Procedimentos para a utilizao de modelos de regresso linear

A.1 Introduo
A.1.1 A tcnica mais utilizada quando se deseja estudar o comportamento
de uma varivel dependente em relao a outras que so responsveis pela
variabilidade observada nos preos a anlise de regresso.
A.1.2 No modelo linear para representar o mercado, a varivel dependente
expressa por uma combinao linear das variveis independentes, em
escala original ou transformadas, e respectivas estimativas dos parmetros
populacionais, acrescida de erro aleatrio, oriundo de!
" efeitos de variveis no detectadas e de variveis irrelevantes no
inclu#das no modelo$
" imperfei%es acidentais de observao ou de medida$
" varia%es do comportamento &umano, como &abilidades diversas de
negociao, desejos, necessidades, compuls%es, capric&os, ansiedades,
diferenas de poder aquisitivo, diferenas culturais, o entre outros.
A.1.3 'om base em uma amostra extra#da do mercado, os parmetros
populacionais so estimados por infer(ncia estat#stica.
A.1.4 Na modelagem devem ser expostas as &ipteses relativas aos
comportamentos das variveis dependentes e independentes, com base no
con&ecimento que o engen&eiro de avalia%es tem a respeito do mercado,
quando sero formuladas as &ipteses nula e alternativa para cada
parmetro.
A.2 Pressupostos bsicos
)essalta*se a necessidade, quando se usam modelos de regresso, de
observar os seus pressupostos bsicos, apresentados a seguir,
principalmente no que concerne + sua especi,cao, normalidade,
&omocedasticidade, nomulticolinearidade, no*autocorrelao,
independ(ncia e inexist(ncia de pontos at#picos, com o objetivo de obter
avalia%es no tendenciosas, e,cientes e consistentes, em especial as
seguintes!
a- para evitar a micronumerosidade, o n.mero m#nimo de dados
efetivamente utilizados /n- no modelo deve obedecer aos seguintes
critrios, com respeito ao n.mero de variveis independentes /0-!
n 1 2 /034-
para n 5 26, ni 1 2
para 26 7 n 5 466, ni 1 468 n
para n 9 466, ni 1 46
onde
ni o n.mero de dados de mesma caracter#stica, no caso de utilizao de
variveis dicot:micas e variveis qualitativas expressas por cdigos
alocados ou cdigos ajustados$
)ecomenda*se que as caracter#sticas espec#,cas do imvel avaliando
estejam contempladas na amostra utilizada em n.mero representativo de
dados de mercado$
b- atentar para o equil#brio da amostra, com dados bem distribu#dos para
cada varivel no intervalo amostrai$
c- os erros so variveis aleatrias com varincia constante, ou seja, so
&omocedsticos$
d- os erros so variveis aleatrias com distribuio normal$
e- os erros so no autocorrelacionados, isto , so independentes sob a
condio de normalidade$
f- o engen&eiro de avalia%es deve se empen&ar para que as variveis
importantes estejam incorporadas no modelo " inclusive as decorrentes de
interao " e as variveis irrelevantes no estejam presentes$
;ara justi,car o valor escol&ido dentro do campo de arb#trio, o engen&eiro
de avalia%es pode utilizar um modelo auxiliar com a reintroduo de
variveis recusadas no teste da &iptese nula.
g- em caso de correlao linear elevada entre quaisquer subconjuntos de
variveis independentes, isto , multicolinearidade, deve*se examinar a
coer(ncia das caracter#sticas do imvel avaliando com a estrutura de
multicolinearidade inferida, vedada a utilizao do modelo em caso de
incoer(ncia$
&- no devem podem correla%es evidentes entre o erro aleatrio e as
variveis independentes do modelo, ou seja, o gr,co de res#duos no pode
sugerir evid(ncias de regularidade estat#stica com respeito +s variveis
independentes$
i- poss#veis pontos in<uenciantes, ou aglomerados deles, devem ser
investigados e sua retirada ,ca condicionada + apresentao de
justi,cativas.
A.2.1 Verifcao dos pressupostos do modelo
A.2.1.1 inearidade
)ecomenda*se que seja analisado primeiramente o comportamento gr,co
da varivel dependente em relao a cada varivel independente, em
escala original. =sto pode orientar o avaliador na transformao a adotar.
>xistem formas estat#sticas de se buscar a transformao mais adequada,
como, por exemplo, os procedimentos de ?ox e 'ox.
@s transforma%es utilizadas para linearizar o modelo devem, tanto quanto
poss#vel, re<etir o comportamento do mercado, com prefer(ncia pelas
transforma%es mais simples de variveis, que resultem em modelo
satisfatrio.
@ps as transforma%es realizadas, se &ouver, examina*se a linearidade do
modelo, pela construo de gr,cos dos valores observados para a varivel
dependente versus cada varivel independente, com as respectivas
transforma%es.
A.2.1.2 !ormalidade
@ veri,cao da normalidade pode ser realizada, entre outras, por uma das
seguintes formas!
a- pelo exame de &istograma dos res#duos amostrais padronizados, com o
objetivo de veri,car se sua forma guarda semel&ana com a da curva
normal$
b- pela anlise do gr,co de res#duos padronizados versus valores
ajustados, que deve apresentar pontos dispostos aleatoriamente, com a
grande maioria situados no intervalo A " B$ 3 BC.
c- pela comparao da freqD(ncia relativa dos res#duos amostrais
padronizados nos intervalos de A " 4$ 3 4 C, A " 4,EF$ 3 4,EF C e A "4,GE$ 3
4,GE C, com as probabilidades da distribuio normal padro nos mesmos
intervalos, ou seja, EH 8, G6 8 e GI 8$
d- pelo exame do gr,co dos res#duos ordenados padronizados versus
quantis da distribuio normal padronizada, que deve se aproximar da
bissetriz do primeiro quadrante$
e- pelos testes de ader(ncia noparamtricos, como, por exemplo, o qui*
quadrado, o de Jolmogorov*Kmirnov ajustado por Ktep&ens e o de Larque*
?era.
A.2.1.3 "omocedasticidade
@ veri,cao da &omocedasticidade pode ser feita, entre outros, por meio
dos seguintes processos!
a- anlise gr,ca dos res#duos versus valores ajustados, que devem
apresentar pontos dispostos aleatoriamente, sem nen&um padro de,nido$
b- pelos testes de ;ar0 e de M&ite.
A.2.1.4 Verifcao da autocorrelao
N exame da autocorrelao deve ser precedido pelo pr*ordenamento dos
elementos amostrais, em relao aos valores ajustados e, se for o caso, +s
variveis independentes possivelmente causadoras do problema.
Kua veri,cao pode ser feita, entre outros procedimentos, pela anlise do
gr,co dos res#duos cotejados com os valores ajustados, que deve
apresentar pontos dispersos aleatoriamente, sem nen&um padro de,nido.
A.2.1.# $olinearidade ou multicolinearidade
A.2.1.#.1 Oma forte depend(ncia linear entre duas ou mais variveis
independentes provoca degenera%es no modelo e limita a sua utilizao.
@s varincias das estimativas dos parmetros podem ser muito grandes e
acarretar a aceitao da &iptese nula e a eliminao de variveis
fundamentais.
A.2.1.#.2 ;ara veri,cao da multicolinearidade deve*se, em primeiro
lugar, analisar a matriz das correla%es, que espel&a as depend(ncias
lineares de primeira ordem entre as variveis independentes, com ateno
especial para resultados superiores a 6,H6. 'omo tambm poss#vel ocorrer
multicolinearidade, mesmo quando a matriz de correlao apresenta
coe,cientes de valor baixo, recomenda*se, tambm, veri,car o
correlacionamento de cada varivel com subconjuntos de outras variveis
independentes, por meio de regress%es auxiliares, como pela anlise de
varincia por partes.
A.2.1.#.3 ;ara tratar dados na presena de multicolinearidade,
recomendvel que sejam tomadas medidas corretivas, como a ampliao da
amostra ou adoo de tcnicas estat#sticas mais avanadas, a exemplo do
uso de regresso de componentes principais.
A.2.1.#.4 Nos casos em que o imvel avaliando segue os padr%es
estruturais do modelo, a exist(ncia de multicolinearidade pode ser
negligenciada.
A.2.1.% Pontos in&uenciantes ou "outliere
@ exist(ncia desses pontos at#picos pode ser veri,cada pelo gr,co dos
res#duos versus cada varivel independente, como tambm em relao aos
valores ajustados, ou usando tcnicas estat#sticas mais avanadas, como a
estat#stica de 'oo0 ou a distncia de Pa&alanobis para detectar pontos
in<uenciantes.
A.3 'estes de signifc(ncia
A.3.1 N n#vel de signi,cncia mximo admitido nos demais testes
estat#sticos /aqueles no citados na Qabela 4- no deve ser superior a 46 8.
A.3.2 @ signi,cncia de subconjuntos de parmetros, quando pertinente,
pode ser testada pela anlise da varincia por partes.
A.3.3 Ns n#veis de signi,cncia utilizados nos testes citados em @.2 sero
compat#veis com a especi,cao da avaliao.
A.4 Poder de e)plicao
>m uma mesma amostra, a explicao do modelo pode ser aferida pelo seu
coe,ciente de determinao.
Revido ao fato de que este coe,ciente sempre cresce com o aumento do
n.mero de variveis independentes e no leva em conta o n.mero de graus
de liberdade perdidos a cada parmetro estimado, deve*se considerar o
coe,ciente de determinao ajustado.
A.# Vari*eis dicot+micas
Qoda varivel que possa assumir apenas dois valores deve ser tratada como
varivel dicot:mica, vedada a extrapolao ou interpolao nessa situao.
S usual a varivel dicot:mica assumir os valores 6 e 4.
A.% $,digos alocados
Ns critrios da construo dos cdigos alocados devem ser explicitados,
com a descrio necessria e su,ciente de cada cdigo adotado, de forma a
permitir o claro enquadramento dos dados de mercado e do imvel
avaliando e assegurar que todos os elementos de mesma caracter#stica
estejam agrupados no mesmo item da escala.
@ escala ser composta por n.meros naturais consecutivos em ordem
crescente /4, B, 2...-, em funo da importncia das caracter#sticas poss#veis
na formao do valor, com valor inicial igual a 4.
No necessrio que a amostra conten&a dados de mercado em cada uma
das posi%es da escala constru#da.
)ecomenda*se a utilizao prvia da anlise de agrupamento de dados para
a construo dos cdigos alocados.
S vedada a extrapolao de variveis expressas por cdigos alocados.
A.- $,digos a.ustados
@dmite*se que os cdigos sejam extra#dos da amostra por meio de modelo
de regresso com a utilizao de variveis dicot:micas, desde que &aja pelo
menos tr(s dados por caracter#stica.
S vedada a extrapolao ou a interpolao de variveis expressas por
cdigos ajustados.
A./ 0i1erentes agrupamentos
No caso de utilizao no mesmo modelo de regresso de diferentes
agrupamentos /tipologia, mercados, localizao, usos etc.-, recomenda*se
veri,car a independ(ncia entre os agrupamentos, entre as variveis
utilizadas e poss#veis intera%es entre elas.
A.2 Apresentao do modelo
@ varivel dependente no modelo de regresso deve ser apresentada no
laudo na forma no transformada.
A.13 A*aliao inter*alar
A.13.1 @ avaliao intervalar, prevista em T.T.4 b- da @?NQ N?) 4FEI2*
4!B664, tem como objetivo estabelecer, quando solicitado pelo contratante,
um intervalo de valores admiss#veis em torno da estimativa de tend(ncia
central ou do valor arbitrado.
A.13.1.1 Uuando for adotada a estimativa de tend(ncia central, o intervalo
de valores admiss#veis deve estar limitado simultaneamente /ver Vigura
@.4-!
a- ao intervalo de predio ou ao intervalo de con,ana de H6 8 para a
estimativa de tend(ncia central$
N intervalo de con,ana ser utilizado se o objetivo for estimar o valor de
mercado. Ke o objetivo for estimar preos, utiliza*se o intervalo de predio.
b- ao campo de arb#trio.
4igura A.1 5Valores admiss6*eis 7uando 1or adotada a estimati*a
de tend8ncia central
A.13.1.2 Uuando for adotado o valor arbitrado, o intervalo de valores
admiss#veis deve estar limitado simultaneamente /ver Vigura @.B-!
a- ao intervalo em torno do valor arbitrado com amplitude igual + do
intervalo de predio ou ao intervalo de con,ana de H68 para a estimativa
de tend(ncia central$
N intervalo de con,ana ser utilizado se o objetivo for estimar o valor de
mercado. Ke o objetivo for estimar preos, utiliza*se o intervalo de predio.
b- ao campo de arb#trio em torno da estimativa de tend(ncia central.
4igura A.2 5 Valores admiss6*eis 7uando 1or adotado o *alor
arbitrado
A.13.2 No caso de utilizao do valor arbitrado, este fato deve ser citado e
no ser calculada a probabilidade associada ao intervalo