Dissertacao Julia Martins - versão final
-
Upload
roberto2meireles -
Category
Documents
-
view
15 -
download
2
Transcript of Dissertacao Julia Martins - versão final
FUNDAÇÃO GETÚLIO VARGAS ESCOLA DE PÓS-GRADUAÇÃO EM ECONOMIA
MESTRADO EM FINANAS E ECONOMIA EMPRESARIAL
JÚLIA SILVEIRA MARTINS
PREÇOS DE IMÓVEIS RESIDENCIAIS NOVOS NO RIO DE JANE IRO: ESTIMAÇÃO ATRAVÉS DA METODOLOGIA DE PREÇOS
HEDÔNICOS
Rio de Janeiro 2012
2
Júlia Silveira Martins
PREÇOS DE IMÓVEIS RESIDENCIAIS NOVOS NO RIO DE JANE IRO: ESTIMAÇÃO ATRAVÉS DA METODOLOGIA DE PREÇOS
HEDÔNICOS
Dissertação de Mestrado apresentada à Escola
de Pós Graduação em Economia da Fundação
Getúlio Vargas como requisito para a obtenção do
título de Mestre em Finanças e Economia
Empresarial
ORIENTADOR: Carlos Eugênio Ellery da Costa
Rio de Janeiro 2012
Martins, Júlia Silveira
Preços de imóveis residenciais novos no Rio de Janeiro : estimação através da metodologia de preços hedônicos / Júlia Silveira Martins. – 2012.
49 f.
Dissertação (mestrado) - Fundação Getulio Vargas, Escola de Pós-Graduação em Economia. Orientador: Carlos Eugênio Ellery da Costa. Inclui bibliografia. 1. Mercado imobiliário. 2. Bens imóveis - Preços - Modelos econométricos. I. Costa, Carlos Eugênio da. II. Fundação Getulio Vargas. Escola de Pós-Graduação em Economia. III. Título. CDD – 332.63222
4
AGRADECIMENTOS Agradeço a todos os que me ajudaram fornecendo dados: Pedro Cunha, Patrícia
Guerra, Canellas, Mateus, Isa, Maína, João, Chico e Gagliano. Sem esta ajuda este
trabalho não seria possível.
Ao Luiz Maciel, monitor da nossa turma, que foi sempre solícito para todas as
dúvidas e problemas enfrentados nesta dissertação.
Ao meu orientador, Carlos Eugênio, por ter aceitado me ajudar neste projeto e ter
apresentado a metodologia de preços hedônicos para mim.
Ao meu irmão Felipe, que tentou me ajudar na pesquisa de dados, à amiga Ursula,
companheira de algumas tardes e noites de estudo, à minha mãe, que me deu força
quando quis iniciar o mestrado, e especialmente ao Paulo Maranesi, que me
incentivou e apoiou antes e durante todo este curso.
5
RESUMO
Este trabalho tem por objetivo entender, no município do Rio de Janeiro, quais
características são mais importantes para no mercado de imóveis residenciais
novos. A abordagem de preços hedônicos foi utilizada para a elaboração deste
estudo, uma vez que analisa o bem como um pacote de atributos para os quais o
consumidor tem preferências.
Diversos itens relacionados à caracterização do imóvel e do condomínio, bem
como da localização na qual ele se insere, foram analisados. Como parte da
metodologia, a econometria foi utilizada para que fosse possível compreender de
que forma, e em qual proporção, as variáveis mapeadas se relacionam com o preço
final do imóvel.
O resultado final aponta que as variáveis mais importantes para o equilíbrio
do mercado imobiliário no Rio de Janeiro são: o bairro onde o imóvel está localizado,
o tamanho, número de quartos, a diferenciação entre ser apartamento ou casa e o
número de unidades no condomínio.
Palavras chave: preços hedônicos, mercado imobiliário, características e preço.
6
ABSTRACT
The purpose of this work is to understand, in city of Rio de Janeiro, which
characteristics are important in the market of new residential properties. The hedonic
price model was used, as it analyses the good by a collection of attributes for which
the buyer has preferences.
Various items related to the property and to the condominium, as well as
localization aspects, were analyzed. As part of the methodology, the econometrics
calculation was used to understand how, and in which proportion, the model
variables are related to the final price of the house.
The results demonstrate that the most important attributes for the housing
market equilibrium in Rio de Janeiro are: the neighborhood where the property is
located, size, number of bedrooms, the differentiation between being an apartment or
house and the number of houses in the same condominium.
Key words: hedonic prices, housing market, characteristics and price.
7
SUMÁRIO Introdução ................................................................................................................... 8
1 O Mercado Imobiliário no Rio de Janeiro ............................................................... 10
1.1 O Mercado Imobiliário ...................................................................................... 10
1.2 A cidade do Rio de Janeiro .............................................................................. 12
2 Metodologia de Preços Hedônicos ......................................................................... 20
2.1 Modelo de Rosen (1974) ................................................................................. 21
2.2 Aplicação para o mercado imobiliário .............................................................. 25
3 Base de dados e principais resultados ................................................................... 28
3.1 Definição das variáveis do modelo .................................................................. 29
3.1.1 Preço ......................................................................................................... 29
3.1.2 Características do imóvel .......................................................................... 32
3.1.3 Características do empreendimento.......................................................... 32
3.2.4 Características de localização ................................................................... 33
3.2 Análise das variáveis ....................................................................................... 35
3.4 Resultados obtidos .......................................................................................... 37
Conclusão ................................................................................................................. 43
BIBLIOGRAFIA ......................................................................................................... 45
APÊNDICE ................................................................................................................ 46
8 Introdução
No ano de 2009, foi lançado pelo Governo Federal um programa de crédito
imobiliário que possibilita a compra do imóvel até para famílias com renda inferior a
R$ 5mil mensais. No mesmo período foi anunciado que a cidade do Rio de Janeiro
será sede de grandes eventos esportivos mundiais nos anos de 2013, 2014 e 2016
e, para que isto seja viável, projetos de modificação urbanística foram desenvolvidos
e iniciados. Mesmo no contexto de crise financeira global, que fora deflagrada no
ano anterior, estes fatores contribuíram para que no município fosse registrado um
aumento de 126% nos lançamentos imobiliários de 2008 a 2011, segundo a
Associação de Dirigentes de Empresas do Mercado Imobiliário do Rio de Janeiro. As
unidades residenciais representam 74% dos lançamentos.
Diversos bairros receberam empreendimentos com perfis diferenciados, entre
casas e apartamentos, condomínios muito grandes com opções de comércio e lazer.
Neste contexto, torna-se necessário para os incorporadores compreender quais
elementos são importantes no mercado de imóveis residenciais e de que forma eles
são valorizados. Assim, ao desenvolver o produto, a empresa pode ser capaz de
estimar não só o custo gerado por cada característica adicionada ao imóvel, mas
também a receita que ela pode originar.
A presente dissertação se propõe a identificar estes elementos relevantes no
município supracitado. Para tanto, foi utilizada a metodologia de preços hedônicos.
Nesta abordagem, o bem é um pacote de atributos para os quais o indivíduo tem
preferências, sendo assim ele irá selecionar no mercado qual das combinações de
características disponíveis irá lhe gerar maior utilidade. Neste sentido, o preço final
do produto deve ser uma combinação dos preços atribuídos pelo consumidor aos
seus componentes. Não é possível, no entanto, observar diretamente estes preços
implícitos, para a obtenção destes valores, é feita uma análise econométrica a partir
dos preços de bens diferenciados e das características associadas a eles.
Para o desenvolvimento deste estudo, foi necessário compor uma base de
dados a partir de preços de contratos de venda fechados, os quais foram fornecidos
por incorporadoras que atuam na cidade do Rio. Estes valores foram relacionados
com 30 tipos de características associados aos imóveis, como tamanho, bairro e
número de quartos.
9
É necessário destacar que este trabalho analisou apenas imóveis novos, ou
seja, aqueles que são vendidos na fase de lançamento e construção e os que estão
prontos, mas que são adquiridos diretamente da incorporadora ou construtora. Esta
delimitação implica, por exemplo, que itens de lazer sejam incluídos no estudo, pois
estão presentes em todos os empreendimentos novos, e torna irrelevante a
identificação de estado de conservação do bem, sendo esta parte de uma análise
direcionada a imóveis antigos.
Alguns elementos estavam presentes em todo o universo de unidades
residenciais mapeadas, como varanda e ao menos uma vaga de garagem. Outros
estavam extremamente correlacionados com a localização ou com
empreendimentos de apartamentos. Com a construção de uma regressão de
mínimos quadrados, com correção de heterocedasticidade e controle de
multicolinearidade, foi possível identificar que os fatores mais relevantes neste
mercado são a metragem, bairro onde ele está localizado, número de quartos,
número de unidades no empreendimento e diferenciação entre casa e apartamento.
O primeiro capítulo deste trabalho apresenta o mercado imobiliário do Rio de
Janeiro, no segundo é exposta a metodologia de preços hedônicos e sua aplicação
para este mercado. No último capítulo são relacionadas as características
estudadas, as análises realizadas e os resultados obtidos.
10 1 O Mercado Imobiliário no Rio de Janeiro
1.1 O Mercado Imobiliário
O mercado imobiliário residencial possui grande relevância em qualquer
economia no mundo, a qual é destacada por Sheppard (1997, cap 8, pág 1):
“Housing and residential construction are of central importance for
determination of both the level of welfare in society and the level of aggregate
economic activity. In many economies a residence represents the most valuable
single asset owned by most individuals, and a very large share of total household
wealth.”
Particularmente no Brasil, uma série de fatores contribui para uma enorme
expansão deste mercado nos últimos anos. A participação da construção civil no PIB
cresceu 21,2% de 2006 à 20111. Este processo foi estimulado primeiramente pela
abertura de capital de grandes empresas do setor principalmente a partir de 2005 e,
embora o período tenha sido marcado pela crise econômica mundial deflagrada em
2008, um segundo fator no Brasil foi determinante para o bom desempenho do setor
da construção civil: o Programa Minha Casa Minha Vida (PMCMV). Este é um
importante pacote habitacional do Governo Federal, criado em 2009, com o objetivo
de desenvolver mecanismos de incentivo à produção e aquisição de novas unidades
habitacionais em capitais estaduais e respectivas regiões metropolitanas, bem como
na região metropolitana de Campinas/SP, Baixada Santista/SP, Distrito Federal e
em municípios com população igual ou superior a 50 mil habitantes. A meta do
PMCMV era a contratação de 1 milhão de unidades habitacionais para famílias de
renda até R$ 5mil, sendo que pelo menos 400 mil deveriam ser destinadas a
famílias com renda de até R$1.600,00. Em 2011 o Governo lançou a segunda fase
do programa que tem R$125 bilhões para serem destinados à 2 milhões de
moradias até 2014.
A cidade do Rio de Janeiro acompanhou a expansão observada no Brasil. A
crise de 2008 teve efeitos sobre lançamentos imobiliários de 2009, o resultado final
deste ano, em número de unidades e de empreendimentos lançados, foi, porém,
maior do que o ano anterior, como pode ser verificado no gráfico 1.1. O relatório da
1 IPEA data, 2012
11 pesquisa ADEMI/RJ2 do mercado imobiliário do segundo semestre de 2009 destaca
que o programa Minha Casa Minha Vida foi o fator que impulsionou os novos
lançamentos neste ano, ajudando a recuperação do mercado.
Gráfico1.1 - Empreendimentos Lançados no Rio - a Crise Econômica e o MCMV
Fonte: Pesquisa Ademi, 2012
Este município foi escolhido para a análise da presente dissertação porque,
além dos fatores supracitados como impulsionantes do setor, a cidade foi anunciada
no final de 2009 como sede para os Jogos Olímpicos de 2016, além de receber
jogos da Copa das Confederações de 2013 e da Copa do Mundo de 2014, três
grandes eventos esportivos mundiais. Tais acontecimentos motivaram a criação de
projetos de mudanças na infraestrutura da cidade e expansão para novas áreas, o
que propicia o desenvolvimento imobiliário residencial e comercial destes espaços.
Em torno de 74% das unidades lançadas na cidade, mapeadas na pesquisa
da ADEMI/RJ, entre janeiro de 2008 e dezembro de 2011, configura-se segmento
residencial. O presente trabalho irá focar a pesquisa, portanto, neste segmento do
mercado imobiliário.
2 Associação de Dirigentes de Empresas do Mercado Imobiliário do Rio de Janeiro. A ADEMI apura os resultados informações passadas por seus associados e com base nelas divulga pesquisas sobre o mercado imobiliário do Rio de Janeiro. O acesso à pesquisa completa é restrito, no entanto, o relatório resumo da pesquisa é disponibilizado sem restrições no site da associação. Este relatório é publicado mensalmente, é feito também um consolidado semestral. É possível obter através do relatório os números de unidades e empreendimentos lançados (com distinção entre comercial e residencial e detalhamento de bairros), o VSO Vendas Sobre Oferta, as unidades disponíveis para venda e as efetivamente escrituradas (estas duas últimas segmentandas por região, finalidade, tipologia, fase de obra, preço médio de venda e preço por metro quadrado privativo).
72
103
64
83
121
145
40
60
80
100
120
140
2006 2007 2008 2009 2010 2011
12 Gráfico 1.2 – Empreendimentos residenciais e comerc iais entre 2008 e 2011 no
Rio
Fonte: Pesquisa Ademi
1.2 A cidade do Rio de Janeiro
O Rio de Janeiro é a segunda maior cidade do Brasil em termos de PIB,
ficando atrás apenas da cidade de São Paulo. A cidade possui extenso litoral
oceânico que se estende desde a entrada da baía de Guanabara até a baía de
Sepetiba, possui muitas montanhas e uma das maiores florestas urbanas do mundo,
a Floresta da Tijuca. Seu crescimento teve que ser, portanto, ajustado a esta
formação geográfica, embora algumas intervenções tenham sido feitas como aterros
e derrubadas de morros.
Na configuração atual, o município é separado em 160 bairros, os quais são
divididos entre 5 regiões de planejamento (AP’s), que são subdividas em regiões
administrativas. Nos mesmos relatórios da pesquisa ADEMI/RJ, verifica-se que, na
amostra da associação, 44 bairros da cidade foram citados recebendo os
aproximadamente 334 lançamentos imobiliários residenciais. O universo de
empreendimentos no munícipio é maior do que o contabilizado entre os associados
da ADEMI/RJ, porém através da pesquisa pode-se observar a tendência para o tipo
e localização dos lançamentos na cidade. A tabela que segue abaixo mostra os
bairros e unidades de planejamento (AP) com mais de 1% das unidades residenciais
totais lançadas no período de 2008 a 2011 da pesquisa ADEMI/RJ.
19%
81%
Empreendimentos
Comercial Residencial
26%
74%
Unidades
Comercial Residencial
13 Tabela 1.3 – Bairros com mais de 1% das unidades re sidenciais de 2008 a 2011
no Rio
Bairro AP % de unidades Jacarepaguá 4 20,2% Barra da Tijuca 4 19,1% Campo Grande 5 17,6% Recreio 4 9,1% Tijuca 2 4,2% Vila da Penha 3 2,7% Irajá 3 2,3% São Cristóvão 1 2,0% Botafogo 2 2,0% Méier 3 1,7% Vargem Pequena 4 1,6% Vila Valqueire 4 1,4% Cachambi 3 1,4% Del Castilho 3 1,3% Engenho da Rainha 3 1,2% Parada de Lucas 3 1,2% Vargem Grande 4 1,1%
Fonte: Pesquisa Ademi
Para entender porque a lista tem esta distribuição, é preciso entender a
formação histórica do município sua configuração socioeconômica e urbanística da
cidade. A seguir alguns atributos são apresentados, divididos por APs, com base em
dados encontrados no aplicativo Bairros Cariocas do Instituto Pereira Passos da
Prefeitura Municipal do Rio de Janeiro.
1.2.1– AP1 – Centro
A primeira região de planejamento compreende o centro e bairros no entorno,
por onde ocorreu a ocupação inicial da cidade. Nela estão diversas estações de
metro, a estação das barcas, a estação central de trem, o aeroporto doméstico da
cidade – Santos Dumont – e terminais rodoviários.
Durante muito tempo o bairro do centro foi o polo econômico do município e
por isso é comumente chamado de “cidade”, no programa da prefeitura é possível
ler que: “num primeiro momento irá se acentuar a separação entre lugar de trabalho
e lugar de residência dos moradores. A antiga cidade irá se transformando no
‘centro’, local dos negócios e da administração, a função residencial se deslocava
14 para bairros e subúrbios”. Embora as atividades econômicas estejam espalhadas
pela cidade inteira e não mais concentradas na região do centro, esta separação foi
reforçada por muito tempo pelo Plano Diretor3, o qual não permitia a construção de
imóveis residenciais no bairro do centro. O Plano Diretor da cidade foi revisto e
sancionado apenas em 2010.
A região norte da AP1 é portuária, para ela está prevista uma grande
revitalização com profunda intervenção urbanística, com projetos imobiliários de
grande porte para a área e novas vias de acesso, projeto este que recebeu o nome
de Porto Maravilha. São estimados R$ 8 bilhões para investir em mudanças viárias,
recuperação de patrimônios culturais, reconstrução de redes de infraestrutura
urbana (água, esgoto e drenagem), reurbanização do Morro da Conceição, reparo
de calçadas e iluminação pública, etc. O objetivo é revitalizar a área para que possa
abrigar novos empreendimentos comerciais, hoteleiros, serviços e habitacionais,
assim caracterizando a mudança no planejamento público para a área e criando
incentivos à ocupação residencial. As obras foram iniciadas em 2009.
Ainda próximo ao bairro do centro existem áreas residenciais, as quais já
foram habitadas por classes mais altas, como São Cristóvão e Santa Teresa, porém
sofreram transformações por conta da introdução de estabelecimentos industriais e
de armazenagem ou formação de favelas.
Destaca-se, no entanto, que a reformulação do Projeto de Infraestrutura
Urbana (PEU), em 2004, para São Cristóvão, bem como a inclusão do bairro no
projeto da cidade para receber a copa e os jogos olímpicos, possibilitou que ele
recebesse 2% das novas unidades residenciais apontadas na tabela 1.3.
1.2.2 – AP2 – Zona Sul e Parte da Zona Norte
A segunda AP se subdivide nas duas regiões mais próximas do centro,
separadas pelo Maciço da Tijuca, as quais são classificadas por zona sul e norte.
Esta classificação não é oficial, porém é utilizada amplamente pela população do Rio
e no mercado imobiliário ganha também distinção de preço. A primeira linha de
metrô foi construída de maneira a conectar estas duas zonas, onde habitava a
população de maior renda da cidade.
3 O plano diretor é a norma que determina o conjunto de diretrizes para a urbanização da cidade
15
É importante destacar que praticamente grande parte dos bairros da AP2
possuem favelas, é nela que está uma das maiores favelas do mundo, a Rocinha. O
programa bairros informa que a expansão delas provocou gradativamente a
desvalorização destes locais. Entretanto, nos últimos 4 anos, com a implantação das
UPPs4 dentro das favelas, percebe-se uma reversão neste cenário.
A zona sul começa em áreas adjacentes ao centro na baía e se estende por
toda a orla de praias oceânicas até o bairro de São Conrado, no interior é delimitada
pelo Maciço da Tijuca. A região possui ainda características naturais e pontos
turísticos importantes, como praia, a Lagoa Rodrigo de Freitas e Pão de Açúcar,
padrão de infraestrutura urbana e a oferta de serviços bem desenvolvidos e é onde
pode se encontrar as maiores rendas familiares da cidade.
Tabela 1.4 – Rendimento nominal médio do Bairro - i ncluindo população sem
rendimento - 2010
Área de Planejamento Máximo Bairro Mínimo Bairro
1 1.451,21 Centro 478,35 Caju 2 6.160,04 Lagoa 488,11 Rocinha 3 2.523,69 Jardim Guanabara 389,75 Acari 4 5.719,85 Joá 317,23 Grumari 5 1.991,25 Campo dos Afonsos 73,73 Gericinó
Fonte: Censo 2010 IBGE, dados obtidos no armazém digital do IPP
Tabela 1.5 – Atendimento da rede de água e esgoto p or AP
Áreas de Planejamento
Rede de esgoto e pluvial Outros*
1 97,4% 2,6% 2 98,2% 1,8% 3 95,3% 4,7% 4 82,0% 18,0% 5 82,9% 17,1%
Fonte: Censo 2010 IBGE, dados obtidos no armazém digital do IPP *Em outros estão esgotamento por fossa séptica, rudimentar, vala, rio, lago e mar, ou unidades habitacionais sem banheiro ou sanitário.
4 A Unidade de Polícia Pacificadora (UPP) é instalação de força policial, após ação especial de recuperação de controle em “comunidades sob forte influência da criminalidade ostensivamente armada”(Instituto de Segurança Pública do estado do Rio de Janeiro - ISP). O objetivo é a pacificação e a preservação da ordem pública. Até Abril de 2012 12 UPPs foram implantadas em diferentes favelas ou grupos de favelas.
16
Tabela 1.6 – Equipamentos Culturais no Rio em 2008
Áreas de Planejamento
Total Museus Bibliotecas Espaços Musicais
Centros Culturais
Galerias de Arte
Teatros e Salas de
Espetáculo
1 186 50 32 13 35 20 36
2 235 20 27 19 30 70 69
3 42 8 14 0 6 2 12
4 31 1 1 1 4 14 10
5 19 2 4 0 7 0 6
Total 513 81 78 33 82 106 133
Fonte: Acesso a diversos sítios na internet e ligações telefônicas, realizadas de junho a julho de 2008
por IPP/DIG
O programa Bairros informa que “a região foi a primeira a introduzir a
verticalização residencial, paradoxalmente passou a apresentar crescimento
populacional negativo”, desta forma não existem muitos espaços para
desenvolvimento imobiliário. De modo geral, para empreendimentos residenciais
novos nesta AP busca-se regiões que ainda possuam casas. Analisando os
relatórios da pesquisa ADEMI/RJ, 15 bairros desta AP foram citados, mas que
somados compõe apenas 9% das unidades lançadas. Somente 2 bairros, que ainda
possuem muitas casas, apareceram com um percentual maior que 1%: Tijuca e
Botafogo, com 4,2% e 2,0% respectivamente, os demais somam apenas 2,9%.
1.2.3 – AP3
Esta AP inicia-se ao norte do Maciço da Tijuca e estende-se até os limites do
município do Rio de Janeiro com os de São João de Meriti e Duque de Caxias, além
de englobar a Ilha do Governador.
Esta região possui três eixos de ferrovias, o aeroporto internacional do Rio e
importantes eixos de circulação rodoviária: a Avenida Brasil, Linha Vermelha e a
Linha Amarela, conectando vários bairros do próprio munícipio e outros munícipios
da região metropolitana; a Via Dutra, que segue até o município de São Paulo; e, a
Ponte Rio-Niterói. Esta infra estrutura viária permitiu a instalação de indústrias nesta
faixa, as quais posteriormente migraram para regiões ao longo da Via Dutra.
17
O programa Bairros informa que “trata-se da área mais populosa da cidade,
um mosaico em termos da composição social em que prevalecem camadas
populares e de baixa classe média”.
1.2.4 – AP4 e AP5 – Zona Oeste
As AP4 e AP5 são as regiões de planejamento da chamada Zona Oeste, elas
possuem os bairros com maior expansão imobiliária residencial, como já foi
apresentado na tabela 1.3 deste capítulo. No mapa abaixo é verificado que são as
áreas mais distantes do centro, e a seguir é possível entender porque ainda existiam
espaços vazios e o que proporcionou o movimento da região.
Tabela 1.7 – APs e Bairros da Cidade do Rio de Jane iro
Fonte: Instituto Pereira Passos, 2012
A AP4 é composta por bairros como a Barra da Tijuca, Jacarepaguá, Recreio,
Vargem Grande e Vargem Pequena. Esta é uma das áreas que mais cresceu nas
18 últimas décadas, isto porque, pela geografia da cidade, era uma área muito isolada e
pouco desenvolvida, com muitos terrenos vazios para onde poderiam se expandir
projetos imobiliários.
A parte com maior ocupação desta região até a década de 70 era
Jacarepaguá, pois possuía uma linha de bonde que ligava o bairro até Cascadura. A
atual expansão foi viabilizada com a construção dos túneis e viadutos que conectam
a Barra da Tijuca a São Conrado. É importante destacar que a praia de 25km que
percorre os bairros da Barra e Recreio e o planejamento oficial feito por Lucio
Costa5, permitiram que este bairros atraíssem moradores de renda mais alta, como
será demonstrado em tabelas a seguir. A ocupação é separada em zonas de
condomínios de casas ou mansões, na orla prédios baixos e algumas zonas de
prédios altos.
Atualmente a região possui grandes shoppings, centros de lazer e atrai muitas
empresas para instalação de seus escritórios. É importante destacar, no entanto,
que para atrair pessoas de classe média e alta para estas regiões mais afastadas e
com pouca oferta de serviços, as incorporadoras e construtoras precisaram criar um
novo padrão de empreendimento, o qual deve contar com atrativos como segurança,
serviços coletivos, opções de lazer e comércio e serviços dentro do próprio
condomínio. É comum encontrar na descrição dos empreendimentos na Barra uma
enorme lista de opções de lazer nas áreas de uso comum: sala para ginástica,
saunas, sala de vídeo, sala com computadores, salão de festas, salão de jogos, sala
com brinquedos para criança, escritórios compartilhados, cozinha na área de lazer -
chamado de espaço gourmet ou algo similar -, churrasqueira, espaço ao ar livre para
lazer infantil, piscinas diversas, quadras, entre outras. Os condomínios são formados
normalmente por mais de um prédio, de forma que muitas vezes são loteamentos
com ruas publicas passando por dentro deles.
Com o desenvolvimento da região, houver maior oferta de serviços e
transporte, e também a expansão de empreendimentos populares e favelas. No
bairro de Jacarepaguá existem muitas comunidades populares, de ocupação não
licenciada, algumas bastante significativas como a Cidade de Deus e Rio das
Pedras, sendo que a primeira cresceu a partir do conjunto habitacional.
5 Lucio Costa foi arquiteto urbanista diretor da Escola Nacional de Belas Artes a partir de 1930 com a missão de implantar um curso de arquitetura moderna. Seus principais trabalhos incluem o desenvolvimento do plano piloto de Brasília.
19
A última região de planejamento é a AP5, seu desenvolvimento urbano
ocorreu por conta da instalação da linha de trem, o programa Bairros destaca que
era uma enorme área rural que recebia ocupação em torno das estações. O governo
federal interviu na área instalando bases militares e áreas de treinamento e
experimentação, bem como construindo conjuntos habitacionais para militares e
para setores populares civis. Sobre o planejamento estadual para a área, o
programa Bairros da prefeitura destaca que:
“Sem maiores atrativos, a favelização foi induzida pelo poder estadual da
época. O governo Lacerda erradicou favelas na Zona Sul e transferiu moradores
para esta região, criando por exemplo a Vila Kennedy”.
A região recebeu distritos industriais, onde se instalaram a Cosigua/Gerdau, a
Michelin, a Vale Sul, entre outras, o que reforçou o desenvolvimento popular nas
últimas décadas do século XX. Ainda é informado que “com a circulação do
automóvel a urbanização começou a se espalhar e crescer, tendo se multiplicado os
loteamentos para habitações populares”.
Por conta desta expansão histórica esta região cresce muito atualmente, mas
diferentemente da AP4, recebe basicamente empreendimentos para setores de
renda mais baixa da cidade, impulsionada pelo programa federal Minha Casa Minha
Vida e pelo crescimento do poder aquisitivo das classes C e D. O destaque em
número de unidades residenciais novas é o bairro de Campo Grande, como pode
ser verificado na tabela 1.3.
Como foi apresentado, a formação histórica, a disponibilidade de serviços
públicos e de lazer, distancia para o centro e condições naturais, são fatores que
ajudam a entender diferenças entre os bairros e regiões do Rio, bem como
necessidades de infraestrutura nos empreendimentos lançados em diferentes
localidades. E também, a disponibilidade de áreas para abrigar novos
empreendimentos.
20 2 Metodologia de Preços Hedônicos
Para analisar quais elementos são importantes para o consumidor de imóveis,
e a forma que se relacionam com o preço, foi utilizada a metodologia de Preços
Hedônicos, a qual se baseia em uma nova abordagem sobre a obtenção de utilidade
pelos consumidores, que é explicada por Lancaster (1966). Para o autor o bem não
produz diretamente utilidade para o consumidor, isto porque ele é um pacote de
atributos para as quais o indivíduo tem preferências, desta forma são estes atributos
que geram utilidade.
Em seu trabalho, o autor observa que, no mercado, os consumidores não
podem escolher a alocação de características nos produtos disponíveis, elas são
fornecidas da mesma forma para todos os consumidores. Lancaster informa, porém,
que estes atributos são valorizados de forma diferenciada por cada consumidor e,
portanto, sua escolha é feita entre os conjuntos de características – produtos – que
são disponibilizados para ele. Este processo é feito de forma indireta: a partir da
percepção que tem acerca dos atributos, o consumidor consegue ordenar os
pacotes de características disponíveis de forma que obtenha o que mais lhe gera
utilidade.
Assim, sua proposta é resumida em três proposições que foram transcritas a
seguir (Lancaster, 1966, pág 134):
“1. The good, per se, does not give utility to the consumer; it possesses
characteristics, and these characteristics give rise to utility.
2. In general, a good will possess more than one characteristic, and many
characteristics will be shared by more than one good.
3. Goods in combination may possess characteristics different from those
pertaining to the goods separately.”
Lancaster (1966) não foi o primeiro a introduzir esta nova abordagem, em
Sheppard (1997, cap.8) são identificados alguns papers anteriores importantes. Este
autor informa que o trabalho de Waugh (1929) foi o primeiro a estudar a influência
da qualidade, definida como atributos observáveis, no preço de uma mercadoria.
Sheppard destaca, no entanto, que muitos trabalhos reconhecem a
importância de Court (1939), como o primeiro a empregar o termo ‘hedônico’ na
análise de preço e demanda por fontes individuais de prazer. São também citados
21 dois trabalhos de Griliches (1961 e 1971), os quais contribuíram para expandir o
conhecimento sobre a metodologia hedônica entre os economistas.
Este último autor é também comentado em Neto (2002), que destaca duas
questões propostas por Griliches as quais sumarizam a abordagem hedônica. A
primeira é “Quais são as características relevantes?” e a segunda “Qual a forma de
relacionamento entre os preços e as características?”.
Com esta compreensão de que os bens são valorizados a partir dos atributos
que possuem, é possível avançar nesta metodologia para o entendimento da
segunda pergunta de Griliches. O preço final do produto deve ser, para o
consumidor, uma composição dos valores atribuídos a cada característica presente
no bem. Ocorre que na economia estes valores não são observáveis, sendo assim
os preços hedônicos, ou seja, preços relacionados à utilidade gerada, são definidos
por Rosen (1974) como os preços implícitos dos atributos. Segundo o autor eles
“são revelados para os agentes econômicos através da observação de preços de
produtos diferenciados e das quantidades específicas das características associadas
a eles” (Rosen, 1974, pág. 34, tradução livre). A econometria é utilizada para esta
estimação, fazendo uma regressão em que os preços dos produtos são regredidos
em função das características, é possível estimar os preços implícitos.
2.1 Modelo de Rosen (1974)
Em seu modelo, Rosen (1974) divide a análise em duas etapas. Na primeira,
é pressuposto equilíbrio, na segunda há a preocupação com identificação de fatores
extrínsecos ao modelo que diferenciam compradores ou vendedores entre si.
O autor inicia o procedimento definindo que o produto de interesse possui n
características e �� é a quantidade de cada uma delas, de forma que ele é descrito
pelo vetor Z=(��, ��, ..., �). A função de preço será P(Z)=p(��, ��, ..., �), pela qual
se obtém o menor preço para o pacote de características.
Para o consumidor a utilidade é gerada pelos atributos do produto em questão
e todos os outros bens no mercado, os quais são simbolizados por x, de forma que
ela pode ser representada por U(x, ��, ��, ..., �). Sua renda (y) será então gasta em
x e Z: y= x + P(Z). O problema de maximização do agente está em maximizar a
utilidade dada a restrição da renda, sendo assim a condição de primeira ordem será:
22
��(�)
���= ���
=���
�� (1)
Nesta equação, ��� é o preço hedônico do atributo i e p(z) é a função de
preços hedônicos. Rosen introduz ainda na compreensão da demanda a função Bid
do consumidor θ(��, ��, ..., �) que é representada por:
�(� − �, ��, ��, … , � ) = ! (2)
Esta função demonstra o quanto o consumidor está disposto a pagar por
pacotes alternativos de atributos (��, ��, ..., �), dado um nível de utilidade e renda
representado por θ(z; u; y). Derivando (2) é obtido:
��� &
'��'�
(3)
Nesta equação, θzi é a taxa marginal de substituição entre o atributo �� e o
dinheiro, ela indica o preço de reserva da demanda por uma unidade adicional de �� ,
a qual é decrescente em �� .
Como o montante que o consumidor está disposto a pagar pelo bem z dado o
nível de utilidade e renda é θ(z; u; y) e p(z) mostra o preço mínimo que ele deve
pagar no mercado, a utilidade é maximizada quando:
��(�∗, !∗, �) = ��(�∗) (4)
Ou seja, a escolha ótima ocorre quando θ(z; u*; y) e p(z) se tangenciam. A
figura 2.1 ilustra as escolhas ótimas de dois consumidores com funções θ1 e θ2.
Figura 2.1 – Equilíbrio do Consumidor
23
Raciocínio simétrico é estabelecido para a ótica da produção. M(z) é o
número de unidades produzidas do atributo z, a função custo é representada por
C(M, z, β), para a qual β representa parâmetros de cada produtor. O lucro é dado por
/ = 01(�) − 2(0, ��, … , �). Cada produtor maximiza o lucro escolhendo M e z
otimamente. As condições de primeira ordem implicam em:
��(�) = 2�� (0, ��, … , �) 0⁄ i = 1,..., n (5)
e �(�) = 24(0, �1, … , �5) (6)
O que significa que cada produtor iguala o custo marginal de cada
característica a sua receita marginal, ou seja, ao seu preço hedônico. Eles irão
produzir novas unidades até que o preço p(z) se iguale ao custo marginal.
A função de oferta, definida por Φ(��, ��, … , �; /, β), indica o preço unitário
que a firma está disposta a receber por diferentes atributos dado um lucro constante,
quando as quantidades são produzidas otimamente. Sendo assim a função de oferta
é encontrada eliminando M de forma que 2(0, ��, … , �) = 7, derivando em
relação a �� a função lucro e custo a partir desta forma é obtida a relação do preço
marginal de reserva de oferta para o atributo i com lucro constante: 7��= 2��
0⁄ .
A maximização do lucro deve satisfazer portanto: ��(�∗) = 7��(��
∗, ��∗, ... �
∗ ; π*,
β), para i = 1,...,n. A escolha ótima é caracterizada pela tangência da curva de iso-
lucro com o preço, a figura 2.2 ilustra a esta situação para dois diferentes
produtores.
24
Figura 2.2 – Equilíbrio do Consumidor
Rosen (1974 pág 44 – tradução livre) explica que “em equilíbrio, comprador e
vendedor coincidem perfeitamente quando suas respectivas curvas de dispêndio e
oferta se tangenciam, com parâmetro comum dado pela função de preço implícito
p(z)”. Desta forma, a função de preços hedônicos representa uma curva envoltória
dos conjuntos de curvas de dispêndio e oferta. No equilíbrio de mercado a
quantidade demandada para o atributo z será Qd(z) e a quantidade ofertada Qs(z),
assim é preciso encontrar o valor p(z) que faz com que estas quantidades se
igualem. Isto ocorre através dos processos acima descritos, sendo assim, o
procedimento para encontrar o preço que equilibra depende de derivações à priori
da demanda e oferta.
A presente dissertação vai se limitar a esta primeira etapa do processo de
estimação, regredindo o preço do imóvel para as características de interesse. É
importante destacar que desta forma é pressuposto que há equilíbrio de mercado, se
houver, portanto, alterações nas condições de equilíbrio, como por exemplo a
formação de uma nova favela ou a pacificação de outra, o modelo pode perder a
precisão para avaliar o preço do imóvel em relação aos atributos escolhidos.
O procedimento utilizado, primeira etapa do processo de Rosen
(1974), desconsidera os efeitos de renda, idade, educação entre outros que afetam
as preferências do comprador. Sendo assim, o autor desenvolve uma nova etapa,
após a obtenção p conforme procedimentos supracitados, com a modificação das
equações de demanda e oferta conforme abaixo:
��(�) = ;�(��, … , �, <�) (demanda) (7)
25
��(�) = =�(��, … , �, <�) (oferta) (8)
Em que Y1 é um vetor de características que afetam somente as preferências
do comprador e Y2 é equivalente ao β do modelo acima. É preciso estratificar a
demanda por conjuntos de características comuns, classe socioeconômica por
exemplo, e estimar o preço marginal implícito para cada uma destas categorias:
>�(�) >��⁄ = �̂�(�), ponderado pelo montante de características efetivamente
comprados ou vendidos(valor numérico de z). Finalmente utilizar �̂�(�) como variável
endógena nas equações simultâneas de segunda etapa (7) e (8).
Destaca-se que em Brown e Rosen (1982), os autores revisam o trabalho de
Rosen (1974) e apontam que a segunda etapa do processo não acrescenta
nenhuma informação às já existentes quando da elaboração do primeiro estágio. Se
na amostra não houver variação suficiente entre os diferentes segmentos, o modelo
terá problemas de identificação e não será possível fazer a estimação para as
diferentes categorias separadamente.
Belfiore, Fávero e Lima (2008) destacam que outras críticas foram feitas ao
método de Rosen, e em Palmquist (1984) é feita uma versão modificada dele, em
que é feita “uma coleta de dados proveniente de diversas localidades para evitar
problemas de identificação e endogeneidade, que não foram considerados nos
trabalhos de Rosen (1974), Nelson (1978) e Witte, Sumka e Erekson (1979)” (pág
77-78).
2.2 Aplicação para o mercado imobiliário
A metodologia de preços hedônicos, com a descrição proposta por Rosen
(1974), parece adequada para o mercado imobiliário, uma vez que o consumidor
procura uma série de atributos – como número de quartos, banheiros, localização,
opções de lazer, entre outros – quando escolhe um imóvel. Cada uma destas
características é valorizada de forma diferenciada pelos consumidores e, dadas as
suas disponibilidades de recursos para empregar na compra, farão escolhas entre
as diversas opções de imóveis disponíveis.
Em Sheppard (1997), são discutidos alguns aspectos teóricos deste tipo
estudo. O autor identifica em seu trabalho alguns complicadores para o setor
imobiliário que não estão presentes em outros mercados de bens heterogêneos e,
portanto, devem ser analisados com cuidado:
26
O primeiro ponto é o custo da obtenção de informação. A compra de um
imóvel exige muita busca, o consumidor irá pesquisar imóveis, visitar e fazer ofertas,
até que ele entenda que o ganho de utilidade que poderá ser obtido buscando outras
opções será menor que o custo desta procura.
Outra característica muito relevante para os imóveis é a imobilidade de um
apartamento ou casa. Por isso sua localização e particularidades de vizinhança não
podem ser descartadas, é necessário compreender o relacionamento destes
atributos com a utilidade do consumidor e, por consequência, com o preço do bem.
Por fim, Sheppard (1997) destaca que a durabilidade é um atributo muito
particular dos imóveis, isto faz com que consumidores tenham a opção de adquirir
tanto imóveis recém-lançados ou outros muito antigos. Como incorporar, pelo lado
da oferta, esta facilidade de substituição do lado da demanda é uma questão difícil.
Em relação ao último ponto, é importante notar que, embora os imóveis
possam durar até mesmo séculos, todos os seus componentes tem prazo de
validade. Encanamentos, fiação, pintura e até mesmo elementos estruturais devem
passar por reformas, restaurações ou trocas. Desta forma, o consumidor deve se
preocupar, ao comprar um imóvel antigo, com a análise da idade desde a
construção, se já passou por alguma reforma, mudanças de projeto, a manutenção
que é feita, entre outros.
Tais elementos não se fazem necessários quando se adquire um imóvel novo.
É importante entender que no presente trabalho imóvel novo equivale a imóveis
comprados na planta, ou seja, durante a fase de lançamento e construção do
empreendimento, e a imóveis que estejam prontos, mas que são adquiridos
diretamente da incorporadora ou construtora. Neste caso, o adquirente tem a
certeza que receberá o bem sem uso anterior, com os prazos máximos para
reformas, além de terem prazos de garantia assegurados pelo incorporador para
vários itens do imóvel.
Desta forma, ainda que o consumidor encontre a sua disposição no mercado
imóveis antigos e novos, as características relevantes são distintas. Na presente
dissertação optou-se, por focar a análise nos atributos significantes para a
compreensão do preço do segundo tipo.
O segundo ponto destacado por Sheppard, a imobilidade, torna relevante o
entendimento da vizinhança do imóvel, o contexto urbano no qual ele está inserido.
A disponibilidade de macroequipamentos comunitários, como hospitais e escolas,
27 bem como distância de delegacias de polícia e índices de violência da região, são
fatores que influenciam o bem estar do morador e não podem ser desconsiderados
em uma análise sobre as características do imóvel.
Neste estudo a compreensão da externalidade destas amenidades urbanas é
feita através da inserção de variáveis dummies dos bairros dos empreendimentos.
Este tratamento foi adotado porque no munícipio em estudo, como foi explicado no
capítulo anterior, pelo histórico de formação da cidade, atributos como oferta de
transporte, saneamento básico, iluminação e outros serviços públicos, opções de
lazer e características do comércio local, de modo geral, não se distinguem muito
dentro de um mesmo bairro. Assim, é presumido que ao limitar o espaço geográfico
de procura pelo imóvel, um morador desta cidade pondera quais destes índices são
mais importantes para ele e faz a escolha pelo bairro.
Existem elementos sociais e geográficos na cidade, no entanto, que dentro de
um mesmo bairro podem exercer influência diferenciada nos imóveis que estejam a
distâncias distintas em relação a eles. Neste trabalho identificou-se a necessidade
de estudar, portanto, qual seria a relação do preço com a proximidade de favelas, da
praia e de uma estação de metrô nas imediações de uma residência. A forma de
tratamento destas variáveis é explicada com mais detalhes no próximo capítulo.
Em relação ao primeiro ponto abordado por Sheppard, ao delimitar o estudo à
empreendimentos novos é possível ter um pouco mais de informação sobre o
processo de busca. Isto ocorre porque, embora o universo de opções seja amplo
como demonstrado no capítulo anterior, em empreendimentos em construção, como
não é possível visualizar o imóvel pronto, as informações relacionadas a ele são
aquelas disponibilizadas pelas incorporadoras e corretores em sites, material
publicitário e CDs entregues ao proprietário quando a venda é concretizada. A única
informação que é privada, fundamental para este trabalho, é o preço efetivamente
fechado para a compra, que não necessariamente corresponde à tabela de vendas.
Este dado foi solicitado à diversas incorporadoras que atuam na cidade do Rio e
cedido por algumas.
28 3 Base de dados e principais resultados
Nesta dissertação foi proposto o estudo da sensibilidade do preço do imóvel
residencial em relação aos seus diversos atributos, como tamanho e itens de lazer
dos lançamentos mais modernos. Visando cumprir este objetivo, foram incluídas na
base somente unidades vendidas, cuidado também presente no trabalho de Belfiore
(2008). Entende-se que a exclusão de imóveis sem comercialização é importante,
uma vez que bens não vendidos podem estar disponíveis por não possuírem
atributos importantes para o comprador, ou porque apresentam distorções entre a
quantia que o indivíduo entende como adequado e o que está sendo pedido pelo
ofertante. Por estes motivos, a inclusão destes imóveis não agregará para a
construção de um modelo de preços a partir das características significantes para o
equilíbrio deste mercado.
Outra preocupação na composição da base foi tentar utilizar os preços
efetivamente praticados nas transações de compra e venda, em vez de utilizar o
preço inicialmente solicitado para oferta. Este cuidado foi tomado porque os imóveis
que se enquadram no MCMV, em geral, são comercializados sem política de
descontos. As casas e apartamentos com valores acima do limite do programa do
governo, por outro lado, costumam ser ofertados com valores que permitem
desconto entre 5% e 10%. Se os preços da tabela de vendas fossem utilizados no
estudo, o valor adicional dos imóveis mais caros poderia gerar viés nos coeficientes
de variáveis que distinguissem estas duas categorias. Como na base de dados
construída todas as casas estão enquadradas no MCMV, um exemplo de variável
que captaria de maneira incorreta esta diferença seria a dummy “apto”, a qual
identifica a valorização que é gerada no preço quando o imóvel é um apartamento
ao invés de casa.
Além deste viés que foi identificado, o desconto poderia gerar outros que não
são possíveis prever. Em segmentos de mercado menos líquidos, o diferencial entre
o preço pedido e o que efetivamente é fechado costuma ser maior, assim, mesmo
nos imóveis acima dos limites do Minha Casa Minha Vida algumas variáveis
poderiam ser distorcidas em função da diferença no preço de tabela. Por fim, deve-
se destacar que a utilização dos preços de oferta, quando em geral eles estão acima
do preço fechado na transação, gera um problema de nível no modelo de previsão
29 obtido. O preço calculado a partir do modelo estimado, provavelmente, seria maior
do que o consumidor demonstraria disposição a pagar.
Não há, no entanto, nenhuma base de dados pública que relacione os preços
das vendas realizadas e todas as variáveis de interesse. Na pesquisa da ADEMI/RJ,
é possível, por exemplo, saber o número de quartos, o tamanho médio do imóvel,
opções de lazer e preço médio de lançamento, mas nos dados de vendas não é
possível apurar todos estes detalhes.
Por conta desta limitação, para montar a base de dados, foi solicitado a
diversas incorporadoras que enviassem uma relação com a identificação do imóvel,
data da venda e o valor de venda (incluindo corretagem). Com este material foi
possível buscar no site das incorporadoras e nos CDs dos empreendimentos as
outras variáveis que interessavam. Em alguns casos, o projeto da incorporadora
permitia que o comprador escolhesse não construir um dos quartos, de forma que o
espaço dele fosse integrado à sala ou para ampliar outro quarto. A informação da
escolha feita para este tipo de opção, ou qualquer outra que fosse relacionada às
variáveis da análise, também foi solicitada às incorporadoras. Os casos que
permitiam escolha, mas que a informação da opção elegida pelo cliente não foi
divulgada, tiveram que ser excluídas da base.
Foram obtidas 2207 observações (imóveis), de 4 incorporadoras, que estão
distribuídas em 16 empreendimentos em 8 bairros da cidade do Rio de Janeiro. Por
questão de confidencialidade nenhum nome de incorporadora ou empreendimento
pode ser identificado.
3.1 Definição das variáveis do modelo
3.1.1 Preço
O preço do imóvel na base de dados corresponde ao preço fechado para a
venda, incluindo corretagem, portanto representa o valor que o consumidor se
predispôs a pagar.
De Janeiro de 2008 à Dezembro 2011, o Rio de Janeiro observou um
aumento médio de 155,4% no preço dos imóveis da cidade segundo o índice Fipe
Zap6, crescimento muito superior à inflação registrada no mesmo período para o
6 Fipe Zap é um indicador de preços de imóveis produzido em parceria entre a FIPE – Fundação Instituto de Pesquisas Econômicas - e o ZAP Imóveis – portal de classificados dos jornais Estadão e
30 Brasil, conforme pode ser observado no gráfico 3.1. Como os dados de lançamento
solicitados às incorporadoras compreendem este período, foi necessário fazer uma
correção nos preços para que o tempo não afetasse o resultado da análise das
mudanças nas características sobre o preço. Utilizou-se o índice Fipe Zap para
tanto, consequentemente dados anteriores à 2008 foram desconsiderados da
análise, uma vez que o índice não apura a variação dos imóveis anterior a este ano.
Gráfico 3.1 - Índices de Inflação x Aumento nos Pre ços de Imóveis no Rio
Analisando os dados do Fipe Zap, foi verificado que a variação de preços
ocorreu de forma diferenciada entre os bairros, conforme é demonstrado nos
gráficos abaixo. Sendo assim, os empreendimentos tiveram seu preço corrigido da
data da venda para o mês de Dezembro de 2011, de acordo com a variação Fipe
Zap atribuída a seus bairros.
O Globo-. O índice é calculado a partir de preços de imóveis anunciados no Zap, para calcular o índice para cidade, é feita uma ponderação com base em dados do censo demográfico do IBGE.
0.0%
30.0%
60.0%
90.0%
120.0%
150.0%
180.0%
Fipe Zap IGP-M INCC
31
Gráficos 3.2 - Aumento nos Preços de Imóveis: Média da Cidade do Rio x Bairros
0%
40%
80%
120%
160%
fev/08 fev/09 fev/10 fev/11
3.4a - Média Rio x Campo Grande
Média Rio
0%
40%
80%
120%
160%
fev/08 fev/09 fev/10 fev/11
3.4b - Média Rio x Vila Valqueire
Média Rio
-10%
30%
70%
110%
150%
fev/08 fev/09 fev/10 fev/11
3.4c - Média Rio x Jacarepaguá
Média Rio
0%
40%
80%
120%
160%
fev/08 fev/09 fev/10 fev/11
3.4d - Média Rio x Taquara
Média Rio
0%
40%
80%
120%
160%
fev/08 fev/09 fev/10 fev/11
3.4e - Média Rio x Botafogo
Média Rio0%
40%
80%
120%
160%
fev/08 fev/09 fev/10 fev/11
3.4f - Média Rio x Grajaú
Média Rio
0%
40%
80%
120%
160%
fev/08 fev/09 fev/10 fev/11
3.4g - Média Rio x Gávea
Média Rio
0%
40%
80%
120%
160%
fev/08 fev/09 fev/10 fev/11
3.4h - Média Rio x Recreio
Média Rio
32 3.1.2 Características do imóvel
A área do imóvel corresponde à área privativa total dos imóveis, assim nos
apartamentos de cobertura as áreas descobertas são incluídas. Para as casas não
foram somadas possíveis áreas de quintal, que em muitos casos é registrado como
área comum de uso exclusivo e, portanto, apresentam restrições ao uso dos
proprietários que são definidas na convenção de condomínio, desta forma não seria
possível identificar se isto é observado pelo consumidor e valorizado por ele.
Foi verificado que a maior parte dos apartamentos da base de dados possui
um quarto que pode ser reversível, porém nestes casos sua abertura está voltada
para a sala ou para um corredor de ligação entre os outros quartos. Optou-se, então,
por considerar na variável “quartos” todos os quartos no apartamento, ainda que
fossem entregues como dependências de empregados.
Para o andar, primeiramente foi associado o piso onde estava o imóvel e para
as casas foi atribuído valor zero. Quando no prédio havia um piso do tipo play, o
primeiro andar de apartamentos era o 2º, para os outros casos a numeração foi
iniciada no 1º. Após esta identificação, foi criada a variável dummy “andar_alto”, para
isso o prédio foi divido em andares baixos, correspondentes à primeira metade de
andares, para os quais foi associado o valor zero, e andares altos, correspondentes
a segunda metade de andares, que recebeu valor zero.
Na variável “VAGA” está a quantidade informada pelos incorporadores como
número de vagas disponíveis para o apartamento ou casa correspondente.
Há uma variável do tipo dummy para diferenciar as coberturas dos demais
apartamentos.
3.1.3 Características do empreendimento
Nos empreendimentos que compõe a base há alguns formados por casas,
assim foi criada uma variável dummy “apto”, para diferenciar estes empreendimentos
dos que são prédios.
Foram introduzidas variáveis dummies também para as opções de lazer do
empreendimento. Foram destacadas as que mais se repetiam entre os
empreendimentos para estudar sua significância: piscina, sauna, churrasqueira,
quadra, área de lazer infantil, sala com jogos eletrônicos ou computadores, o espaço
gourmet (coberta ou não, área que possua uma cozinha comunitária, forno à lenha,
etc), salão de festas, home theater e sala de ginástica.
33
Estas variáveis não diferenciam se há mais de um tipo para cada uma das
opções relacionadas, como por exemplo piscina adulto e infantil, nem qual o
tamanho. Há, porém, uma variável para o número de residências, de forma que haja
algum parâmetro aproximado para controle do número de pessoas que irão usufruir
da infraestrutura disponível.
3.2.4 Características de localização
Para as variáveis que necessitavam da distância, foi utilizado o recurso do
site google que calcula trajetos – ferramenta “como chegar” do google maps -, foram
consideradas as menores distancias dos trajetos “a pé” apresentados no site.
Através deste site também foram consideradas as favelas, para esta variável,
identificando quais estariam próximas ao empreendimento, foi utilizada a menor
distância para a base de dados. Este mesmo critério foi utilizado para a variável
metrô, porém para todos os empreendimentos muito distantes (acima de 4.000
metros), foi atribuído um valor arbitrariamente grande: 100000.
A variável “praia” também teve a distância calculada através do recurso do
google – trajeto a pé do google maps. Foram consideradas todas as praias que,
mesmo impróprias, são utilizadas para atividades ao ar livre ou para o banho, como
por exemplo a Enseada de Botafogo que é uma praia de baía imprópria para o
banho. Assim como para o metrô, para a variável praia foi utilizado um número
arbitrariamente grande (100000) para distâncias superiores a 13.000 metros.
Tabela 3.3 – Variáveis da amostra
Variável no modelo
Cód. da Variável Descrição da Variável Tipo da
Variável Unidade de
medida
Explicada Preco preço do imóvel contínua Reais
Explicativa m² área privativa do imóvel contínua m²
Explicativa Apto identifica se é apartamento dummy 0 = casa; 1 = apartamento
Explicativa quartos número de quartos discreta Unidade
Explicativa Cob Se o apartamento é de cobertura dummy 0 = padrão; 1 =
cobertura
Explicativa Var Varanda dummy 0 = não existe; 1 =
existe
Explicativa andar_
alto Se o andar fica na primeira ou na
segunda metade do prédio. Casa é zero discreta
0 = está na metade mais baixa ou casa; 1 = está na metade
alta
Explicativa Vaga vagas de garagem que constem na
escritura discreta Unidade
34
Explicativa Pisc Se o prédio (ou o condomínio) tem
piscina dummy
0 = não possui; 1 = possui
Explicativa Sau Se o prédio (ou o condomínio) tem sauna dummy 0 = não possui; 1 =
possui
Explicativa Gin Se o prédio (ou o condomínio) tem sala
de ginástica dummy
0 = não possui; 1 = possui
Explicativa Sal_festa Se o prédio (ou o condomínio) tem salão
de festa dummy
0 = não possui; 1 = possui
Explicativa Chur Se o prédio (ou o condomínio) tem
churrasqueira dummy
0 = não possui; 1 = possui
Explicativa Qua Se o prédio (ou o condomínio) tem
quadra dummy
0 = não possui; 1 = possui
Explicativa brinq Se o prédio (ou o condomínio) tem área
de lazer infantil dummy
0 = não possui; 1 = possui
Explicativa Gourmet Se o prédio possui espaço gourmet dummy 0 = não possui; 1 =
possui
Explicativa Video Se o prédio possui sala de vídeo dummy 0 = não possui; 1 =
possui
Explicativa Jog_elet Se o prédio possui espaço para jogos
eletrônicos e computadores dummy
0 = não possui; 1 = possui
Explicativa Napto número de apartamentos no prédio ou
casas no condomínio discreta Unidade
Explicativa Prai Distância para a praia Contínua
em metros, para dist. acima de
10.000m assume valor 100.000
Explicativa Fav Distância para a favela Contínua
em metros, para dist. acima de
10.000m assume valor 100.000
Explicativa met Distância para o metro Contínua
em metros, para dist. acima de
10.000m assume valor 100.000
Explicativa Recr Se empreencimento é no Recreio dos
Bandeirantes dummy
0 = se não for; 1 = se for
Explicativa Jacarep Se empreencimento é em Jacararépaguá dummy 0 = se não for; 1 =
se for
Explicativa CGde Se empreencimento é em Campo
Grande dummy
0 = se não for; 1 = se for
Explicativa Taq Se empreencimento é na Taquara dummy 0 = se não for; 1 =
se for
Explicativa Vaq Se empreencimento é em Vila Valqueire dummy 0 = se não for; 1 =
se for
Explicativa Gav Se empreencimento é na Gávea dummy 0 = se não for; 1 =
se for
Explicativa Bota Se empreencimento é em Botafogo dummy 0 = se não for; 1 =
se for
Explicativa Graj Se empreencimento é no Grajaú dummy 0 = se não for; 1 =
se for
35 3.2 Análise das variáveis
Foi preciso analisar a base de dados, antes de rodar a regressão, para
verificar se as variáveis independentes estão correlacionadas, de forma a entender
mudanças nos estimadores quando uma variável é omitida ou incluída.
O primeiro ponto observado foi que todos os apartamentos possuíam varanda
ou sacada, somente as casas não possuem este elemento. Foi possível, portanto
excluir esta variável, uma vez que ela está correlacionada com a variável APTO, que
indica se o imóvel é casa ou apartamento. Deve-se destacar que isto não significa
que ela não é importante, expressa apenas que todos os apartamentos lançados
possuem estes atributos, assim ele não explicará a variação nos preços.
Todos os empreendimentos possuem alguma área para lazer infantil, coberta
ou não. Desta forma torna-se desnecessária a inclusão desta variável para a
compreensão do preço. Ainda em relação às opções de lazer da base de dados,
observa-se que todos os empreendimentos com preços atualizados acima de R$
130mil possuem piscina, sauna, sala de ginástica e salão de festa, a inclusão de
qualquer uma destas variáveis não explicará a variação dos preços. A mesma
ressalva feita para a varanda cabe aqui, a exclusão destas variáveis não significa
que elas não são necessárias em imóveis novos, justamente o contrário é válido:
todos os lançamentos de apartamentos acima de R$130mil apresentam estes
atributos. O espaço gourmet e o espaço de jogos eletrônicos também tem efeitos
semelhantes, o primeiro é encontrado nos empreendimentos acima de R$ 130mil,
exceto um que representa 3% da amostra e está nas faixas de preço de R$ 200mil a
R$ 1milhão; o segundo só não aparece em um empreendimento de apartamento no
bairro de Jacarepaguá que representa 7% da amostra.
Foi também verificada correlação entre alguns itens de lazer e os bairros. A
presença de churrasqueira está majoritariamente em Campo Grande (95%), a
inserção desta variável afeta, portanto, o estimador deste bairro. O mesmo ocorre
com a quadra, que está presente somente nos bairros da zona oeste, excetuando
Jacarepaguá, mas 67% dos imóveis com este item de lazer estão em Campo
Grande. Com o home theater acontece efeito semelhante, 41% dos imóveis com
este item de lazer estão na Taquara, 21% em Campo Grande e 18,6% em
Jacarepaguá, além disso 95,7% destes imóveis são abaixo de R$ 1milhão.
36
As coberturas representam apenas 3,8% da amostra, ou 7,18% dos
apartamentos, quando é feito um controle para esta variável, no entanto, são
percebidas as características abaixo:
Tabela 3.4 – Média das Variáveis na Amostra de Apar tamentos
Tipo m² Preço Quartos Naptos é cobertura 167,62 739.028,94 2,68 332,42
não é cobertura 76,94 396.797,29 2,44 339,17
Ao compor a base, foi possível perceber que os apartamentos deste tipo se
diferenciam dos demais, em geral, apenas por terem no andar superior mais um
banheiro e uma pequena área coberta, a maior parte da área adicional é descoberta
e não possui instalação ou edificação. O efeito sobre o preço apartamento quando é
observada cobertura está, portanto, apenas no aumento de área, como é reforçado
pela tabela 3.3. Sendo assim, a variável de metragem irá captar todo o efeito deste
tipo de imóvel.
Todos os imóveis possuem pelo menos uma vaga. Observando a variável
com detalhe, foi verificado que ela apresenta correlação com a quantidade de
quartos. Nos imóveis de 2 quartos 99% possuem apenas uma vaga, nos de 3
quartos este percentual passa a ser 78,6%, as demais possuem 2 vagas, já nos de 4
quartos, a maior parte dos imóveis possui 2 vagas.
Tabela 3.5 – Correlação entre Vagas e Quartos
Nº
Vagas
nº de quartos
1 2 3 4
1 100,0% 99,0% 78,6% 6,6%
2 0,0% 1,0% 21,4% 93,4%
Total 100,0% 100,0% 100,0% 100,0%
Por fim, observando a disposição dos preços entre os bairros, é possível
perceber que 4 bairros explicam os valores acima de um milhão de reais, a
localização, portanto, é um fator importante para explicar os preços e deve ser
incluído na regressão.
37
Tabela 3.6 – Participação dos bairros nas faixas de preço na base de dados
Preço em R$ milhões
Vila Valqueire Gávea Botafogo Recreio Taquara Grajaú Jacarepaguá
Campo Grande
ate 0,2 1,5% 0,0% 0,0% 0,0% 15,0% 0,0% 0,0% 83,5% de 0,2 a 0,5 16,6% 0,0% 0,0% 6,6% 29,0% 0,7% 20,9% 26,1% de 0,5 a 1 0,0% 0,0% 5,2% 1,3% 0,0% 25,5% 62,3% 5,6% de 1 a 1,5 0,0% 12,8% 2,1% 0,0% 0,0% 2,1% 83,0% 0,0% acima de 1,5 0,0% 81,8% 13,6% 0,0% 0,0% 0,0% 4,5% 0,0%
Uma limitação da base obtida está na falta de variabilidade de
empreendimentos dentro de um mesmo bairro, desta forma, embora as distâncias
para praia, metrô e favelas tenham sido apuradas, torna-se difícil testar quanto a
proximidade destes elementos adiciona ou reduz de preço no imóvel. É possível que
todo efeito seja captado pelas dummies dos bairros.
3.4 Resultados obtidos
Isto posto, foi rodada a regressão com estimação de mínimos quadrados
eliminando variáveis desnecessárias ou que poderiam gerar problema de
multicolinearidade, deixando apenas as variáveis que parecem ser mais importantes
para explicar a variação nos preços. Há ainda, porém, mais um problema
econométrico que pode surgir: a heterocedasticidade, neste caso os estimadores
não ficam inconsistentes ou viesados, mas os erros-padrão e as estatísticas de
testes usuais não são mais válidas. Por isso a regressão foi rodada computando
estatísticas robustas à heterocedatiscidade através da matriz de Newye-West. O
melhor resultado obtido segue abaixo na regressão 3.7.
Deve ser destacado que foi utilizada a forma logarítmica para m² e preço.
Esta não é uma forma muito intuitiva para obter o preço do imóvel a partir do modelo
final, no entanto, oferece a vantagem de estreitar “a amplitude dos valores das
variáveis,... Isso torna as estimativas menos sensíveis a observações díspares (ou
extremas) na variável dependente ou nas independentes.” (Wooldridge, 2011, pag.
179). Os estimadores da regressão devem ser interpretados, portanto, como
semielasticidades em relação ao preço, ou seja, ao aumentar uma unidade da
característica, o preço aumenta o valor percentual correspondente ao coeficiente da
38 variável. Já para o metro quadrado a variação de 1% neste atributo faz com que o
preço seja aumentado em quantidade percentual correspondente ao seu coeficiente.
Regressão 3.7 – Componentes do Preço do Imóvel
Variável Dependente: LOG(PRECO_REAL)
Variável Coeficiente Erro Padrão Estatística t Prob. LOG(M2) 0.782627 0.033492 2.336771 0.0000
QUARTOS 0.045858 0.017342 2.644311 0.0082 APTO 0.539598 0.034365 1.570179 0.0000
NAPTO 0.000402 6.06E-05 6.633053 0.0000 VAQ -0.048168 0.024426 -1.972003 0.0487 GAV 1.711443 0.044329 3.860781 0.0000 GRAJ 0.790900 0.023283 3.396956 0.0000
JACAREP 0.391857 0.037619 1.041648 0.0000 RECR 0.442469 0.023996 1.843953 0.0000 BOTA 1.087340 0.024100 4.511874 0.0000
C 8.339245 0.114069 7.310674 0.0000
R² 0.969811 R² ajustado
0.969673
Estatística F 7.054.518 Prob (estatítica F) 0.000000
Número de Observações incluídas: 2207
A regressão acima aponta que, no Rio de Janeiro, as variáveis mais
importantes para o mercado de imóveis residenciais são: a localização, o tamanho,
ser apartamento ou casa, o número de quartos e o de unidades no condomínio.
O coeficiente relacionado ao tamanho dos imóveis indica que esta é uma
variável extremamente importante neste mercado, o aumento de 1% na metragem
do imóvel gera um aumento de 0,78% no preço. Fazendo um teste com as mesmas
variáveis da regressão 3.7, porém substituindo a variável log m² por log (m²)², é
possível constatar que o único parâmetro do modelo que se altera é o coeficiente
relacionado ao tamanho, o qual passa indicar aumento de apenas 0,39% no preço
com o crescimento de 1% na metragem. Esta mudança aponta que o aumento de
tamanho é sempre positivo, há, no entanto, um valor de m² a partir do qual a curva
torna-se menos inclinada, assim a metragem adicional agrega menos valor para
preço do imóvel. O teste completo pode ser conferido no apêndice.
Para os quartos, a regressão indica que a inclusão de mais um cômodo deste
tipo faz com que o preço aumente apenas 4,58%. Isto ocorre porque esta variável
está correlacionada com a metragem:
39
- Há apenas duas ocorrências de imóveis com 1 quarto, com metragem de 44
e 50 m²;
- 97% dos imóveis de 2 quartos são até de 80m², porém variando de 40,92 a
78,9 m²;
- 82% dos imóveis de 3 quartos são acima de 80m², porém eles variam de
66,26 a 255,04 m²; e,
- 100% dos 4 quartos são acima de 100m² e variam de 107,3 a 337,31 m².
Um exame adicional de robustez foi realizado empregando as mesmas
variáveis explicativas do modelo 3.7 para verificar como elas explicam a variação do
preço por metro quadrado - o resultado do teste pode ser encontrado no apêndice.
Os coeficientes dos regressores foram pouco alterados, Vila Valqueire, porém,
deixou de ser significante, o R² diminui e o coeficiente de quartos se tornou negativo.
Os dois primeiros fatos reforçam a escolha pelo modelo da regressão 3.7, que
possui maior poder preditivo. Já o terceiro fato, indica que imóveis com 1 quarto tem
preço/m² maior que imóveis de 4, por exemplo, dada mesma localidade e atributos
iguais. Isto ocorre devido à correlação entre m² e quartos, dado que o primeiro foi
retirado das variáveis explicativas, os efeitos supracitados do m² sobre o preço são
em parte captados pela variável de número de quartos.
A dummy APTO demonstra que a disposição a pagar, e à receber, é em
média 53,95% maior por um apartamento do que por uma casa, dado que os demais
atributos sejam constantes. É importante destacar, que todos os empreendimentos
de casas presentes na base se enquadram no programa Minha Casa Minha Vida, de
modo que a interpretação desta variável pode não ser válida para condomínios de
casas voltadas para consumidores de renda mais elevada, como existem em alguns
pontos da cidade como na Barra, São Conrado, Gávea e Leblon, no entanto não foi
possível testar. Esta variável está correlacionada também com itens de lazer, como
sauna e piscina, que estão presentes em apartamentos com preço atualizado acima
de R$ 130 mil, assim sendo, não é possível separar o efeito destes atributos e da
diferenciação de casa para apartamento.
A variável NAPTO adiciona uma informação interessante a respeito deste
mercado. Embora seu coeficiente seja baixo, há uma relação positiva entre o
aumento de uma unidade no condomínio e a variação percentual do preço (0,04%),
isto pode estar associado com a diminuição da taxa condominial que pode ser
gerada e, pelo lado da oferta, diluição dos custos de infraestrutura. Como foi
40 informado neste capítulo, todos os apartamentos analisados acima de R$ 130mil
possuíam área de lazer infantil, piscina, sauna, sala de ginástica e salão de festa,
em alguns bairros há forte presença de espaço gourmet e sala de vídeo. Ainda que
o aumento de unidades no condomínio implique em compartilhar a infraestrutura
com mais moradores, a manutenção destes itens de lazer, associado à contratação
de funcionários para conservação e segurança do condomínio, pode apresentar
custos elevados que serão divididos entre os apartamentos, sendo assim o aumento
de residências pode apresentar vantagens. Para as incorporadoras, o custo desta
estrutura é dividido entre mais unidades, propiciando talvez o aumento da margem.
Dois bairros foram omitidos na regressão final: Campo Grande e Taquara. O
teste t apontava que seus estimadores eram insignificantes neste modelo. Como
todos os bairros são dummies, é preciso omitir uma variável para que se tenha a
interpretação de seus coeficientes. Campo Grande apresentava forte correlação com
a variável APTO, todas as ocorrências de zero, ou seja de casas, estão neste bairro,
portanto foi retirada. Os coeficientes dos bairros da regressão representam, desta
forma, a diferença percentual entre os bairros omitidos e os demais que constam na
regressão. Os maiores valores são dos bairros da Zona Sul, Gávea e Botafogo, o
preço dos imóveis nestes bairros são, dados demais atributos da regressão
constantes, 171,14% e 108,73% maiores que os da Taquara.
Outro teste foi realizado filtrando apenas os apartamentos para verificar a
influência do andar nos preços. A regressão obtida, no entanto, apresentou R²
menor do que o modelo 3.7 e a dummy de andar não foi significante – o teste pode
ser encontrado no apêndice.
Foram também realizadas tentativas de inclusão de variáveis de lazer no
modelo, a correlação entre elas e outras variáveis fez com que o modelo
apresentasse distorções. Cita-se, como exemplo, os testes feitos com as variáveis
“VIDEO” e “GOURMET” – que representam home theater e espaço gourmet
respectivamente. No primeiro teste, regressão 4 do apêndice, a correlação entre
“VIDEO” e os bairros de Campo Grande, Taquara (omitidos) e Jacarepaguá fez com
que o R² aumentasse, o que indica forte presença de autocorrelação nesse caso,
enquanto torna Jacarepaguá e “VIDEO” negativos, resultado que não é coerente
com a participação deste bairro nos apartamentos acima de R$ 1 milhão. Quando o
espaço gourmet foi inserido no modelo 3.7, regressão 5 do apêndice, o R² aumentou
para 98,46% e foi possível incluir mais um bairro, resultado esperado, uma vez que
41 esta variável está correlacionada com todas as outras. Todos os coeficientes
mudaram e alguns apresentaram interpretações incoerentes: ser casa ou
apartamento tornou-se mais importante que a metragem; e, estar localizado no
Grajaú acrescenta menos ao preço do que ser de Jacarepaguá e Recreio, conclusão
não compatível com os preços observados na base para estes bairros.
Realizou-se, ainda, um teste com a inclusão da variável cobertura no modelo
3.7, o qual tem resultado demonstrado na regressão 6 do apêndice. Este modelo
apresentou R² maior e as variáveis “quartos” e Vaq” tornaram-se insignificantes, os
demais coeficientes mantiveram-se coerentes com as explicações já apresentadas
para o modelo 3.7. A variável da cobertura apresentou coeficiente negativo,
enquanto o de m² aumentou, estes efeitos são compatíveis com o que ocorre na
prática: os apartamentos de cobertura tem tamanho muito maior que os demais,
porém grande parte da área adicional é descoberta, assim o m² vale menos. Em
outras palavras, o sinal negativo pode ser compreendido também pela significativa
correlação que parece haver entre estas duas variáveis: como foi visto, o log de
(m²)² tem coeficiente menor do que log de m² quando alterado no modelo 3.7,
indicando que a partir de um tamanho, a curva fica menos inclinada, como o
coeficiente da metragem aumentou, o efeito do quadrado do log de m² é captado
pela cobertura. O problema de incluir as duas variáveis no modelo é que poderíamos
incorrer em multicolinearidade. Este problema, apesar de não causar viés nos
estimadores, acarreta em estimativas viesadas da variância, de maneira que a
significância estatística não poderia ser tão bem avaliada. Portanto, como a
metragem é uma variável que se mostrou relevante na explicação dos preços, foi
adotada a exclusão da cobertura.
Por fim, destaca-se as tentativas de inclusão de outros elementos
relacionados à localização. O primeiro teste foi realizado com a inclusão da praia ao
modelo 3.7, a variável ficou insignificante, como pode ser observado na regressão 7
do apêndice. Em seguida foi adicionada a variável relacionada à distância para
favelas, como todos os empreendimentos se localizam a até 2 Km de alguma destas
comunidades, exceto alguns que estão em Campo Grande e Taquara, o aumento do
R² parece ter sido gerado por forte correlação desta variável com as demais. A
regressão obtida apresentou coeficiente positivo para “FAV” o que demonstra que
quanto mais distante de uma favela, maior tende a ser o preço. Já para a variável
“PRAI”, o coeficiente é grande e negativo, que indica que quanto mais distante da
42 praia, menor tende a ser o preço. Da forma que está construído, o modelo indica que
só os imóveis na avenida da praia tem o maior preço possível, isto ocorre porque
não há na base grande variabilidade de empreendimentos dentro de um mesmo
bairro, assim não é possível testar outra especificação e a sensibilidade da distância
dentro do bairro.
Pela possibilidade de incorrer em multicolinearidade, optou-se por retirar da
regressão as variáveis “PRAI” e “FAV”, mesmo tratamento dado à cobertura. Assim,
a regressão 3.7 parece ser o modelo que melhor relaciona preço de imóveis com
suas características.
43 Conclusão
O trabalho utilizou a abordagem hedônica para compreensão do imóvel
residencial novo como um vetor de características, de forma a identificar quais dos
elementos disponibilizados pela oferta em expansão no munícipio do Rio de Janeiro
são mais relevantes para a determinação do preço neste mercado. Direcionar o foco
da análise para imóveis novos foi determinante para a escolha de variáveis e
interpretação dos resultados.
O modelo obtido com o uso de logaritmos para as variáveis de preço e
metragem apresentou R² de 0,96. Os preços implícitos revelados apresentaram
como os fatores importantes a metragem, número de quartos, localização e
quantidade de unidades no condomínio, todos afetam positivamente o preço. Além
destas variáveis, o modelo final também possui uma dummy que distingue se o
imóvel é apartamento ou casa (valor 1 e 0 respectivamente), seu coeficiente indica
que este primeiro tipo gera uma variação positiva no preço.
Alguns atributos não puderam ser testados no modelo, como por exemplo a
varanda. A análise da base revelou que todos os apartamentos novos possuem
sacada ou varanda, assim sua inclusão não explicaria as variações no preço. O
mesmo ocorreu com piscina, sauna, sala de ginástica e salão de festas, todos os
condomínios de apartamentos com preço acima de R$ 130mil apresentavam estes
itens de lazer, assim eles não justificariam mudanças positivas no valor do imóvel.
Esta exclusão não significa que as variáveis não são importantes, apenas denota
que a relevância não pode ser testada. Uma possível modificação na forma de
apurar estes dados, para uma análise posterior, seria verificar o tamanho da
varanda, para entender se no mercado é preferido este espaço grande ou pequeno
em relação à metragem total do apartamento.
Outros itens de lazer foram testados, mas por possuírem correlação com
alguma variável ou com uma localização específica, geraram coeficientes com
interpretações que pareciam incoerentes em relação aos valores observados nos
dados da base. Optou-se assim por excluir estas variáveis do modelo.
Deve-se destacar que a significância dos bairros na composição da regressão
final evidencia que a escolha do imóvel está relacionada não só aos atributos físicos
do imóvel e do condomínio, mas à localização. A base, no entanto, possui pouca
variabilidade de empreendimentos em um mesmo bairro, assim os testes realizados
44 com outras variáveis relacionadas à localização, como proximidade de favelas ou da
praia, adicionaram pouca informação em relação aos resultados que foram obtidos
na regressão apenas com os bairros.
45
BIBLIOGRAFIA
BARTNIK, T. J. The Estimation of Demand Parameters in Hedonic Pric e Models. Journal of Political Economy, Vol. 95, No.1, pp. 81-88, 1987. BELFIORE, P. P.; FÁVERO, L. P. L. & LIMA, G. A. S. F. Modelos de Precificação Hedônica de Imóveis Residenciais na Região Metropol itana de São Paulo : Uma Abordagem sob as Perspectivas da Demanda e Oferta. Estudos Econômicos, São Paulo, v.38, n.1, p.73-96, Janeiro-Março 2008 BROWN, J. N. & ROSEN, H. S. On the Estimation of Structural Hedonic Price Models. Econometrica, v.50 n.3 p.765-768, 1982 FRISCHTAK, C. & MANDEL, B. R. Crime, House Prices and Inequality: the Effect of UPPs in Rio. 2012 HERMANN, B.M. Estimando o Preço Implícito das Amenidades Urbanas: Evidências para o Município de São Paulo. 2003. 74 f. Dissertação (Mestrado em Economia) - Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo, 2003 LANKASTER, K. A New Approach to Consumer’s Theory . Journal of Political Economy, v.74, p. 132-157, 1966. Bases da Construção. Coluna Mirian Leitão do O Globo online, Rio de Janeiro, 13 jan. 2011. < www.oglobo.globo.com> acesso em 13 jan. 2011 NETO, E.F. Estimação do Preço Hedônico: Uma Aplicação para o Mercado Imobiliário da Cidade do Rio de Janeiro. 2002. 48 f. Dissertação (Mestrado em Economia) – Escola de Pós Graduação em Economia, Fundação Getúlio Vargas, Rio de Janeiro, 2002 Pesquisa Ademi/RJ disponível em http://www.ademi.org.br/ Programa bairros, disponível em http://portalgeo.rio.rj.gov.br/bairroscariocas/ Revista ADEMI RIO, Rio de Janeiro: Associação de Dirigentes de Empresas do Mercado Imobiliário do Rio de Janeiro, Agosto de 2011 ROSEN, S. Hedonic Prices and Implicit Markets: production differentiation in pure competition. Journal of Political Economy, v.82, n.1, p. 34-55, 1974 SHEPPARD, S. Hedonic Analysis of Housing Markets . In: Cheshire, P.; Mills, E. S. Handbook of regional and urban economics, v. 3 (Applied urban economics), Amsterdam: Elsevier / North-Holland, 1999. WOOLDRIDGE, J. M. Introdução à Econometria : uma abordagem moderna. São Paulo: editora Cengage Learning, 2011.
46
APÊNDICE
Regressão 01 - Principal Regressão do Trabalho com a Substituição de log m² por log (m²)²:
Regressão 02 - Preço por m²
Variável Dependente: LOG(PRECO_REAL/M2)
Variável Coeficiente Erro Padrão Estatística t Prob. QUARTOS -0.050771 0.019429 -2.613171 0.0090
APTO 0.474546 0.027949 1.697899 0.0000 NAPTO 0.000460 7.45E-05 6.179249 0.0000
VAQ -0.027062 0.023324 -1.160275 0.2461 GAV 1.696045 0.048132 3.523707 0.0000 GRAJ 0.781699 0.023527 3.322567 0.0000
JACAREP 0.291521 0.045389 6.422787 0.0000 RECR 0.393326 0.026754 1.470144 0.0000 BOTA 1.022514 0.030102 3.396777 0.0000
C 7.706804 0.030498 2.526982 0.0000
R² 0.896935 R² ajustado 0.896513
Estatística F 2124.400 Prob (estatítica F) 0.000000
Número de Observações incluídas: 2207
Variável Dependente: LOG(PRECO_REAL)
Variável Coeficiente Erro Padrão Estatística t Prob. LOG(M2^2) 0.391313 0.016746 2.336771 0.0000 QUARTOS 0.045858 0.017342 2.644311 0.0082
APTO 0.539598 0.034365 1.570179 0.0000 NAPTO 0.000402 6.06E-05 6.633053 0.0000
VAQ -0.048168 0.024426 -1.972003 0.0487 GAV 1.711443 0.044329 3.860781 0.0000 GRAJ 0.790900 0.023283 3.396956 0.0000
JACAREP 0.391857 0.037619 1.041648 0.0000 RECR 0.442469 0.023996 1.843953 0.0000 BOTA 1.087340 0.024100 4.511874 0.0000
C 8.339245 0.114069 7.310674 0.0000
R² 0.969811 R² ajustado 0.969673
Estatística F 7054.518 Prob (estatítica F) 0.000000
Número de Observações incluídas: 2207
47
Regressão 3 – Análise da Variável Andar Alto na Amo stra de Apartamentos
Variável Dependente: LOG(PRECO_REAL)
Variável Coeficiente Erro Padrão Estatística t Prob. LOG(M2) 0.809706 0.040409 2.003767 0.0000
QUARTOS 0.039469 0.018484 2.135246 0.0329 NAPTO 0.000359 6.89E-05 5.216191 0.0000 ANDAR -0.002675 0.004478 -0.59482 0.5503
VAQ -0.046360 0.023525 -1.970676 0.0490 GAV 1.699034 0.044859 3.787538 0.0000 GRAJ 0.777818 0.022734 3.421371 0.0000
JACAREP 0.411702 0.042131 9.771915 0.0000 RECR 0.438427 0.023216 1.888508 0.0000 BOTA 1.073836 0.025134 4.272445 0.0000
C 8.799038 0.155052 5.674888 0.0000
R² 0.920238
R² ajustado
0.919558
Estatística F 1353.319 Prob (estatítica F) 0.000000
Número de Observações incluídas: 1184 > APTO=1
Regressão 4 – Inclusão de Home Theater
Variável Dependente: LOG(PRECO_REAL)
Variável Coeficiente Erro Padrão Estatística t Prob. LOG(M2) 0.824156 0.038501 2.140587 0.0000
QUARTOS 0.054428 0.017149 3.173753 0.0015 APTO 0.909459 0.062683 1.450891 0.0000
NAPTO 0.001051 0.000134 7.830115 0.0000 VIDEO -0.369443 0.070239 -5.259764 0.0000 VAQ -0.099075 0.022059 -4.491390 0.0000 GAV 1.433699 0.066499 2.155962 0.0000 GRAJ 0.488192 0.057808 8.445080 0.0000
JACAREP -0.130448 0.102860 -1.268208 0.2049 RECR 0.480934 0.026714 1.800341 0.0000
BOTA 0.808791 0.055971 1.445012 0.0000
C 8.010708 0.153819 5.207867 0.0000
R² 0.971037
R² ajustado 0.970892
Estatística F 6690.075 Prob (estatítica F) 0.000000
Número de Observações incluídas: 2207
48
Regressão 5 – Inclusão de Espaço Gourmet
Variável Dependente: LOG(PRECO_REAL)
Variável Coeficiente Erro Padrão Estatística t Prob. LOG(M2) 0.697974 0.023357 2.988324 0.0000
APTO 1.067272 0.031109 3.430744 0.0000 QUARTOS 0.076482 0.013933 5.489298 0.0000
NAPTO 0.000311 5.20E-05 5.983850 0.0000 GOURMET -0.475139 0.018409 -2.581014 0.0000
VAQ -0.076449 0.019526 -3.915232 0.0001 TAQ -0.320435 0.026143 -1.225711 0.0000 GAV 1.682756 0.045369 3.709005 0.0000 GRAJ 0.286609 0.029341 9.768313 0.0000
JACAREP 0.440264 0.030497 1.443654 0.0000 RECR 0.428037 0.019122 2.238464 0.0000 BOTA 1.075180 0.028786 3.735094 0.0000
C 8.616101 0.077094 1.117608 0.0000
R² 0.984658
R² ajustado 0.984574
Estatística F 11734.57 Prob (estatítica F) 0.000000
Número de Observações incluídas: 2207
Regressão 6 – Inclusão de Cobertura
Variável Dependente: LOG(PRECO_REAL)
Variável Coeficiente Erro Padrão Estatística t Prob. LOG(M2) 0.919779 0.060968 1.508625 0.0000
QUARTOS -0.004799 0.023813 -0.201512 0.8403 APTO 0.502646 0.040284 1.247753 0.0000
NAPTO 0.000402 6.68E-05 6.020398 0.0000 COB -0.159292 0.046181 -3.449333 0.0006 VAQ -0.024770 0.027152 -0.912248 0.3617 GAV 1.706157 0.046179 3.694690 0.0000 GRAJ 0.771818 0.021693 3.557965 0.0000
JACAREP 0.347958 0.038399 9.061554 0.0000 RECR 0.413350 0.022538 1.834026 0.0000 BOTA 1.068836 0.031315 3.413122 0.0000
C 7.928393 0.192224 4.124554 0.0000
R² 0.970370 R² ajustado 0.970222
Estatística F 6535.074 Prob (estatítica F) 0.000000
Número de Observações incluídas: 2207
49
Regressão 7 – Inclusão de Praia
Variável Dependente: LOG(PRECO_REAL)
Variável Coeficiente Erro Padrão Estatística t Prob. LOG(M2) 0.764117 0.030691 2.489681 0.0000
QUARTOS 0.038078 0.017239 2.208899 0.0273 APTO 0.576716 0.026725 2.157982 0.0000
NAPTO 0.000435 6.02E-05 7.233812 0.0000 VAQ -0.072843 0.019866 -3.666663 0.0003 GAV 1.747251 0.062158 2.810982 0.0000
JACAREP 0.400594 0.043211 9.270570 0.0000 GRAJ 0.815966 0.040756 2.002086 0.0000 RECR 0.460748 0.039470 1.167349 0.0000 BOTA 1.120697 0.047740 2.347497 0.0000
PRAI 4.27E-07 4.49E-07 0.949249 0.3426
C 8.373270 0.098864 8.469478 0.0000
R² 0.969878
R² ajustado 0.969727
Estatística F 6424.958 Prob (estatítica F) 0.000000
Número de Observações incluídas: 2207
Regressão 8 – Inclusão de Praia e Favela
Variável Dependente: LOG(PRECO_REAL)
Variável Coeficiente Erro Padrão Estatística t Prob. LOG(M2) 0.697974 0.023357 2.988324 0.0000
QUARTOS 0.076482 0.013933 5.489298 0.0000 APTO 1.102750 0.031837 3.463754 0.0000
NAPTO 0.000311 5.20E-05 5.983850 0.0000 VAQ 0.086021 0.020475 4.201191 0.0000 GAV 1.658949 0.048225 3.440032 0.0000 GRAJ 1.003708 0.026363 3.807254 0.0000
JACAREP 0.604858 0.025795 2.344841 0.0000 RECR 0.382621 0.015591 2.454085 0.0000 BOTA 1.113780 0.032089 3.470902 0.0000 PRAI -9.48E-07 2.40E-07 -3.945307 0.0001
FAV 0.000232 8.98E-06 2.583484 0.0000
C 7.712919 0.074204 1.039422 0.0000
R² 0.984658 R² ajustado 0.984574
Estatística F 11734.57 Prob (estatítica F) 0.000000
Número de Observações incluídas: 2207