Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
UNIVERSIDADE FEDERAL DO CEARÁ
CURSO DE PÓS-GRADUAÇÃO EM ECONOMIA - CAEN
MESTRADO PROFISSIONAL EM ECONOMIA - MPE
MÁRCIO BERTRAND DINIZ NAZARETH FILHO
PRECIFICAÇÃO HEDÔNICA DE IMÓVEIS LOCALIZADOS EM BAIRROS
SELECIONADOS DE FORTALEZA
FORTALEZA
2014
1
MÁRCIO BERTRAND DINIZ NAZARETH FILHO
PRECIFICAÇÃO HEDÔNICA DE IMÓVEIS LOCALIZADOS EM BAIRROS
SELECIONADOS DE FORTALEZA
Dissertação submetida à Coordenação do Curso de Pós-Graduação em Economia – Mestrado Profissional – da Universidade Federal do Ceará - UFC, como requisito parcial para a obtenção do grau de Mestre em Economia. Área de Concentração: Economia de Empresas. Orientador: Prof. Dr. Ronaldo de Albuquerque e Arraes
FORTALEZA
2014
2
MÁRCIO BERTRAND DINIZ NAZARETH FILHO
PRECIFICAÇÃO HEDÔNICA DE IMÓVEIS LOCALIZADOS EM BAIRROS
SELECIONADOS DE FORTALEZA
Dissertação submetida à Coordenação do Curso de Pós-Graduação em Economia – Mestrado Profissional – da Universidade Federal do Ceará - UFC, como requisito parcial para a obtenção do grau de Mestre em Economia. Área de Concentração: Economia de Empresas.
Data de Aprovação: 11 de fevereiro de 2014
BANCA EXAMINADORA
______________________________________________ Prof. Dr. Ronaldo de Albuquerque e Arraes (Orientador)
Universidade Federal do Ceará
______________________________________________ Prof. Dr. Guilherme Diniz Irffi Universidade Federal do Ceará
______________________________________________ Prof. Dr. Daniel Barboza Guimarães
Universidade Federal do Ceará
3
AGRADECIMENTOS
Aos meus pais que me educaram e motivaram com dedicação e amor, mostrando valores que
ajudam a estar em constante evolução.
Agradeço aos meus irmãos e colegas que me ajudaram a descobrir novos caminhos,
acreditando sempre no meu potencial me estruturando a ter iniciativas necessárias para dar
continuidade com a vida.
Ao professor Ronaldo de Albuquerque e Arraes pela ajuda e incentivo na realização desse
trabalho.
Aos professores Guilherme Diniz Irffi e Daniel Barbosa Guimarães por fazerem parte da
Banca Examinadora.
Aos meus amigos Igor Macedo de Lucena, Marcos Matos Brito de Albuquerque Junior e,
Joana D`arc Camurça pela ajuda na caminhada do mestrado.
4
RESUMO
Este trabalho consiste no estudo das características físicas de imóveis localizados em bairros
selecionados da cidade de Fortaleza, as quais são determinantes para a formação de preço.
Tendo por base a metodologia de preços hedônicos ou preços implícitos, são investigadas as
características do bem habitacional que influem na formação do seu preço final e na
determinação da cesta ótima de bens do consumidor. Com base em uma pesquisa de campo
sobre as características de 607 imóveis construídos no período de 2007-2012, especificou-se
um modelo econométrico de preços hedônicos para se identificar os efeitos de um vetor de
características físicas sobre o preço final do imóvel. Concluiu-se que as variáveis estudadas
no vetor de características se mostraram estatisticamente relevantes na equação estimada para
explicar a formação dos preços dos imóveis residenciais, dentre as quais se destacam: área
privativa, acabamento, número de pavimentos, presença de elevador, vagas de garagem, idade
do imóvel. Do modelo proposto, ao se avaliar apartamentos novos e usados, desconsiderando
aqueles em fase de construção, deduz-se que, dentro do período de referência, deve optar-se
pela compra de um imóvel usado a fim de obter-se maior ganho esperado de capital. Através
dos dados apresentados, tornou-se também possível estabelecer o comportamento do
consumidor neste período, no qual prefere adquirir imóveis novos para moradia e usados para
investimento.
Palavras-chave: Mercado Imobiliário. Estimação de Preços Hedônicos. Bairros Selecionados
de Fortaleza.
5
ABSTRACT
This work investigates the physical characteristics of properties located in selected
neighborhoods in the city of Fortaleza, which are decisive for pricing. The methodology of
hedonic or implicit prices is applied to determine the property characteristics that influence
the achievement of optimal bundle of other goods and housing made by the consumer for
forming its demand price. Based on a field survey on the characteristics of 607 buildings
constructed in the period 2007-2012, it was specified an econometric model of hedonic
pricing to identify the effects of a vector of physical characteristics on the final price of the
property. It was concluded that the coefficients of the variables in the vector of characteristics
were statistically significant in the estimated equation to explain the formation of the prices of
residential properties, among which are: private area, quality of materials, number of floors,
availability of elevators, garage spaces and years of construction. By contrasting brand new
and other apartments, excluding those under construction, it follows that the latter should be
chosen by the consumers if higher expected capital gain is the target. Yet, it is also established
that the consumer behavior is such that they prefer to acquire new properties for own housing
and used ones for investment.
Keywords: Real State Market. Estimation of Hedonic Prices. Selected Urban Areas of
Fortaleza.
6
LISTA DE FIGURAS
Figura 1 – Equilibrio do Consumidor…………………………………………………... 13
Figura 2 – Equilibrio do Produtor………………………………………………………. 15
Figura 3 – Mapa da cidade de Fortaleza com destaque na área de estudo…………….... 19
Figura 4 – Divisão da Amostra Original em Sub-amostras…………………………….. 22
Figura 5 – Evolução temporal dos indicadores entre 2008 e 2012……………………... 31
7
LISTA DE TABELAS
Tabela 1 – Mercado Imobiliário em Fortaleza………………………………………….. 20
Tabela 2 – Descrição e codificação das variáveis utilizadas no modelo de preços hedônicos……………………………………………………......................... 25
Tabela 3 – Equação de preço resultados da 1ª regressão……………………………….. 26
Tabela 4 – Equações de preço resultados da 2ª regressão (inclusão da variável “PERÍODO”)….………………………………………………….................. 27
Tabela 5 – Equações de preço resultados da 3ª regressão (modelo Semi-Log)................ 27
Tabela 6 – Equação de preço resultados da 4ª regressão (modelo Semi-Log com Inclusão da Variável “PERÍODO”)…….…………………………................ 28
Tabela 7 – Equação de preço resultados da 5ª regressão (modelo Semi-Log com Inclusão da Variável “NOVO”)…….……………………………………….. 28
Tabela 8 – Resumo das regressões……………………………………………………… 28
Tabela 9 – Cenários para Aquisições de Imóvel………………………………………... 30
8
SUMÁRIO
1 INTRODUÇÃO…………………………………………………............................. 9
2 FUNDAMENTAÇÃO TEÓRICA………………………....……………………... 11
2.1 Fenômeno habitação…………………………………………………..................... 11
2.2 Modelo de preços hedônicos…………………………………………………......... 11
3 MERCADO IMOBILIÁRIO…………………………………………………....... 17
3.1 Contextualização no Brasil…………………………………………………........... 17
3.2 O Município de Fortaleza…………………………………………………............. 17
4 ASPECTOS METODOLÓGICOS……………………………………………….. 21
4.1 Teste de Chow…………………………………………………................................ 22
4.2 Base de dados e descrição das variáveis…………………………………….......... 23
5 RESULTADOS ECONOMETRICOS…………………………………………… 26
6 CONSIDERAÇÕES FINAIS…………………………………………………....... 32
REFERÊNCIAS…………………………………………………............................ 34
APÊNDICES…………………………………………………................................. 36
9
1 INTRODUÇÃO
O mercado é constituído de consumidores e produtores que buscam otimizar o
resultado em suas transações. Em outras palavras, existe o princípio da oferta e demanda no
qual o mercado tenta manter um preço de equilíbrio de acordo com a procura. No mercado
imobiliário, existem diversos fatores que interferem nos preços, de acordo com as
preferências do consumidor. Por exemplo, pode-se comprar um apartamento em uma área
remota, mas que depois de um ano tem em sua proximidade a construção de um grande
shopping center, isso influencia positivamente o preço dos imóveis. Conhecer a dinâmica do
mercado traz benefícios para a formação de preços, reduzindo a assimetria de informação
entre os agentes do mercado.
Pela interação das forças de mercado, a oferta reduzida de imóveis conduz a um
inevitável um aumento de preços tanto para aquisição de novos imóveis, como para locação
de imóveis. A alta dos preços de imóveis constatada nos últimos anos particularmente em
Fortaleza, cidade foco desta análise, tem ocasionado debates sobre a origem e o limite desses
valores. Considerando o papel do setor imobiliário como um grande gerador de renda,
identificar as causas e monitorar a evolução dos preços de imóveis contribui para o
conhecimento dos possíveis efeitos em cadeia dos setores envolvidos e a contribuição nos
indicadores inflacionários e, consequentemente, na economia do país.
Diversos bairros da cidade de Fortaleza receberam empreendimentos com perfis
diferenciados, entre casas e apartamentos com diversas opções de comércio e lazer. No
contexto atual, torna-se necessário para a população compreender quais os elementos são
importantes no mercado de imóveis residenciais e de que forma eles são valorizados. Assim,
ao comprar o produto, o cidadão pode ser capaz de estimar o custo gerado por cada
característica adicionada ao imóvel, mas também a receita que ela pode originar. É necessária
uma padronização das preferências do consumidor.
Com o intuito de atrair mais clientes, cada vez mais, são inseridas características
diferenciadas aos imóveis. Embora seja possível supor que exista uma oferta e uma demanda
pelas características, o acréscimo de cada uma ao preço final torna a valoração algo não
trivial. Para estimar a contribuição das características, utilizam-se os chamados modelos de
preços hedônicos. De acordo com Rosen (1974) os preços hedônicos são definidos como os
preços implícitos das características associadas aos produtos. Assim, o preço marginal dos
10
atributos é obtido a partir da regressão do preço sobre as quantidades de características
associadas.
No decorrer do tempo, modelos de preços hedônicos vêm sendo utilizados para
avaliação e mensuração estatística dos preços dos imóveis. A abordagem é baseada na
obtenção da utilidade dos consumidores explicada por Lancaster (1966), e por Rosen (1974)
que fundamenta a ideia que o produto pode ser avaliado por um vetor de características e que
essas definem um preço implícito.
Dentre os estudos recentes podemos destacar: Oliveira (1997) que estuda os
impactos negativos da poluição do ar na cidade de São Paulo, Brasil; Benson et al., (1998)
que avaliam o impacto da vista sobre o preço dos imóveis em Bellingham, Canadá; Espey e
Lopez (2000), que pesquisam o efeito do impacto sonoro dos aeroportos em Reno Sparks,
Estados Unidos; Bowes e Ihlanfeldt (2001), que estimam o impacto das estações de trem
sobre o valor dos imóveis na cidade de Atlanta, Estados Unidos; Andersson (1997) que
analisa a qualidade dos condomínios em Singapura, Malásia; Martins (2012) que estima o
preço dos imóveis no Rio de Janeiro, Brasil. Para a cidade de Fortaleza, especificamente, há o
estudo de Honorato (2004) que faz a análise da demanda de preços imobiliários no mercado
imobiliário por meio do modelo hedônico.
A motivação para o presente trabalho parte da necessidade de inferir os preços aos
imóveis na região em estudo e demonstrar o real impacto ao investidor que comprou um
imóvel, novo ou usado entre os anos de 2007 e 2012. Assim, utilizou-se a metodologia citada
na precificação dos imóveis em uma cidade de porte médio - Fortaleza, com maior foco nos
bairros de Meireles e Aldeota. Estas duas regiões foram escolhidas por serem áreas
residenciais e apresentarem melhor IDH (Índice de Desenvolvimento Humano). (IBGE,
2010).
O trabalho encontra-se estruturado em seis seções. A primeira seção introdutória.
A segunda seção trata da fundamentação teórica. A terceira caracteriza a área em estudo. A
quarta apresenta os aspectos metodológicos. A quinta traz os resultados. A sexta apresenta as
considerações finais.
11
2 FUNDAMENTAÇÃO TEÓRICA
2.1 Fenômeno habitação
O mercado habitacional é considerado uma indústria a parte. A necessidade da
casa própria faz parte do sonho de grande parte da população. O consumidor será deparado
com um bem heterogêneo, com um conjunto diversificado de opções. De acordo com Le
Grand et al. (1992), a habitação é um bem complexo, com diferentes características e oferta
inelástica a curto prazo.
“A habitação pode ser vista como um processo em que três atores se destacam:
terra, estrutura e ofertante, em que o homem adiciona à terra crua uma estrutura física e vai ao
mercado ofertar o produto final para locação ou revenda”. (SOUSA FILHO; ARRAES, 2005,
p. 3).
Cada produto é único, constituído por um pacote de atributos que podem ser
divididos em características, tais como: área, número de quartos, presença de elevador, andar
correspondente, idade, distância a centro comercial, proximidades a equipamentos urbanos.
Diante deste vasto universo de escolhas, são utilizadas análises para valoração do
bem habitacional, que levam em conta desde o uso de modelos matemáticos, até o
conhecimento subjetivo. Dentre as formas de obtenção do valor final, destaca-se o obtido por
comparação direta entre itens da mesma categoria, por similares ou por amostragem estatística
de dados do mercado. Diferenças entre as características devem ser compensadas por meio de
critérios estabelecidos visando equiparar os valores. Com isso, são analisados os vetores
formadores de preço (área privativa, elevador, idade, vagas na garagem, padrão do imóvel)
dos diversos bens, a fim de aferir o valor de mercado (D`AMATO; ROBERTO, 2009, p. 56).
2.2 Modelo de preços hedônicos
A metodologia de Preços Hedônicos é baseada na abordagem para obtenção da
utilidade dos consumidores explicada por Lancaster (1966). De acordo com o autor, o produto
é formado por um conjunto de características para os quais o indivíduo tem preferências. No
mercado, os produtos disponíveis são apresentados da mesma forma aos consumidores. As
características são mensuradas de forma diferenciada por cada consumidor, ou seja, a escolha
é feita de acordo com o conjunto de características disponíveis no mercado. Segundo
12
Lancaster (1966) o consumidor busca formas de maximizar a utilidade com as características
que maximizem a utilidade.
O valor final do produto é composto de valores atribuídos as características
pertencentes aquele bem. Ocorre que no mercado, estes valores muitas vezes são intangíveis,
tendo então que considerar a utilização dos preços relacionados à utilidade gerada, definido
por Rosen (1974) como sendo os preços implícitos das características. Com a regressão dos
preços dos produtos em função das suas características, é possível quantificar os ativos
intangíveis.
O modelo é descrito como um mercado competitivo em um plano de várias
dimensões onde tanto os compradores como os vendedores estão localizados. O produto é
definido por n características mensuráveis. Sendo, iz a quantidade de características i
representada pelo vetor ),...,,( 21 nzzzz (ROSEN, 1974).
A função preço, ),...,()( 2,1 nzzzpzp , é definida por cada ponto no plano onde
tanto os produtores quanto os consumidores escolhem em relação a um pacote de
características dos bens comprados e vendidos. Desta forma, o equilíbrio se dá ao equalizar o
que é oferecido pelo produtor em cada ponto do plano, com a quantidade demandada pelo
consumidor.
Com relação à decisão do consumidor, supõe que apenas uma unidade com um
determinado valor z. A função utilidade assumida ),...,,( 2,1 nzzzxU , em que x representa todas
as outras propriedades consumidas e z o vetor de características associadas. Definir o preço de
x igual à unidade e renda medida, y, em termos de unidades de )(: zpxyx . A
maximização da utilidade sujeito a restrição orçamentária não-linear requer a escolha de x e
),...,,( 21 nzzz para satisfazer o orçamento e condições de primeira ordem. A restrição
orçamentária do consumidor será:
niUx
UzPz
z
zp ii
i
,...,1,)(
(1)
Onde iPz é o preço hedônico do atributo i da habitação, sendo as condições de
segunda ordem da característica i e )(zP função de preços hedônicos. De acordo com Rosen
(1974) para enfatizar o contexto espacial do problema, foi definido o preço de oferta (bid
function) como sendo ),;,...,( 2,1 zuzzz n , de acordo com:
13
uzzzyU n ),...,,( 2,1 (2)
Onde u é uma quantidade ótima de nível de utilidade, que o consumidor está
disposto a pagar por valores de ),...,( 2,1 nzzz a um nível de utilidade e renda representado por
),;( yuz . Com isso, é possível observar uma família de curvas de indiferença relacionando
iz com preço. Da função utilidade, são obtidas as seguintes relações:
1,01
,0
yeUc
uUx
Uzz i
i (3)
0)2( 322 UxUxxUzUxzUzUxzUzUxzz iiiiiiii (4)
As equações (3) e (4) mostram que o preço é função da utilidade gerada por uma
variação em iz . Onde iz é a taxa marginal de substituição entre a característica iz e o valor,
indicando seu preço de demanda de reserva para uma unidade adicional iz .
A quantidade que o consumidor está disposto a pagar por para um índice de
utilidade fixa e renda é, ),;( yuz , enquanto )(zp é o mínimo preço que ele deve pagar no
mercado. Portanto, a utilidade é maximizada quando )(),;( *** zpyuz e
niqpiyuzzi ,...,1),(),;( **** , onde *z e *u são as quantidades ótimas. Em outras
palavras, otimizar a localização no plano- ocorre quando as curvas )( *zp e ),;( ** yuz são
tangentes uma a outra. As escolhas ótimas de dois diferentes consumidores com funções 1 e
2 , são mostradas na figura 1.
Figura 1 – Equilibrio do Consumidor
Fonte: Adaptado de Rosen (1974)
14
Uma consequência do modelo é que há tendência em relação a segmentação do
mercado, da forma que consumidores com funções de valor semelhantes, tendem a comprar
produtos com as mesmas características. Isto é um resultado bem conhecido do modelo de
equilíbrio espacial. Permitindo a parametrização das preferências do consumidor, a função
utilidade pode ser escrita por );,...,,( 2,1 nzzzxU , onde é o parâmetro de diferenciação entre
os consumidores. O equilíbrio da função depende de )(y que corresponde a renda e )( o
conjunto da população, determinando assim os preços hedônicos para as características z.
Em relação ao raciocínio estabelecido às preferências do consumidor, pensamento
simétrico pode ser utilizado em relação aos produtores. Seja )(zM o número de unidades
produzidas pela firma, com especificações z. A função de custo é representada por );,( zMC
, onde representa os parâmetros estabelecidos por cada produtor. A maximização do lucro
é dada por ),...,,,()( 21 nzzzMCzMp escolhendo M e z ótimo, atendendo a condição de
primeira ordem:
niM
zzzMCzzp ni
i ,...,1,),...,,,(
)( 21 (5)
nizzzMCzp nM ,...,1),,...,,,()( 21 (6)
A receita marginal de atributos adicionais é igual ao custo marginal de produção
por unidade vendida, ou seja, ao seu preço implícito. As quantidades produzidas serão até que
o preço )(zp iguale ao custo marginal de produção, avaliada no pacote de características
ótimas.
Simetricamente ao tratamento a demanda, a função oferta definida por
);,...,,,( 21 nzzzx indica o preço unitário que a firma está disposta a receber, com os vários
atributos estabelecidos quando as quantidades produzidas são ótimas. Assim, eliminando a
variável M:
),...,,,()( 21 nzzzMCzMp (7)
),...,,,( 21 nzzzMC (8)
15
E resolvendo em termos de z, e . Distinguindo (7) e (8) para obter
01
Me
M
Czz i
i . A reserva de oferta para o atributo i e lucro constante, assumindo
aumento de iz é iz .
A maximização do lucro deve satisfazer ),;,...,,()( **2
*1
* ni zzzzzp , para
ni ,...,1 . A escolha ótima é caracterizada pela tangência entre o lucro obtido e preço das
características implícitas no mercado é demonstrada na figura 2.
Figura 2 - Equilibrio do Produtor
Fonte: Adaptado de Rosen (1974)
Analisando as figuras 1 e 2 e sobrepondo, é entendido que “No equilíbrio,
comprador e produtor se adequam perfeitamente quando suas respectivas funções de valor e
oferta se tangenciam, com um gradiente comum nesse ponto dado pelo gradiente do mercado
com a função de preço )(zp ”. (ROSEN, 1974, p. 44). Logo, uma curva envoltória dos
conjuntos de curvas de valor e oferta representa a função de preços hedônicos.
Analisando as decisões do consumidor e produtor é estabelecido o equilíbrio de
mercado. A quantidade demandada de produtos com características z é )(zQd , e )(zQs é a
quantidade fornecida com esses atributos. É preciso encontrar a função )(zp quando
)()( zQzQ sd , ou seja, o preço varia de acordo com as derivações da demanda e oferta
discriminadas nos processos acima.
O modelo proposto por Rosen (1974) inicialmente desconsiderava os efeitos das
variáveis que afetam as preferências do comprador. Em uma segunda etapa do processo do
modelo inicial, o autor admite a influência de características 1Y que afetam as preferências do
16
comprador e 2Y do comprador. Com isso, p é obtido com as equações de demanda e oferta
conforme abaixo:
),,...,,()( 121 YzzzFzp ni
i , (demanda) (9)
),,...,,()( 221 YzzzGzp ni
i , (oferta) (10)
Dividindo a demanda por um conjunto de características, e estimando o preço
marginal implícito para cada uma )(ˆ/)( qpqiqp , equilibrado pelo total de características
compradas ou vendidas. Com isso, utiliza-se )(ˆ qpi como variável endógena, na segunda etapa
nas equações simultâneas de demanda (9) e oferta (10).
O uso da metodologia de preços hedônicos apresenta dificuldades que devem ser
levadas em consideração. Primeiro, a teoria não determina quais as variáveis relevantes para a
composição do preço final. Segundo, método de regressão frequentemente apresenta variáveis
dependentes com relações lineares exatas ou aproximadas. Terceiro, à aplicação da
metodologia de preços hedônicos ao mercado imobiliário, é a presença de heterocedasticidade
referente a idade do imóvel. De acordo com Goodman e Thomas (1995) a variância residual
nas equações de preços hedônicos frequentemente aumenta com a idade da habitação, ou seja,
o argumento apresentado é que a partir de certa idade, ao invés de desvalorizar, há uma
valorização gradual conforme mais velhos ficam. Apesar destas dificuldades, o modelo é
amplamente utilizado no mercado imobiliário, e superado com o uso de ferramentas
econométricas.
17
3 MERCADO IMOBILIÁRIO
3.1 Contextualização no Brasil
No Brasil a participação da construção civil no PIB cresceu 28,7% de 2007 à
20121. Este processo foi impulsionado pela abertura de capital das empresas do setor em
2005, embora em 2008 tenha ocorrido a crise econômica mundial, com percentual de
crescimento do mercado brasileiro quase zero. (IBGE-2010)
Entre os anos de 2007 e 2012 o déficit habitacional total recuou 6,27%, e, em
termos absolutos, de 5,59 milhões para 5,24 milhões de domicílios. Essa queda ocorreu ao
mesmo tempo em que houve aumento de 12,6% no total de domicílios, de 55,918 milhões
para 62,996 milhões. Assim, em termos relativos, o déficit caiu de 10% do total de domicílios
para 8,53%. As famílias que ganham até três salários mínimos tiveram maior recuo no déficit,
embora tenha recuado em todas as faixas de renda.
Na análise da distribuição da falta de moradias adequadas, houve uma
concentração maior do déficit entre as famílias de baixa renda. Em 2012, 73,6% do déficit era
composto por domicílios com famílias com renda de até três salários mínimos, ante 70,7% em
2007. Ainda assim, houve queda em números absolutos: em 2007, os 70,7% de 5,59 milhões
equivaliam a 3,95 milhões de domicílios nessa faixa. E, em 2012, 73,6% de 5,24 milhões
equivaliam a 3,86 milhões de domicílios.
Assim, as demais faixas passaram a responder menos pelo déficit habitacional. Do
total do déficit habitacional, 11,6% referiam-se aos que ganhavam de três a cinco salários
mínimos em 2012, ante 13,1% em 2007. Entre os que recebiam de cinco a dez salários
mínimos, a parcela foi de 10,4% para 9,4%. Já o déficit entre quem ganhava mais de dez
salários mínimos caiu de 4,1% para 2,9%.
3.2 O Município de Fortaleza
Criada em 1725 a partir da Fortaleza de Nossa Senhora da Assunção. Está
delimitada pelas coordenadas geográficas: 3°43’02” de latitude sul e 38º32’35” de longitude a
oeste de Greenwich. O município faz limite ao sul com os municípios de Maracanaú,
1 IBGE - Sistema de Contas Nacionais Brasil.
18
Pacatuba, Itaitinga e Eusébio; ao norte com o Oceano Atlântico e o município de Caucaia; ao
leste com os municípios de Eusébio, Aquiraz e Oceano Atlântico; e, finalmente, com os
municípios de Caucaia e Maracanaú a oeste.
A população da cidade de Fortaleza é de 2.452.185 hab. (IBGE - 2010),
distribuída em 114 bairros oficialmente delimitados, o que faz de Fortaleza a 5ª cidade mais
populosa do Brasil. Segundo dados do IBGE o município teve uma taxa média geométrica de
crescimento populacional de 1,76% a.a entre 2000 e 2009. Fortaleza concentra 30% do total
de habitantes do Ceará e cerca de 70% da RMF. A área territorial de Fortaleza é de 314,927
km², resultando numa densidade demográfica média de 7.786,52 hab/km², a maior entre as
capitais do Brasil.
A cidade concentra 70% dos empregos e cerca da metade do PIB do Estado. O
PIB de Fortaleza é de R$ 31,79 bilhões (IBGE/2009), com uma participação percentual no
PIB brasileiro de 0,92%, ocupando a 15ª posição entre os 100 maiores municípios do País. O
PIB per capita é de R$ 12,69 mil (IBGE/2009).
A Capital foi, em 2012, o sétimo maior mercado do País, no que diz respeito a
venda de imóveis. Ficou atrás de Salvador (R$ 2,66 bi); Porto Alegre (R$ 2,98 bi); Distrito
Federal (R$ 3,33 bi); Belo Horizonte (R$ 3,91 bi); Região Metropolitana do Rio de Janeiro
(R$ 11,14 bi); e também da Região Metropolitana de São Paulo (R$ 28,48 bi).
Fortaleza, assim como as demais capitais do país, tem experimentado nas últimas
décadas uma aceleração do processo de urbanização, o que tem levado em muitos casos ao
crescimento desordenado da cidade e, consequentemente, à acentuação de problemas sociais e
estruturais. Este fluxo migratório para grandes centros urbanos é devido a fatores como maior
oferta de emprego, facilidade de acesso aos serviços nas áreas de saúde e educação, e as
condições climáticas (caso de seca no Nordeste), dentre outros. A cidade atualmente já
apresenta 100% da sua população urbana (IBGE, 2010). Segundo estudo realizado em 2004
(Relatório Síntese Diagnóstico do Município de Fortaleza) a cidade contava com cerca de
17.600 habitações em áreas de risco e 82.203 em áreas subnormais, perfazendo um total de
cerca de 346.000 pessoas vivendo em péssimas condições de moradia.
Em relação aos bairros de classe média e alta, segue breve descrição do Meireles e
Aldeota (Figura 3). O primeiro é considerado por possuir um perfil mais residencial, com
desenvolvimento na segunda metade do século XX e abrigando equipamentos urbanos e
residências. Com o surgimento do polo gastronômico, a região apresenta crescimento no setor
19
comercial. Já o segundo é um local de colégios, hospitais, bancos e na primeira década tem-se
desenvolvido uma zona comercial. (HONORATO, 2004).
Figura 3 – Mapa da cidade de Fortaleza com destaque na área de estudo
Fonte: Site www.ceara.com.br/fortaleza/mapadefortaleza.htm
Em Fortaleza, entre os anos de 2007 e 2012 foram 261.098 mil unidades
comercializadas, com um total de 23.814 mil unidades vendidas, ou seja, uma média de 9% de
vendas por ano. Em relação a este período foram lançadas 19.383 mil unidades, com maior
acréscimo em 2011 com um total de 6.196 mil unidades, valor superior à soma dos anos de
2007 a 2009.
As estatísticas do INPESCE2 revelam, ainda, que foram lançadas 3.250 unidades
no primeiro semestre de 2013, 15% a mais do que o total contabilizado em igual período do
ano passado. O preço médio do imóvel em Fortaleza - desconsiderando as unidades do Minha
Casa, Minha Vida - ficou em R$ 423,8 mil no primeiro semestre.
2 INPESCE - Instituto de Pesquisas e Estatísticas do SECOVI (2013)
20
Tabela 1 – Mercado Imobiliário em Fortaleza
Ano Unidades Ofertadas
Resid./Aptº Unidades Vendidas
Resid./Aptº Unidades Residenciais
Lançadas 2007 32.677 2.009 1.030 2008 32.550 2.879 2.229 2009 32.038 2.558 1.926 2010 46.077 4.600 3.653 2011 55.589 6.325 6.196 2012 62.167 5.443 4.349 Total 261.098 23.814 19.383
Fonte: SINDUSCON-CE/FIEC
Apesar de ainda ocuparem posição de destaque no universo de unidades lançadas
por bairro, a participação da Aldeota e Meireles vem caindo desde 2005. Se, naquele ano, a
participação desses bairros era de 41%, no primeiro semestre deste ano fechou em 13%. Essa
mudança estaria ligada às melhorias de condições a alta de preços em outros bairros, que
contribuíram para o desenvolvimento dessas áreas.
21
4 ASPECTOS METODOLÓGICOS
O modelo segue de acordo com o proposto por Rosen (1974), onde os preços dos
imóveis são relacionados a um conjunto de características. Neste caso, os imóveis são
abordados de acordo com suas características físicas. A variável explicada é o preço (Yt ),
enquanto as variáveis explicativas são andar ( tX ), área ( tZ ), presença de elevador ( tH ),
idade ( tI ), padrão ( tP ), vagas na garagem ( tV ) período ( tO ), novo ou usado ( tN ).
ttttttttt NOVPIHZXYt 987654321ln (11)
O modelo cross-section, utiliza a alegação de que a transformação logarítmica da
observação de despesas tende a corrigir a heterocedasticidade. É consistente na ideia de que a
equação nos fornece o impacto das modificações das variáveis independentes em relação a
dependente em menor escala, ou seja, foi adquirida a vantagem de diminuir a amplitude dos
valores das variáveis, tornando as estimativas menos sensíveis a oscilações extremas na
variável dependente ou nas independentes. Estudos de Bartlett (1947), Kempthorne (1952),
Theil (1951), Jorgenson (1965), Amemiya (1973) e muitos outros colaboraram com o uso deste
formato. Por isto, foi atribuída função logarítmica no modelo.
O estudo inicia-se em 2007 por ocorrer nos Estados Unidos da América em 2007,
a crise econômica mundial ao qual afetou negativamente os preços dos imóveis de forma
avassaladora. Os efeitos depois foram estendidos para diversas regiões do mundo, afetando
inicialmente a Europa, e posteriormente disseminados para os mercados ditos emergentes,
como o Brasil.
Neste período, com o mundo em crise, o mercado imobiliário brasileiro continuou
com aumento de preços acima da inflação. Devido ao mercado imobiliário conter grande
assimetria de informações, este modelo busca há necessidade de investigar as principais
características que justificam a formação dos preços neste período. Com isso, é possível
determinar os principais pontos que devem ser observados na compra, ou venda de um
imóvel.
22
4.1 Teste de Chow
As series podem conter quebras estruturais decorrentes de diversas forças
externas, tais como políticas públicas, mudanças tributárias, dentre várias outras causas. O
teste de Chow verifica a estabilidade dos parâmetros em um intervalo de amostra, ou seja, se
os parâmetros se mantem iguais durante o tempo da série.
É realizado o teste dividindo a amostra em duas sub-amostras e estimando os
parâmetros novamente em cada uma. (figura 4) Uma restrição quanto ao uso do teste é que,
cada sub-amostra deve conter mais observações que o número de coeficientes estimados, ou
seja, não se deve usar com poucas observações. O resultado do teste apresenta a estatística F e
a estatística Log Razão Verossimilhança. (GUJARATI; PORTER, 2011)
Um período sugere uma regressão em apenas um período podendo ser expressa
por:
tVPIHZXYt tttttt 7654321 (12)
Após a quebra estrutural tem-se duas regressões distintas:
tVPIHZXYt tttttt 276543211 (13)
tVPIHZXYt tttttt 276543212 (14)
Figura 4 – Divisão da Amostra Original em Sub-amostras
Fonte: Elaborado pelo autor
(11) (12) (13)
23
O modelo compara a soma dos quadrados dos resíduos da regressão original (12)
com a soma dos quadrados dos resíduos das novas regressões feitas a partir das sub-amostras
(13) e (14). Caso haja diferença significativa das estatísticas, a partir do ponto de quebra T,
pode-se concluir uma mudança estrutural no modelo.
Se a hipótese nula de que as estimativas para os coeficientes são estáveis for
verdadeira, os parâmetros das regressões (13) e (14) são iguais, ou seja,
,,...,, 772211 o modelo pode ser expresso como na regressão (12).
(GUJARATI; PORTER, 2011).
4.2 Base de dados e descrição das variáveis
Foi proposto o estudo da sensibilidade dos preços dos imóveis em relação a suas
características. Para montar a base de dados, foi solicitado a um engenheiro avaliador
credenciado da Caixa Econômica Federal, que enviasse informações de imóveis coletados
para trabalhos de avaliações. Levou-se em conta o conhecimento tácito do responsável para
aferição dos resultados obtidos em campo, para obtenção de suas variáveis. Os dados foram
tabulados, contendo a localização do imóvel (endereço) e suas características físicas. Por isso,
considera-se que é possível não haver distorções em relação a tabulação. O período de coleta
foi de janeiro de 2007 a dezembro de 2012. No total foram obtidas 607 observações
(imóveis). Assim, dividiu-se a amostra em duas partes:
537 observações dos períodos de Janeiro de 2007 a Dezembro de 2008;
70 observações dos períodos de Janeiro de 2010 a Dezembro de 2012.
Na escolha das variáveis de influência, foram definidas as seguintes
características: a) área privativa; b) andar; c) elevador; d) idade; e) vagas na garagem; f)
padrão do imóvel. Tais variáveis foram utilizadas em muitos estudos econométricos, dentre
eles, Lucena (1985) e Ferreira (2002). Em relação a estas, foram feitas as seguintes
limitações:
A variável “ÁREA”, corresponde à área privativa total dos imóveis, assim nos
apartamentos de cobertura as áreas descobertas são incluídas.
Na variável “ANDAR”, foi associado o piso onde estava o imóvel. Quando no
prédio havia um piso com salão de festas, o primeiro andar tem a numeração
iniciada no 1º.
24
A variável “ELEV” é do tipo dummy para indicar a presença ou não de
elevador. Para a amostra de 2012 com 70 observações, os dados coletados
apresentaram presença de elevador em 100% das vezes.
Na variável “IDADE” foi contabilizado o tempo a partir da data entrega. Os
imóveis novos dentro do 1º ano, inferiores a 6 meses tem seu valor 0,
superiores a esta data, dentro do 1º ano, assumiu-se 0,5. Após o 1º ano, os anos
estão em números fechados, ou seja, arredondados para o ano corrente. Com
isso, um imóvel com 1 ano e 5 meses, teve seu valor inserido apenas como 1.
Na variável “VG” está a quantidade coletada como número de vagas
disponíveis para o apartamento. Não foram contabilizadas as vagas alugadas.
A variável “PADRAO”, explica o padrão do acabamento do imóvel. Assim,
imóveis de características boas e regulares recebem o número 1, ótimas e
excelentes o número 2. Não foram incluídas amostras nos quais os padrões não
atendiam os mínimos estabelecidos.
A variável “NOVO” é do tipo dummy para indicar se o imóvel é novo ou não.
Para serem considerados novos, devem estar construídos, e com idades até 6
meses. Os imóveis considerados novos representam 5,27% do total da amostra.
Foram incluídas na base unidades a venda e em oferta, com cuidado para o preço
nos imóveis ofertados está dentro dos preços de mercado. Entende-se que a exclusão dos
imóveis com preços fora da faixa de mercado, porque apresentam distorções entre a quantia
que o indivíduo entende como adequado e o que está sendo oferecido pelo ofertante. Por estes
motivos, a inclusão destes imóveis não agregara para o modelo de preços a partir das
características significantes para o equilíbrio de mercado.
Uma preocupação na composição da base foi tentar utilizar os preços praticados
nas transações. Nos imóveis que apresentam os preços inicialmente solicitados para oferta,
não foi atribuído qualquer desconto, levando em conta este valor como o valor de venda. Esta
consideração foi feita porque em segmentos de mercados com menor liquidez, o diferencial
entre o preço ofertado e o que é efetivamente fechado costuma apresentar pouca modificação.
Uma possível taxa para homogeneização dos imóveis poderia gerar problemas que não são
possíveis prever.
25
Como os dados de preço coletados compreendem datas distintas deste período, foi
necessário fazer uma correção nos preços utilizando o INCC3, para que o tempo não afetasse
o resultado da análise das mudanças nas características sobre o preço. Na primeira amostra os
preços foram corrigidos para o mês de Janeiro de 2008, e na segunda realizou-se a correção
com atualização para o mês de Janeiro de 2012.
Em virtude da amostra estar restrita a dois bairros, não foram avaliadas variáveis
características das áreas, tais como: renda do chefe de família, acessibilidade, distância ao
centro de negócios, segurança, saneamento, dentre outras amenidades. O impacto destas
amenidades seriam praticamente uniformes nos dados obtidos. Antes de rodar a regressão, foi
preciso verificar se as variáveis explicativas estão correlacionadas de forma a entender a
mudança nos estimadores quando uma variável é omitida ou incluída. Para fins de
comparação dos resultados obtidos através da pesquisa de campo, não há, nenhuma base de
dados pública que relacione os preços das vendas realizadas e todas as variáveis de interesse
observadas.
Na amostra final, que contempla a unificação das variáveis, foi inserida uma
binária, que diferenciasse o período estudado. Considerado então o valor de 0 para a base de
2008 e 1 para a base de 2012. Também com esta, o ultimo passo foi inserir uma binária que
considerasse a diferenciação entre os imóveis novos. Como sugerido por Sirmans,
Macpherson e Zeitz (2005), Clark e Herrin (1997), Decker, Nielsen, e Sindt (2005), Laurice e
Bhattacharya (2005), uma nova habitação é frequentemente mais desejavel, em parte por não
haver a necessidade de reparos e geralmente contem aparelhos novos e modernos, portanto de
uma habitação nova é esperado um preço de venda mais elevado.
Tabela 2 – Descrição e codificação das variáveis utilizadas no modelo de preços hedônicos Variável no
Modelo Código da Variável
Descrição da Variável Tipo da Variável
Unidade de Medida
Explicada PRECO Preço do imóvel Quantitativa Reais Explicativa AREA Área privativa do imóvel Contínua M² Explicativa PADRAO Padrão de acabamento Discreta 1 = boa e regular, 2 = ótima
e excelente Explicativa IDADE Idade do imóvel Contínua Anos Explicativa ANDAR Número de pavimento Contínua Andar Explicativa ELEV Índica presença de elevador Binária 0 = não possui, 1 = possui Explicativa VG Vagas de Garagem Contínua Unidade Explicativa PERIODO Retorna ao ano 2008 ou 2012 Binária 0 = ano 2008, 1 = ano 2012 Explicativa NOVO Indica se o imóvel é novo na
data da coleta Binária 1 = sim, 0 = não
Fonte: Elaborado pelo autor
3 INCC – Índice Nacional de Preços da Construção Civil, publicada mensalmente pela FGV.
26
5 RESULTADOS ECONOMÉTRICOS
Os modelos estimados nessa seção utilizam as variáveis apresentadas no tópico
anterior. O passo inicial foi analisar datas específicas nas amostras para investigar se houve
quebras estruturais. Na base de 2008, foi inserida quebra dividindo em duas partes, com a
primeira de Jan/2007 a Jan/2008 contendo 233 observações e a segunda de Fev/2008 a
Dez/2008 contendo 304 observações. Assim como na base anterior, em 2012 foi inserida
quebra dividindo em duas partes com o primeiro período de Abr/2010 a Mar/2011 com 37
observações e o segundo período de Abr/2011 a Jun/2012 contendo 33 observações. Os
valores encontrados foram de Prob(F) de 0,000028 e Prob(LRV) para 2008 e Prob(F) de
0,000098 e Prob(LRV) para 2012. Com isso, não rejeita a hipótese de estabilidade dos
parâmetros das regressões.
Nesta parte ainda não tinham sido incluídas as variáveis “PERIODO” e “NOVO”,
pois estas serão inseridas apenas na amostra final.
Como foi rejeitada a hipótese nula nas duas amostras, os dados foram unificados,
criando uma única com 607 observações. Foi realizada novamente a quebra a partir dos
períodos definidos na amostra anterior. Neste caso novamente, a hipótese nula foi rejeitada.
Com a análise das amostras concluídas, o teste é feito com o modelo final. O próximo passo
foi realizar um pool das duas amostras, estimando-se o modelo com uma única amostra
contendo 607 observações.
A primeira regressão (tabela 3) realizada com o modelo geral obteve ajustamento
aos dados (R²=64,79%) e apresentou a variável “PADRAO” com significância acima de 5%.
As variáveis “ELEV” e “PADRAO” apresentaram sinais diferentes do esperado, pois
teoricamente, a presença de elevadores e imóveis de padrão mais elevado tem um valor maior.
Tabela 3 – Equação de preço resultados da 1ª regressão VARIÁVEL DEPENDENTE - PREÇO
VARÍAVEIS COEFICIENTE ERRO PADRÃO ESTATÍSTICA T PROB. C -37227.14 43779.05 -0.850341 0.3955
ANDAR 3338.882 1555.721 2.146196 0.0323 AREA 3311.272 195.4144 16.94487 0.0000 ELEV -80811.60 26448.84 -3.055393 0.0023
IDADE -11471.01 1261.239 -9.095038 0.0000 PADRAO -23002.34 21111.35 -1.089572 0.2763
VG 40218.13 14800.35 2.717376 0.0068 R² 64.79% F 184.0411 N 607
Fonte: Elaboração do autor
27
Com a inserção da variável “PERIODO” gerou-se a segunda regressão (tabela 4),
com ajustamento aos dados um pouco melhor de (R²=77,84%) e com os mesmos sinais da
primeira regressão. Na terceira regressão (tabela 5), foram utilizados os dados da primeira
regressão, seguindo a sugestão de Houthakker (1957), definindo-se a forma funcional como
log-linear. Obteve-se um ajustamento (R²=80,98%), com as variáveis apresentando os sinais
esperados.
Tabela 4 – Equações de preço resultados da 2ª regressão (inclusão da variável “PERÍODO”) VARIÁVEL DEPENDENTE - PREÇO
VARÍAVEIS COEFICIENTE ERRO PADRÃO ESTATÍSTICA T PROB. C -24761.93 34767.42 -0.712216 0.4766
ANDAR 1556.356 1238.902 1.256239 0.2095 AREA 3083.519 155.6346 19.81256 0.0000 ELEV -93368.73 21011.33 -4.443731 0.0000
IDADE -10755.68 1002.162 -10.73247 0.0000 PADRAO -4127.421 16792.77 -0.245786 0.8059
VG 24367.01 11781.93 2.068168 0.0391 PERIODO 354374.2 18869.62 18.78015 0.0000
R² 77.84% F 300.6003 N 607
Fonte: Elaboração do autor
Tabela 5 – Equações de preço resultados da 3ª regressão (modelo Semi-Log) VARIÁVEL DEPENDENTE – LOG(PREÇO)
VARÍAVEIS COEFICIENTE ERRO PADRÃO ESTATÍSTICA T PROB. C 11.09153 0.071030 156.1538 0.0000
ANDAR 0.015248 0.002524 6.040847 0.0000 AREA 0.006129 0.000317 19.33273 0.0000 ELEV 0.185399 0.042912 4.320439 0.0000
IDADE -0.025681 0.002046 -12.55016 0.0000 PADRAO 0.072046 0.034252 2.103389 0.0358
VG 0.126927 0.024013 5.285770 0.0000 R² 80.98% F 425.8477 N 607
Fonte: Elaboração do autor
Na quarta regressão (tabela 6) foi utilizada a base da segunda regressão, na forma
log-linear. Neste foi obtida o melhor ajuste com (R²=91,65%) e as variáveis mantendo os
sinais da terceira regressão. Com os mesmos parâmetros da quarta regressão, foi inserida a
variável “NEW”, e realizada uma nova regressão. Foi obtido um ajuste melhor que a quarta
com (R²=91,72%). A quinta regressão foi escolhida por conter mais variáveis explicativas.
28
Tabela 6 – Equação de preço resultados da 4ª regressão (modelo Semi-Log com Inclusão da Variável “PERÍODO”)
VARÍAVEIS COEFICIENTE ERRO PADRÃO ESTATÍSTICA T PROB. C 11.11642 0.047099 236.0204 0.0000
ANDAR 0.011689 0.001678 6.964456 0.0000 AREA 0.005675 0.000211 26.91516 0.0000 ELEV 0.160328 0.028464 5.632649 0.0000
IDADE -0.024253 0.001358 -17.86440 0.0000 PADRAO 0.109730 0.022749 4.823494 0.0000
VG 0.095279 0.015961 5.969511 0.0000 PERIODO 0.707525 0.025563 27.67806 0.0000
R² 91.65% F 939.88 N 607
Fonte: Elaboração do autor
Ainda neste, foi utilizado o teste de White, sem termos cruzados (caso contrário,
seriam perdidos graus de liberdade, restringindo a amostra e a variabilidade dos regressores).
Com um valor p de 0,001, podemos rejeitar a hipótese nula. O modelo é heterocedastico, ou
seja, não vale a pena verificar o comportamento do resíduo da regressão. Dessa forma, a
especificação final do modelo de preços hedônicos desse trabalho é a quinta regressão (tabela
8), cujo resultado pode ser observado abaixo:
Tabela 7 – Equação de preço resultados da 5ª regressão (modelo Semi-Log com Inclusão da Variável “NOVO”) VARIÁVEL DEPENDENTE – LOG(PREÇO)
VARÍAVEIS COEFICIENTE ERRO PADRÃO ESTATÍSTICA T PROB. C 11.09612 0.047872 231.7893 0.0000
ANDAR 0.011567 0.001674 6.909710 0.0000 AREA 0.005702 0.000211 27.08019 0.0000 ELEV 0.164042 0.028427 5.770607 0.0000
IDADE -0.023491 0.001398 -16.80318 0.0000 PADRAO 0.108671 0.022684 4.790679 0.0000
VG 0.096338 0.015919 6.051797 0.0000 PERIODO 0.712400 0.025582 27.84795 0.0000
NOVO 0.081968 0.037683 2.175208 0.0300 R² 91.72% F 828.1167 N 607
Fonte: Elaboração do autor
O resumo das regressões estudadas pode ser encontrado na tabela 8.
Tabela 8 – Resumo das regressões VARÍAVEIS 1º 2º 3º 4º 5º
C -37227.14** -24761.93** 11.09153 11.11642 11.09612 ANDAR 3338.882* 1556.356** 0.015248 0.011689 0.011567 AREA 3311.272 3083.519 0.006129 0.005675 0.005702 ELEV -80811.60* -93368.73 0.185399 0.160328 0.164042 IDADE -11471.01 -10755.68 -0.025681 -0.024253 -0.023491
PADRAO -23002.34** -4127.421** 0.072046 0.109730* 0.108671 Continua
29
Conclusão Tabela 8 – Resumo das regressões VARÍAVEIS 1º 2º 3º 4º 5º
VG 40218.13* 24367.01* 0.126927 0.707525 0.096338 PERIODO 354374.2 0.095279 0.712400
NOVO 0.081968* R² 64.79% 77.84% 80.98% 91.65% 91.72% F 184.0411 300.6003 425.8477 939.88 828.1167 N 607 607 607 607 607
Fonte: Elaboração do autor Nota: (*) Significantes a, no máximo 5%; (**) Não significantes.
Primeiramente, em relação as variáveis estudadas dos imóveis, os efeitos
estimados foram estatisticamente significantes e com sinal de acordo com o esperado. Entre
as características que afetam positivamente o preço do imóvel destaca-se o “PERIODO”. A
presença ou não desta, tem um acréscimo de 71,25% ao preço, ou seja, observando apenas
esta característica em 4 anos o imóvel valorizou em média 17,81% a.a.
Na variável “ÁREA”, o coeficiente relacionado indica que esta é uma variável de
extrema importância, pois o aumento de 1% na metragem gera um aumento de 0,57% no
preço. De acordo com observações de mercado, o aumento do tamanho é sempre positivo, no
entanto, existe uma metragem ótima a partir da qual a curva da variável torna-se menos
inclinada, assim a metragem adicional quando chega a um ponto ótimo, agrega menos para o
preço do imóvel.
Um imóvel considerado “NOVO” gera um aumento de 8,19% no preço. Este
resultado com os argumentos apresentados sugeridos por Sirmans, Macpherson e Zeitz
(2005), Clark e Herrin (1997), Decker, Nielsen, e Sindt (2005), Laurice e Bhattacharya
(2005), de que a habitação nova tem um preço maior. Com isto, também se explica a
“IDADE”, faz com que o valor do imóvel reduza em 2,3% ao ano. O sinal negativo é
explicado pelo fato de o consumidor do bem habitação possuir atração por imóveis novos.
A presença de elevador se mostrou relevante, a presença agrega em 16,40% ao
preço final. Na variável “ANDAR” para cada andar o valor aumenta em 1,15%. Em “VG”
para cada acréscimo de 1 vaga, o valor aumenta em 9,63%. Por fim, os apartamentos de
padrão alto são mais valorizados em 10,86% do que os de padrão normal. A teoria
econométrica não define uma melhor relação para definição da forma funcional da regressão
que relaciona o preço e os atributos de um dado bem habitacional. Contudo, neste estudo, com
base nos testes realizados, a forma semi-log apresentou melhor especificação. Com o modelo
obtido, é possível criar cenários, de acordo com um imóvel a mesmas características, com os
preços variando “PERIODO” e “NOVO”.
30
Tabela 9 – Cenários para Aquisições de Imóvel
Características NOVO
2008 USADO
2012 USADO
2008 USADO
2012 ÁREA 75 75 75 75
PADRAO 1 1 1 1 ANDAR 20 20 20 20 ELEV 1 1 1 1
IDADE 0 4 1 5 VG 2 2 2 2
PERIODO 0 1 0 1 Novo 1 0 0 0
PRECO 220.237,44 376.596,06 198.194,09 367.852,46 SPREAD 71,00% 85,60%
Fonte: Elaboração do autor
No primeiro cenário, o consumidor adquire imóvel novo em 2008 e vende após
quatro anos, é possível obter um ganho sobre o capital investido de 71%. Em outro cenário,
compra-se um obtido imóvel usado em 2008, no caso da venda em quatro anos, o ganho seria
de 85,60%.
Com isso, observa-se que o incremento de valor entre as datas de Jan/2008 e
Jan/2012, foram superiores com os principais índices no mesmo período INCC – 30,19%,
IGPM-M4, – 23,71%, IPCA5 – 22,62%, o aumento chega a ser até 3 vezes maior (Figura 2).
Para o consumidor investidor, é mais vantajoso adquirir um imóvel usado e
vendê-lo ao final do período. No caso do consumidor que tem o interesse de morar, o ganho
de capital tem menor relevância, para este, a vantagem é a satisfação do novo, então vale a
pena adquirir o imóvel novo. Nesta região, com o crescimento da oferta e qualidade de vida
em outros bairros, e com base nos índices inflacionários, os acréscimos nos valores foram
exponenciais.
4 IGPM-M – Índice Geral de Preços do Mercado. 5 IPCA – Índice Preços do Consumidor Amplo
31
Figura 5 – Evolução temporal dos indicadores entre 2008 e 2012
Fonte: Elaboração do autor
Novo x Usado; 71,00%
INCC; 30,19%
IGPM‐M; 23,71%
IPCA; 22,62%
Usado x Usado; 85,60%
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
90,00%
JAN/08
MAR/08
MAI/08
JUL/08
SET/08
NOV/08
JAN/09
MAR/09
MAI/09
JUL/09
SET/09
NOV/09
JAN/10
MAR/10
MAI/10
JUL/10
SET/10
NOV/10
JAN/11
MAR/11
MAI/11
JUL/11
SET/11
NOV/11
JAN/12
32
6 CONSIDERAÇÕES FINAIS
O trabalho utilizou abordagem hedônica para compreensão da valoração do
imóvel residencial dos bairros Meireles e Aldeota, da cidade de Fortaleza de forma a
identificar quais as características são mais relevantes para a determinação do preço neste
mercado. Direcionar o foco da análise para imóveis em bairros nobres da cidade foi
determinante para a escolha das variáveis e interpretação, retirando amenidades que ocorrem
em outros bairros da cidade.
Na análise de preços hedônicos, as estimações revelaram que o consumidor de
imóveis dos bairros selecionados possui um perfil de características similares. Houve pouca,
ou nenhuma alteração entre os aumentos nas variáveis explicativas no decorrer do tempo. Os
preços implícitos das variáveis estudadas apresentaram fatores importantes para a definição
do valor final nos períodos de referência.
Como a base de dados se refere a bairros próximos, os testes apresentados com
outras variáveis relacionadas à localização, como proximidade a centros comerciais ou praia,
adicionam pouca informação aos resultados que foram obtidos na regressão.
O mercado imobiliário esteve em significativa expansão nesse período. É possível
que este aumento de demanda tenha sido o reflexo do até então observado déficit habitacional
de Fortaleza. Este aumento está muito além das expectativas econômicas do período, no qual
a construção civil fechou com crescimento de 4% em 2012, acima do PIB de 0,9%.
Dessa forma, o modelo final de preços dos imóveis apresentado neste estudo se
mostra relevante em alguns distintos aspectos: 1) Para as incorporadoras: permite calcular em
quais aspectos seria melhor o investimento a fim de maximizar o ganho de capital; 2)
Imobiliárias: no cálculo do preço de venda dos imóveis; 3) Tributário: permite utilizar a
ferramenta para indexar ao IPTU ou ITBI não atualizando mais por indexadores a inflação.
Como apresentado, existem inúmeras áreas a serem exploradas neste tema. Apesar
de grande relevância em um mercado de constante expansão, a literatura nacional recente
ainda é escassa. Embora os resultados apresentados neste artigo ofereçam alguma utilização
em termos de análise do mercado local, é necessário dar continuidade ao assunto, uma vez
que não se esgotaram todos os atributos que podem vir a ser testados. Para continuidade da
pesquisa, podem ser abordadas demais regiões da cidade, segurança, acesso à saúde e
criminalidade ou até mesmo maiores características físicas. Desta maneira, o assunto é
33
realmente vasto, e deve ser visto como subsídio ao setor da construção civil na formulação e
implantação de estratégias de mercado.
34
REFERÊNCIAS
AMEMIYA, T. Regression Analysis when the Variance of the Dependent Variable is Proportional to the Square of its Expectation. Journal of the American Statistical Association, v. 68, p. 928-934, 1973. ANDERSSON, D. E. Hedonic Prices and Center Accessibility: Conceptual Foundations and an Empirical Hedonic Study of the Market for Condominium Housing in Singapore. Taipei: National Taiwan University, 1997. BARTLETT, M. S. The Use of Transformations. Biometrics, v. 3, p. 39-52, 1974. BENSON, E. D.; HANSEN, J. L.; SCHWARTZ JR, A. L.; SMERSH, G. T. Pricing Residential amenities: The Value of a View. Journal of Real State Finance and Economics, v. 16, n. 1, p. 55-73, 1998. CLARK, D. E.; WILLIAM, E. Historical Preservation Districts and Home Sales: Evidence from the Sacramento Housing Market. Review of Regional Studies, v. 27, p. 29–48, 1997. DECKER, C. S.; DONALD, A. N.; ROGER, P. S. Is Pollution a Homogeneous Determinant of Value?. Appraisal Journal, v. 73, p. 183–196, 2005. ESPEY, M.; LOPEZ, H. The Impact of Airport Noise and Proximity on Residential Property Values. Growth and Change, v. 31, p. 408-419, Summer 2000.. FERREIRA NETO, E. 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 – EPGE, Fundação Getúlio Vargas – FGV, Rio de Janeiro, 2002. GOODMAN, A. C; THIBODEAU, T. G. Dwelling-Age-Related Heteroskedasticity in Hedonic House Price Equations. Journal of Housing Research, v. 6, p. 25-42, 1995. GUJARATI, D. N; PORTER, D. C. Econometria básica. 5. ed. Porto Alegre: AMGH, 2011. HONORATO, E. S. F. Análise da demanda e modelos de preços hedônicos no mercado imobiliário da cidade de Fortaleza. 2004. 178 f. Dissertação (Mestrado em Economia) – Faculdade de Economia, Administração, Atuária e Contabilidade, Universidade Federal do Ceará, Fortaleza, 2004. JORGENSON, E. Income-Expenditure Relations of Danish Wage and Salary Earners. Copenhagen: The Statistical Department, 1965. KEMPTHORNE, O. The Design and Analysis of Experiments. New York: Wiley, 1952. LANCASTER, K. J. A new approach to consumer theory. Journal of Political Economy, v. 74, n. 2, p. 132-157, 1966.
35
LAURICE, J.; RADHA, B. Prediction Performance of a Hedonic Pricing Model for Housing. Appraisal Journal, v. 73, p. 198–209, 2005. LUCENA, J. M. P. O mercado habitacional no Brasil. Rio de Janeiro: FGV, Série Teses, 1985. 185p. MARTINS, J. S. Preços de imóveis residenciais novos no Rio de Janeiro: estimação através da metodologia de preços hedônicos. 2012. 49 f. Dissertação (Mestrado em Economia) – Escola de Pós-Graduação em Economia - EPGE, Fundação Getúlio Vargas - FGV, Rio de Janeiro, 2012. OLIVEIRA, R. G. Dois Estudos sobre a Poluição do Ar na Cidade de São Paulo. São Paulo: Universidade de São Paulo, 1997. ROSEN, S. Hedonic prices and implicit markets: production differentiation in pure competition. Journal of Political Economy, v. 82, n. 1, p. 34-55, 1974. SIRMANS, S.; DAVID A. M.; EMILY N. Z. The Composition of Hedonic Pricing Models. Journal of Real Estate Literature, v. 13, p. 3-43, 2005. SOUSA FILHO, E. H.; ARRAES, R. A. Análise da demanda e modelos de preços hedônicos no mercado imobiliário urbano: o caso de fortaleza. In: ENCONTRO REGIONAL DE ECONOMIA, 9., 2005, Fortaleza. Anais… Fortaleza: BNB, 2005. THEIL, H. Estimates and TheirAmpling Variance of Parameters of Certain Heteroscedastic Disturbances. Review of the International Statistical Institute, v. 19, p. 141-147, 1951. WHITE, H. A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for heteroskedasticity. Econometrica, v. 48, n. 4, 1980.
36
APÊNDICES
APÊNDICE A – Teste de Chow
Teste de Chow – Base 2008
Amostra: 537
Quebra na Amostra 234
Estatística F 4.821557 Probabilidade 0.000028
Log razão de
verossimilhança
33.58211 Probabilidade 0.000021
Teste de Chow – Base 2012
Amostra: 70
Quebra na Amostra 38
Estatística F 5.737201 Probabilidade 0.000098
Log razão de
verossimilhança
32.61546 Probabilidade 0.000012
37
APÊNDICE B – Teste de White
Teste de Heterocedasticidade – Modelo Final (5ª Regressão)
Amostra: 607
Estatística F 2.795735 Probabilidade 0.001000
Obs*R² 32.45028 Probabilidade 0.001179