Avaliação de imóveis: a importância dos vizinhos no caso de Recife

• Autor(a) principal: Dantas, Rubens Alves
• Data de Publicação: 2007
• Outros Autores: Magalhães, André Matos, Vergolino, José Raimundo de Oliveira
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Economia Aplicada
• Texto Completo: https://www.revistas.usp.br/ecoa/article/view/950
• topic: avaliação de imóveis; modelo hedônico; econometria espacial; housing price; hedonic price model; spatial econometrics

Tradicionalmente, na avaliação de imóveis, admite-se que as observações são independentes entre si. Contudo, dados associados à posição que ocupam no espaço são caracterizados pela dependência espacial. Seguindo a literatura internacional recente, este trabalho reconhece a importância da questão espacial e mostra como se pode diagnosticar e incorporar os efeitos espaciais na especificação de modelos hedônicos, ao mesmo tempo em que analisa o mercado imobiliário da cidade do Recife. Para realização dos testes empíricos e estimação dos modelos espaciais, são utilizados dados do Censo Demográfico do IBGE (2000) e de habitações financiadas pela Caixa Econômica Federal. Os resultados indicam que a consideração da questão espacial, com base em distâncias a pólos de influência, não é capaz de explicar completamente as variações dos preços em relação à localização da habitação, uma vez que existe uma verdadeira interação entre os dados, de forma que cada edifício funciona com um micropólo de influência sobre os seus vizinhos. Isso significa dizer que as negociações de compra dos apartamentos não ocorrem de forma independente, como considerado nos modelos tradicionalmente estimados, mas que existe uma verdadeira interação entre estes preços, de forma que uma negociação de um apartamento por um preço elevado tenderá a elevar os preços dos imóveis vizinhos. A solução para estimação segura da equação de preços hedônicos, na presença de efeitos espaciais, deve ser feita com base na econometria espacial, levando em consideração todas as interações espaciais possíveis entre os dados e servindo como uma proxy para variáveis locacionais não consideradas explicitamente no modelo.