1447 3233 1 PB PDF

TESTES ESTATSTICOS UTILIZADOS PARA A
VALIDAO DE REGRESSES MLTIPLAS APLICADAS

NA AVALIAO DE IMVEIS URBANOS
Statistical Tests Used in Multiple Regression Applied to the Urban Area Evaluation
CARLOS AURLIO NADAL 1
KATIA APARECIDA JULIANO2
EDUARDO RATTON3
1
UFPR Departamento de Geomtica

Curso de Ps-Graduao em Cincias Geodsicas
e-mail: cnadal@ufpr.br
2
UFPR Curso de Ps-Graduao em Cincias dos Solos
Instituto de Criminalstica do Estado do Paran.
e-mail: kjuliano@pop.com.br
3
UFPR Departamento de Transportes
e-mail: eduardo@seplan.brte.com.br
RESUMO
As regresses mltiplas so utilizadas para a determinao do valor de mercado de
um imvel urbano. As principais variveis formadoras do valor so: a frente do lote,
a localizao, a rea, o padro construtivo das edificaes, o estado geral de
conservao e outras. Para se poder aplicar a regresso mltipla deve-se transformar
uma varivel no numrica como por exemplo, o tipo de padro construtivo (baixo,
mdio e alto), em valor numrico, atravs a adoo de uma varivel que o
represente. O valor de mercado de um imvel ento obtido por inferncia
estatstica a partir do conhecimento dos valores de compra, venda e alugueis ou
outra forma de gerao de renda de outros imveis que apresentem similaridades
com aquele estudado. Neste trabalho ser mostrado o resultado do tratamento do
problema pelo mtodo dos mnimos quadrados na forma matricial, enfatizando-se a
deteco de erros grosseiros pelo mtodo de Barda. Os critrios de aceitao e
rejeio de hipteses so aqueles prescritos em normas tcnicas especficas. Um
estudo de caso para um imvel localizado no centro da Cidade de Curitiba
mostrado em detalhes neste trabalho.
Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 9, no 2, p.243-262, jul-dez, 2003
244
Testes Estatsticos Utilizados para...
ABSTRACT
This paper aims at presenting a solution to the problem of urban area evaluation.
The mathematical model used in the problem is a multiple regression fitting
method, that is tested in a study of real estate value in Curitiba, where the prices are
obtained by comparing values from other properties for sale in the open market. The
choice of the kind of variables to be used is very complex, but the experts
experience is very important to solve this kind of problem. In this paper the least
square method with matrix models is applied, that is not usual in this kind of work
in Brazil. The use of statistical hypothesis tests is very important in order to detect
the reliability method. The blunders are detected by the Barda Method, by using
residuals of estimated parameters. The confidence intervals obtained are the same of
Brazilian standartization.
1. INTRODUO
A avaliao de imveis utilizada na grande maioria dos negcios,
discusses e pendncias interpessoais e sociais em nossas comunidades, tais como
na compra ou na venda de casas, lojas comerciais, instalaes industriais, aluguis,
na reavaliao de ativos de empresas, em atendimento legislao vigente, na
partilha oriunda de heranas, meaes ou divrcios, no lanamento de impostos, nas
hipotecas imobilirias, nas divergncias que originam aes demarcatrias,
possessrias, nas indenizaes, nas desapropriaes e servides, enfim, em um
nmero expressivo de aes oriundas de problemas inerentes aos relacionamentos
humanos, onde o valor de um bem assume importncia fundamental.
Apesar do conceito de valor ser de difcil definio, sujeito e suscetvel s
mudanas filosficas, torna-se importante no relacionamento humano e social
adotar-se alguns critrios para que se exera um carter de justia em sua aplicao
prtica. Assim, um trabalho de avaliao imobiliria constitui-se de uma seqncia
de operaes que resultam no que poderia ser chamado de uma formao de juzo
sobre o valor de um imvel ou um direito sobre ele.
A norma brasileira NBR5676 (ABNT, 1989) trabalha com o conceito de
que o valor aquele fornecido para um dado instante, nico, no importando qual a
finalidade da avaliao. Esse valor corresponde ao preo que se definiria, para um
determinado imvel, em um mercado de concorrncia perfeito, sujeito s seguintes
premissas:
a) homogeneidade dos bens levados a mercado;
b) nmeros elevados de compradores e vendedores (o mercado no pode por
eles ser alterado);
c) sem influncia externa;
d) conhecimento pleno e absolutos sobre o mercado, sobre os bens e das
tendncias de avaliao por parte dos compradores e vendedores;
e) vendedores e compradores oferecendo liquidez com liberdade plena de
entrada e sada do mercado.
Nadal, C. A.; Juliano, K.A. ;e Ratton, E.
245
A partir destas consideraes, pode-se afirmar que a avaliao passa a

ser a determinao tcnica do valor ou de um direito sobre o imvel. Dentre outros
fatores deve-se levar em conta que o valor de um bem est diretamente ligado sua
capacidade de produzir renda, sua utilizao potencial, o atendimento de uma
necessidade ou a sua raridade.
Os imveis urbanos podem ser definidos como bens que no so mveis,
localizados nas cidades, geralmente classificados como glebas urbanizveis, reas
ou lotes e terrenos com benfeitorias (casas, prdios residenciais, prdios comerciais,
galpes e outros). A NBR 5676- ABNT (1989) define como sendo uma gleba
urbanizvel, uma grande extenso de terreno passvel de receber obras e infraestruturas urbanas, por sua localizao, seus aspectos fsicos, sua destinao legal e
pela existncia de um mercado comprador.
Neste trabalho optar-se- pelo mtodo comparativo de dados de mercado,
que aquele que define o valor atravs da comparao com dados de mercado
assemelhados, quanto s caractersticas intrnsecas e extrnsecas. Assim as
caractersticas e os atributos dos dados pesquisados, que exeram influncia na
formao do valor, devem ser homogeneizados por inferncia estatstica,
respeitados os nveis de rigor definidos por norma tcnica.
O nvel de rigor mede a preciso do trabalho e ser tanto maior quanto
menor for a subjetividade contida na avaliao. O rigor de uma avaliao est
condicionado pesquisa efetivada, confiabilidade dos dados coletados e
qualidade do modelo aplicado no processo de avaliao. A norma NBR 5676
classifica o trabalho nos seguintes nveis: expedito, normal, rigoroso ou rigoroso
especial.
Torna-se muito importante a pesquisa dos dados utilizados neste mtodo,
com caracterizaes objetivas e que sejam oriundos de regies com as mesmas
caractersticas scio-econmicas, fornecidos por fontes seguras, com as respectivas
pocas de oferta.
As variveis utilizadas na inferncia estatstica merecem destaque e, para
cada tipo de problema devem ser classificadas, estudadas e aceitas atravs de testes
estatsticos. Assim, por exemplo, para se avaliar um lote urbano deve-se levar em
conta algumas variveis tais como: a dimenso de testada, a profundidade, a rea
total, a localizao, o uso do solo, as posturas municipais, o zoneamento urbano, as
distncias a plos que os valorizem ou os desvalorizem, a taxa de ocupao, a
topografia, a suscetibilidade a enchentes ou a danos ambientais, o padro de
construes na vizinhana, a infra-estrutura urbana, a paisagem visual a partir do
imvel. Estas e outras variveis permitem ao final a determinao do valor unitrio
do terreno pesquisado com relao sua rea total.
Estas variveis devem ser ponderadas para que conceitos estatsticos
possam ser aplicados com vistas a determinao do melhor modelo de ajuste.
Embora muitas publicaes tratem deste assunto, poucas do um
tratamento matricial ao problema, sendo importante salientar que no tpico referente
246
deteco dos erros grosseiros, trabalham somente com critrios prticos, no

aplicando testes estatsticos. Assim, visando dar um tratamento mais adequado a
este tipo de erro est sendo proposta, no presente trabalho, a aplicao do mtodo de
Barda (data snooping).
2. REGRESSES MLTIPLAS
A regresso pode ser definida como sendo o estabelecimento de uma
relao funcional entre duas ou mais variveis envolvidas para a descrio de um
fenmeno. A varivel Y aleatria e pode ser descrita matematicamente pela
expresso [Marques, 2000]:
Y = f(X) +
(1)
onde:
X a varivel independente ou varivel explicativa;
Y a varivel dependente ou varivel resposta;
a componente aleatria da variao de Y;
f a funo de regresso.
Normalmente, X uma varivel que pode ser controlada pelo pesquisador,
enquanto Y no passvel de controle. A anlise de um grfico de disperso pode
sugerir uma relao funcional entre as variveis, como por exemplo, uma reta, uma
exponencial, etc. Surge neste caso o modelo estatstico denominado de regresso
linear simples. Uma generalizao dessa regresso conhecida como regresso
mltipla. O modelo estatstico utilizado neste caso ser dado por:
yi = a + b1 x1 + b2 x2 +... + bu xu + vi
(2)
onde, a, b1, b2 ... bu so denominados de parmetros da regresso mltipla, v

substitui , e ser denominado neste trabalho de resduo. Cabe aqui alguma
considerao estatstica sobre este modelo, o qual pressupe que a varivel yi
aleatria, que a esperana matemtica dos resduos nula, ou seja, que a mdia dos
resduos nula, que a varincia de vi constante e igual a 2 (condio de
homocedasticidade dos resduos), que os erros so independentes entre si e que os
mesmos tenham distribuio normal. Estatisticamente tambm se supe que vi a
componente aleatria da variao de Y, no entanto, devido a problemas prticos,
alguns resduos de erros sistemticos e erros grosseiros, que interferem no processo,
fazem com que vi contenha tambm parte destes. Por este motivo, pode-se afirmar
que o resduo (v) compe-se de trs componentes: uma aleatria, uma sistemtica e
uma grosseira.
No problema proposto neste trabalho, y representa as observaes
(medidas) dos valores de imveis em moeda corrente, xi representa as variveis, tais
como: frente do lote, rea, etc, formando um sistema de n equaes denominado de
equaes de observaes, cujas u incgnitas a, b1, b2, ... bu, so objeto de
determinao. O problema geralmente ser resolvido para um nmero de
247
observaes maior que o nmero de incgnitas. De forma matricial, o sistema de

equaes de observao pode ser expresso como [Gemael, 1994]:
nAu uX1
- nL1 = nV1
(3)
onde, nAu a matriz dos coeficientes das incgnitas, definida utilizando-se as

derivadas parciais da funo em relao s incgnitas e que pode ser escrita como:
nA u =
f/ a
f/ b1
x1
x2
xu
x1
x2
xu
f/ b2
...
f/ bu
............................................................
1
x2
x1
xu
X1 o vetor das incgnitas dado por:

T
1Xu
= a
b1
b2 ... bu
o vetor uL1 das variveis respostas (observaes) dado por:

T
1Ln
= y1 y 2
...
yn
o vetor nV1 o vetor dos resduos estimados obtido pela expresso:

nV1
= nAu uX1 - nL1
O estimador dos parmetros, por mnimos quadrados, ser dado pela

expresso:
1Xu
= (uAnT nPn nAu)-1 uAnT nPn nL1 ,
ou, reduzindo a simbologia,

1X u
= uNn-1 uU1
(4)
sendo P a matriz dos pesos, que na maioria dos casos de avaliaes coincide com a
matriz identidade (I), pois considera-se que as observaes so provenientes de uma
mesma populao. No entanto, de forma generalizada tem-se:
nPn
= o2 nLb
-1
n
sendo, o2 a varincia da unidade de peso a priori para a qual arbitra-se o valor da

unidade. O valor da varincia da unidade de peso a posteriori, pode ser calculado
pela expresso,
248
nPn nV1
(5)
o =
nu
A matriz varincia-covarincia dos parmetros ajustados ser dada por:
2
1Vn
a
1
2
nX n = o uNu
(6)
3. TESTES ESTATSTICOS COMO DIRETRIZES EM ANLISE DE

AJUSTAMENTO DE REGRESSES MLTIPLAS
Ao se analisar o ajustamento onde aplicam-se regresses mltiplas s
avaliaes, utilizam-se uma srie de testes estatsticos com os mais variados
objetivos, principalmente no que concerne validao do modelo adotado. Esta
questo estudada atravs de testes de hipteses, sendo que a NBR 5676 estabelece
dois nveis de significncia (): nvel rigoroso (5%) e nvel rigoroso especial (1%);
os quais so utilizados em todos os trabalhos de avaliao. Os principais testes
efetivados so os seguintes:
a) Teste de qui-quadrado na verificao da bondade do ajustamento
usado na verificao do ajustamento, utilizando como parmetro para
este tipo de aplicao um nvel de significncia () que tem como hiptese bsica:
(H0) o2 = o2 , ou seja, a varincia de unidade de peso, a priori, igual
estatisticamente varincia da unidade de peso a posteriori, no nvel de
significncia que foi pr-definido, adotando-se ainda, como hiptese alternativa (H1)
o2 o2 . O valor de qui-quadrado calculado (2c ) dado pela expresso:
o2 (n-u)
2
(7)
c =
2
o
A distribuio qui-quadrado 2, em funo dos graus de liberdade (n-u) e do
nvel de significncia () fornece os valores referentes a:
2n-u, 0,5 e 2n-u, 1-0,5
A hiptese H0 aceitvel se:
2n-u, 0,5 <2c < 2n-u, 1-0,5
(8)
b) Coeficiente de correlao linear mltiplo (R) e coeficiente de determinao (R2)

O coeficiente de correlao traduz numericamente o quanto as variveis
esto linearmente relacionadas entre si. fornecido matricialmente pela raiz
quadrada da expresso:
com
249
T
T
1Xu uAn nPn nZ1
R =
T
1Zn nZ1
(9)
nZ1 = nL1 - nL*1
todos os elementos do vetor nL*1 so iguais e obtidos pela mdia aritmtica dos n
valores de y.
O valor de R encontra-se no intervalo:
-1 R 1
j o coeficiente de determinao indica numericamente o percentual do valor de
avaliaes que esta sendo explicitado pelo modelo, encontra-se no intervalo:
0 R 1
c) Teste de existncia da regresso:
Consiste em se estudar a probabilidade dos parmetros de regresso a, b1,
b2... bu serem iguais a zero ao mesmo tempo, neste caso no existe regresso. O
teste efetivado atravs da distribuio Fischer-Snedecor. O coeficiente F calculado
obtido pela expresso matricial:
com
(1XuT uAnT nPn nZ1)(n-k-1)

Fc =
( 1ZnT nZ1 - 1XuT uAnT nPn nZ1) k
(10)
k=u-1
A hiptese bsica aceita, ou seja, de que haja regresso de y em x1, x2,
etc. com nvel de significncia () se:
Fc >F
d) Teste da significncia dos regressores
Utiliza-se neste caso a distribuio T de Student (unicaudal), tendo como
hiptese bsica que os regressores so diferente de zero a um nvel de significncia
. Os valores calculados para o modelo de melhor ajuste so dados pela expresso:
bi
Tbi =
bi
com base nos valores obtidos da distribuio de Student (T) com entradas 2 e
graus de liberdade n-k-1, aceita-se a hiptese bsica que cada um dos coeficientes bi
seja diferente de zero se:
Tbi >T
e) Teste data snooping - Barda
250
O teste de Barda pode ser definido como a investigao em relao

observao na qual um erro grosseiro foi cometido [Barda, 1968], est baseado no
teste estatstico de resduos padronizados aps o ajustamento por mnimos
quadrados [Moraes, 1997]. A deteco de erros grosseiros foi utilizada na
Fotogrametria por Mitishita [1980], que classificou os tipos de erros grosseiros:
Tipo
1
2
3
Nome do erro
blunders
blunders
outliers
Magnitude
m > 170
m 170
3<m<100
Para que se possa aplicar o teste de Barda devem ser observadas as seguintes
condies:
- deve ser aplicado aps o ajustamento, portanto, os clculos devem estar
rigorosamente corretos;
- os pesos devem ser escolhidos apropriadamente para evitar-se a distribuio dos
erros grosseiros nos resduos;
- o nvel de confiana adotado deve ser o mesmo adotado no teste de qui-quadrado
para verificao da bondade do ajustamento.
Calcula-se a matriz de redundncia ou dos coeficientes de peso dos
resduos dada pela expresso [Moraes, 1997]:
nQvn
= nIn - nAu uNn-1uAnT nPn
(11)
O nmero de redundncia obtido da diagonal principal da matriz

fornecida pelo resultado do produto [Moraes, 1997];
ri = [nQvn nPn] ii
(12)
Os resduos padronizados sero dados pela expresso:
vi pi
wi =
0 ri
A hiptese bsica que no h nenhum erro grosseiro na observao e
rejeitada se:
wi > K
onde, K o valor crtico de acordo com um nvel de confiana especfico conforme
a tabela [Moraes, 1997], onde a probabilidade de erro tipo I (rejeio de Ho
quando verdadeira) e a probabilidade de erro tipo II (aceitao de Ho quando
falsa) sejam to pequenas quanto possvel:
251
K
3,29
3,00
2,56
1,96
1-
99,9%
99,7%
99,0%
95,0%
1-
76%
84%
93%
98%
f) Teste de Durbin-Watson
Existe autocorrelao ou correlao serial quando os termos de resduos
so correlacionados com os valores anteriores ou posteriores da mesma srie. A m
especificao do modelo de regresso, em funo de resduos na forma do modelo
ou por excluso de variveis independentes importantes para a anlise uma das
causas da autocorrelao. Isto ocorre principalmente em aplicaes envolvendo
sries temporais [ Johnston, 1977].
A autocorrelao pode ser verificada pela denominada estatstica de
Durbin-Watson [IMAPE, 1998], onde a hiptese bsica a existncia de
autocorrelao entre resduos, que pode ser calculada pela expresso:
[v(i)-v(i-1)] 2
dw =
T n Pn n V 1
1Vn
(13)
Da estatstica de Durbin-Watson para o nvel de confiana com v =n-k-1,

obtm-se du que o limite superior de variao e di, o limite inferior, assim: se
dw> du a hiptese bsica aceita, se dw<di rejeitada e se ocorrer que di<dw<du o
teste inconclusivo.
g) Teste de Kolmogorov-Smirnov (normalidade dos resduos)
A condio de normalidade dos resduos no necessria para a obteno
dos estimadores pelo mtodo dos mnimos quadrados, mas sim para a definio de
intervalos de confiana e testes de significncia. A falta de normalidade uma
indicao de que os estimadores so no tendenciosos.
Antes de se aplicar um teste, compara-se a distribuio dos resduos
obtidos com a distribuio normal. Para se efetuar esta comparao deve-se
homogeneizar os resduos calculados dividindo-os pelo desvio padro obtido a
posteriori (resultado positivo da raiz quadrada da varincia a posteriori). A
comparao das distribuies nos permite analisar se os resduos obtidos apresentam
ou no uma distribuio aproximada da curva normal, atestando ou no a hiptese
de normalidade dos resduos, que pode ser considerada como uma verificao ou
inspeo visual subjetiva da normalidade.
O teste de Kolmogorov-Smirnov avalia se duas amostras tem distribuies
semelhantes, ou melhor dizendo, se foram extradas de uma mesma populao. Se
apresentarem grandes diferenas provavelmente estas no se devem ao acaso. um
252
teste que detecta diferenas em relao tendncia central, disperso e simetria.

Para se aplicar o teste deve-se ordenar as amostras, construir as
distribuies de freqncias acumuladas nos intervalos de classe definidos, calcular
as diferenas entre estas freqncias (da primeira menos a da segunda amostra),
escolhendo-se a maior diferena em valor absoluto (dmx) que ser comparada com
um valor tabelado (dcrtico). A hiptese bsica do teste que se dmx dcrtico rejeita-se
a igualdade das amostras.
Para maiores detalhes sobre o teste de Kolmogorov-Smirnov sugere-se
Bunchaft (1997).
h) Anlise grfica dos resduos
Ao se colocar em um grfico os resduos e as variveis explicativas
possvel a verificao da existncia de uma multi-colinearidade, ou seja, uma
relao exata entre as variveis, se o coeficiente de correlao apresenta-se muito
prximo de um. Se o grfico demonstrar que os resduos no esto alinhados ento a
correlao meramente casual e os resduos no mostram nenhuma tendncia.
Ao se analisar graficamente as distribuies (resduos versus valor
estimado) verifica-se a existncia de homocedasticidade, ou seja, a hiptese de
varincia constante, que aceita quando no h nenhuma tendncia dos resduos em
relao ao valor estimado, neste caso denominado de hetereocedasticidade.
4. ESTUDO DE CASO
No ano de 1995, uma construtora de Curitiba, utilizando-se de legislao
municipal referente a aquisio de potencial construtivo, aprovou um projeto para
construo de um edifcio residencial no centro da cidade, com cinco pavimentos,
em uma rea de zoneamento ZR-3, a qual permite a construo de, no mximo, dois
pavimentos.
Com o desenvolvimento da obra, percebeu-se que a mesma influenciaria
negativamente na paisagem urbana, principalmente porque inviabilizaria a visitao
pblica de turistas a um mirante de observao da Cidade.
O imvel foi ento desapropriado com base no Cdigo de Posturas de
Curitiba e seu valor, para fins de desapropriao, utilizando-se o mtodo
comparativo com dados de mercado [Lima, 2001].
O imvel desapropriado possua as seguintes caractersticas:
- terreno urbano com rea total de 418,00 m2, com forma irregular, de esquina, com
testadas de 16,30m e 20,00m, lateral esquerda de 22,00m e fundos de 25,50m, com
topografia regular e nvel abaixo da rua;
- rea construda total de 1032,32 m2, de alvenaria, para fins residenciais com cinco
pavimentos e um subsolo. Cada apartamento seria composto por 2 quartos e 1 sute,
sala com dois ambientes, banheiro social, banheiro de empregada e rea de servio.
O apartamento possuiria duas garagens. O prdio teria dois elevadores. Foram
executados cerca de 48% da obra quando desapropriada.
253
Utilizou-se a pesquisa amostral efetivada por Lima [2001] em diversas

fontes tais como: instituies de classe, imobilirias e jornais, considerando-se as
caractersticas semelhantes ao imvel estudado, tanto em termos de proximidade de
localizao, quanto de caractersticas prprias, entre elas: o zoneamento, a infraestrutura urbana, o coeficiente de aproveitamento, o padro construtivo, o nmero
de quartos, etc.
Para os imveis considerados como amostra, cada dado foi verificado at o
grau de detalhamento que possibilita as condies de cotej-lo com o bem imvel
avaliando, fixando-se o nvel de rigor do trabalho com base na NBR-5676.
As amostras podem ser visualizadas no quadro a seguir [Lima, 2001]:
No
Amost
ra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
I)
Valor
unitrio
857,46
733,00
734,66
737,22
805,74
762,47
770,73
735,71
634,45
630,85
472,17
464,57
629,76
462,81
648,04
513,11
899,28
727,78
639,65
586,32
rea
equivalente
590,00
400,00
322,00
223,00
235,00
152,03
149,23
140,00
163,00
155,00
180,02
132,15
123,00
134,35
89,50
107,19
139,00
126,00
107,74
85,50
Padro
construtivo
Idade
aparente
Vagas de garagens
Alto
Mdio
Mdio
Mdio
Alto
Mdio
Mdio
Mdio
Mdio
Mdio
Baixo
Baixo
Mdio
Baixo
Mdio
Baixo
Alto
Mdio
Mdio
Baixo
0 a 1 ano
4 a 6 anos
4 a 6 anos
8 a 10 anos
> 12 anos
6 a 8 anos
4 a 6 anos
10 a 12 anos
> 12 anos
> 12 anos
> 12 anos
> 12 anos
> 12 anos
> 12 anos
> 12 anos
4 a 6 anos
4 a 6 anos
8 a 10 anos
> 12 anos
0 a 1 ano
>2 vagas cobertas

> 2 vagas cobertas
2 vagas cobertas
2 vagas cobertas
2 vagas cobertas
2 vagas cobertas
2 vagas cobertas
1 vaga coberta
1 vaga coberta
1 vaga coberta
2 vagas cobertas
1 vaga coberta
1 vaga coberta
1 vaga coberta
1 vaga coberta
1 vaga coberta
1 vaga coberta
1 vaga coberta
1 vaga coberta
1 vaga coberta
Modelo de regresso adotado

Foi adotado o seguinte modelo de regresso linear mltipla
Y = a + b1 x1 + b2 x2+ b3 x3+ b4 x4 + vi
Onde as variveis envolvidas so:
254
a) Varivel Dependente:
Valor do Imvel [Y]: valor unitrio do imvel, calculado por metro quadrado de
rea.
b) Variveis Independentes:
rea equivalente[x1]: = definida como a rea equivalente de construo, que
calculada multiplicando-se a rea dos componentes do imvel pelos fatores
mostrados no quadro abaixo:
Descrio da rea
Pavimento tipo
Trreo coberto fechado
Trreo coberto aberto (pilotis)
Subsolo
Atico
Mezanino
Sobre Loja
reas complementares
Terrao coberto
Piscinas
Vagas de Garagem
Cobertas no Trreo
Descobertas sobre a Laje
Descobertas sobre a Terra
Fator de rea equivalente

1,00
1,00
0,50 a 0,70
0,50
0,75
0,90
0,80
0,15
0,50
1,00
1,00
0,50
0,30
0,15
Inverso do Fator de Padro Construtivo [x2]: O fator de padro construtivo foi

obtido pela linearizao da variao do valor da construo e acabamento entre o
imvel avaliando e os elementos que compe a amostra, resultando para padro
baixo=408,23; padro mdio=483,93; alto padro=585,51. Utilizou-se o inverso
destes valores por experincia prtica usual na avaliao de imveis urbanos.
Inverso da Idade Aparente do imvel [x3]: classificaram-se as amostras com
fatores de idade aparente: mais que (>) 12 anos = 1; de 10 a 12 anos = 3; de 8 a
10anos = 3; de 6 a 8 anos = 4; de 4 a 6 anos = 5; de 2 a 4 anos = 6; de 1 a 2 anos =
7; de 0 a 1 ano = 8.
Inverso do fator de vagas de garagem [x4]: efetuou-se a seguinte classificao:
garagem descoberta = 1; vaga coberta = 2; duas vagas cobertas = 3; mais que (>)
duas vagas cobertas = 4).
255
II) Ajustamento pelo mtodo dos mnimos quadrados

Para a soluo pelo mtodo dos mnimos quadrados necessrio a
montagem numrica das matriz dos coeficientes das incgnitas (A). A matriz dos
pesos (P) no problema em pauta foi igualada a matriz identidade, no ser
representada de forma explcita. O vetor das variveis explicitadas (L) foi montado
com os valores observados.
A matriz A e o vetor L so mostrados a seguir.
1
1
1
1
1
1
1
1
1
A= 1
1
1
1
1
1
1
1
1
1
1
590,00
400,00
322,00
223,00
235,00
152,03
149,23
140,00
163,00
155,00
180,02
132,15
123,00
134,35
89,50
107,19
139,00
126,00
107,74
85,50
0,00170791275981623 0,125
0,00206641456408985 0,2
0,00206641456408985 0,2
0,00206641456408985 0.3333333
0,00170791275981623 1
0,00206641456408985 0,25
0,00206641456408985 0,2
0,00206641456408985 0,3333333
0,00206641456408985 1
0,00206641456408985 1
0,00244959949048331 1
0,00244959949048331 1
0,00206641456408985 1
0,00244959949048331 1
0,00206641456408985 1
0,00244959949048331 0,2
0,00170791275981623 0,2
0,00206641456408985 0,3333333
0,00206641456408985 1
0,00244959949048331 0,125
0,25
0,25
0,33333333
0,33333333
0,33333333
0,33333333
0,33333333
0,5
0,5
0,5
0,33333333
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
256
857,46
733,00
734,66
737,22
805,74
762,47
770,73
735,71
634,45
L= 630,85
472,17
464,57
629,76
462,81
648,04
573,11
899,28
727,78
639,65
586,32
Pela soluo matricial da expresso (4), obtm-se o vetor (X) de estimativa
dos parmetros solicitados no modelo de regresso, que resultar em:
1824,29715989785
-0,214930982557917
X=
-454764,932555851
-136,132168924983
-168,353398806299
ou seja, o modelo de regresso resultante para o problema ser dado pela expresso:
y =1824,29715989785 0,214930982557917x1 - 454764,932555851x2 136,132168924983 x3 - 168,353398806299 x4
257
O vetor dos resduos (V), resultar em:
V=
4,22417834238195
-3,72289648263074
-2,64772974363814
-2,08051832706883
-0,90042055944263
-0,73251908451823
-1,58410388710683
-10,7901465758116
-5,22833845796572
0,09110940249763
7,1933688122088
-2,97678485379362
8,058900844351
-1,68963301542095
-3,02091123995865
2,75362761083841
7,03978910505396
0,148887179999292
1,44874763818473
4,4153932918933
A matriz varincia-covarincia resultar em:
X=
297,684711 - 0,224692
-75736,110107
-0,997704 -220,937116
-0,224692
0,000278
32,166531 150,004464
0,2400921
-75736,110107 32,166531 32013965,173475 -371,031620 5677,3653844
-0,997704 0,0044645
-371,031620
10,6794342 -12,231989
-220,937116 0,240092
5677,365384 -12,231989 402,207891
III) Testes estatsticos

Uma anlise do ajustamento efetivada atravs de testes estatsticos,
conforme proposto no trabalho:
a) Teste de qui-quadrado para verificao da bondade do ajustamento.
O valor da varincia da unidade de peso a posteriori resultou a partir da
expresso (5) em:
o2 = 27,1307176459636
258
O valor de qui-quadrado calculado pela (7) resulta em:

2c = 406,960764689454
Na distribuio qui-quadrado para um nvel de significncia de 95% tem-se:
215, 0,025 = 6,26
215, 9,725 = 27,49
Verifica-se neste caso que a hiptese bsica deve ser rejeitada, deve-se
proceder a uma anlise aprofundada do ajustamento (pode-se considerar os resduos
excessivamente grandes em decorrncia de erros grosseiros ou sistemticos). Devese tambm analisar se o modelo matemtico utilizado consistente com as
observaes. O ideal seria parar o ajustamento neste ponto e efetuar um estudo
sobre diferentes modelos. Por se tratar de um estudo de caso prossegue-se com o
tratamento dos erros.
b) coeficiente de correlao linear mltiplo (R) e coeficiente de determinao (R2)
Calculou-se tambm o coeficiente de determinao que resultou em:
R2 = 0,998601862578729
cujo significado que 99,86% do valor de mercado est sendo explicitado pelo
modelo e, o coeficiente de correlao linear mltiplo resulta em:
R = 0,999300686769868
que mostra uma correlao fortssima entre as variveis explicativas e a explicada.
c) Teste de existncia da regresso
O coeficiente F calculado obtido pela expresso matricial (10) resultando
em:
Fc=2678,3897832203
O valor tabelado para o nvel de significncia de 5% resultou em:
F = 3,056
como Fc >F aceita-se a hiptese de existncia de regresso.
d) Teste da significncia dos regressores
Nesse caso deve-se dividir cada um dos regressores pela raiz quadrada do
elemento da diagonal principal da matriz varincia covarincia, que representa o
erro mdio quadrtico deste, assim obtm-se:
Tb1 = -12,8797699083259
Tb2 = -80,3743056845373
Tb3 = -41,6568706036683
Tb4 = -8,39453405047628
O valor do coeficiente T de Student retirado da tabela da
distribuio com um nvel de significncia de 5% resultou em:
T = 2,1314
Como os valores calculados em mdulo so superiores ao valor critico
aceita-se a hiptese bsica de significncia dos regressores.
e) Teste data snooping - Barda
Calcula-se a matriz de redundncia ou dos coeficientes de peso dos
resduos utilizando-se a expresso matricial (11), que resulta em:
259
0,3000 -0,3026 -0,2345 -0,0298 -0,0458 0,1122 0,1165 0,0420 -0,0710 -0,0548 0,0852
0,0017 0,0102 -0,0028 0,0783 0,0311 -0,0529 -0,0136 0,0412 0,0732
-0,3026 0,7374 -0,1759 -0,1201 -0,0430 -0,0860 -0,0862 0,0155 0,0257 0,0299 -0,1410
-0,0236 0,0465 -0,0248 0,0639 -0,0372 0.,728 0,0228 0,0544 -0,0285
-0,2345 -0,1759 0,8605 -0,0832 0,0013 -0,0578 -0,0607 0,0437 0,0016 0,0052 -0,0445
-0,0210 0,0198 -0,0220 0,0351 -0,0765 -0,0201 -0,0373 0,0268 -0,0729
-0,0298 -0,1201 -0,0832 0,8698 -0,1006 -0,1723 -0,1762 -0,0171 0,0268 0,0225 -0,1127
0,0193 0,0053 0,0205 0,0127 -0,0321 -0,0325 -0,0247 -0,0029 -0,0473
-0,0458 -0,0430 0,0013 -0,1006 0,6020 -0,1339 -0,1249 0,0414 -0,0897 -0,0956 -0,1107
0,0569 -0,1189 0,0585 0,1434 0,2162 -0,0880 0,0312 -0,1301 0,2170
0,1122 -0,0860 -0,0578 -0,1723 -0,1339 0,7291 -0,2790 0,0225 0,0682 0,0580 -0,1253
0,0696 0,0170 0,0724 -0,0259 -0,0359 -0,0742 -0,0404 -0,0025 -0,0706
0,1165 -0,0862 -0,0607 -0,1762 -0,1249 -0,2790 0,7117 -0,0291 0,0759 0,0654 -0,1163
0,0771 0,0232 0,0800 0,0209 -0,0454 -0,0845 -0,0475 0,0031 -0,0824
-0,0420 0,0155 -0,0437 -0,0171 0,0414 -0,0225 -0,0291 0,8582 -0,0529 -0,0523 0,1107
-0,0169 -0,0495 -0,0171 0,0467 -0,1238 -0,1911 -0,1406 -0,0483 -0,1322
-0,0710 0,0257 0,0016 0,0268 -0,0897 0,0682 0,0759 -0,0529 0,8505 -0,1460 -0,0149
-0,1098 -0,1323 -0,1107 -0,1179 0,0050 -0,0599 -0,0469 -0,1257 0,0240
-0,0548 0,0299 0,0052 0,0225 -0,0956 0,0580 0,0654 -0,0523 -0,1460 0,8567 -0,0182
-0,1052 -0,1321 -0,1060 -0,1204 0,0064 -0,0629 -0,0474 -0,1268 0,0236
0,0852 -0,1410 -0,0445 -0,1127 -0,1107 -0,1253 -0,1163 0,1107 -0,0149 -0,0182 0,5931
-0,1689 -0,0315 -0,1680 -0,0454 -0,0171 0,2694 0,1049 -0,0378 -0,0109
0,0017 -0,0236 -0,0210 0,0193 0,0569 0,0696 0,0771 -0,0169 -0,1098 -0,1052 -0,1689
0,7749 -0,0871 -0,2263 -0,0680 -0,1152 0,1238 -0,0090 -0,0784 -0,0939
0,0102 0,0465 0,0198 0,0053 -0,1189 0,0170 0,0232 -0,0495 -0,1323 -0,1321 -0,0315
-0,0871 0,8685 -0,0871 0,1308 0,0122 -0,0748 -0,0493 -0,1312 0,0218
-0,0028 -0,0248 -0,0220 0,0205 0,0585 0,0724 0,0800 -0,0171 -0,1107 -0,1060 -0,1680
-0,2263 -0,0871 0,7724 -0,0673 -0,1156 0,1247 -0,0089 -0,0781 -0,0937
0,0783 0,0639 0,0351 -0,0127 -0,1434 -0,0259 -0,0209 -0,0467 -0,1179 -0,1204 -0,0454
-0,0680 -0,1308 -0,0673 0,8583 0,0182 -0,0873 -0,0512 -0,1358 0,0200
0,0311 -0,0372 -0,0765 -0,0321 0,2162 -0,0359 -0,0454 0,1238 0,0050 0,0064 -0,0171
-0,1152 0,0122 -0,1156 0,0182 0,7299 -0,0326 -0,1213 0,0149 -0,2812
-0,0529 0,0728 -0,0201 -0,0325 -0,0880 -0,0742 -0,0845 0,1911 -0,0599 -0,0629 0,2694
0,1238 -0,0748 0,1247 -0,0873 -0,0326 0,6013 -0,1963 -0,0805 -0,0545
-0,0136 0,0228 -0,0373 -0,0247 0,0312 -0,0404 -0,0475 -0,1406 -0,0469 -0,0474 0,1049
-0,0090 -0,0493 -0,0089 -0,0512 -0,1213 -0,1963 0,8586 -0,0502 -0,1329
0,0412 0,0544 0,0268 -0,0029 -0,1301 -0,0025 0,0031 -0,0483 -0,1257 -0,1268 -0,0378
-0,0784 -0,1312 -0,0781 -0,1358 0,0149 -0,0805 -0,0502 0,8667 0,0210
0,0732 -0,0285 -0,0729 -0,0473 0,2170 -0,0706 -0,0824 -0,1322 0,0240 0,0236 -0,0109
-0,0939 0,0218 -0,0937 0.0200 -0,2812 -0,0545 -0,1329 0,0210 0,7002
j, o nmero de redundncia obtido : r = 15,00, resultando para os resduos

padronizados os seguintes valores:
260
W=
0,2094
-0,1845
-0,1312
-0,1031
-0,0446
-0,0363
-0,0785
-0,5349
-0,2592
0,0045
0,3566
-0,1476
0,3995
-0,0838
-0,1497
0,1365
0,3490
0,0074
0,0718
0,2189
Para um nvel de significncia de 5% retira-se k=1,96 (distribuio F de

Snedecor). Como no h resduos padronizados maior que k, aceita-se a hiptese
bsica de que no h erros grosseiros nas observaes.
f) Teste de Durbin-Watson
Obtm-se pela expresso (13) o seguinte valor para essa estatstica:
dw = 1,70266906699683
O limite inferior obtido das tabelas foi
di = 0,90
J,. o limite superior
du = 1,83
Neste caso o teste mostra-se inconclusivo. Deve-se salientar que a
autocorrelao s pode ser verificada se as amostragens estiverem ordenadas
segundo um critrio especfico.
g) Teste de normalidade dos resduos
Uma verificao qualitativa da normalidade pode ser analisada com a
distribuio dos resduos padronizados em relao ao erro mdio quadrtico. Neste
caso nota-se que 80% dos resduos distribuem-se no intervalo definido por mais ou
menos uma vez o erro mdio quadrtico e 95% no intervalo de 1,96 vezes o erro
que corresponde a um intervalo de 95% na distribuio de Gauss.
261
A aplicao do teste de normalidade de Kolmogorov-Smirnov foi efetivada

utilizando-se um nvel de significncia de 95%, obtendo-se que a distribuio dos
resduos normal.
No presente caso, analisaram-se os grficos de resduos das observaes.
cujas distribuies apresentam-se aleatrias, mostrando que h homocedasticidade e
no ocorre multi-colinearidade.
5. CONCLUSES E RECOMENDAES
Considera-se uma contribuio a este tipo de problema a utilizao de uma
soluo matricial pela aplicao do mtodo dos mnimos quadrados, o que no
usual nos trabalhos de avaliaes consultados pelos autores. A utilizao do mtodo
de Barda para analise da existncia de erros grosseiros um dos fundamentos
tericos apresentados para o problema neste trabalho. O uso da matriz varinciacovarincia permite que os clculos envolvidos sejam simplificados. Outras anlises
podem ser conduzidas, atravs de outros testes estatsticos que melhoram a
compreenso do problema.
A metodologia em anlise de fcil aplicao. A confiabilidade de
resultados em uma avaliao fator preponderante no trabalho, uma vez que este
resultado ser utilizado tanto na soluo de conflitos, como na determinao de
coeficientes de zoneamento fiscal para distribuio de tributos. Por ltimo,
fundamental que a metodologia apresentada na soluo de problemas de avaliao
mostre de forma definitiva a imparcialidade da avaliao e neste caso uma anlise
criteriosa de erros fundamental para as validaes dos trabalhos.
AGRADECIMENTOS
Os autores desejam expressar seus agradecimentos ao Prof.
Marques pelas sugestes e correes ao texto.
Dr Jair Mendes
REFERNCIAS
ABNT. NBR 5676 - Avaliao de Imveis urbanos. Rio de Janeiro, 1989.
BAARDA, W. A. A testing procedure for use in geodetic networks. Netherlands
Geodetic Comission, v. 2, n. 5, 1968.
BUNCHAFT, G. Estatstica sem mistrios. 4a ed. Petrpolis, RJ. Vozes, 1997.
GEMAEL, C. Introduo ao ajustamento de observaes: aplicaes geodsicas.
1. ed. Curitiba: Editora UFPR. 1994.
IMAPE. Fundamentos de Avaliaes Patrimoniais e Percias de Engenharia. 1.
ed. So Paulo. Editora Pini. 1998.
JOHNSTON, J. Mtodos economtricos. So Paulo: Atlas, 1977.
LIMA, A. J. M. Determinao do valor de indenizao para desapropriao de
edifcio residencial em construo, para fins de preservao do patrimnio
paisagstico. Seminrio do Curso de Ps-Graduao em Construo Civil da
Universidade Federal do Paran, 2001.
MARQUES, J. M. Estatstica - Curso de Engenharia. UFPR, Curitiba, 2000.
262
MITISHITA, E. A. Deteco de erros grosseiros nas aerotriangulaes. Curitiba,

1986. Dissertao (Mestrado em Cincias Geodsicas) Curso de Ps-Graduao
em Cincias Geodsicas, Universidade Federal do Paran.
MORAES, C. V. Aplicao do ajustamento s poligonais. Curitiba, 1997.
Dissertao (Mestrado em Cincias Geodsicas) Curso de Ps-Graduao em
Cincias Geodsicas, Universidade Federal do Paran.
(Recebido em setembro/03. Aceito em novembro/03)

1447 3233 1 PB PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

1447 3233 1 PB PDF

Hochgeladen von

Copyright:

Verfügbare Formate

TESTES ESTATSTICOS UTILIZADOS PARA A

VALIDAO DE REGRESSES MLTIPLAS APLICADAS

UFPR Departamento de Geomtica

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 9, no 2, p.243-262, jul-dez, 2003

Testes Estatsticos Utilizados para...

Nadal, C. A.; Juliano, K.A. ;e Ratton, E.

A partir destas consideraes, pode-se afirmar que a avaliao passa a

Testes Estatsticos Utilizados para...

deteco dos erros grosseiros, trabalham somente com critrios prticos, no

onde, a, b1, b2 ... bu so denominados de parmetros da regresso mltipla, v

Nadal, C. A.; Juliano, K.A. ;e Ratton, E.

observaes maior que o nmero de incgnitas. De forma matricial, o sistema de

onde, nAu a matriz dos coeficientes das incgnitas, definida utilizando-se as

X1 o vetor das incgnitas dado por:

o vetor uL1 das variveis respostas (observaes) dado por:

o vetor nV1 o vetor dos resduos estimados obtido pela expresso:

= nAu uX1 - nL1

O estimador dos parmetros, por mnimos quadrados, ser dado pela

= (uAnT nPn nAu)-1 uAnT nPn nL1 ,

ou, reduzindo a simbologia,

sendo, o2 a varincia da unidade de peso a priori para a qual arbitra-se o valor da

Testes Estatsticos Utilizados para...

3. TESTES ESTATSTICOS COMO DIRETRIZES EM ANLISE DE

b) Coeficiente de correlao linear mltiplo (R) e coeficiente de determinao (R2)

Nadal, C. A.; Juliano, K.A. ;e Ratton, E.

nZ1 = nL1 - nL*1

(1XuT uAnT nPn nZ1)(n-k-1)

Testes Estatsticos Utilizados para...

O teste de Barda pode ser definido como a investigao em relao

= nIn - nAu uNn-1uAnT nPn

O nmero de redundncia obtido da diagonal principal da matriz

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 9, no 2, p.243-262, jul-dez, 2003

Nadal, C. A.; Juliano, K.A. ;e Ratton, E.

Da estatstica de Durbin-Watson para o nvel de confiana com v =n-k-1,

Testes Estatsticos Utilizados para...

teste que detecta diferenas em relao tendncia central, disperso e simetria.

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 9, no 2, p.243-262, jul-dez, 2003

Nadal, C. A.; Juliano, K.A. ;e Ratton, E.

Utilizou-se a pesquisa amostral efetivada por Lima [2001] em diversas

>2 vagas cobertas

Modelo de regresso adotado

Onde as variveis envolvidas so:

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 9, no 2, p.243-262, jul-dez, 2003

Testes Estatsticos Utilizados para...

Fator de rea equivalente

Inverso do Fator de Padro Construtivo [x2]: O fator de padro construtivo foi

Nadal, C. A.; Juliano, K.A. ;e Ratton, E.

II) Ajustamento pelo mtodo dos mnimos quadrados

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 9, no 2, p.243-262, jul-dez, 2003

Testes Estatsticos Utilizados para...

Nadal, C. A.; Juliano, K.A. ;e Ratton, E.

O vetor dos resduos (V), resultar em:

A matriz varincia-covarincia resultar em:

III) Testes estatsticos

Testes Estatsticos Utilizados para...

O valor de qui-quadrado calculado pela (7) resulta em:

Nadal, C. A.; Juliano, K.A. ;e Ratton, E.

j, o nmero de redundncia obtido : r = 15,00, resultando para os resduos

Bol. Cinc. Geod., sec. Artigos, Curitiba, v. 9, no 2, p.243-262, jul-dez, 2003

Testes Estatsticos Utilizados para...

Para um nvel de significncia de 5% retira-se k=1,96 (distribuio F de

Nadal, C. A.; Juliano, K.A. ;e Ratton, E.

A aplicao do teste de normalidade de Kolmogorov-Smirnov foi efetivada