As variáveis independentes que expressam numericamente os atributos de um bem avaliando podem ser capazes de dimensionar o impacto que cada um daqueles atributos exercem sobre a flutuação das respostas que se verificam na variável dependente. Em nosso estudo, a variável de resposta que nos interessa é o valor de mercado do bem avaliando.
Portanto, se os atributos forem relevantes, as variáveis independentes que os expressam não podem ser negligenciadas pelo avaliador e devem ser incluído no modelo de análise. A ferramenta própria para esse tipo de experimento é a regressão linear múltipla (NBR 14653-2:2011, Anexo A; NBR 14653-3:2019, Anexo A).
Entretanto, aqueles que aplicam o critério dos quocientes insistem nesse tipo de simplificação por ignorarem os modelos adequados para se analisar a correlação de variáveis de interesse; e esse erro distorce os resultados.
Existem alguns critérios que não são aceitos pela norma brasileira, tais como: Critério dos quocientes, onde é dividido cada valor (variável dependente) pelas outras variáveis (independentes). (Nasser Júnior, 2019, p. 110).
Prosseguindo, é possível que o mesmo avaliador, usando métodos diferentes, possa encontrar resultados diferentes; é possível também que dois ou mais avaliadores, usando o mesmo método, também encontrem resultados diferentes, pois:
O valor de mercado é um valor bi-lateral por sua natureza, porque implica a existência de um vendedor e de um comprador em um mercado que abrange a grande maioria dos vendedores e compradores de determinadas coisas. As coisas de interesse de limitado número de pessoas ou de grupo de pessoas, não são causa do valor de mercado. […] Dois avaliadores igualmente dotados e idôneos só excepcionalmente encontrarão um mesmo valor único para uma coisa ou imóvel, e isto acontece precisamente por causa dos fatores psicológicos determinantes do valor que são diferentemente apreciados por cada um deles, sem que esses resultados divergentes prejudiquem qualquer das duas avaliações. Cada um dos avaliadores terá seus justos e fundamentados motivos para chegar à conclusão que externar (BERRINI, 1960, p. 29)
Porém, causa estranheza o fato de que o mesmo avaliador utilizando o mesmo método encontre resultados diferentes; todavia, é isso o que ocorre quando se aplica o critério dos quocientes.
Caso o tratamento de dados envolva a análise de mais de uma variável independente, o método correto para se fazer o tratamento dos dados é a regressão linear múltipla.
Abaixo, segue um exemplo em que o critério dos quocientes foi aplicado; observe que foram encontrados quatro resultados diferentes.
Causa estranheza o fato de que o mesmo avaliador utilizando o mesmo procedimento encontre resultados diferentes; todavia, é isso o que ocorre quando se aplica o critério dos quocientes. No caso de o tratamento de dados envolver a análise de mais de uma variável independente, o método correto para se fazer o tratamento dos dados é a regressão linear múltipla.
A regressão linear é uma ferramenta matemática com a qual se calcula, de modo probabilístico, o impacto que as variáveis independentes, individualmente e em conjunto, causam sobre a variável dependente; em nosso âmbito de atuação, a variável dependente é o valor de mercado do bem.
Como solução tecnicamente válida, apresenta-se planilha para avaliar imóvel em modelo de regressão linear múltipla com quatro variáveis independentes; essa planilha foi construída a partir de matrizes e equações e pode ser usada de imediato, sem a necessidade de habilitar o suplemento de ferramentar de análise.
Os dados também foram analisados com o uso dos programas SisDEA®, INFER32®, e no próprio Excel®, após a habilitação das ferramentas de análise.
Fontes:
BERRINI, Luiz Carlos. Avaliações de imóveis. 4. ed. revista e atualizada por Luiz Carlos Berrini Júnior. Rio de Janeiro: Livraria Freitas Bastos S.A., 1960.
CASELLA, George; BERGER, Roger L. Inferência estatística. Tradução de Solange Aparecida Visconte. São Paulo: Cengage Learning, 2018.
CHARNET, Reinaldo et al. Análise de modelos de regressão linear: com aplicações. 2. ed. Campinas,SP: Editora da Unicamp, 2008.
DANTAS, Rubens Alves. Engenharia de avaliações: uma introdução à metodologia científica. São Paulo: Pini, 1998.
GUJARATI, Damodar N. Econometria básica. Tradução de Maria José Cyhlar Monteiro. Rio de Janeiro: Elsevier, 2006.
INFER32®. Copyright© Ária Sistemas de Informática Ltda 1990-2022. ÁRIA SISTEMAS DE INFORMÁTICA. Disponível em: <https://ariainformatica.com.br/>. Acesso em: 11 jul. 2024.
LAPPONI, Juan Carlos. Estatística usando Excel. 4. ed. revista e atualizada. Rio de Janeiro: Elsevier, 2005.
LATTIN, James; CARROLL, J. Douglas; GREEN, Paul E. Análise de dados multivariados. Tradução de Harue Avritscher. São Paulo: Cengage Learning, 2011.
NASSER JÚNIOR, Radegas. Avaliação de bens: princípios básicos e aplicações. São Paulo: Editora Leud, 2019.
PINDYCK, Robert S.; RUBINFELD, Daniel L. Econometria: modelos e previsões. Rio de Janeiro: Elsevier, 2004.
SisDEA®. Copyright© 2002-2023 Pelli Sistemas Ltda. PELLI SISTEMAS ENGENHARIA. Disponível em: <https://pellisistemas.com>. Acesso em: 10 mar. 2024.
WOOLDRIDGE, Jeffrey M. Introdução à econometria: uma abordagem moderna. Tradução da 6ª edição norte-americana. Tradução de Priscilla Rodrigues da Silva Lopes e Livia Marina Koeppl.