Prévia do material em texto
AVALIAÇÃO PELO MÉTODO DE INFERÊNCIA ESTATÍSTICA W B A 03 18 _v 1. 0 2 Marcelo Tavares de Lima Londrina Editora e Distribuidora Educacional S.A. 2020 AVALIAÇÃO PELO MÉTODO DE INFERÊNCIA ESTATÍSTICA 1ª edição 3 2020 Editora e Distribuidora Educacional S.A. Avenida Paris, 675 – Parque Residencial João Piza CEP: 86041-100 — Londrina — PR e-mail: editora.educacional@kroton.com.br Homepage: http://www.kroton.com.br/ Presidente Rodrigo Galindo Vice-Presidente de Pós-Graduação e Educação Continuada Paulo de Tarso Pires de Moraes Conselho Acadêmico Carlos Roberto Pagani Junior Camila Braga de Oliveira Higa Carolina Yaly Giani Vendramel de Oliveira Henrique Salustiano Silva Juliana Caramigo Gennarini Mariana Gerardi Mello Nirse Ruscheinsky Breternitz Priscila Pereira Silva Tayra Carolina Nascimento Aleixo Coordenador Mariana Gerardi Mello Revisor Everton Zaccaria Nadalin Editorial Alessandra Cristina Fahl Beatriz Meloni Montefusco Gilvânia Honório dos Santos Mariana de Campos Barroso Paola Andressa Machado Leal Dados Internacionais de Catalogação na Publicação (CIP)__________________________________________________________________________________________ Lima, Marcelo Tavares de L732a Avaliação pelo método de inferência estatística/ Marcelo Tavares de Lima, – Londrina: Editora e Distribuidora Educacional S.A. 2020. 44 p. ISBN 978-65-87806-16-7 1. Inerência Estatistica. 2. Avalição de Inerência I. Lima, Marcelo Tavares de. II. ,. Título. CDD 519 ____________________________________________________________________________________________ Jorge Eduardo de Almeida CRB: 8/8753 © 2020 por Editora e Distribuidora Educacional S.A. Todos os direitos reservados. Nenhuma parte desta publicação poderá ser reproduzida ou transmitida de qualquer modo ou por qualquer outro meio, eletrônico ou mecânico, incluindo fotocópia, gravação ou qualquer outro tipo de sistema de armazenamento e transmissão de informação, sem prévia autorização, por escrito, da Editora e Distribuidora Educacional S.A. 4 SUMÁRIO Introdução aos conceitos da avaliação de bens imóveis _____________ 05 Avaliação de imóveis por meio da técnica de regressão linear ______ 22 Coleta e tratamentos estatísticos de dados do mercado ____________ 40 Elaboração de laudos de avaliação de bens imóveis ________________ 58 AVALIAÇÃO PELO MÉTODO DE INFERÊNCIA ESTATÍSTICA 5 Introdução aos conceitos da avaliação de bens imóveis Autoria: Marcelo Tavares de Lima Leitura crítica: Everton Zaccaria Nadalin Objetivos • Apresentar conceitos fundamentais da avaliação de imóveis. • Apresentar as normas vigentes que tratam de avaliação de imóveis. • Apresentar os principais métodos quantitativos aplicados em avaliação de bens imóveis. 6 1. Introdução O mercado imobiliário é parte do setor econômico terciário, também conhecido como setor de serviços, que engloba atividades de prestação de serviços e o comércio de produtos diversos. É considerado uma das áreas mais dinâmicas do setor terciário (STEINER et al., 2008) por possuir características muito heterogêneas relacionadas aos imóveis, mas que podem ter relação entre si. Este texto apresenta conceitos fundamentais associados à avaliação de imóveis e, também, às normas vigentes relacionadas com o assunto. Serão descritos procedimentos científicos, os quais trazem embasamento objetivo para a execução deste tipo de atividade de trabalho. O intuito é apresentar técnicas de predição do valor de mercado de imóveis. Bons estudos! 2. Conceitos fundamentais de avaliação de bens imóveis A partir da afirmação de Braulio (2005), é possível perceber que as características que o mercado imobiliário possui levam a um grande desafio para quem executa atividades de compra e venda de imóveis. Segundo a autora (2005): O mercado imobiliário é uma das áreas mais dinâmicas do setor econômico terciário e as principais dificuldades em uma análise para avaliação de bens provêm das características especiais dos imóveis, que são muito heterogêneas. (BRAULIO, 2005, p. 1) Em muitas situações de tentativas de estimação de valores para imóveis, independente do objetivo, o rigor utilizado fica no chamado nível expedido, ou seja, é feita de forma totalmente subjetiva, sem se fazer uso de 7 metodologia científica para tal processo de estimação. Inclusive, muitas estimativas se baseiam totalmente em experiências pessoais do avaliador. Para evitar situações de avaliações subjetivas sobre valores de imóveis, métodos matemáticos e estatísticos passaram a ser utilizados pelos profissionais de avaliação de imóveis e, para o seu bom uso, é importante identificar as características dos imóveis que devem ser utilizadas para realizar a estimação de seus valores. “O homem, desde os primórdios da história, tem procurado critérios para estabelecer, fixar, estimar ou arbitrar preços dos bens que satisfaçam às noções de valor de cada mercado” (BRAULIO, 2005, p. 3). A autora afirma ainda que essa é uma das atividades mais complexas executadas pelo homem. A avaliação de imóveis é realizada por motivações diversas como transações para compra e venda, operações de garantias, dentre outras, onde o conceito de valor é considerado como um bem de caráter fundamental. No entanto, neste contexto, surge a seguinte pergunta: “o que é valor?” A resposta exige que o conceito de valor seja muito bem definido e apresentado, assim como, bem contextualizado, pois, combinações diversas dos itens associados podem implicar em diferentes conceitos de valor. É importante ressaltar que existe diferença entre valor e preço de um imóvel. O primeiro pode mudar dependendo dos itens citados no parágrafo anterior, enquanto que, o preço pode ser considerado como uma característica estável associada a um bem imóvel. Com a definição de valor bem estabelecida é possível realizar uma avaliação de forma clara e objetiva, com uso de métodos apropriados, no intuito de reduzir ao máximo qualquer tipo de subjetividade. O uso de metodologia científica para avaliar imóveis necessita de utilização de ferramentas tecnológicas apropriadas para o seu desenvolvimento. 8 A escolha de um programa computacional apropriado para o seu desenvolvimento depende diretamente da técnica estatística/matemática selecionada e, também, das habilidades computacionais do avaliador. Mesmo que o mesmo imóvel seja avaliado por avaliadores distintos, se todos utilizarem métodos científicos apropriados, os resultados obtidos não poderão se diferenciar muito, pois, considera-se que o uso de metodologia científica, como dito previamente, reduz, de forma significativa, a subjetividade da avaliação. Para termos de comparação, é importante que sejam considerados imóveis com características semelhantes, inclusive, quanto à característica de período de avaliação, pois, inúmeras variáveis podem influenciar direta ou indiretamente o valor, por exemplo, a inflação, a alta ou baixa procura por determinado tipo de imóvel, dentre outras influências econômicas, sociais e ambientais no período avaliado. Dentre as inúmeras técnicas estatísticas possíveis de serem utilizadas como métodos válidos para avaliação de imóveis, podem ser citadas os modelos de regressão linear simples ou múltipla, a análise de agrupamentos, dentre outras, que podem ser referenciadas como inferência estatística. Para seu uso adequado, é necessário que, antes da aplicação de uma técnica estatística em um processo de avaliação, a coleta dos dados seja feita de forma apropriada por meio de técnicas de amostragem. Isso traz para o processo garantias de resultados representativos da população de imóveis estudadas a partir de uma amostra específica. A norma brasileira que trata sobre avaliação de bens imóveis é a ABNT NBR 14653:2019 (ABNT, 2019). Ela se encontra dividida em partes: Parte 1 – Procedimentos gerais; Parte 2 – Imóveis urbanos; Parte 3 – Imóveisrurais; Parte 4 – Empreendimentos; Parte 5 – Máquinas, equipamentos, instalações e bens industriais; Parte 6 – Recursos naturais e ambientais e; Parte 7 – Patrimônios históricos (ABNT, 2019). 9 A parte 1 da NBR 14653:2019, a ser tratada neste texto com mais detalhes, “desempenha papel de guia e visa consolidar os conceitos, métodos e procedimentos gerais para os serviços técnicos de avaliação de bens” (ABNT, 2019, p. V). 2.1 Histórico da avaliação de bens imóveis Conforma a ABNT (2019), os trabalhos técnicos de avaliação de bens foram iniciados no Brasil na década de 1910, documentados em publicações de escolas de engenharias e, também, de repartições públicas voltadas para a tributação, gestão e para a contratação de serviços realizados nas grandes capitais brasileiras. Em anos posteriores a 1910, engenheiros passaram a publicar em monografias trabalhos que serviram de subsídio e de orientação para a comunidade de interessados no assunto. A partir de 1950, foram elaboradas as primeiras normas que regulamentavam o trabalho de avaliação de bens ou técnicas avaliatórias. Segundo a ABNT (2019): O ponto de partida foi o Projeto de Norma P-NB-74, da ABNT, elaborado em 1957, que, juntamente com trabalhos específicos desenvolvidos com o propósito de padronizar critérios em ações expropriatórias, constituiu a base da primeira norma de avaliação, a NB 502 (Avaliação de imóveis urbanos), elaborada em 1977, revisada na década de 1980 e registrada no Inmetro, em 1989, como ABNT NBR 5676. (ABNT, 2019, p. VII) A ABNT NBR 5676 foi referência para muitos trabalhos originários do cenário crescente de desenvolvimento urbano brasileiro. Muitos outros documentos deram seguimento a atividade de avaliação em focos distintos como a avaliação de imóveis rurais, de máquinas e equipamentos e complexos industriais e, de glebas urbanizáveis. Em paralelo, diversas entidades técnicas, também, elaboraram normas com 10 abrangência regional, as quais contribuíram significativamente para o processo de consolidação de procedimentos e de metodologias de avaliação de bens. No ano de 1988, uma nova etapa foi iniciada com a elaboração da ABNT NBR 14653 (Avaliação de bens), a qual, para a época, possuía formatação Binovadora e estabeleceu referências para nortear avaliações de diversos tipos de bens dentro de ambientes econômicos, no entanto, complexos e, também, internacionalizados. Em 2004, passou a vigorar a ABNT NBR 14653-1, a qual foi revisada e recebeu a incorporação de conceitos de abrangência global a serem considerados para aplicação nas demais partes da norma, com a intenção de permitir condições mais apropriadas para a fundamentação de avaliações. A Figura 1 apresenta a parte da primeira página da ABNT NBR 14653-1. Figura 1 – Norma ABNT que normatiza a avaliação de bens Fonte: Biblioteca Virtual. Detalhes sobre o conteúdo da norma ABNT NBR 14653-1 serão apresentados ao longo deste texto, dentre os quais, conceitos fundamentais associados com o processo de avaliação de bens, 11 descrição dos principais métodos de avaliação utilizados e métodos estatísticos mais recorrentes na atividade. 2.2 Conceitos fundamentais da avaliação de bens O processo de avaliação de bens é realizado por meio de análise técnica com a intenção de determinar valores, custos e/ou, também, indicadores de viabilidade econômica com objetivos determinados e, com clareza sobre a finalidade, premissas a serem consideradas, assim como, limitações do processo (ABNT, 2019). Para tanto, faz-se necessária a clara definição dos conceitos de valor, preço e de custo. O conceito de valor de um bem, segundo a Associação Brasileira de Normas Técnicas (2019): Decorre de várias características, entre as quais se destacam sua raridade e sua utilidade para satisfazer necessidades e interesses humanos e sofre influências por suas características singulares e condições de oferta e procura. (ABNT, 2019, p. VII) Por isso, é considerado um conceito econômico abstrato. Segundo Nasser Júnior (2013, [s.p.]) “a ideia de valor está intimamente ligada à ideia de utilidade, ou seja, só tem valor aquilo que é útil”. Ainda segundo o autor, no contexto da teoria econômica, o conceito de valor pode representar a relação existente entre as forças de necessidades econômicas das pessoas com a quantidade de bens disponíveis para satisfazer essas necessidades (NASSER JÚNIOR, 2013). O conceito de preço, segundo a Associação Brasileira de Normas Técnicas (2019, p. VII), é dado pela “expressão monetária que define uma transação de um bem, de seu fruto, de um direito, ou da expectativa de sua transação”. É considerado um fato concreto e tem relação com a capacidade financeira, com as motivações e/ou interesses específicos 12 do comprador e/ou do vendedor. Nasser Júnior (2013, [s.p.]) define preço como a “quantia pela qual se efetua, ou se propõe efetuar, uma transação envolvendo um bem, um fruto ou um direito sobre ele”, muito de acordo com a definição da ABNT. O terceiro conceito fundamental relacionado a avaliação de bens, trata- se do custo, o qual apresenta relação com o gasto total, diretos ou indiretos, que é necessário para se produzir ou adquirir um bem, um fruto ou um direito (ABNT, 2019). Nasser Júnior (2013, [s.p.]) faz uma relação entre os três conceitos fundamentais apresentados, principalmente, entre os conceitos de valor e de preço. O autor afirma que “o valor de um bem é o resultado do equilíbrio entre o que os compradores estiverem dispostos a pagar pela aquisição e o que os vendedores aceitarem como preço de venda perante as alternativas que têm”. O conceito de valor pode variar dependendo do objetivo e da finalidade da avaliação. As principais variações ou abordagens de valor são relacionadas “à identificação do valor de mercado e de valores com características específicas” (ABNT, 2019, p. VIII). A abordagem por características específicas pode ser particionada em valor especial, valor econômico, valor patrimonial, valor de liquidação forçada, valor em risco e valor sinérgico. Dentro das práticas contábeis ainda é possível considerar o conceito de valor justo. Alguns desses conceitos serão apresentados a seguir, conforme a ABNT (2019). Valor de mercado: trata-se da “quantia mais provável pela qual se negociaria voluntariamente e conscientemente um bem, numa data de referência, dentro das condições do mercado vigente” (NASSER JÚNIOR, 2013, [s.p.]). Valor econômico: valor de mercado que adota condições e taxas de desconto médias que são praticadas no mercado vigente. 13 Valor patrimonial: correspondente à soma dos valores dos bens de pessoa física ou jurídica de acordo com o valor de mercado (NASSER JÚNIOR, 2013; ABNT, 2019). Valor em risco: valor representativo da parcela do bem que se deseja segurar pelo valor de mercado. Valor de liquidação forçada: valor diferente do valor de mercado por razão de condições especiais com o intuito de comercializar o bem com prazo inferior ao usual. Valor sinérgico: observado em situações onde as sinergias estiverem disponíveis para um comprador específico. Valor justo: diz respeito ao preço de um bem, tendo este atendido a interesses recíprocos das partes conhecedoras do mercado, sendo independentes entre si e dispostas, mas não forçadas, a negociar. Ainda sobre a definição de valor de mercado, a norma NBR ABNT 14653- 1 apresenta o significado dos trechos (elementos) apresentados no conceito, considerados a seguir: a. “[...] quantia mais provável [...]”. O termo se refere ao preço expresso ou convertido na moeda corrente, o qual pode ser determinado a um bem envolvido em uma transação em que as partes envolvidas sejam independentes entre si e, também, sejam livres de interesses especiais na transação vigente. O valor referente exclui preços alterados por situações específicas, tais como, financiamento atípico, arranjos especiais em permutas ou retrovendas. b. “[...] pelo qual se negociaria [...]”. Fazreferência ao fato de que o valor do bem seja uma quantia estimada, e não o preço preestabelecido por qualquer uma das partes envolvidas ou, então, pelo qual a transação é realizada. 14 c. “[...] voluntariamente [...]”. Considera assumir que cada parte está motivada em efetuar a transação sem ser forçada a completá-la. d. “[...] e conscientemente um bem [...]”. Faz referência à presunção de que as partes sejam conhecedoras das condições do bem avaliado e do mercado onde está inserido. e. “[...] numa data de referência [...]”. É uma referência à data considerada para estimação do valor de mercado, a qual pode variar ao longo do tempo. f. “[...] dentro das condições do mercado vigente”. O valor estabelecido reflete as condições da estrutura, da conjuntura, da conduta e do desempenho do mercado na data de referência utilizada para a avaliação. Dentre as condições consideradas está o tempo em que o bem está exposto no mercado, o qual pode ser considerado suficiente, em acordo com as suas especificidades, a fim de atrair a atenção de interessados e de atingir o preço mais representativo dentro das condições do mercado em que está inserido. 2.2.1 Itens importantes para a avaliação de um bem Nasser Júnior (2013) apresenta uma listagem de itens que considera como importantes para a natureza da avaliação de bens, de forma geral. De forma simplificada e resumida, essa listagem é replicada a seguir: a. O processo de avaliação tem como motivação a busca por resposta sobre a variação do valor de um todo ou de suas partes. b. A avaliação deve ser executada por profissional habilitado por meio treinamentos e experiências, não podendo ser embasada em subjetividade ou sentimentos pessoais. c. Alguns princípios como a sinceridade na montagem de dados, o não uso de índices econômicos e sociais locais para transposição de referências e, o não uso de inferência estatística para pequenas 15 massas de dados devem ser observados para a realização de um processo de avaliação. d. A observação da ética nos trabalhos de avaliação. e. O processo de avaliação deve consistir em análise técnica realizada por engenheiro de avaliações. Certamente que, a listagem apresentada pelo autor não se esgota. Ela pode ser considerada com uma listagem básica inicial e ponto de partida para se iniciar todo e qualquer processo de avaliação de um bem. Ainda, em se tratando de bem, é possível considerar alguns conceitos, por exemplo, considerar que um bem pode ser tangível ou intangível. De forma geral, segundo Nasser Júnior (2013, [s.p.]), um bem é “coisa que tem valor, suscetível de utilização ou que pode ser objeto de direito, que integra um patrimônio”. Quando se considera um bem tangível, o autor afirma que é um bem que pode ser identificado materialmente, como um imóvel, um equipamento ou matéria-prima diversa. Já um bem é considerado intangível quando não puder ser identificado materialmente, como por exemplo, marcas e patentes. 2.2.2 Mercado A Associação Brasileira de Normas Técnicas (2019, p. IX) define mercado como “o ambiente no qual bens, frutos e direitos são ofertados e transacionados entre compradores e vendedores, mediante um mecanismo de preços”. Dentre as características, podem ser citadas como as principais associadas a mercado: estrutura, conduta e desempenho. Considerando a estrutura para determinado tipo de bem, podem ser considerados o grau de concentração de compradores e de vendedores, a qual pode ser resumida como estrutura de concorrência perfeita, monopólio, monopsônio, oligopólio e oligopsônio. 16 Uma estrutura é considerada de concorrência perfeita em situação onde “o número de vendedores e de compradores é suficientemente elevado para que um agente isolado não seja capaz de influenciar o comportamento dos preços” (ABNT, 2019, p. IX). É considerada um monopólio quando é constituída de um único vendedor. Já uma estrutura de mercado é dita monopsônio quando é constituído de um único comprador. É oligopólio quando se constitui de um pequeno número de vendedores e, oligopsônio quando é constituída por um pequeno número de compradores. Em se tratando da conduta de mercado pode-se dizer que ela “corresponde ao padrão de comportamento que os agentes adotam para se ajustar à conjuntura do mercado, por meio de ações como política de preços, formas de pagamento, estratégia de vendas, oferta de novos produtos” (ABNT, 2019, p. X). Por fim, a característica de desempenho de mercado refere-se aos resultados que se atinge. O desempenho do mercado pode ser medido por análise de seu comportamento em períodos de tempo especificados. 3. Métodos de avaliação de bens De acordo com Nasser Júnior (2013), a escolha do método de avaliação deve se basear na natureza do bem a ser avaliado, na finalidade da avaliação e nos dados de mercado disponíveis para tal. O autor sugere que, sempre que possível, dar preferência ao uso do método comparativo direto de dados de mercado. Uma breve descrição sobre os principais métodos de avaliação de bens, baseada em Nasser Júnior (2013) é apresentada a seguir. Método comparativo direto: faz a identificação do valor de mercado de um bem por meio de tratamento técnico das características dos 17 elementos a serem comparados, os quais compõem a amostra analisada. Método involutivo: faz a identificação do valor de mercado do bem, baseado no aproveitamento eficiente, com base em modelo de estudo da viabilidade técnico-econômica, de acordo com empreendimento hipotético em compatibilidade com as características do bem avaliado e, também, com as condições do mercado onde está inserido, de acordo com os diversos cenários possíveis de executar e comercializar o produto. Método evolutivo: o valor do bem é determinado pela soma dos valores de seus componentes. Se a finalidade do trabalho é identificar o valor de mercado, então, deverá ser considerado o fator de comercialização. Método de capitalização da renda: o valor do bem é identificado a partir da capitalização presente de sua renda líquida prevista, levando em consideração os cenários viáveis para tal. É possível, também, assim como estimar o valor de um bem, realizar a estimação com métodos científicos, do custo de um bem. Três métodos são utilizados para isso, conhecidos como método comparativo direto de custo, método da quantificação de custo e método para identificar indicadores de viabilidade da utilização econômica de um empreendimento. O método comparativo direto de custo considera amostras compostas por projetos semelhantes em relação às benfeitorias realizadas nos bens. A partir disso, segundo Dantas (2012), são elaborados modelos que realizam procedimentos usuais do método comparativo direto de dados de mercado. Por benfeitoria, pode-se entender que seja “qualquer melhoramento incorporado permanentemente ao solo pelo homem, que não pode ser retirado, sem destruição, fratura ou dano” (DANTAS, 18 2012, p. 23). Não é um método de usual utilização, no entanto, é possível ser aplicado quando se tem à disposição, informações referentes aos custos de outras benfeitorias que sejam semelhantes àquela que esteja sendo avaliada. O uso do método da quantificação de custo, segundo, Nasser Júnior (2013, [s.p.]) “identifica o custo do bem ou de suas partes por meio de orçamentos sintéticos ou analíticos a partir das quantidades de serviços e respectivos custos diretos e indiretos”. Dantas (2012) declara que o custo das benfeitorias realizadas pode ser estimado pela reprodução dos custos de seus componentes, baseados nos orçamentos ou, então, a partir de custo unitário básico, dependendo do nível de fundamentação do trabalho de avaliação. O último método de avaliação de custo indicado, o método para identificar indicadores de viabilidade da utilização econômica de um empreendimento, o qual refere-se a procedimentos avaliatórios usuais, tem como finalidade a determinação de indicadores de viabilidade de utilização econômicade empreendimento, como o seu nome referência. Baseia-se no fluxo de caixa projetado e, a partir dele determina indicadores de decisão baseados em valor presente líquido, taxas internas de retorno, tempo de retorno, dentre outros. O uso dos métodos de avaliação, obviamente, não é composto por métodos perfeitos, até porque o mercado imobiliário é um “mercado imperfeito”, composto por bens não homogêneos, estoque de certa forma limitado, com diferentes valores de liquidez diferenciada e com grande influência de vários fatores externos (ABNT, 2019). Nesse mercado dito imperfeito, em muitas situações, o acesso às informações é limitado, como situações onde se tem apenas o acesso aos preços desejados por vendedores, as ditas ofertas ou, a preços de transações que estão sujeitados a deformações originárias dos interesses de alguém específico, trazendo restrições para as amostras 19 coletadas pelo profissional de engenharia de avaliações quando este pretende fazer uso do método comparativo direto de dados de mercado. 4. A engenharia de avaliações Toda atividade na vida passa por um processo de avaliação. Nessa etapa, uma série de perguntas surge para auxiliar no processo de tomada de decisão. Perguntas do tipo: Como? Onde? O quê? Para quê? Quando? Quanto? Dentre outras. Quando esse processo de avaliação se trata do mercado imobiliário surge a atividade de engenharia de avaliações. Dantas (2012, p. 1) define engenharia de avaliações como “uma especialidade da engenharia que reúne um conjunto amplo de conhecimentos na área de engenharia e arquitetura, bem como em outras áreas das ciências sociais, exatas e da natureza”. O seu propósito é a determinação, a partir de técnicas válidas, do valor de um bem, de seus direitos, frutos e de custos de reprodução. Para Dantas (2012), o uso de técnicas em engenharia de avaliações auxilia no processo de tomada de decisões relacionados a valores, custos, alternativas de rendimentos que envolvam bens de qualquer natureza, por exemplo, imóveis, máquinas e equipamentos, automóveis, móveis e utensílios, dentre outros. Uma ampla diversidade de profissionais tem interesse em engenharia de avaliações, principalmente, aqueles relacionados com o mercado imobiliário, bancos de crédito imobiliário, compradores ou vendedores de imóveis. É de interesse, como nos diz Dantas (2012), também, para os profissionais de empresas seguradoras, para o Poder Judiciário 20 como um todo, para os fundos de pensão, para os incorporadores, construtores, prefeituras e investidores. A engenharia de avaliações deve ser praticada por engenheiros, arquitetos e agrônomos, sendo que cada profissional deverá se limitar às permissões dadas à sua habilitação profissional, de acordo com as leis do Conselho Federal de Engenharia e Arquitetura (CONFEA) e que detenham conhecimentos necessários para a realização de trabalhos de avaliação de bens. Para a sua execução apropriada, o processo de avaliação deve ser realizado baseado em normas técnicas da ABNT com o uso de metodologia apropriada. Conforme Dantas (2012), a execução do processo, também, exige, além dos conhecimentos necessários para elaboração do trabalho, muita dedicação, segurança, senso de justiça, ética profissional, competência, criatividade etc. Este texto apresentou conceitos fundamentais relacionados à avaliação de bens, como conceitos de mercado, valor de mercado, preço e custo. Também apresentou os principais métodos científicos utilizados para a avaliação de bens, os quais trazem objetividade para os processos de avaliação. Também foi apresentado o conceito de engenharia de avaliações, os profissionais habilitados para atuarem nessa área e, as exigências técnicas e não técnicas necessárias para a atuação de forma adequada no ramo de avaliação de bens. O assunto, obviamente, não se esgota neste material, por isso, sequer foi tida esta pretensão. Portanto, é sugerido que você consulte a bibliografia indicada nas referências e, também, faça buscas na Biblioteca Virtual disponibilizada por sua instituição. Desejamos que você possa ter aproveitado esta leitura e que ela possa ter trazido informações relevantes para a sua formação! 21 Referências Bibliográficas ABNT. Associação Brasileira de Normas Técnicas. NBR 14653-1: Avaliação de bens, Parte 1: Procedimentos gerais. Rio de Janeiro: ABNT, 2019. BIBLIOTECA VIRTUAL. Target gedweb. 2019. Disponível em: https://biblioteca- virtual.com/detalhes/parceiros/10. Acesso em: 14 fev. 2020. BRAULIO, S. N. Proposta de uma metodologia para a avaliação de Imóveis urbanos baseada em métodos estatísticos multivariados. 2005. 158 f. Dissertação (Mestrado em Métodos Numéricos em Engenharia) – Programação Matemática, UFPR, Curitiba. Disponível em: https://acervodigital.ufpr.br/ bitstream/handle/1884/1895/R%20-%20D%20-%20SILVIA%20NEIDE%20BRAULIO. pdf?sequence=1&isAllowed=y. Acesso em: 14 fev. 2020. DANTAS, R. A. Engenharia de avaliações: uma introdução à metodologia científica. 3.ed. ver. de acordo com a nova versão da NBR-14.653-2:2011. São Paulo: Pini, 2012. NASSER JÚNIOR, R. Avaliação de bens: princípios básicos e aplicações. 2. Ed. Revista e atualizada. São Paulo: Livraria e Editora Universitária de Direito, 2013. STEINER, M. T. A. et al. Métodos estatísticos multivariados aplicados à engenharia de avaliações. Gest. Prod., São Carlos, v. 15, n. 1, p. 23-32, jan.-abr. 2008. Disponível em: https://www.scielo.br/scielo.php?pid=S0104-530X2008000100004&script=sci_ abstract&tlng=pt. Acesso em: 4 ago. 2020. https://biblioteca-virtual.com/detalhes/parceiros/10 https://biblioteca-virtual.com/detalhes/parceiros/10 https://acervodigital.ufpr.br/bitstream/handle/1884/1895/R%20-%20D%20-%20SILVIA%20NEIDE%20BRAULIO.pdf?sequence=1&isAllowed=y https://acervodigital.ufpr.br/bitstream/handle/1884/1895/R%20-%20D%20-%20SILVIA%20NEIDE%20BRAULIO.pdf?sequence=1&isAllowed=y https://acervodigital.ufpr.br/bitstream/handle/1884/1895/R%20-%20D%20-%20SILVIA%20NEIDE%20BRAULIO.pdf?sequence=1&isAllowed=y https://www.scielo.br/scielo.php?pid=S0104-530X2008000100004&script=sci_abstract&tlng=pt https://www.scielo.br/scielo.php?pid=S0104-530X2008000100004&script=sci_abstract&tlng=pt 22 Avaliação de imóveis por meio da técnica de regressão linear Autoria: Marcelo Tavares de Lima Leitura crítica: Everton Zaccaria Nadalin Objetivos • Apresentar a técnica de regressão linear simples. • Apresentar a técnica de regressão linear múltipla. • Descrever aplicações de técnicas de regressão em avaliação de imóveis. 23 1. Introdução Para realizar a avaliação de imóveis, é possível recorrer a diversas técnicas quantitativas. O uso desse tipo de técnica, permite que os resultados encontrados sejam confiáveis e livres de qualquer subjetividade, pois, são técnicas consideradas científicas e validadas. Uma das possíveis técnicas quantitativas utilizadas para a avaliação de imóveis é a regressão linear. Esta técnica se divide em dois grandes tipos, a regressão linear simples e a regressão linear múltipla. Este texto apresenta essa técnica e, também, a diferença entre linear simples e múltipla, além de possíveis aplicações em avaliação de imóveis. Bons estudos! 2. Regressão linear simples De acordo com Dantas (2012), a técnica de regressão linear, também conhecida como modelo de regressão linear, surgiu por meio de estudos na área de astronomia desenvolvidos por Gauss entre os anos de 1809 e 1821. É um dos métodos mais utilizados da teoria estatística em diversas áreas, inclusive nas engenharias. A regressão linear ou análise de regressão é uma técnica adequada para se utilizar em situações nas quais “se deseja estudar o comportamento de uma variável (variável dependente) em relação às outras que são responsáveis pela sua formação (variáveis independentes)” (DANTAS, 2012, p. 95). Em engenharia de avaliações, o que se considera como variável dependente, geralmente, são os preços à vista dos dados de mercado e, em geral, são consideradas as variáveisindependentes as características dos imóveis. 24 A técnica permite elaborar uma equação matemática para representar a relação entre duas ou mais variáveis, chamada de modelo empírico (MONTGOMERY; RUNGER; HUBELE, 2014). A busca por uma representação matemática que possa englobar o relacionamento entre variáveis permite que sejam estimados cenários diversos. Essa é uma dentre outras vantagens existentes. Vale observar que as variáveis independentes podem ser tanto de natureza quantitativa (discreta ou contínua) quanto qualitativa (não numérica) mas, a variável dependente sempre deverá ser de natureza quantitativa, pois, a técnica de regressão linear foi construída sob essa condição para ela. Quando a variável dependente puder ser explicada por uma única variável independente, utiliza-se a regressão linear simples com técnica apropriada, mas, se for explicada por duas ou mais variáveis, deverá ser utilizada a técnica de regressão linear múltipla. A regressão linear simples, segundo Casella e Berger (2010, p. 481), é apropriada quando “tentamos compreender melhor a dependência funcional de uma variável em relação à outra”. Matematicamente, temos uma relação na forma a seguir. Yi=β0+β1 xi+εi (1) onde, Yi é uma variável aleatória que depende de outra(s), xi é uma variável observável e não aleatória. As quantidades β0 e β1 são, respectivamente, conhecidas como intercepto e inclinação da regressão, ou, parâmetros do modelo, considerados como fixos e desconhecidos e, εi representa o termo de erro do modelo, o qual é uma variável aleatória. A análise de regressão é um dos métodos mais importantes da estatística aplicada. Com sua utilização, é possível conhecer os efeitos que algumas variáveis exercem sobre outras. Mesmo que não haja 25 relação significativa de causa e efeito entre as variáveis analisadas, com a análise de regressão é possível construir uma relação funcional expressa por equações matemáticas. Como pressuposto, a análise de regressão considera que devem existir, no mínimo, duas variáveis para sua viabilidade de aplicação, em que, uma delas é chamada dependente ou endógena (em geral denotada por Y) e, a(s) outra(s), denominada(s) de independente(s) ou exógena(s) (em geral, denotada(s) por X). Uma aplicabilidade em engenharia de avaliações, por exemplo, como dito anteriormente, pode ser a de um engenheiro interessado em entender a variação no preço de um determinado tipo de imóvel praticado pelo mercado, considerando alguns aspectos de seu interesse, como tamanho do imóvel, localização etc. Para que o uso da regressão linear seja eficiente, é importante que exista algum grau de correlação linear entre as variáveis analisadas. Portanto, é interessante sempre fazer essa verificação antes de se iniciar qualquer procedimento de construção de modelo, mesmo que seja por conhecimento a priori. Tal verificação pode ser realizada graficamente, por um diagrama de dispersão ou, por uma medida estatística conhecida por coeficiente de correlação linear de Pearson, apresentado mais adiante neste texto. Considere que existam n pares de valores de duas variáveis em um estudo econômico, ou seja, uma amostra com n observações, as quais são representadas por Xi e Yi (i=1,2,…,n). Considerando que Y seja função linear de X, é possível estabelecer uma regressão linear simples através do modelo estatístico (1). Os parâmetros do modelo de regressão linear simples, β0 e β1 são os coeficientes linear e angular da reta de regressão ajustada pelo modelo de regressão linear simples, respectivamente. O coeficiente angular, 26 também, é conhecido por coeficiente de regressão e, o coeficiente linear por termo constante da equação de regressão. Quando estabelecido um modelo de regressão linear simples, os seguintes pressupostos estão em consideração: 1. A relação funcional entre X e Y é linear. 2. Os valores de X são fixos, ou seja, X não é uma variável aleatória. 3. A média ou valor esperado do termo de erro aleatório é zero. 4. Para um dado valor de X, a variância do erro aleatório εi é sempre a mesma, σ2, conhecida como variância residual. 5. Os erros aleatórios de observações distintas não são correlacionados. 6. Os erros aleatórios possuem distribuição normal. Ainda, é necessário verificar se o número de observações disponíveis é maior que o número de parâmetros do modelo ajustado. Por exemplo, para o ajuste de um modelo de regressão linear simples, são necessárias, no mínimo, três observações, pois, se estiverem disponíveis apenas duas observações, não será possível elaborar um modelo de regressão linear simples. Considerando que o modelo de regressão a ser ajustado aos dados será uma regressão linear simples, o passo inicial a ser realizado é buscar estimativas dos parâmetros do modelo, os quais são obtidos a partir de uma amostra de n pares de valores para Xi e Yi, os quais correspondem a n pontos num gráfico de dispersão. A estimativa de um modelo de regressão linear simples é representada pela seguinte equação. (2) onde é a estimativa do valor esperado para o modelo, e são as estimativas dos parâmetros do modelo ajustado. O uso de circunflexos sobre os parâmetros do modelo significam que são estimadores que serão utilizados para estimar o valor esperado da variável dependente. 27 Segundo Casella e Berger (2010, p. 481) “um dos principais propósitos da regressão é prever Yi a partir do conhecimento de Xi utilizando uma relação” como a apresentada em (2). Ainda segundo os autores, pode-se entender que Yi depende de Xi. Assim, é importante que as variáveis consideradas para a elaboração de uma regressão linear simples tenham um grau de relação linear entre si considerável. Essa correlação linear pode ser avaliada, quando ambas variáveis, tanto dependente quanto independente, são quantitativas, por meio de um gráfico de dispersão e do coeficiente de correlação linear de Pearson. Segundo Bussab e Morettin (2017, p. 85), “um dispositivo bastante útil para se verificar a associação entre duas variáveis quantitativas, ou entre dois conjuntos de dados, é o gráfico de dispersão”, também, conhecido como diagrama de dispersão. O gráfico de dispersão é um gráfico desenhado no plano cartesiano em que são plotados pontos que representam pares ordenados de valores , o qual, segundo Bussab e Morettin (2017, p. 89), “ajuda muito a compreender o comportamento conjunto das duas variáveis quanto à existência ou não de associação entre elas”. O Gráfico 1 apresenta um exemplo de gráfico de dispersão elaborado com a demanda de um determinado item e o preço de venda deste. Gráfico 1 – Gráfico de dispersão entre demanda e preço Fonte: elaborado pelo autor. 28 O diagrama de dispersão, segundo Dantas (2012), permite identificar tendências lineares ou de qualquer outra natureza (quadrática, polinomial, exponencial, logarítmica etc.), além de observar a intensidade da relação, a forma funcional da curva a ser ajustada e a dispersão dos dados. Por exemplo, o diagrama apresentado no Gráfico 1 apresenta que a relação entre a demanda e o preço é da forma linear decrescente, pois, é possível perceber que os pontos no gráfico parecem formar o gráfico de uma reta decrescente considerando os eixos do plano cartesiano. É certo que, o uso de um diagrama de dispersão permite apenas que seja avaliada a relação de forma subjetiva, mas, ajuda a obter noção do tipo de relação entre as variáveis. Dantas (2012) apresenta um exemplo em engenharia de avaliações, em que se tem a intenção de analisar o comportamento do preço unitário de lotes em relação à distância a um determinado polo valorizante, podendo ocorrer, em princípio, em quatro casos distintos. O autor apresenta quatro diagramas de dispersão associados ao problema e faz uma análise gráfica dos mesmos diagramas. Para Dantas (2012), a análise inicial por um diagrama de dispersão, mesmo sendo um tanto subjetiva, é de fundamental importância para se formular ummodelo de regressão aceitável para a explicação de algum comportamento no mercado imobiliário. Depois que os pontos são plotados no plano cartesiano, desenha-se, no mesmo plano em que os dados originais se encontram, uma curva que passe o mais próximo possível dos pontos observados, a qual representa a curva de regressão procurada. Vale lembrar que o modelo de regressão é intrinsicamente interpolativo, ou seja, é válido apenas para os dados considerados no intervalo de valores observados, pois, como afirma Dantas (2012), o modelo não garante as mesmas propriedades para dados fora do intervalo avaliado. 29 É possível, também, quantificar a associação entre duas variáveis por uma medida numérica. A medida estatística utilizada para avaliar a relação linear entre duas variáveis quantitativas é o coeficiente de correlação linear de Pearson. Esta medida está definida entre −1 e +1, onde −1 representa perfeita correlação linear negativa, significando que, quando uma variável crescer, a outra irá decrescer em igual proporção. Quando a correlação linear for igual a +1, indica que quando uma variável crescer a outra, também, crescerá. Para o cálculo do coeficiente de correlação de Pearson são necessários termos disponíveis em uma determinada quantidade de pares de valores das variáveis estudadas. Dantas (2012, p. 115) afirma que “o coeficiente de correlação é uma importante medida estatística na análise de um modelo de regressão, pois informa a dependência linear entre a variável explicada (Yi) e explicativa (Xi)”. A fórmula matemática para o coeficiente de correlação linear de Pearson é dada por: (3) Conforme dito, a medida r varia de −1 a +1. Segundo Dantas (2012, p. 115) “quanto mais próximo de 1, em módulo, maior será a dependência linear entre as variáveis e quanto mais próximo de zero, menor será esta dependência”. Ainda segundo o autor, a interpretação para o coeficiente de correlação linear de Pearson, em analogia com o gráfico do modelo de regressão linear simples a ser ajustado, pode ser feita da seguinte maneira: • Quando r > 0 a correlação é direta, correspondendo a uma reta crescente. 30 • Quando r = 0 a correlação é nula, correspondendo a uma reta horizontal. • Quando r < 0 a correlação é inversa, correspondendo a uma reta decrescente. Para um modelo de regressão linear simples, o ideal é que o módulo do coeficiente de correlação linear seja próximo de 1, pois, assim, será garantido que as variáveis envolvidas no processo de modelagem tenham forte relação entre si. Dantas (2012) apresenta uma lista de como interpretar o resultado do coeficiente de correlação linear de Pearson, conforme apresentado no Quadro 1. Quadro 1 – Interpretação do coeficiente de correlação linear de Pearson Coeficiente Correlação |r| = 0 Nula 0 < |r| ≤ 0,30 Fraca 0,30 < |r| ≤ 0,70 Média 0,70 < |r| ≤ 0,90 Forte 0,90 < |r| ≤ 0,99 fortíssima |r| = 1 Perfeita Fonte: Dantas (2012). Vale lembrar que não existe um padrão para a interpretação do resultado numérico do coeficiente de correlação linear de Pearson. Portanto, cada autor pode apresentar a sua interpretação individual, desde que não se distancie demais da verdadeira interpretação da medida. As estimativas dos parâmetros do modelo de regressão linear simples são obtidas pelo método de mínimos quadrados ordinários, o qual 31 consiste em construir estimativas que minimizam a soma de quadrados dos desvios do modelo, que são representados por e, consequentemente, são obtidos os seguintes estimadores dos parâmetros do modelo de regressão linear simples. Coeficiente de regressão linear: (4) Coeficiente de regressão angular: (5) Bussab e Morettin (2017) apresentam uma outra equação matemática para os estimadores dos parâmetros do modelo de regressão linear simples, obtidos também pelo método dos mínimos quadrados ordinários. Os estimadores do modelo de regressão linear simples, segundo os autores, serão iguais a (6) (7) 32 Os resultados numéricos deverão ser idênticos ou iguais, pois, trata- se apenas de diferentes formas de representar os estimadores. Esses estimadores são obtidos a partir das equações normais obtidas a partir da equação do erro do modelo. Equações normais: (8) As equações normais compõem um sistema de duas equações que, ao serem resolvidas, fornecerão as equações matemáticas que estimam os dois parâmetros do modelo de regressão linear simples. Segundo Dantas (2012, p. 105), o método dos mínimos quadrados “consiste em minimizar a soma de quadrados dos erros calculados para uma função qualquer de equação determinada” por uns passos apresentados pelo autor. Um ponto importante a ser lembrado é que o modelo de regressão linear simples tem como pressuposto ou condição que a relação entre as variáveis dependente e independente é linear, minimamente. Se tal condição não for atendida, o modelo não atenderá a condição de linearidade e, portanto, não poderá ser utilizado para descrever a variabilidade dos dados. Mesmo sob condição de não linearidade, é possível utilizar um modelo de regressão linear simples com o uso de transformação nos dados. A ausência de linearidade, é de fato, mais comum do que encontrá-la em situações reais. Portanto, o processo de transformação dos dados é muito mais comum do que se imagina. Muitos dos modelos de regressão utilizados são chamados modelos não lineares devido ao fato de as variáveis envolvidas na modelagem se relacionarem de maneira não linear. Em outras palavras, considerando um modelo que envolva duas variáveis, se uma reta não for uma descrição adequada para a relação entre elas, certamente, o modelo 33 adequado é do tipo não linear. No entanto, a pergunta que surge é: “Qual o modelo mais adequado?” Uma primeira sugestão para responder à pergunta, assim como realizado no processo de ajuste de uma regressão linear, seria a construção de um gráfico de dispersão, caso o problema envolva apenas duas variáveis. A forma gráfica identificada com a elaboração do gráfico poderá fornecer alguma sugestão de um modelo não linear, por exemplo, um modelo quadrático, cúbico, exponencial etc. Para exemplificar, considere os dados apresentados por Bussab e Morettin (2017, p. 491) e, adaptados aqui, em que dispuseram de informações da inflação brasileira para alguns anos. Os dados e o diagrama de dispersão foram refeitos em Microsoft Excel® e, são apresentados a seguir. Tabela 1 – Taxa de inflação no Brasil de 1961 a 1979 Ano (xi) 1961 1963 1965 1967 1969 1971 1973 1975 1977 1979 Taxa de Inflação (yi) 9 24 72 128 192 277 373 613 1236 2639 Fonte: adaptada de Bussab e Morettin (2017, p. 491). Gráfico 2 – Diagrama de dispersão dos dados originais Fonte: adaptada de Bussab e Morettin (2017, p. 491). 34 Por conta da forma gráfica do diagrama de dispersão, Bussab e Morettin (2017) decidiram ajustar um modelo exponencial para a relação entre a inflação e os anos observados. Assim, temos a equação: (9) onde, εi representa o termo do erro aleatório, e representa a constante de Euler (e≈2,7182…) e, neste caso, o erro aleatório aparece de forma multiplicativa no modelo e não aditiva, como ocorre com o modelo de regressão linear clássico. As estimativas dos parâmetros para este caso são, também, obtidas pelo método dos mínimos quadrados e não podem ser obtidas analiticamente. Então, sem entrar em maiores detalhes, os autores sugeriram o uso de métodos numéricos, tais como, Newton-Raphson, Gauss-Newton, scoring dentre outros. Para o caso apresentando, por se tratar de um conjunto que envolve apenas duas variáveis, uma dependente e a outra independente, é possível realizar transformação nos dados de forma a tornar a equação numa equação linear para se realizar o ajustamento por modelo de regressão linear simples. A transformação aplicada ao modelo sugerido inicialmente foi a logarítmica (na base e, também, conhecido como logaritmo neperiano) em ambos os lados de e, após suaaplicação, tornou os membros do modelo da seguinte forma (10) permitindo escrever o modelo na forma (11) É possível perceber que o modelo transformado é linear. No entanto, é necessário supor que o termo erro aleatório seja estritamente positivo, pois, do contrário, não será possível tomar logaritmos dele. Agora, as 35 demais suposições feitas anteriormente para um modelo linear simples podem ser aplicadas a este modelo transformado. A estimativa dos parâmetros do modelo ajustado foi obtida a partir da equação transformada, cujos dados são replicados na Tabela 2 com o acréscimo de uma coluna contendo os valores transformados da inflação e, com uma codificação conveniente para a variável independente, o ano de observação. Tabela 2 – Taxa de inflação no Brasil de 1961 a 1979 Ano (Xi) Ano ( ) Taxa de Inflação (Yi) 1961 0 9 2,2 1963 1 24 3,2 1965 2 72 4,3 1967 3 128 4,8 1969 4 192 5,2 1971 5 277 5,6 1973 6 373 5,9 1975 7 613 6,4 1977 8 1236 7,1 1979 9 2639 7,9 Fonte: adaptada de Bussab e Morettin (2017, p. 491). Estando o modelo agora linearizado, pode-se utilizar das equações apresentadas anteriormente para se obter as estimativas dos seus parâmetros. Sem entrar em detalhes e, com a ajuda de uma planilha eletrônica, utilizando o ano codificado e os valores de inflação transformados por logaritmo, as estimativas obtidas são iguais a e . Logo, a regressão linear ajustada será . 36 3. Regressão linear múltipla Trata-se de uma extensão do modelo de regressão linear simples. É utilizado quando se tem mais de uma variável independente no modelo de regressão que explica a variabilidade dos preços praticados no mercado, por exemplo. Segundo Dantas (2012, p.125) “em engenharia de avaliações geralmente trabalha-se com modelos de regressão múltipla, tendo em vista a multiplicidade de fatores que interferem nos preços de um bem”. A representação gráfica de um modelo de regressão linear trata-se de uma reta que passa o mais próximo possível dos pontos observados. No entanto, quando se trata de um modelo de regressão múltipla, teremos pontos dispostos em um espaço com três ou mais dimensões. O caso de três dimensões ocorre quando utilizamos duas variáveis independentes para construir o modelo. Dantas (2012) apresenta um exemplo de avaliação de uma gleba, onde desejou-se estudar a variabilidade dos preços unitários (P) como decorrentes das variações de suas áreas (A) e das distâncias a um polo valorizante (D). O autor apresenta ainda, um esquema gráfico tridimensional em que é possível observar graficamente o problema a ser avaliado. Conforme diz Dantas (2012), o modelo de regressão ótimo, em regressão linear múltipla, será aquele em que o plano (geométrico) passar mais próximo possível dos pontos plotados no gráfico. A regressão múltipla é, dentre outras, uma técnica de análise multivariada em que o problema de pesquisa envolve uma única variável dependente quantitativa, do tipo razão, relacionada a duas ou mais variáveis independentes quantitativas ou qualitativas. O seu uso tem 37 o propósito de fazer estimação/previsões de mudanças na variável dependente como resultado de mudanças nas variáveis independentes. Matematicamente, o modelo de regressão linear múltipla com k variáveis independentes pode ser escrito conforme a equação a seguir. (9) onde, é a variável dependente do modelo. são as variáveis independentes, também conhecidas como, variáveis explicativas ou covariáveis. são os parâmetros do modelo ou os coeficientes de regressão. representa o erro aleatório do modelo. É possível representar o modelo de regressão múltipla com notação matricial da seguinte maneira: (10) onde, e (11) 38 No geral, segundo Montgomery, Runger e Hubele (2014, p. 184) a variável dependente “Y é um vetor (n×1) das observações, X é uma matriz (n×p) dos níveis das variáveis independentes, β é um vetor (p×1) dos coeficientes de regressão e ε é um vetor (n×1) dos erros aleatórios”. Os pressupostos apresentados para o modelo de regressão linear simples valem, com algumas modificações, para o modelo de regressão múltipla, os quais não serão detalhados neste texto, porém, podem ser encontrados em Dantas (2012). No entanto, em uma breve listagem são: distribuição normal para o erro aleatório, ausência de correlação entre as variáveis independentes, homocedasticidade (variâncias homogêneas) de variância do erro aleatório. Por serem desconhecidos os parâmetros populacionais, utiliza- se amostras para encontrar estimativas pelo método de mínimos quadrados ordinários, as quais podem ser encontradas com a seguinte equação matricial (estimador): (12) onde X’ representa a matriz transposta da matriz X e, (X’X)-1 representa a matriz inversa da matriz X’X. O modelo ajustado de regressão múltipla será: (13) Como você pôde observar, os modelos de regressão linear são úteis para descrever a variabilidade de uma variável em função de outras. Eles descrevem a relação linear existente entre elas e ajuda a realizar previsão de comportamentos. Para ser utilizado apropriadamente, o modelo de regressão linear precisa garantir que um conjunto de condições sejam atendidas, as quais foram descritas ao longo deste texto. Essas condições garantem 39 que o modelo elaborado será confiável e representativo da variabilidade estudada. Referências Bibliográficas BUSSAB, W.O.; MORETTIN, P.A. Estatística básica. 9. ed. São Paulo: Saraiva, 2017. CASELLA, G.; BERGER, R.L. Inferência estatística. São Paulo: Cengage Learning, 2010. DANTAS, R.A. Engenharia de avaliações: uma introdução à metodologia científica. 3.ed. ver. de acordo com a nova versão da NBR-14.653-2:2011. São Paulo: Pini, 2012. MONTGOMERY, D.C.; RUNGER, G.C.; HUBELE, N.F. Estatística aplicada à engenharia. 2. ed. [Reimpr.]. Rio de Janeiro: LTC, 2014. 40 Coleta e tratamentos estatísticos de dados do mercado Autoria: Marcelo Tavares de Lima Leitura crítica: Everton Zaccaria Nadalin Objetivos • Apresentar técnicas de coleta de dados. • Apresentar técnicas de tratamento de dados. • Descrever aplicações de análise de dados. 41 1. Introdução A avaliação de bens imóveis com uso de metodologia científica, permite que os resultados obtidos sejam de confiança e muito próximos ou iguais à realidade. Certamente que o seu uso tem estes propósitos como objetivos, pois, uma avaliação validada com metodologia científica, permite ao avaliador ter mais segurança nos resultados encontrados. Este texto apresenta técnicas de coleta de dados, de tratamento de dados e, também, técnicas validadas para o tratamento estatístico de dados em estudos de avaliação de imóveis. Portanto, é importante que você leia com bastante atenção e detalhadamente todo o conteúdo. Bons estudos! 2. Método comparativo de dados de mercado Trata-se de um método que “identifica o valor de mercado do bem por meio de tratamento técnico dos atributos dos elementos comparáveis, constituintes da amostra” (NASSER JÚNIOR, 2013, [s.p.]). O tratamento técnico citado pelo autor, diz respeito ao tratamento por fatores ou por inferência estatística. Neste texto, será considerado o tratamento por inferência estatística. Para ser utilizado, Dantas (2012) nos diz que o método comparativo de dados de mercado necessita de amostras para comparação de bens assemelhados quanto às características intrínsecas e extrínsecas. Qualquer bem pode ser avaliado por este método, sob a condição da existência de dados que possam compor amostras representativas, por exemplo, bens automóveis, móveis, máquinas e equipamentos, dentre outros. Segundo Dantas (2012, p. 16) “para se avaliar é preciso conhecer. Para se conhecer é necessário vistoriar. A vistoria é, portanto, um exame 42 cuidadoso de tudo aquilo que possa interferir no valor de um bem”. Portanto, conhecer dados sobre os imóveis, agrega muito no processo avaliatório que se pretende realizar. O levantamento de dados de mercado deve serrealizado com uso de conhecimentos de técnicas de amostragem, assim como técnicas de entrevista. Esta etapa do trabalho é denominada de trabalho de campo. Maiores detalhes sobre esta etapa serão apresentados mais adiante. O uso de metodologia científica em trabalhos de avaliação de bens, segundo Dantas (2012), tem [...] como objetivo orientar o avaliador, desde a escolha das informações de interesse, a forma como coletá-las, analisá-las e tratá-las, na busca de modelos que expliquem de maneira satisfatória, a variabilidade observada nos preços, no mercado que se estuda. (DANTAS, 2012, p. 47) Para um trabalho com uso de métodos científicos seja bem realizado, algumas etapas de atividades, segundo Dantas (2012), precisam ser cumpridas, tais como: conhecimento do objeto da pesquisa (o bem); preparação da pesquisa (planejamento); trabalho de campo (coleta de dados); processamento e análise dos dados (análise exploratória); interpretação e explicação dos resultados (o modelo) e a redação do relatório da pesquisa (laudo de avaliação). Este texto apresenta quase todas as etapas. A exceção se dá para a última, a elaboração do laudo. Para dar início a uma pesquisa de avaliação de bens, é fundamental que o objeto de pesquisa seja muito bem conhecido. Esse conhecimento pode ser obtido na ocasião de uma vistoria, em que se tem a oportunidade de levantar todas as informações sobre suas características físicas e locacionais conforme Dantas (2012). A intenção é identificar, de forma preliminar, as variáveis importantes que poderão estar responsáveis pela formação dos preços dos bens de mesma natureza que se deseja investigar. 43 Depois de conhecido o objeto da pesquisa, deve-se partir para a preparação ou o planejamento da pesquisa. É nesta etapa, como visto em Dantas (2012), que se define os objetivos e a delimitação do problema a ser analisado. Nela, também, define-se a teoria e a abordagem metodológica a ser utilizada, assim como as hipóteses. O plano de pesquisa, o qual engloba todos esses itens, é considerado o esqueleto da investigação. Dantas (2012, p. 48) afirma que “cada característica considerada importante na formação dos preços constitui uma hipótese baseada em alguma teoria advinda de experiências adquiridas pelo avaliador”. É claro que, com o contato direto com o mercado, também poderão surgir novas hipóteses, que também deverão ser consideradas na pesquisa. O planejamento da pesquisa de avaliação, deverá ser documentado em uma proposta ou plano de pesquisa. Este deverá conter todas as etapas do trabalho, hipóteses da pesquisa, variáveis, objetivos e metodologia a ser utilizada. Deverá ser o mais completo possível para documentar fielmente tudo o que será realizado, para servir até mesmo de guia para os envolvidos no trabalho. No planejamento de uma pesquisa imobiliária, o que se pretende, inicialmente, é compor amostras representativas de dados do mercado de imóveis, as quais contenham características mais semelhantes possível às dos bens sob avaliação, com o uso de toda evidência disponível. Dantas (2012, p. 49) afirma que “esta amostra é formada pelos preços praticados no mercado e as respectivas características físicas, locacionais e econômicas”. As amostras utilizadas em pesquisa imobiliárias, sempre que possível, devem ser compostas por dados selecionados de maneira aleatória. No entanto, sabe-se que esta condição é bastante difícil de ser atendida. Segundo o autor, para que as pesquisas não sejam invalidadas, “é importante que cada dado de mercado tenha uma 44 probabilidade, pelo menos diferente de zero, de participar da amostragem” (DANTAS, 2012, p. 50). 2.1 Escolha de variáveis Variável, segundo Dantas (2012, p. 50) é “uma medida que assume valores diferentes em diferentes pontos de observação”. Ela possui duas caraterísticas fundamentais: (1) são aspectos observáveis de um fenômeno; (2) devem apresentar variações ou diferenças em relação ao mesmo ou a outros fenômenos. Dantas (2012) apresenta uma lista de itens a qual denomina de princípios básicos para a definição de variáveis, descritas a seguir: (1) os valores de uma variável devem ser mutuamente excludentes; (2) os valores ou categorias da variável devem estar adequados à realidade local ou regional de onde se realiza a pesquisa; (3) o conjunto de valores possíveis para uma variável deve ser exaustivo, ou seja, deve conter todas as possibilidades possíveis; (4) todos os elementos da amostra devem ser classificados em alguma categoria das variáveis estabelecidas; (5) as variáveis estudadas devem ser representativas para explicar o fenômeno em estudo. As variáveis podem ser classificadas como quantitativas e qualitativas (BUSSAB; MORETTIN, 2017). Variáveis como sexo, escolaridade, estado civil, situação na quadra (imóvel), padrão do imóvel (alto, médio, baixo) “apresentam como realizações uma qualidade (ou atributo)” (BUSSAB; MORETTIN, 2017, p. 12). Por isso, são classificadas como variáveis qualitativas. Enquanto que, variáveis como área, dimensões, número de frentes, taxa de ocupação, as quais apresentam como realização valores de medidas ou contagem são classificadas como variáveis quantitativas. Outra classificação aplicada para as variáveis diz respeito ao tipo de relação possível entre elas. Classifica-se uma variável como dependente quando ela é afetada ou explicada por outras variáveis. De outra forma, 45 classifica-se uma variável como independente quando ela influencia outra variável. Para Dantas (2012), em engenharia de avaliações, em geral, considera-se como variável dependente, por exemplo, o preço praticado no mercado e, como variável(is) independente(s) as características físicas, locacionais e econômicas dos imóveis. A etapa de especificação das variáveis da pesquisa é de extrema importância para a obtenção de resultados representativos e confiáveis. Na prática, é impossível considerar na mesma pesquisa todas as variáveis importantes para o seu desenvolvimento. Por isso, é importante priorizar o que será considerado em cada pesquisa realizada a partir de uma investigação minuciosa do que considerar. Em Dantas (2012) é apresentado um exemplo de uma pesquisa de valores para avaliação de lotes urbanos, que, segundo o autor, se limita à área de pesquisa à mesma região geoeconômica e ao mesmo zoneamento do terreno do imóvel, para, assim, evitar a presença de informações duplicadas em uma pesquisa desse tipo. A decisão quanto às variáveis a serem utilizadas em uma pesquisa de avaliação de bens imóveis depende de como serão utilizadas as perguntas ou questionamento. Portanto, as questões deverão ser muito bem elaboradas, sendo claras e objetivas no que desejam pesquisar, preferencialmente, sendo questões da forma fechada, ou seja, com alternativas limitadas de respostas. O propósito de uma boa coleta de dados é ter o controle máximo da informação que se deseja obter, para conseguir que outras explicações possíveis ou diferentes da proposta do estudo (hipóteses) sejam descartadas ou excluídas as incertezas, e para que qualquer tipo de erro seja reduzido ao máximo possível. Dantas (2012) apresenta uma lista de recomendações para a redação do instrumento de coleta de dados, replicadas a seguir. 46 1. As questões/perguntas devem ser claras e objetivas, de forma que o dado coletado possa contribuir efetivamente com os objetivos da pesquisa. 2. Deve-se evitar palavras confusas e termos técnicos que não sejam do conhecimento da população alvo. 3. As questões/perguntas devem se ajustar às possibilidades de respostas. 4. É preferível que sejam utilizados textos curtos. Os itens do instrumento de coleta devem ser precisos e claros, para evitar que sejam mal interpretados. 5. Devem ser evitadas questões/perguntas negativas, pois, geralmente, esse tipo de pergunta leva a erros em relação ao tema da pesquisa. 6. As questões/perguntas devem ser neutras, ou seja, não podem refletir a posição do pesquisadorem relação ao assunto. A codificação das alternativas de respostas das questões fechadas e qualitativas (categóricas) do instrumento, deve ser realizada de acordo com o número de alternativas, ou seja, para questões com apenas duas possibilidades, como sim ou não, pode-se codificar com 0 e 1 ou, 1 e 2. Para questões com mais alternativas, pode-se codificar com 1, 2, 3 e assim por diante. Já para as variáveis quantitativas, pode-se deixar um campo aberto para ser registrado o valor ou medida da informação coletada. 2.2 Tratamento estatístico O tratamento estatístico de dados é a determinação do método a ser utilizado para a manipulação e extração de informações dos dados coletados para a pesquisa. Segundo Dantas (2012, p. 56) “método em pesquisa significa a escolha de procedimentos sistemáticos para a descrição e explicação de fenômenos”. 47 Os métodos científicos para tratamento de dados se dividem em dois tipos: quantitativo e qualitativo. Os métodos quantitativos são caracterizados pelo uso de ferramentas que quantificam informações tratadas a partir dos dados coletados. Fazem uso de medidas descritivas e de modelagem estatística. Já os métodos qualitativos não se utilizam de técnicas estatísticas. Fazem uso de dados coletados em entrevistas com especialistas. O tratamento estatístico de dados de pesquisa, também pode ser dividido em dois tipos a considerar a ordem do tratamento aplicado, a análise exploratória e a inferência estatística. O primeiro tipo trata de uma etapa inicial de análise dos dados, em que é realizada uma descrição dos dados com uso de métodos exploratórios de dados. Já a inferência estatística, trata do uso de métodos estatísticos apropriados para extrapolar resultados obtidos em amostras para a população de onde foram retiradas. É na etapa da análise exploratória, descrita por Dantas (2012), que é verificado o equilíbrio da amostragem, a influência que cada variável tem sobre os preços, as dependências lineares das variáveis em relação ao preço e entre si, assim como a identificação de possíveis pontos atípicos. O autor afirma, ainda, que, na análise exploratória, pode-se confrontar as respostas do mercado com as crenças, a priori, que o pesquisador/ avaliador tem a respeito do mercado e, também, sobre o surgimento de novas teorias. O equilíbrio da amostra é de extrema importância, e deve ser avaliado na etapa da análise exploratória de dados. Ele diz respeito à observação das diferentes características dos bens avaliados, as quais devem aparecer na amostra coletada de forma equilibrada. Dantas (2012) exemplifica que, se em uma amostra de 110 registros, 100 forem de natureza de oferta e 10 de transações realizadas, uma variável que trate da natureza do evento (oferta ou transação) não contribuirá de forma efetiva para explicar possíveis diferenças entre preços de oferta e de 48 transações, pois, o grande desbalanceamento dessa informação – tendo muito mais oferta –, fará com que não exista variação significativa nesse tipo de evento. Dantas (2012, p. 63) afirma que “se uma das categorias for exageradamente maior em frequência que as demais, recomenda-se usá-la sozinha”. Considerando o exemplo citado no parágrafo anterior, recomenda-se utilizar apenas os dados de ofertas e, podendo-se utilizar os dados de transações realizadas para controle e testes de validação. Dantas (2012) sugere que se deve evitar variáveis que concentrem alternativas com mais de 70% das respostas, pois, esta distribuição poderá comprometer a análise dos dados. 2.2.1 Análise exploratória Como já dito, em estudos exploratórios de avaliação de bens executa- se três atividades básicas: descrição, exploração e explicação dos dados. Conforme Dantas (2012), a descrição trata da maneira como os dados se distribuem para cada variável da pesquisa, assim como para subcategorias destas com a intenção de realizar comparações. Com relação à atividade de exploração, pode-se dizer que é o centro do trabalho, de fato, pois é onde se inicia o estudo de mercado efetivamente. A explicação trata de uma análise preliminar dos resultados encontrados na descrição e exploração. 2.2.1.1 Distribuição de frequências No estudo de uma variável, um dos principais interesses do pesquisador é conhecer o “comportamento” dessa variável através de análise da ocorrência de suas possíveis realizações (BUSSA; MORETTIN, 2017). Dantas (2012, p. 71) afirma que o uso de tabelas de distribuição de frequências tem “o objetivo de se inferir a distribuição de probabilidade da população da qual foi extraída a amostra”. 49 A distribuição de frequências é uma tabela que apresenta os valores ou categorias de uma ou mais variáveis e a frequência de ocorrência de cada uma delas. Portanto, apresenta o que se chama de frequência absoluta para cada realização. “Uma medida muito útil na interpretação de tabelas de frequências é a proporção de cada realização em relação ao total” (BUSSA; MORETTIN, 2017, p. 15). Considere um exemplo apresentado em Dantas (2012), em que o autor descreve uma pesquisa de mercado de lotes em determinada região, a qual coletou dez dados semelhantes sobre número de terrenos de referências (TR) e respectivos valores unitários (VU) em R$/m2. Os dados coletados são apresentados, de forma ordenada para VU, na Tabela 1 a seguir. Tabela 1 – Dados brutos TRU 03 06 10 01 02 05 04 09 07 08 VU 330 360 380 410 415 430 440 460 480 530 Fonte: adaptada de Dantas (2012) A frequência relativa é como, também, é conhecida a proporção de realização de cada categoria da variável analisada. O histograma é um gráfico bastante utilizado para representar visualmente a distribuição dos dados. A partir dele, é possível observar a forma da distribuição e inferir para alguma distribuição de probabilidade teórica, como a distribuição de probabilidade normal. Quando se tem variáveis quantitativas, como a do exemplo, recorre- se a uma versão de tabela de distribuição de frequência para dados agrupados em classes, pois, assim, será possível obter informações mais resumidas a respeito da variável. Obviamente que, perde-se detalhes de informações sobre a variável original. No entanto, para efeitos de apresentação de resultados, é uma ferramenta muito válida. 50 Deseja-se elaborar uma tabela de distribuição de frequências (absolutas e relativas) e, também, elaborar um histograma com os dados coletados na pesquisa. Alguns autores utilizam certos procedimentos para determinar a quantidade de classes e sua amplitude. No entanto, são procedimentos meramente sugestivos e não obrigatórios. A seguir são apresentados alguns cálculos para a determinação do número de classes e sua amplitude, propostos por Dantas (2012). Um primeiro cálculo que deve ser realizado é o da amplitude total (A), a qual representa a diferença entre o maior valor e o menor valor. Portanto, A = 530 – 330 = 200. Com este valor calculado, deve-se determinar, em seguida, a amplitude de classes ou intervalos de classes. Normalmente, é sugerido o uso de 5 a 15 classes de mesma amplitude para compor tabelas de distribuição de frequências em classes (BUSSAB; MORETTIN, 2017). No exemplo apresentado, o autor considerou utilizar cinco classes. A amplitude de classes (IC), conforme Dantas (2012) deve ser calculada pela razão entre a amplitude total (A) e o número de classes determinado menos uma unidade, ou seja, 5 – 1. Portanto, IC = 200/4 = 50. Para concluir, Dantas (2012) sugere que o limite inferior do primeiro intervalo a ser apresentado na tabela seja subtraído do valor que representa a metade de IC, ou seja, igual a 25. O limite superior do primeiro intervalo será obtido somando ao valor resultante o valor de IC, ou seja, 305 + 50 = 355 (exclusive). O segundo intervalo deverá ser iniciado a partir de 355 e seu limite superior deverá ser igual a 335 + 50 = 405, e assim sucessivamente. Com os intervalos determinados, deve-se contar quantos valores VU se encontram em cadaum deles, a partir da tabela de dados brutos, para se obter a frequência absoluta de cada um. A frequência relativa será obtida a partir da divisão de cada valor absoluto pelo total de observações da tabela. A Tabela 2 apresenta o resultado. 51 Tabela 2 – Distribuição de frequências de VU VU (IC) Frequência absoluta (FA) Frequência Relativa (FR) 305 – 355 1 0,10 355 – 405 2 0,20 405 – 455 4 0,40 455 – 505 2 0,20 505 – 555 1 0,10 Total 10 1,00 Fonte: adaptada de Dantas (2012). Com a distribuição de frequências elaborada, será possível organizar um histograma de forma fácil. O histograma é um gráfico de barras justapostas apresentado no plano cartesiano, em que no eixo das abscissas são apresentados os valores dos intervalos de classes da variável e no eixo das ordenadas a frequência (absoluta ou relativa). O Gráfico 1 apresenta um histograma elaborado no Microsoft Excel. Gráfico 1 – Histograma de VU Fonte: elaborado pelo autor. A produção de um histograma para medidas contínuas ajuda a verificar se os dados possuem distribuição semelhante à distribuição de probabilidade normal. Esta é uma importante distribuição de probabilidades utilizada como pressuposto para muitos testes 52 estatísticos, os quais, também, são utilizados para tratamento estatístico de dados originários de pesquisas de avaliação de bens. 2.2.2 Inferência estatística Diversas medidas estatísticas são utilizadas para o tratamento estatístico de dados de pesquisas de avaliação de bens, desde médias aritméticas simples até modelos de regressão mais complexos. É certo que, além de medidas estatísticas citadas no parágrafo anterior, muitas distribuições de probabilidades, também são consideradas para a aplicação de tratamento estatístico. Também, é certo que a distribuição normal, de longe, é a distribuição mais utilizada porque ela é muito utilizada como pressuposto para aplicação de diversos testes estatísticos para testar hipóteses de pesquisas. Dantas (2012) afirma que: [...] mesmo que se consiga coletar uma amostra de dados de características semelhantes, é de se esperar que os preços destes não sejam os mesmos, pois, fatores como a própria aleatoriedade do comportamento humano já são suficientes para causar perturbação nos mesmos. (DANTAS, 2012, p. 73) Apesar de declarar o acima citado, Dantas (2012) concorda que os dados coletados em pesquisas de avaliação de bens tendem a se concentrar em torno de valores particulares, o que caracteriza uma certa regularidade estatística. Esta regularidade permite o uso apropriadamente de medidas de tendência central para resumir tais dados. Medidas de tendência central, conhecidas como medidas-resumo ou medidas de posição, as quais são compostas por médias aritméticas simples, média ponderada, média geométrica, média harmônica, mediana, moda, coeficientes de assimetria e medidas separatrizes (quartil, quintil, decil e percentil) (BUSSAB; MORETTIN, 2017). 53 c afirma, ainda, que: Na maioria dos casos observa-se que, quando o preço observado cresce, a frequência das ocorrências aumenta até um máximo e, a partir daí, diminui, podendo ocorrer simetria, assimetria positiva ou assimetria negativa. (DANTAS, 2012, p. 73) O autor está se referindo ao formato da curva de distribuição dos dados, a qual pode ser elaborada a partir de um histograma elaborado para eles. Outros tipos de medidas resumo que podem ser utilizadas para o tratamento estatístico de dados são as medidas de dispersão, as quais são compostas por medidas como amplitude, variância, desvio padrão e coeficiente de variação. Como visto em Bussab e Morettin (2017), são medidas que avaliam a variabilidade ou dispersão dos dados. Uma distribuição de probabilidades bastante utilizada em engenharia de avaliações, além da distribuição normal, é a distribuição t de Student. Ela é utilizada em testes de uma média ou que fazem comparação de duas médias para a tomada de decisão e comprovação ou contestação de hipóteses. Dantas (2012, p. 83) afirma, no entanto, que, “sua aplicação só merece credibilidade quando há indícios favoráveis à normalidade da população de onde provém a amostra”. O que o autor está dizendo é que, para que possa ser utilizada a distribuição t de Student, é necessário que seja garantido que os dados amostrais possuam distribuição normal, é um pressuposto para o seu uso apropriado. Dantas (2012) afirma, ainda, que o uso da distribuição t de Student em engenharia de avaliações é maior do que o uso da distribuição normal. Possivelmente, isso ocorre porque a distribuição t de Student é apropriada para ser utilizada quando a variância populacional da(s) variável(is) de análise é desconhecida. Por ser muito utilizada na prática, existem tabelas que fornecem valores de probabilidades para a distribuição t de Student. Tais tabelas podem ser facilmente encontradas em livros de estatística ou livros 54 relacionados. A tabela de uma distribuição t de Student fornece valores do percentil tc tais que P(−tc < t(ν) < tc) = 1 – p, para alguns valores de p e de ν (graus de liberdade da distribuição) (BUSSAB; MORETTIN, 2017). Segundo referidas autoras (2017, p. 204) “o nome Student vem do pseudônimo usado pelo estatístico irlandês W.S. Gosset, que introduziu essa distribuição no início do século passado”. O século passado ao qual os autores se referem, trata-se do século XX, pois Gosset viveu entre os anos 1876 e 1937. As hipóteses testadas para avaliar uma média populacional, por exemplo, um preço médio, considerando ser desconhecida a medida de variabilidade populacional, devem ser iguais a H0: µ = µ0 contra H0: µ ≠ µ0 onde, µ0 deve ser um valor de média de preço hipotético, por exemplo. A estatística de teste de teste da distribuição t de Student para testar uma média populacional é igual a: (1) onde é a média da amostra, é o desvio padrão amostral e é o total de observações da amostra. A estatística de teste T tem (n-1) graus de liberdade. Para ser testada, deve-se fixar um nível de confiança α, e comparar com um valor tabelado tc, tal que, P(|T| < tc) = 1 – α. Para executar o teste de ter uma amostra de n imóveis para se calcular os valores de média de preços, por exemplo, assim como de desvio padrão, para então calcular a estatística de teste T e avaliar se o valor de preço médio da amostra for inferior a −tc ou superior a tc, rejeita-se a hipótese H0. Caso contrário, aceita-se a hipótese H0. Vale lembrar que tc é um valor obtido na tabela da distribuição t de Student. 55 Para elaborar intervalos de confiança, conforme Bussab e Morettin (2017), a probabilidade com um nível de confiança γ será dada por: (2) De onde segue que o intervalo de confiança será igual a: (3) o qual representa um intervalo com γ.100% de confiança para a média populacional µ. Para comparar duas médias populacionais, também, é possível utilizar estatísticas de teste com distribuição t de Student. No entanto, pode-se deparar com duas situações distintas, apresentadas a seguir. (a) Mesma variância, desconhecida (BUSSAB; MORETTIN, 2017), Nesta situação, as variâncias populacionais são desconhecidas, no entanto, são supostamente iguais. É possível verificar essa hipótese por teste de igualdade de variâncias. As hipóteses estatísticas de teste serão iguais a H0: µ1 = µ2 contra H1: µ1 ≠ µ2. Para elaborar a estatística de teste, deve-se antes, calcular uma variância combinada a partir das variâncias amostrais das duas amostras analisadas, a qual será igual a: (4) 56 onde, e são as variâncias amostrais, n e m são o total de observações de cada amostra analisada. A estatística de teste será dada por: (5) a qual terá distribuição t de Student com (n+m – 2) graus de liberdade, sob a hipótese H0: µ1 = µ2. Para verificar se H0 será rejeitada, deve-se obter o valor crítico da tabela da distribuição t de Student ou utilizar um programa computacional para realizar o teste. (b) Variâncias desiguais, desconhecidas. Outra