Editando Categoria:Regressão Espacial (seção)

== INTRODUÇÃO ==


O valor de mercado de imóveis urbanos pode ser estimado pelo modelo clássico de regressão linear (MCRL)e uma das premissas básica é admitir-se a independência espacial das informações extraídas do mercado. Em outras palavras, seria dizer que uma informação de mercado não influencia as informações na vizinhança. Contudo, dados associados à posição que ocupam no espaço urbano, considerando suas coordenardas geográficas x, y e z, associadas às cidades, regiões homogêneas, bairros, pólos valorizantes e desvalorizantes, estão caracterizados pela dependência ou heterogeneidade espacial (Anselin, 1988).<br><br>

A questão principal é que as observações levantadas no mercado apresentam indexação no espaço, tendo como característica a continuidade, com uma variação gradual de valores na vizinhança. Na presença destes efeitos, os resultados obtidos pelo MCRL não são capazes de explicar com fidelidade o comportamento do mercado imobiliário, podendo gerar avaliações tendenciosas, inconsistentes ou ineficientes.<br><br>

Para corrigir estas anomalias recomenda-se a aplicação da metodologia denominada Econometria Espacial, que usa como ferramenta estatística a Inferência Espacial. Esta metodologia foi desenvolvida inicialmente por Matheron (1965) e recebeu grande impulso nas ampliações realizadas por Anselin (1988), principalmente na parte aplicada, com o desenvolvimento da ferramenta computacional denominada SpaceStat (Anselin, 1990).<br><br>

A literatura internacional tem dado relativa importância da questão espacial na avaliação de imóveis e tem tratado o problema de diversas formas, e em muitos casos com a utilização de variogramas, que são úteis para testar os efeitos de dependência espacial.<br><br>

No Brasil, o primeiro trabalho com uso da metodologia definida por Anselin (1998) foi elaborado por Dantas et al (2001), representando a incorporação da questão espacial à avaliação de imóveis. Tal estudo estimou um modelo espacial para uma região da cidade do Recife, com uma amostra de apartamentos situados em 59 edifícios residenciais, distribuídos em quatro bairros e encontra indicações de autocorrelação espacial. Em expansões deste trabalho, Dantas et al (2002a), Dantas et al (2002b) e Magalhães e Dantas (2002), com ampliação da amostra e do número de bairros, encontram resultados mais consistentes, que reforçam a presença de efeitos de dependência espacial em dados imobiliários na cidade do Recife. 
Nos MCRL usualmente empregados nas avaliações de imóveis é comum a inclusão de variáveis indicativas da macrolocalização dos imóveis, tais como a distância a pólos de influência e a definição de regiões homogêneas de valores. Contudo, a microlocalização, que leva em conta a interação espacial entre os dados, normalmente não tem sido considerada. Quando os dados estão distribuídos espacialmente, como é o caso de imóveis no mercado habitacional, podem existir erros de medidas em relação à exata localização do imóvel, como também efeitos de interações espaciais (González 2003). Por estas razões deve ser considerado um fator adicional ao modelo tradicionalmente adotado, que é a autocorrelação ou dependência espacial. A não consideração deste efeito, como vem ocorrendo rotineiramente na análise do comportamento do mercado imobiliário, pode gerar problemas de estimação, pois, na presença de autocorrelação espacial nos resíduos, os parâmetros estimados por (3.2) são ineficientes (Dantas 2001). Neste caso, testes de hipóteses e os intervalos de confiança inferidos, não são mais válidos e as decisões tomadas com base neles podem ser enganosas. Assim, a dependência espacial dos preços observados em relação aos preços dos imóveis vizinhos provocará estimações tendenciosas e inconsistentes para os parâmetros, em virtude de um erro de especificação no modelo, pela não inclusão de uma variável dependente espacialmente defasada no modelo (3.1). Em ambos os casos, o MCRL mostra-se inadequado, devendo ser substituído pelos Modelos Espaciais, estimados por uma nova metodologia denominada Modelagem por Econometria Espacial.