Valoração de imóveis no Rio Grande do Sul: uma análise a partir de regressão espacial

• Ano de defesa: 2010
• Autor(a) principal: Braga, Luis Fernando Tavares Vieira
• Orientador(a): Alves, Tiago Wickstrom
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Economia
• Departamento: Escola de Gestão e Negócios
• País: Brasil
• Palavras-chave em Português: Regressão espacial; Avaliações de Imóveis; Econometria
• Palavras-chave em Inglês: Spatial regression; Evaluations of flats; Econometric
• Área do conhecimento CNPq: ACCNPQ::Ciências Sociais Aplicadas::Economia
• Link de acesso: http://www.repositorio.jesuita.org.br/handle/UNISINOS/4603

Este trabalho visa determinar a influência que os fatores sócio-econômicos, em conjunto com as variáveis construtivas usuais, provocam na valoração de imóveis no Estado do Rio Grande do Sul. Sendo o imóvel um bem com características distintas das demais, muitos pesquisadores buscam elementos diferentes para explicar esse comportamento distinto. Neste contexto, sobressai um dos fatores com grande relevância, a vizinhança. Os métodos inferenciais tradicionais dificultam a modelagem adequada pela multiplicidade dos fatores que influenciam o valor dos imóveis de uma determinada região. Sendo assim, os modelos de regressão espacial foram utilizados na estimação do valor unitário dos mesmos (VU). Já o modelo de regressão LAG foi utilizado para uniformizar a amostra de dados dos imóveis que se mostrou heterogênea. Não obstante, a krigagem demonstrou a estimativa do valor de um imóvel para determinada região. A aplicação dos métodos foi realizada para uma base de dados obtida junto a Caixa Econômica Federal, contendo imóveis transacionados no Estado do Rio Grande do Sul, no período de 2006 a 2008. Ademais, os métodos de regressão aplicados confirmaram índices fortemente significativos nos modelos obtidos para todos os imóveis de uma região. Com isso, a estrutura espacial dos índices estimados minimizou a autocorrelação existente nos resíduos do modelo de regressão, melhorando a confiabilidade da avaliação.