrão de acabamento, ocupação, área, tipologia etc. Para facilitar a caracterização e organização dos dados coletados, recomenda-se que o engenheiro avaliador prepare uma ficha de vistorias com alguns campos de informações pré-determinados. Haverá possibilidade de ser realizada uma avaliação de um imóvel que não possua documentação ou que não seja vistoriado pelo avaliador? Sim. Quanto à inexistência de documentação, a NBR 14653-1, em seu item 7.2.2, dispõe: “Na impossibilidade de o contratante ou interessado fornecer toda a documentação necessária ou esclarecer eventuais incoerências, o engenheiro de avaliações deverá julgar sobre a possibilidade de elaborar a avaliação. Em caso positivo, deverá deixar claramente expressas as ressalvas relativas à insuficiência ou incoerência da informação, bem como os pressupostos assumidos em função dessas condições” (ABNT, 2019, p. 6). Quanto à inexistência de vistoria, a NBR 14653-2, item 7.3.5.2, dispõe: “Quando não for possível o acesso do avaliador ao interior do imóvel, o motivo deve ser justificado no laudo de avaliação. Neste caso, em comum acordo com o contratante, a vistoria interna pode ser precedida e a avaliação pode prosseguir com base em elementos que for possível obter ou fornecidos pelo contratante, tais como: a) descrição interna; b) no caso de apartamento, escritórios e conjunto habitacionais, a vistoria externa de áreas comuns, a vistoria de outras unidades do mesmo edifício e informações da respectiva administração; c) no caso de unidades isoladas, a vistoria externa. As considerações hipotéticas sobre o imóvel, que configuram a situação paradigma, devem estar claramente explicitadas no laudo de avaliação” (ABNT, 2011, p. 12). 16Enap Fundação Escola Nacional de Administração Pública 1.4.2 Coleta de Dados de Mercado Essa etapa deve ser vinculada diretamente ao planejamento de pesquisa, isto porque, após a vistoria do imóvel avaliando, o engenheiro de avaliações irá condicioná-la à obtenção de informações específicas no mercado de imóveis. Eis o que dispõe a NBR 14653-2, em seu item 8.2.1.1, sobre o planejamento da pesquisa (ABNT, 2011, p. 13): “No planejamento de uma pesquisa, o que se pretende é a composição de uma amostra representativa de dados de mercado de imóveis com características, tanto quanto possível, semelhantes às do avaliando, usando-se toda a evidência disponível. Esta etapa – que envolve estrutura e estratégia da pesquisa – deve iniciar-se pela caracterização e delimitação do mercado em análise, com o auxílio e teorias e conceitos existentes ou hipóteses advindas de experiências adquiridas pelo avaliador sobre a formação do valor.” Na coleta dos dados de mercado, o engenheiro de avaliações elegerá, em princípio, as variáveis mais relevantes para explicar a tendência de formação de valor e estabelecidas às supostas relações entre si e com a variável dependente. O sucesso de qualquer análise econométrica depende, em sua última instância, da disponibilidade de dados adequados. (GUJARATI, PORTER, 2011, p. 45) As variáveis são representações numéricas das características intrínsecas e extrínsecas dos dados, tanto do avaliando quanto da amostra, podendo ser denominadas dependentes ou independentes. Quando as variáveis dão conteúdo lógico à variação dos preços de mercado coletados na amostra, são chamadas de variáveis independentes. A variável dependente, por sua vez, é aquela cujo comportamento se pretende explicar pelas variáveis independentes. Enap Fundação Escola Nacional de Administração Pública 17 As variáveis independentes podem ser divididas basicamente em quantitativas e qualitativas: I. As variáveis quantitativas são aquelas que estão associadas a uma característica que pode ser medida ou contada; por isso, assumem uma posição em uma escala, tais como: área (m²), frente (metros), número de vagas de garagem ou de dormitórios (unidades), distância a polo de influência (km) etc. II. As variáveis qualitativas são aquelas provenientes de uma característica de qualificação e, por isso, não podem ser medidas diretamente ou contadas, portanto, carregam alguma subjetividade. Quando muito, elas podem ser ordenadas ou hierarquizadas, assumindo posição de alocação em uma categoria a partir de escalas, que são chamadas de “códigos alocados”, tais como: padrão construtivo, estado de conservação, localização etc. Sempre que possível, recomenda-se a adoção de variáveis quantitativas. As diferenças qualitativas das características dos imóveis podem ser especificadas, em ordem de prioridade, por meio de codificação, com o emprego de variáveis dicotômicas, proxy e de códigos alocados. Sendo que: I. As variáveis dicotômicas são aquelas que podem assumir apenas dois valores, vedada a extrapolação ou interpolação nessa situação. São usadas para representar a presença ou ausência de um determinado atributo, como oferta/transação, esquina, vista panorâmica, elevador, garagem etc. II. As variáveis proxy são utilizadas para substituir outras de difícil mensuração com as quais se presume guardar relação de pertinência, como padrãoconstrutivo expresso pelo Custo Unitário Básico (CUB), localização expressa pelo índice fiscal, estado de conservação expresso pelos fatores de Ross- Heidecke etc. Assim, as variáveis qualitativas podem ser substituídas pelas variáveis proxy, com sensível diminuição da subjetividade. III. Os códigos ajustados são extraídos da amostra por meio de modelo de regressão com a utilização de variáveis dicotômicas, desde que haja pelo menos três dados por característica. IV. Os códigos alocados são uma escala lógica, uma ordenação numeral (notas ou pesos) para diferenciar as características qualitativas dos imóveis; por exemplo: padrão construtivo baixo = 1; médio = 2; alto = 3; e luxo = 4. Não é necessário que a amostra contenha dados de mercado em cada uma das posições da escala construída, porém, é vedada a extrapolação das variáveis expressas por códigos alocados. 18Enap Fundação Escola Nacional de Administração Pública Em uma exemplificação hipotética, tem-se: Apartamento de dois quartos, 100,39 m², garagem, alto padrão de acabamento, Avenida Beira Mar, vale R$ 150 mil. Variáveis independentes: - Quantitativa: discreta, por ser indicada por números inteiros, (2 quartos), contínua, permite números decimais, (100,39 m²); - Qualitativa: padrão de acabamento (alto), em uma escala hipotética de: baixo, médio e alto; - Proxy: índice fiscal (valor x) para Avenida Beira Mar; - Dicotômica: garagem (sim), em uma escala sim ou não. Variáveis dependentes - Valor total: R$ 150 mil; - Valor unitário: R$ 1.494,17 m² (150.000/100,39). Para mais informações, recomenda-se a leitura do item 8.2.1.3, “Levantamento de dados de mercado”, da NBR 14653-2 (ABNT, 2011, p. 14). 1.4.3 Análise Exploratória dos Dados Esta etapa é essencialmente realizada em escritório, ou seja, após a correta identificação e caracterização do imóvel avaliando e da coleta dos dados de mercado julgados para o caso, o engenheiro de avaliação fará a devida análise desses dados. Destaca-se que cada dado coletado deverá ser cuidadosamente analisado de modo a permitir sua exclusão. Por exemplo: dados de oferta são mais fáceis de serem coletados e serão importantes na validação do modelo de avaliação, porém, devem sempre ser considerados como superestimativas, sendo importante, quando possível, confrontá- los com os dados de transações. Devem ser evitados como parte da amostra os preços de negociações oriundos de desapropriações amigáveis e judiciais, transmissões “intervivos” resultantes de doação entre parentes, transmissões “causa mortis”, entre outros equivalentes. Enap Fundação Escola Nacional de Administração Pública 19 Dados de escrituras, Imposto Predial Territorial Urbano ou Rural (IPTU/ITR) ou Imposto de Transação de Benfeitorias (ITBI) nem sempre são confiáveis, pois, por motivos relacionados a impostos, comumente tendem a não refletir o mercado. Finalmente, destaca-se que, nesta etapa, será necessário o uso de ferramentas computacionais para facilitar a análise dos dados. Recomenda-se a leitura do item 8.2.1.4, “Tratamento de dados”, da NBR 14653-2 (ABNT, 2011, p. 15). 1.4.4 Construção do Modelo Nesta etapa, o engenheiro de avaliações, com o uso de ferramentas computacionais, fará a devida validação do modelo de avaliação amparado pelo enquadramento do trabalho avaliatório à luz da NBR 14653. Conforme mencionado anteriormente, este curso pauta-se pela avaliação de mercado pelo Método Evolutivo, que é realizado por meio da conjunção de outros métodos, entre eles, o mais recomendado pelas normas, com o uso do tratamento científico por meio de regressão linear. Portanto, para que se possa validar o modelo de regressão linear, deve-se observar alguns pressupostos básicos, em especial, o preconizado no Anexo A da NBR 14653-2 (ABNT, 2011, p. 34): • Linearidade; • Normalidade; • Homocedasticidade; • Não auto-correlação; • Não multicolinearidade. 1.5 Exemplo de Estimativa de Valor pelo MCDDM Veja o seguinte exercício prático, adaptado do Manual de Avaliação de Imóveis do Patrimônio da União (BRASIL, 2018): O terreno de um imóvel é retangular e pouco irregular, possui solo seco e firme e mede 15 metros (m) pelo lado sul, 15 m pelo lado norte, 30 m pelo lado leste e 30 m pelo lado oeste, perfazendo área de 450,00 metros quadrados (m²), e possui um índice fiscal de 150. O avaliador coletou dados de ofertas de terrenos na região e os organizou resumidamente na seguinte tabela: 20Enap Fundação Escola Nacional de Administração Pública Exemplo de estimativa de valor pelo MCDDM. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018) Elementos da amostra Endereço Área (m²) Índice Fiscal Valor Total (R$) Fonte da Informação 1 End. 1 1.900,00 450 1.400.000,00 João (61) 2020-**** 2 End. 2 730,00 400 580.000,00 Lúcia (61) 3911-**** 3 End. 3 6.300,00 250 3.150.000,00 Paulo (61) 3911- **** 4 End. 4 5.000,00 90 750.000,00 Carla (62) 3623-**** 5 End. 5 7.000,00 180 4.000.000,00 Eduardo (61) 2020-**** 6 End. 6 1.300,00 300 800.000,00 Maria (61) 2020-**** 7 End. 7 634,00 200 190.000,00 Pedro (61) 3911-**** 8 End. 8 426,00 120 120.000,00 Ana (61) 2020-**** 9 End. 9 1.067,65 500 750.000,00 Ana (61) 2020-**** 10 End. 10 336,00 170 110.000,00 Ana (61) 2020-**** 11 End. 11 1.888,00 450 1.500.000,00 João (61) 2020-**** 12 End. 12 600,00 350 530.000,00 Lúcia (61) 3911-**** 13 End. 13 600,00 90 160.000,00 Paulo (61) 3911- **** 14 End. 14 6.200,00 250 3.100.000,00 Maria (61) 2020-**** 15 End. 15 6.653,10 120 2.000.000,00 Maria (61) 2020-**** 16 End.16 7.700,00 400 4.500.000,00 Pedro (61) 3911-**** 17 End. 17 5.040,00 200 1.764.000,00 Ana (61) 2020-**** 18 End. 18 420,00 180 100.000,00 Lúcia (61) 3911-**** 19 End. 19 360,00 350 160.000,00 Paulo (61) 3911- **** Média 2.850,25 265,79 1.350.736,84 Moda 600,00 multimodal 750.000,00 - Mediana 1.300,00 250,00 750.000,00 - Variância 7.721.689,55 17.303,51 1.941.388.093.567,25 Desvio Padrão 2.778,79 131,54 1.393.337,04 Existem diversos softwares para auxiliar na modelagem de dados por meio da regressão linear (neste caso, linear múltipla). Para este exercício, será utilizado o software para avaliação de imóveis SisDEA. Enap Fundação Escola Nacional de Administração Pública 21 Média das variáveis. Fonte: Brasil (2018, p. 99) 1.5.1 Definindo as Variáveis • Variáveis independentes: - Área total: quantitativa e continua (indica a área total do terreno em m²); - Índice fiscal: qualitativa, proxy e discreta (indica o índice fiscal do logradouro do imóvel, que é fornecido pela prefeitura); • Variável dependente: - Valor total: quantitativa e contínua (valor total do imóvel em reais). 1.5.2 Regressão Linear Com a regressão, busca-se um modelo ou equação matemática que descreva a relação entre duas ou mais variáveis. • Regressão Linear Múltipla: Y =Y= β⁰ + β¹X¹ + β² O cálculo dos parâmetros da regressão pode ser calculado, entre outros métodos, pelo método dos mínimos quadrados e pelo método da máxima verossimilhança. Sugere-se utilizar o método dos mínimos quadrados, que será usado no exemplo, para amostras com poucos dados, enquanto o método da máxima verossimilhança pode ser utilizado para grandes amostras (acima de 60 dados). 22Enap Fundação Escola Nacional de Administração Pública Coeficientes da Equação. Fonte: Brasil (2018, p. 103) Os parâmetros de regressão para este exemplo são: β⁰ = 0,000292, β¹ = 0,886365, e β²=6,214299. A variável com a maior t (t de Student) absoluto é a variável mais importante do modelo de regressão, neste caso, a variável Área. A equação da regressão é, portanto: Onde: Y = Valor Total (R$); X¹ = Área (m²); e X² = Índice Fiscal. Para a equação da regressão, os valores observados e estimados são os seguintes: Dado Observado Estimado Resíduo Resíduo Relativo Res. / DP 1 0,000845 0,000789 0,00005643 6,68% 0,23 2 0,001313 0,001545 -0,00023150 -17,63% -0,94 3 0,000563 0,000532 0,00003179 5,64% 0,13 4 0,001155 0,001236 -0,00008130 -7,04% -0,33 5 0,000500 0,000610 -0,00010995-21,99% -0,45 6 0,001118 0,001042 0,00007564 6,77% 0,31 7 0,002294 0,001845 0,00044922 19,58% 1,83 8 0,002887 0,002804 0,00008301 2,88% 0,34 Enap Fundação Escola Nacional de Administração Pública 23 9 0,001155 0,001147 0,00000811 0,70% 0,03 10 0,003015 0,003145 -0,00012943 -4,29% -0,53 11 0,000816 0,000792 0,00002481 3,04% 0,10 12 0,001374 0,001820 -0,00044593 -32,46% -1,82 13 0,002500 0,002536 -0,00003600 -1,44% -0,15 14 0,000568 0,000534 0,00003404 5,99% 0,14 15 0,000707 0,000856 -0,00014920 -21,10% -0,61 16 0,000471 0,000445 0,00002592 5,50% 0,11 17 0,000753 0,000623 0,00013017 17,29% 0,53 18 0,003162 0,002594 0,00056856 17,98% 2,31 19 0,002500 0,002804 -0,00030438 -12,18% -1,24 Resíduos da Regressão Linear. Fonte: CEPED/UFSC (2022) O valor observado é o valor transformado da variável independente, ou seja, para o dado 1, o valor da variável independente “Valor Total (R$)” é R$ 1.400.000,00, logo, o valor observado para a equação de regressão dessa amostra será: Para o dado 2, o valor observado será: E assim sucessivamente. O valor estimado do dado representa o valor da variável independente transformada calculado a partir dos valores das variáveis dependentes de cada dado. Ou seja, para o dado 1, o valor de X¹ (Área) = 1.900,00 e o valor de X² (Índice Fiscal) = 450, logo, o valor estimado para esse dado será: O resíduo é a diferença entre o valor observado e o estimado. Pode ser que dados de determinada amostra não sigam um padrão de linearidade. 24Enap Fundação Escola Nacional de Administração Pública Transformações de variáveis. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 105) 1.5.3 Coeficientes de Determinação - R² e Correlação - R da Regressão O coeficiente de determinação representa o poder de explicação das variáveis dependentes sobre a variável independente. Assim, dizer que o coeficiente de determinação é de, por exemplo, 0,85, significa dizer que 85,00% da variação dos preços em torno da média aritmética são explicadas (0 ≤ R² ≤ 1). Ou seja, quanto maior o valor do coeficiente de determinação, maior a explicação do modelo. Já o coeficiente de correlação é a raiz quadrada do coeficiente de determinação e indica a forma e a força da correlação existentes entre as variáveis, podendo variar entre -1 e 1. Quanto maior a correlação, maior o poder de explicação. Coeficientes de determinação R² e correlação R. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 106) Note que, de modo a ajustar o modelo de regressão linear, as variáveis foram transformadas, “forçando” uma linearidade, de forma que as transformações para as variáveis foram as seguintes: Enap Fundação Escola Nacional de Administração Pública 25 1.5.4 Pressupostos Básicos para Validação do Modelo Para que se possa validar o modelo de regressão linear, deve-se observar alguns pressupostos básicos, em especial, os preconizados no Anexo A da NBR 14653-2 (ABNT, 2011, p. 34): • Linearidade; • Normalidade; • Homocedasticidade; • Não auto-correlação; • Não multicolinearidade; • Micronumerosidade. • Linearidade As transformações utilizadas para linearizar o modelo devem, tanto quanto possível, refletir o comportamento do mercado, com preferência pelas transformações mais simples de variáveis que resultem em modelo satisfatório. Após as transformações realizadas, se houver, examina-se a linearidade do modelo pela construção de gráficos dos valores observados para a variável dependente versus cada variável independente, com as respectivas transformações. Transformações de variáveis. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 108) 26Enap Fundação Escola Nacional de Administração Pública • Normalidade A verificação da normalidade pode ser realizada, entre outras formas: • Pela análise do histograma de resíduos, que deve se assemelhar ao comportamento da curva normal; • Pela análise dos resíduos padronizados versus valores ajustados, que deve apresentar pontos dispostos aleatoriamente, com a grande maioria situada no intervalo [-2;+2]; • Pela comparação da frequência relativa dos resíduos amostrais padronizados nos intervalos de [-1; +1], [-1,64; +1,64] e [-1,96, +1,96], com as probabilidades de distribuição normal padrão nos mesmos intervalos, ou seja, 68%, 90% e 95%. A título de sugestão, indica-se [66 a 73; 85 a 95; 95 a 100], respectivamente; • Pelo exame do gráfico dos resíduos ordenados padronizados versus quantia da distribuição normal padronizada, que deve se aproximar da bissetriz do primeiro quadrante. Gráficos da equação de regressão valores observados para a variável dependente versus cada variável independente (gerado pelo SisDEA). Fonte: CEPED/UFSC (2022). "Para esse pressuposto, o modelo pode ser aceito." Enap Fundação Escola Nacional de Administração Pública 27 Normalidade do modelo. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 109). As análises mais simples de serem feitas para se observar a normalidade dos resíduos são a do comportamento do histograma e da observância da distribuição da frequência relativa dos resíduos amostrais padronizados. A análise da normalidade pela análise dos resíduos padronizados versus valores ajustados é a mais difícil de ser feita e requer experiência do avaliador. Curva normal. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 110). Essa distribuição da frequência relativa dos resíduos amostrais padronizados – que, no exemplo, foi de 78% para o intervalo [-1; +1], 84% para o intervalo [-1,64, +1,64] e 94% para o 28Enap Fundação Escola Nacional de Administração Pública • Homocedasticidade É a variância constante dos resíduos. É uma propriedade fundamental, sob pena de invalidar toda a análise estatística. Pode ser verificada por meio da análise gráfica dos resíduos versus valores ajustados, e os pontos devem se apresentar sob a forma de uma nuvem. Deseja-se que os erros sejam aleatórios, ou seja, não devem ser relacionados com as características dos imóveis. Se isto não ocorre, há heterocedasticidade, o que significa que a variância não é constante e que há tendências nos erros. A verificação da homocedasticidade pode ser feita, entre outros métodos, por meio dos seguintes processos: análise gráfica dos resíduos versus valores ajustados, que devem apresentar pontos dispostos aleatoriamente, sem nenhum padrão definido, e pelos testes de Park e de White. Se a hipótese de homocedasticidade for violada, os pacotes estatísticos irão errar o cálculo do desvio padrão dos coeficientes e errar nos valores dos testes de hipótese. Este é o problema da heterocedasticidade. Para o exemplo apresentado, tem-se o seguinte comportamento da distribuição dos resíduos: Distribuição de resíduos do modelo exemplo. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 118). intervalo [-1,96, +1,96] – representa a porcentagem de resíduos que está inserida nas faixas distantes entre -1 e 1 desvio padrão, -1,64 e 1,64 desvio padrão e -1,96 e 1,96 desvio padrão. "O modelo pode ser aceito para esse pressuposto." "No exemplo, há homocedasticidade e, portanto, o modelo é aceito para esse pressuposto." Enap Fundação Escola Nacional de Administração Pública 29 • Verificação da Autocorrelação Existe autocorrelação quando os erros são correlacionados com os valores anteriores ou posteriores na série. Essa análise é feita especialmente quando se utiliza uma variável data (não é o caso do exemplo apresentado). Se a hipótese de independência dos erros for violada, os pacotes estatísticos irão errar no cálculo do desvio padrão dos coeficientes e errar nos valores dos testes de hipótese. Esse é o problema da autocorrelação. Pode-se detectar a autocorrelação por meio de gráficos dos resíduos contra os valores da variável dependente ou pelo teste não-gráfico de Durbin-Watson. • Verificação da Multicolinearidade Uma forte dependência linear entre duas ou mais variáveis independentes provoca degenerações no modelo e limita sua utilização. Isso não geraestimativas enviesadas ou alterações, mas “infla” os desvios padrões de cada coeficiente. Esse é o problema da multicolinearidade. O que ocorre é que há duas variáveis explicativas com o mesmo conteúdo informacional (variabilidade similar, ou seja, altamente correlacionada). Por isso, o método de mínimos quadrados não consegue distinguir entre os efeitos diretos e indiretos das variáveis. O mais razoável é pensar no problema e identificar qual variável (dentre aquelas que apresentam, na prática, a mesma informação) é a mais importante e/ou a mais representativa. Uma medida corretiva para o caso de haver multicolinearidade é aumentar o tamanho da amostra. Uma forma de verificação da multicolinearidade é por meio da matriz de correlações, que espelha as dependências lineares de primeira ordem entre as variáveis independentes, com especial atenção especial para resultados superiores a 0,80. A observação da multicolinearidade deve ocorrer entre as variáveis independentes. A correlação entre uma variável independente e uma dependente poderá ser elevada (acima de 0,80). "O modelo pode ser aceito para esse pressuposto." 30Enap Fundação Escola Nacional de Administração Pública Correlações entre as variáveis. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 113). Na matriz da figura anterior, foram desprezados os limites acima de 0,80 na última linha e coluna (em destaque). • Outliers Os outliers são elementos com comportamento muito diferente dos demais. É extremamente importante controlar os outliers porque, em virtude da forma de estimação da equação, geralmente por mínimos quadrados, um erro grande modifica significativamente os somatórios, alterando os coeficientes da equação. Assim, um imóvel apenas pode modificar a equação. Para o exemplo, a verificação da multicolinearidade é a seguinte: "O exemplo não apresentou multicolinearidade entre as variáveis independentes, sendo, portanto aceito em relação a esse pressuposto." Enap Fundação Escola Nacional de Administração Pública 31 Se forem encontrados outliers, não é recomendada a exclusão automática, mesmo que a amostra seja grande. Deve ser feita a análise da adequação dos elementos suspeitos ao conjunto da amostra e de sua semelhança com o avaliando. Mas, no caso de outliers muito distintos do avaliando em aspectos como tamanho, idade, localização, tipo etc., eles devem ser removidos. É importante verificar se o outlier é verdadeiramente um ponto influenciante. Um ponto é influente se sua exclusão do ajuste da regressão causa uma mudança substancial nos valores ajustados. Os outliers podem ser observados no gráfico de distribuição dos resíduos e representam a relação entre o resíduo e o desvio padrão da regressão. O desvio padrão da regressão do modelo de duas variáveis independentes (três variáveis no total) é: Para o dado 18, outlier do modelo em questão, o resíduo da regressão é a diferença entre o valor observado e o estimado: 0,003162-0,002594 = 0,000569. A relação entre o resíduo e o desvio padrão da regressão é: 0,000596/0,000246539 = 2,31, conforme se observa na imagem a seguir: 32Enap Fundação Escola Nacional de Administração Pública Outliers. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 115) É preciso retirar esse outlier? Ele é um ponto influenciante no modelo? Mantendo-se o dado 18, a reta de valores observados versus valores estimados é a seguinte, com os seguintes coeficientes da equação: X0 = 0,0002915289, X1= 0,8863647 e X2 = 6,2142993: Curva de aderência com dado 18. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 116). Retirando o dado 18, a reta de valores observados versus valores estimados da regressão fica da seguinte forma, com os seguintes coeficientes da equação: X0 = 0,0003077447, X1 = 0,8365936 e X2 = 6,307964816. Enap Fundação Escola Nacional de Administração Pública 33 Curva de aderência sem dado 18. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 117). Percebe-se que a retirada do dado teve uma influência muito pequena, tanto nos coeficientes da equação de regressão quanto no aspecto da reta. Uma forma rápida de observar se o ponto é influenciante é a partir da distância de Cook. Para o modelo, tem-se, para a distância de Cook: Distância de Cook. Fonte: Brasil, 2018, p. 118. "Percebe-se que o dado 18 é não influenciante e o modelo pode ser aceito." 34Enap Fundação Escola Nacional de Administração Pública Para entender o efeito de um dado influenciante no modelo, suponha um dado 20 adicional, com os seguintes atributos: Área (m²) = 300, Índice Fiscal = 150 e Valor Total (R$) = 800.000,00. Em uma rápida análise em relação aos demais dados coletados, percebe-se que os atributos do dado 20 são inconsistentes em relação aos demais. Veja como fica a reta de regressão, a distribuição dos resíduos e a distância de Cook para o modelo com a inclusão do dado 20: Distribuição de resíduos com inclusão do dado 20. Fonte: Brasil, 2018, p. 118. Aderência com inclusão de dado 20. Fonte: Brasil, 2018, p. 119. Enap Fundação Escola Nacional de Administração Pública 35 Percebe-se que o dado 20 causa grande influência tanto no aspecto da reta de valores observados versus valores estimados, quanto nos coeficientes da equação. Verificando a distância de Cook, observa-se que o dado 20 é realmente um ponto influenciante do modelo e deve ser eliminado: Distância de Cook com inclusão de dado 20 gerado pelo SisDEA. Fonte: CEPED/USFC (2022). Adaptado de Brasil (2018, p. 199) • Verificando a Micronumerosidade No exemplo apresentado, em que não foram utilizadas variáveis dicotômicas ou qualitativas expressas por códigos alocados ou ajustados, não ocorre esse problema. Mas, quando houver, é necessário evitar a micronumerosidade. O número mínimo de dados efetivamente utilizados (n) no modelo deve obedecer aos seguintes critérios, com respeito ao número de variáveis independentes (k): n ≥ 3(k+1) para n ≤ 30, nj ≥ 3 para 30 < n ≤ 100, nj ≥ 10% n para n > 100, nj ≥ 10 onde: nj é o número de dados de mesma característica, no caso de utilização de variáveis dicotômicas e variáveis qualitativas expressas por códigos alocados ou códigos ajustados. 36Enap Fundação Escola Nacional de Administração Pública Testes de Significância a) Teste de hipótese bicaudal para os parâmetros da Regressão Para determinar a importância de um coeficiente individual no modelo de regressão, usa-se um teste baseado na estatística t de Student. O parâmetro estatístico calculado tcalc deve ser maior que o tabelado t(n–k–1), em que k é o número de regressores e n é o tamanho da amostra. Se tcalc>ttab, rejeita-se a hipótese nula de não significância do parâmetro com os níveis de significância indicados em cada regressão apresentada, em geral superando os níveis indicados pela NBR 14653. Para isso, formula-se um teste de hipótese. Muitas vezes, as hipóteses são formuladas com o único intuito de serem rejeitadas. Para decidir se a regressão linear é adequada, formula-se a hipótese de que os regressores são iguais a 0, ou seja, o que o avaliador não quer que ocorra. Essa hipótese, chamada de hipótese nula (H0), tem o objetivo de ser rejeitada. Significância dos regressores calculado pelo SisDEA. Fonte: CEPED/USFC (2022). Adaptado de Brasil (2018, p. 121) Enap Fundação Escola Nacional de Administração Pública 37 Para atingir o Grau III, a NBR 14653-2 preconiza que a significância dos regressores deve ser menor que 10% (5% em cada cauda). Para o modelo, o número de graus de liberdade para entrar na tabela de t de Student é 19-2-1 = 16, uma vez que há 2 regressores. Tabela de t de Student. Fonte: Brasil, 2018, p. 122. T de Student. Fonte: Brasil, 2018, p. 122. 38Enap Fundação Escola Nacional de Administração Pública O t tabelado para o modelo é de 1,746. Para a variável Área (m²), o t calculado é 15,05. Portanto, t calculado > t tabelado, logo, H0 é rejeitada. A rejeição da hipótese demonstra que o regressor nãoé nulo e que a significância para a essa variável é de 0,01%, o que quer dizer que a probabilidade do t tabelado ser maior que o t calculado é de 0,01%: Prob (t tabelado >|t calculado|). Para a variável Índice Fiscal, o t calculado é de 4,02, também maior que 1,746. Para esse regressor, também se rejeita H0. A probabilidade do t tabelado ser maior que o t calculado para essa variável é de 0,10%. b) Teste de hipótese unicaudal para a relação entre a variável dependente e as independentes (teste de significância do modelo) De maneira similar, o teste de significância do modelo é o de análise de variância, no qual se compara a variação explicada com a variação não explicada da variável dependente. Essa relação tem distribuição F, com k e (n–k–1) graus de liberdade, sendo k o número de regressores e n o tamanho da amostra. Então, compara-se o parâmetro estatístico calculado Fcalc com o tabelado F(k,n–k–1). Sendo Fcalc>Ftab, rejeita-se a hipótese nula de não existência de relação linear, de acordo com as indicações de 1% de significância da norma de avaliações, ou seja, aceita-se a equação de regressão. F calculado e significância do modelo pelo SisDea. Fonte: CEPED/USFC (2022). Adaptado de Brasil (2018, p. 123) Enap Fundação Escola Nacional de Administração Pública 39 Tabela F de Snedecor: Limites unilaterais da distribuição F de Fisher-Snedecor. Fonte: Brasil, 2018, p. 124. Para o modelo, F calculado = 123,8 > F tabelado = 6,226, ou seja, rejeita-se H0. A significância do modelo, ou probabilidade de que aceitação de H0, é de 0,01%, menor que o 1%, preconizado pela norma para se atingir Grau III de fundamentação nesse item (ABNT, 2011). Estimativas Intervalares O valor da estimativa central da variável dependente Valor Total (R$) para o exemplo é obtido substituindo os atributos do imóvel avaliando na equação de estimativa (Área (m²) = 450 e Índice Fiscal = 150). Ou seja: 40Enap Fundação Escola Nacional de Administração Pública O grau de precisão é dado a partir da amplitude relativa do intervalo de confiança de 80% em torno da média. Resultados do modelo. Fonte: CEPED/UFSC (2022). Adaptado de Brasil (2018, p. 126) A NBR 14653 preconiza que a amplitude deve ser < 50% para Grau I de precisão, < 40% para Grau II e < 30% para Grau III. O modelo, portanto, atingiu Grau III de precisão. Enap Fundação Escola Nacional de Administração Pública 41 O intervalo do campo de arbítrio é uma variação de 15% em torno do valor central. Ou seja: Limite superior + 15,0 % = 178.613,11 155.315,75 Limite inferior – 15,0 % = 132.018,39 Quando for adotado o valor arbitrado, o intervalo de valores admissíveis deve estar limitado ao intervalo em torno do valor arbitrado com amplitude igual à do intervalo de confiança de 80% para a estimativa de tendência central e ao intervalo do campo de arbítrio em torno da estimativa de tendência central. No exemplo, o valor não será arbitrado, e será utilizada a estimativa central. Conforme a NBR 14653-1 (ABNT, 2019), o valor será arredondado em menos de 1%, e o valor adotado para esse exemplo é R$ 155.000,00. 1.6 Especificação do Laudo O enquadramento do laudo, segundo o grau de fundamentação no caso de utilização de regressão linear, de acordo com a Tabela 1 da NBR 14653-2, é o seguinte: Item Descrição Grau Pontos obtidosIII II I 1 Caracterização do imóvel avaliando Completa quanto a todas as variáveis analisadas Completa quanto as variáveis utilizadas no modelo Adoção de situação paradigma II 2 Quantidade mínima de dados de mercado, efetivamente utilizados 6 (k + 1), onde o k é o número de variáveis independentes 4 (k + 1), onde o k é o número de variáveis independentes 3 (k + 1), onde o k é o número de variáveis independentes III 3 Identificação dos dados de mercado Apresentação de informações relativas a todas as características dos dados analisadas, com foto e características observadas pelo autor do laudo Apresentação de informações relativas a todos os dados e variáveis analisados na modelagem Apresentação de informações relativas aos dados e variáveis efetivamente utilizados no modelo II 42Enap Fundação Escola Nacional de Administração Pública Enquadramento do laudo segundo seu grau de fundamentação no caso de utilização de modelos de regressão linear Enquadramento do laudo segundo seu grau de fundamentação no caso de utilização de modelos de regressão linear. Fonte: ABNT (2011, p. 24). Graus III II I Pontos mínimos 16 10 6 Itens obrigatórios 2,4,5 e 6, no Grau III e os demais no mínimo no Grau II 2, 4, 5 e 6 no mínimo no Grau II e os demais no mínimo no Grau I Todos, no mínimo no Grau I 4 Extrapolação Não admitida Admitida para apena uma variável, desde que: a) as medidas das características do imóvel avaliando não sejam superiores a 100% do limite amostral superior, nem inferiores à metade do limite amostral inferior, b) o valor estimado não ultrapasse 15% do valor calculado no limite da fronteira amostral, para a referida variável Admitida, desde que: a) as medidas das características do imóvel avaliando não sejam superiores a 100% do limite amostral superior, nem inferiores à metade do limite amostral inferior; b) o valor estimado não ultrapasse 20% do valor calculado no limite da fronteira amostral, para as referidas variáveis, de per si e simultaneamente, e em módulo III 5 Nível de significância a (somatório do valor das duas caudas) máximo para a rejeição da hipótese nula de cada regressor (teste bicaudal) 10% 20% 30% III 6 Nível de significância máximo admitido para a rejeição da hipótese nula do modelo através do teste F de Snedecor 1% 2% 5% III TOTAL 16 Especificação do laudo. Fonte: CEPED/UFSC (2022). Adaptado de ABNT, 2019, p. 22. Enap Fundação Escola Nacional de Administração Pública 43 O exemplo apresentado obteve Grau III de fundamentação. Para o laudo atingir o Grau III de fundamentação, são obrigatórios, ainda: • Apresentação de laudo na modalidade completa; • Identificação completa dos endereços dos dados de mercado, bem como das fontes de informação; • Valor final adotado coincidente com a estimativa pontual de tendência central. Quanto ao Grau de Precisão Para o grau de precisão, nos casos de utilização de modelos de regressão linear, utiliza-se a Tabela 5 da NBR 14653-2: Descrição Grau Amplitude do intervalo de confiança de 80 % em torno da estimativa de tendência central III II I ≤ 30 % ≤ 40 % ≤ 50 % Grau de Precisão. Fonte: ABNT (2011, p. 26). Para o exemplo, foi obtido Grau III de precisão, com amplitude de 18,80%. Você aprendeu sobre o método mais utilizado nas avaliações de imóveis. Seja na composição do Método Evolutivo ou sozinho, como recomendado pela NBR 14653, ele deve ser utilizado sempre que possível. Que bom que você chegou até aqui! Agora é hora de você testar seus conhecimentos. Então, acesse o exercício avaliativo que está disponível no ambiente virtual. Boa sorte! 44Enap Fundação Escola Nacional de Administração Pública ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT). NBR 14653-1: Avaliação de Bens Parte 1: Procedimentos gerais. Rio de Janeiro, 2019. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS (ABNT). NBR 14653-2: Avaliação de Bens Parte 2: Imóveis urbanos. Rio de Janeiro, 2011. BRASIL. Ministério do Planejamento, Desenvolvimento e Gestão - Secretaria do Patrimônio da União. Manual de avaliação de imóveis do patrimônio da União. Brasília, 2018, 144 p. BRASIL. Ministério da Defesa - Diretoria de Patrimônio Imobiliário e Meio Ambiente. Caderno de Orientação Avaliação de Imóveis da União: Teoria e Prática, Brasília, 2018, 132 p. DANTAS, Rubens Alves. Engenharia de Avaliações: Uma introdução à metodologia científica. São Paulo: Editora PINI, 2011. GUJARATI, Damodar; PORTER, Dawn C. Econometria básica. Porto Alegre: AMGH, 2011. INSTITUTO BRASILEIRO DE AVALIAÇÕES E PERÍCIAS EM ENGENHARIA.Norma para Avaliação de Imóveis Urbanos, São Paulo, 2011. 36 p. MATOS, Orlando Carneiro de. Econometria Básica: Teoria e Aplicações. São Paulo: Atlas, 2000. ODA, Orlando. Avaliação de bens imóveis: procedimentos e fatores de homogeneização. AFIXCODE, São Paulo, 16, set. 2011. Disponível em: <https:// www.afixcode.com.br/blog/avaliacao-de-bens-imoveis-procedimentos-e-fatores- de-homogeneizacao/>. Acesso em 01 nov. 2021. THOFEHRN, Ragnar, Avaliação de Terrenos Urbanos, São Paulo, 2008, Editora PINI. Referências https://www.afixcode.com.br/blog/avaliacao-de-bens-imoveis-procedimentos-e-fatores-de-homogeneizacao/ https://www.afixcode.com.br/blog/avaliacao-de-bens-imoveis-procedimentos-e-fatores-de-homogeneizacao/ https://www.afixcode.com.br/blog/avaliacao-de-bens-imoveis-procedimentos-e-fatores-de-homogeneizacao/ Unidade 1: Método Comparativo Direto de Dados de Mercado 1.1 Considerações Iniciais 1.2 Levantamentos de Dados de Mercado 1.3 Tratamento dos Dados 1.3.1 Tratamento por Fatores 1.3.2 Tratamento Científico 1.4 Etapas do Método 1.4.1 Conhecimento do Imóvel a ser Avaliado 1.4.2 Coleta de Dados de Mercado 1.4.3 Análise Exploratória dos Dados 1.4.4 Construção do Modelo 1.5 Exemplo de Estimativa de Valor pelo MCDDM 1.5.1 Definindo as Variáveis 1.5.2 Regressão Linear 1.5.3 Coeficientes de Determinação - R² e Correlação - R da Regressão 1.5.4 Pressupostos Básicos para Validação do Modelo 1.6 Especificação do Laudo Referências
Compartilhar