Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. Introdução
A crise entre os anos de 2008 e 2010 que atingiu o mercado imobiliário de alguns países
da Europa também os Estados Unidos fez com que o termo Bolha Imobiliária fosse altamente
discutido entre os peritos da área.
Assim, como nos últimos dois anos o mercado imobiliário enfrenta um período de
desaceleração, faz-se necessário avaliar bem o investimento a ser feito. Dessa forma, esse
artigo visa auxiliar na análise dos mercados imobiliários de grandes cidades ao redor do
mundo, compará-los e indicar o que oferece as melhores condições para investimento.
2. Base teórica
Conceitualmente, valor é aquilo que é buscado quando se faz uma avaliação e pode
estar relacionado a diferentes aspectos: valor venal, valor contábil, valor de mercado, valor
potencial. Segundo Dantas (1998), o tipo de valor que deve ser escolhido para definir o valor de
2
um bem é o valor de mercado, uma vez que compreende o valor que um produto é encontrado
no mercado e é regido pela lei da oferta e demanda.
Os preços dos imóveis são cíclicos assim como tantas outras coisas na economia, dessa
forma, o que define os preços de uma casa, por exemplo, são as condições financeiras e a
situação da economia em que o país se encontra.
A metodologia de utilização da regressão múltipla também pode ser feita para avaliação
dos efeitos das variáveis explicativa (independentes) sobre as variáveis de resposta
(dependentes).
Onde:
Y = variável dependente
X k =¿ variáveis independentes
a=¿ intercepto
bk =¿ coeficiente de inclinação
yi
xi
yi
n
(¿¿−x́)² X ∑ (¿−ý )²
i=1
n
(2)
∑¿
i=1
√¿
n
∑ ( x i− x́ ) (¿− ý )
i=1
¿
r=¿
Ý i
Yi
Y
n ∑ XY −∑ X ∑ ¿ ²
¿
X ²−( ∑ X )²
Y²
n∑ ¿ (3)
¿
n∑ ¿ ¿
¿
¿
∑ ý )²=¿
(¿−
∑ (¿−ý )²
¿
r ²=¿
Ý i
Yi
R²
k −1
∑ (¿−Ý i)²/(n−k)= 1−R ² (4)
n−k
∑ (¿−Ý )² /(k −1)
¿
F=¿
Depois de fazer o teste F, deve-se fazer o teste t, para determinar a correlação dos
coeficientes da equação de regressão individualmente. Esse teste consiste no cálculo da
variância de cada coeficiente de regressão, e através da raiz quadrada, estabelece um erro
padrão, determinando assim se o valor de cada coeficiente é significativamente diferente de
zero.
5
3. Metodologia
Para o desenvolvimento do projeto, foi realizada uma pesquisa sobre algumas das mais
importantes cidades em âmbito mundial, escolhidas pelo Método Amostral por Conveniência,
sendo elas: Rio de Janeiro, São Paulo, Cidade do México, Nova York, São Francisco, Los
Angeles, Miami, Londres, Barcelona, Berlim, Paris, Tóquio, Moscou, Cidade do Cabo e Nova
Déli.
A pesquisa de imóveis foi feita através de sites da internet e de contato por correio
eletrônico, com imobiliárias situadas nas cidades abordadas no projeto. Para que não houvesse
discrepância nos resultados alcançados no final, foi acurado um número de 30 imóveis para
cada cidade, com o intuito de obter resultados significativos.
Para cada imóvel foram utilizadas as seguintes variáveis: preço, área, quarto, suíte, sala,
cozinha, banheiro, área externa e garagem. A variável área externa por ser dicotômica, ou seja,
só há duas respostas (sim ou não), será representada pelos números 0 (quando não houver a
presença de área externa) e 1 (quando o imóvel possuir área externa).
Ao final, foram obtidas as tabelas com a correlação e regressão para cada cidade
estudada, as quais irão auxiliar na conclusão dos melhores locais para se investir em um
imóvel.
Como o número de cozinhas foi o mesmo para todos os imóveis, a variável foi
desconsiderada para a análise de regressão.
6
Após ser feita a correlação das variáveis, deve ser feito o teste de significância:
O teste F nesse caso, tem valor de 10,23713. Para os graus de liberdade 8 e 22, o valor
crítico de Fc para um nível de significância de 5% é de 2,397. Como, F> F c , então o
conjunto das variáveis explicativas definidas nesse modelo são estatisticamente significativas.
Depois do teste F feito, deve-se realizar o teste t para determinar a significância dos
coeficientes da equação de regressão individualmente.
É possível observar que a variável que mais influencia no preço do imóvel é a área, com
influência de 86,63%.
O valor crítico de F para esse caso com graus de liberdade 8 e 22 será de 2,397e o valor
de F encontrado foi de 19,55232741, assim, F> F c .
O teste F nesse caso, tem valor de 5,864894971. O valor crítico de Fc para um nível
de significância de 5% é de 2,397, então F> F c .
Ta
bela 9 - Resumo dos resultados da regressão. Cidade do México.
Percebe-se que a variável suíte é a que possui maior coeficiente de correlação, ou seja,
influencia em 62,58% no preço de um imóvel.
Para esse caso tem-se Fc = 2,397. Dessa forma, F> F c , já que através da tabela
ANOVA observa-se que F = 4,383895534.
Ta
bela 12 - Resumo dos resultados da regressão. Nova York.
Ta
bela 15 - Resumo dos resultados da regressão. São Francisco.
Para esse caso Fc =¿ 2,420. Tem-se então que F> F c , sendo assim, o efeito
conjunto das variáveis que explicam a variável dependente são estatisticamente significativas.
Ta
bela 18 - Resumo dos resultados da regressão. Los Angeles.
É possível observar que a variável que mais influencia no preço do imóvel é a área, com
influência de 87,48%.
Ta
bela 21 - Resumo dos resultados da regressão. Miami.
Nesse caso, para grau de liberdade 8 e 22, tem-se Fc = 2,397. Assim o efeito
conjunto das variáveis que explicam a variável dependente que foram definidas nesse modelo
são estatisticamente significativas.
Ta
bela 24 - Resumo dos resultados da regressão. Londres.
O teste F nesse caso, tem valor de 13,91046898. Para os graus de liberdade 8 e 21, o
valor crítico de Fc para um nível de significância de 5% é de 2,420. Então o conjunto das
variáveis explicativas definidas nesse modelo são estatisticamente significativas.
Ta
bela 27 - Resumo dos resultados da regressão. Barcelona.
Para esse caso de graus de liberdade 8 e 21 é Fc =¿ 2,420. Tem-se então que o efeito
conjunto das variáveis que explicam a variável dependente, que foram definidas neste modelo
são estatisticamente significativas.
Ta
bela 30 - Resumo dos resultados da regressão. Berlim.
É possível observar que a variável que mais influencia no preço do imóvel é a área, com
influência de 52,47%.
Para esse caso com graus de liberdade 8 e 22, Fc =¿ 2,397. Pela tabela ANOVA
observa-se que o valor de F encontrado foi de 3,494006632 e dessa forma, F> F c .
Ta
bela 33: Resumo dos resultados da regressão. Paris.
Nesse caso, tem-se Fc = 2,397. Dessa forma, F> F c , já que através da tabela
ANOVA observa-se que F = 25,66694434.
Ta
bela 36 - Resumo dos resultados da regressão. Tóquio.
Encontra-se o valor crítico de F, que nesse caso, é 2,397. Dessa forma, F> F c eo
efeito conjunto das variáveis que explicam a variável dependente que foram definidas nesse
modelo são estatisticamente significativas.
Ta
bela 39 - Resumo dos resultados da regressão. Moscou.
O teste F nesse caso, tem valor de 17,4048415. O valor crítico de Fc para um nível
de significância de 5% é de 2,397. Como, F> F c , então o conjunto das variáveis
explicativas definidas nesses modelos são estatisticamente significativas.
Após o teste t, é possível obter o modelo final de regressão para os imóveis, sendo:
19
Após construir o modelo de regressão para todas as cidades pesquisadas, foi montada
uma tabela com os valores de R² e dos coeficientes interseção, área, quarto, suíte, sala, cozinha,
banheiro, área externa e garagem de cada cidade.
Nota que as cidades de Tóquio e Paris obtiveram o maior e o menos valor para R²,
respectivamente.
20
Para comparar o preço de um imóvel em cada uma das cidades fez-se necessário o uso
de um imóvel padrão. O método de obtenção desse imóvel foi a média aritmética das variáveis
independentes. Assim, o imóvel padrão utilizado possui os seguintes valores para as variáveis:
Substituindo os valores da Tabela 45 nas equações do Preço (Y) de cada uma das
cidades estudadas, obtidas através da Regressão Múltipla e colocando-as em ordem crescente:
Tabela 45 - Preço do imóvel padrão para cada cidade estudada em ordem crescente.
Rio de Janeiro é a cidade que apresenta o menor preço para o imóvel padrão, seguido da
Cidade do México.
5. Conclusão
de determinação foi Tóquio com 89,09%. Já Paris foi a cidade com o menor R², 52,64% do
valor da variável dependente preço foi explicada pelas variáveis independentes.
Através das tabelas dos coeficientes foi possível montar a equação final do modelo de
regressão. As equações foram usadas ao final da análise ao comparar o preço de um imóvel
padrão para as cidades escolhidas. Assim, observou-se que a melhor cidade para se investir em
um imóvel foi o Rio de Janeiro, pois obteve o menor preço para o imóvel padrão de
$167.222,19. E a cidade com a maior preço foi Moscou com $2.430.799,40, não sendo
indicado se investir em um imóvel na capital russa.
REFERÊNCIAS
BOTELHO, Adriano. O urbano em fragmentos: a produção do espaço e da moradia pelas práticas do setor
imobiliário. São Paulo: Annablume; Fapesp; 2007.
Consequências da superação das distâncias através das portas da globalização. Disponível em:
http://www.administradores.com.br/artigos/cotidiano/consequencias-da-superacao-das-distancias-atraves-das-
portas-da-globalizacao/70695/. Acesso em 27/05/2015
Douglas Elliman Real Estate. Disponível em: http://www.elliman.com/. Acesso em: 11/11/2014
GONZÁLEZ, Marco Aurélio Stumpf. Metodologia de avaliação de imóveis. Editora SGE, Novo Hamburgo,
2003.
KUHN, Eugenia Aumond; NERBAS, Patrícia de Freitas. Avaliação de Imóveis e Perícias. IESDE Brasil S.A.,
Curitiba, 2009.
22
Residential Search: Global House Price Index; Knight Frank. Disponível em:
http://resources.knightfrank.com/GetResearchResource.ashx?versionid=1566&type=1. Acesso em 28/05/2014
SAMOHYL, Robert Wayne. Controle Estatístico de Qualidade - Rio de Janeiro: Elsevier, 2009.
The New York Times Real Estate. Disponível em: http://realestate.nytimes.com/ExpiredListing.aspx. Acesso em:
11/11/2014
Which are the largest city economies in the world and how might this change by 2025? Disponível em:
https://www.ukmediacentre.pwc.com/imagelibrary/downloadMedia.ashx?MediaDetailsID=1562. Acesso em:
25/05/2014