4 Dicas Para Gerar um Bom Modelo de Inferência Estatística Para Avaliação de Imóveis – que Passe nos Testes da Norma NBR 14653

Não é fácil gerar modelos de regressão linear para avaliação de imóveis que possuam boas estatísticas e que passem nos testes da norma técnica NBR 1463/ABNT. Neste artigo, apresentamos quatro dicas práticas para que o avaliador de imóveis tenha maior probabilidade de sucesso quando for gerar um modelo de regressão linear para uma avaliação imobiliária.

Dica 1: Selecionar uma Boa Amostra – 4 Procedimentos

Selecionar bem os dados amostrais é o primeiro passo para a geração de um bom modelo estatístico. Por isto, apresentamos aqui 4 procedimentos importantes para a realizar uma boa amostragem na avaliação de imóveis.

1.1 Procure selecionar apenas imóveis semelhantes ao avaliando (do mesmo tipo e com características semelhantes) e em regiões de valorização imobiliária semelhante. Se na sua pesquisa você não encontrar muitos dados nas regiões ou bairros de valorização semelhante à do imóvel avaliando, use dados de regiões com valorização diferente, mas adote no modelo uma variável “Setor” (do tipo dicotômica ou códigos alocados). Se possível, evite selecionar para a sua amostra dados com dimensões maiores do que o dobro e menores do que a metade das dimensões do imóvel avaliando. Isto fará com que o desvio padrão e a amplitude do intervalo de confiança do modelo sejam menores, facilitando o seu ajuste.

1.2 Evite a micronumerosidade geral. Antes de gerar o modelo, procure selecionar um número total de imóveis para a amostra, de modo que supere o número mínimo definido pela norma técnica para o grau II de fundamentação [n = 4(k+1)]. Quanto mais dados amostrais, melhor (com exceção dos outliers e/ou pontos influenciantes). Se os dados disponíveis no mercado forem poucos, não avalie por regressão linear. Evite também a micronumerosidade com relação às variáveis dicotômicas e/ou de códigos. Quando adotar variáveis dicotômicas ou de códigos alocados num modelo, selecione um bom número de dados para cada código da variável. Por exemplo, num modelo que contém uma dicotômica “Esquina” (sim = 1, não = 0), a amostra deveria conter vários dados que estão em esquina (1) e vários dados que não estão em esquina (0). Outro exemplo: em um modelo que possua a variável de códigos alocados “Setor_Urbano”, variando de 1 a 3, a amostra deve conter vários dados no setor 1, vários dados no setor 2 e vários dados no setor 3. Obs.: a norma apresenta um algoritmo para calcular o número mínimo de dados por código (no Apêndice A), mas procure superar esse valor mínimo na sua amostra.

1.3 Evite dados obtidos em cartórios. Os preços de venda de imóveis constantes nos registros cartoriais normalmente são inferiores aos de mercado, portanto, distorcem uma avaliação em que se busca determinar o preço de mercado.

1.4 Somente inclua na amostra dados contemporâneos ao da avaliação atual. Dados antigos perturbarão o modelo, pois o mercado é dinâmico; de tempos em tempos, os imóveis sofrem valorização ou desvalorização nas diferentes regiões. Mesmo quando o avaliador inclui uma variável independente “Data” para homogeneizar dados distantes no tempo, dificilmente um modelo que possui dados antigos junto com dados contemporâneos ajusta bem.

Estes quatro procedimentos são também úteis para quando o modelo já foi gerado, mas não está bom, e o avaliador quer ajustá-lo, revisando ou refazendo a sua amostragem anterior.  Eles complementam as orientações para resolver problemas de ajustes de modelos inferenciais, que são dadas no módulo 4 do nosso curso de Avaliação de Imóveis Urbanos por Inferência Estatística da Qualific Net.

2 O Número Adequado  de Variáveis Independentes no Modelo Facilita o Seu Ajuste

É comum os avaliadores iniciantes adotarem muitas variáveis independentes no seu primeiro modelo, pensando que assim gerarão um modelo melhor. No entanto, quanto maior for o número de variáveis explicativas num modelo, maior terá que ser o número de dados amostrais. Um modelo com muitas variáveis e poucos dados será pouco explicativo e muito difícil de ajustar. Para uma amostra que contenha em torno de 30 dados, recomendamos adotar 03 ou 04 variáveis independentes. Menos do que 03 variáveis é pouco, e mais do que 04 implica em ter que aumentar o número de dados amostrais – o que provavelmente tornará o trabalho avaliatório mais difícil. É importante lembrar que um modelo é uma representação simplificada da realidade; ele só precisa conter as variáveis independentes mais importantes para a explicação do preço. No caso de adotar mais de 04 variáveis independentes num modelo, sugerimos aumentar o número de dados pesquisados (usar no mínimo 40 dados).

3 A Escolha das Variáveis Independentes Influencia na Aprovação do Modelo

3.1 Cada tipo de imóvel possui variáveis explicativas apropriadas a ele. Para a avaliação de cada imóvel, adote apenas as variáveis típicas para aquele tipo de imóvel. Outra dica importante, para os avaliadores inexperientes, é: não invente variáveis! As variáveis independentes mais comumente usadas pelos profissionais avaliadores de imóveis são as que melhor explicam os preços. Alguns dos nossos ex-alunos tentaram adotar variáveis que não são comumente usadas em avaliações de imóveis e os seus modelos não passaram nos testes da norma. Siga as orientações dadas no módulo 4 do nosso curso (Avaliação de Imóveis Urbanos por Inferência Estatística), para escolha das variáveis mais importantes, por tipo de imóvel, e você terá mais chances do seu modelo ficar bem ajustado.

3.2 Cada mercado/região possui a sua dinâmica própria. Uma variável pode não ser importante em certo mercado/região e ser importante em outro(a). Antes de definir as variáveis independentes do seu modelo, procure identificar as peculiaridades daquele mercado onde está o imóvel avaliando. Os anúncios muitas vezes destacam características que estão sendo valorizadas naquele mercado e apontam tendências de valorização ou desvalorização imobiliária na região e na época, que poderão orientar a escolha das variáveis mais importantes para aquela avaliação.

4 Dica para a Variável Dependente

Adote sempre o valor unitário (R$/m2) como variável dependente/explicada, nas avaliações imobiliárias. Adotar o valor total (preço total), muitas vezes dificulta/diminui a precisão do modelo.

Com estas dicas, o avaliador de imóveis por inferência estatística terá maior facilidade de gerar modelos com melhores ajustes.

—————

Este artigo é de autoria do Engenheiro Civil Marcio Soares da Rocha, Professor do curso online de Avaliação de Imóveis Urbanos por Inferência Estatística da Qualific Net (acessível aqui).