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%


3.4b - Média Rio x Vila Valqueire

Média Rio

-10%

30%

70%

110%

150%


3.4c - Média Rio x Jacarepaguá

Média Rio

0%

40%

80%

120%

160%


3.4d - Média Rio x Taquara

Média Rio

0%

40%

80%

120%

160%


3.4e - Média Rio x Botafogo

Média Rio0%

40%

80%

120%

160%


3.4f - Média Rio x Grajaú

Média Rio

0%

40%

80%

120%

160%


3.4g - Média Rio x Gávea

Média Rio

0%

40%

80%

120%

160%


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


Explicativa Sal_festa Se o prédio (ou o condomínio) tem salão

de festa dummy


Explicativa Chur Se o prédio (ou o condomínio) tem

churrasqueira dummy


Explicativa Qua Se o prédio (ou o condomínio) tem

quadra dummy


Explicativa brinq Se o prédio (ou o condomínio) tem área

de lazer infantil dummy


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


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



Explicativa met Distância para o metro Contínua



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


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



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


C 8.339245 0.114069 7.310674 0.0000

R² 0.969811 R² ajustado 0.969673



47

Regressão 3 – Análise da Variável Andar Alto na Amo stra de Apartamentos



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


C 8.799038 0.155052 5.674888 0.0000

R² 0.920238

R² ajustado

0.919558


Número de Observações incluídas: 1184 > APTO=1

Regressão 4 – Inclusão de Home Theater



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



48

Regressão 5 – Inclusão de Espaço Gourmet



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


C 8.616101 0.077094 1.117608 0.0000

R² 0.984658




Regressão 6 – Inclusão de Cobertura



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


C 7.928393 0.192224 4.124554 0.0000

R² 0.970370 R² ajustado 0.970222



49

Regressão 7 – Inclusão de Praia



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




Regressão 8 – Inclusão de Praia e Favela



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



Dissertacao Julia Martins - versão final

Documents

Transcript of Dissertacao Julia Martins - versão final