Artigo Mercado Imobiliário - 2015

1
1. Introdução
Durante a última década, o Brasil viveu um período especulativo do seu mercado

imobiliário, isso graças a políticas de juros baixos e crédito imobiliário. De acordo com
Alexandre Gribel, "entre 2007 e 2012 o imóvel virou um bom investimento financeiro, quando
ele sempre foi um investimento patrimonial".
A crise entre os anos de 2008 e 2010 que atingiu o mercado imobiliário de alguns países
da Europa também os Estados Unidos fez com que o termo Bolha Imobiliária fosse altamente
discutido entre os peritos da área.
O conceito de Bolha Imobiliária está diretamente relacionado com a Lei da Oferta e

Demanda. Quando o mercado imobiliário passa por um período de crescimento a procura por
um imóvel passa a ser maior que a oferta. Assim, o preço do imóvel tende a aumentar. O
imóvel começa ter um valor maior do que vale realmente, mas mesmo assim o negociante
aceita pagar o preço ofertado, estimulado pelos bancos que oferecem linhas de crédito, gerando
um ciclo especulativo. Quando o descumprimento com o pagamento chega a níveis não
suportáveis ou quando há falência de algum dos envolvidos nesse processo de compra e venda
do imóvel, dizemos que ocorreu o estouro da Bolha Imobiliária.
Graças ao fenômeno da globalização, atualmente há uma interligação entre mercados do

mundo inteiro, inclusive do mercado imobiliário. Se antes comprar um imóvel em outro país
estava restrito à população mais abastada, não só pelos valores, mas também pela distância
geográfica e burocracia jurídica e financeira, agora esse obstáculos são praticamente
inexistentes, principalmente pela facilidade no transporte aéreo.
Assim, como nos últimos dois anos o mercado imobiliário enfrenta um período de
desaceleração, faz-se necessário avaliar bem o investimento a ser feito. Dessa forma, esse
artigo visa auxiliar na análise dos mercados imobiliários de grandes cidades ao redor do
mundo, compará-los e indicar o que oferece as melhores condições para investimento.
2. Base teórica
2.1 Valores e mercados imobiliários
Conceitualmente, valor é aquilo que é buscado quando se faz uma avaliação e pode
estar relacionado a diferentes aspectos: valor venal, valor contábil, valor de mercado, valor
potencial. Segundo Dantas (1998), o tipo de valor que deve ser escolhido para definir o valor de
2
um bem é o valor de mercado, uma vez que compreende o valor que um produto é encontrado
no mercado e é regido pela lei da oferta e demanda.
Para Franchi (1991) a importância de um imóvel dentro do contexto do mercado

imobiliário está relacionada ao seu preço, que é uma conversão de unidade monetária do valor.
Esses preços diferem dos valores devido à negociação na hora da compra do imóvel que pode
variar de acordo com as necessidades do comprador e do agente imobiliário.
Dessa forma, o valor de um imóvel é estabelecido pelo valor de mercado e não é, em

todas as transações, coincidente com o preço, já que há certa dificuldade em avaliar e comparar
imóveis, para isso será necessário criar uma metodologia de comparação, visto que as
características dos bens imobiliários dificultam essa comparação.
2.2 Preços dos imóveis
Os preços dos imóveis são cíclicos assim como tantas outras coisas na economia, dessa
forma, o que define os preços de uma casa, por exemplo, são as condições financeiras e a
situação da economia em que o país se encontra.
Da mesma forma que a valorização de um imóvel varia de acordo com a localização, o

preço também varia de mercado para mercado.
2.3 Grandes cidades
As cidades escolhidas para esse estudo se encaixam no conceito de Cidade Global, ou

seja, são cidades que influenciam, a nível mundial, outras cidades. Os critérios utilizados para
definir se uma cidade é global, leva em consideração as atividades financeiras, administrativas,
científicas e no campo da informação.
Algumas características das cidades globais são:
 Influência e participação ativa em eventos internacionais, como por exemplo: a ONU;
 Ter pelo menos um milhão de habitantes;
 Possuir aeroportos internacionais;
 Ter infra-estrutura avançada em comunicação e transporte;
 Apresentar influência econômica no mundo .
2.5 Regressão Múltipla

3
A metodologia de utilização da regressão múltipla também pode ser feita para avaliação
dos efeitos das variáveis explicativa (independentes) sobre as variáveis de resposta
(dependentes).
A equação geral da regressão múltipla tem o seguinte formato:
Y =a+b1 X 1 +b2 X 2 +…+ bk X k (1)
Onde:
Y = variável dependente
X k =¿ variáveis independentes
a=¿ intercepto
bk =¿ coeficiente de inclinação
O intercepto é um valor da variável dependente quando todas as variáveis independentes

possuem valores iguais a zero.
O coeficiente de inclinação mede a direção e magnitude da relação. Quando as duas

variáveis estão correlacionadas positivamente, a inclinação também será positiva, enquanto
quando as duas variáveis estão correlacionadas negativamente, a inclinação será negativa.
No método da regressão linear a variável dependente (Y) se relaciona com as variáveis

independentes (X), mas não é certo afirmar que o valor de Y depende em causa e efeito das
alterações de valores de X. Para isso, a inter-relação entre as variáveis é demonstrada através da
correlação dada pela fórmula:
yi
xi
yi
n
(¿¿−x́)² X ∑ (¿−ý )²
i=1
n
(2)
∑¿
i=1
√¿
n
∑ ( x i− x́ ) (¿− ý )
i=1
¿
r=¿
O coeficiente de determinação é deduzido através da equação (3) e nada mais é do que

o coeficiente da variação explicada sobre a variância total.
4
Ý i
Yi
Y
n ∑ XY −∑ X ∑ ¿ ²
¿
X ²−( ∑ X )²
Y²
n∑ ¿ (3)
¿
n∑ ¿ ¿
¿
¿
∑ ý )²=¿
(¿−
∑ (¿−ý )²
¿
r ²=¿
Através da matriz de correlação é possível selecionar as variáveis que farão parte da

equação de regressão. Além disso, os coeficientes r e r² indicam como a relação
expressa através da equação de regressão explica as variações de Y .
Após obter os resultados da regressão, deve-se fazer o teste de significância para

determinar a confiança desses resultados. Apesar de existir inúmeros testes de significância,
nesse trabalho serão abordados o teste F e teste t.
O teste F indica se a equação de regressão é significativa, em outras palavras, se a relação

funcional entre Y e os efeitos combinados de X são relevantes.
Ý i
Yi
R²
k −1
∑ (¿−Ý i)²/(n−k)= 1−R ² (4)
n−k
∑ (¿−Ý )² /(k −1)
¿
F=¿
No qual o dividendo é a variância explicada e o divisor a variância não-explicada.
Depois de fazer o teste F, deve-se fazer o teste t, para determinar a correlação dos
coeficientes da equação de regressão individualmente. Esse teste consiste no cálculo da
variância de cada coeficiente de regressão, e através da raiz quadrada, estabelece um erro
padrão, determinando assim se o valor de cada coeficiente é significativamente diferente de
zero.
5
3. Metodologia
Para o desenvolvimento do projeto, foi realizada uma pesquisa sobre algumas das mais
importantes cidades em âmbito mundial, escolhidas pelo Método Amostral por Conveniência,
sendo elas: Rio de Janeiro, São Paulo, Cidade do México, Nova York, São Francisco, Los
Angeles, Miami, Londres, Barcelona, Berlim, Paris, Tóquio, Moscou, Cidade do Cabo e Nova
Déli.
A pesquisa de imóveis foi feita através de sites da internet e de contato por correio
eletrônico, com imobiliárias situadas nas cidades abordadas no projeto. Para que não houvesse
discrepância nos resultados alcançados no final, foi acurado um número de 30 imóveis para
cada cidade, com o intuito de obter resultados significativos.
Para cada imóvel foram utilizadas as seguintes variáveis: preço, área, quarto, suíte, sala,
cozinha, banheiro, área externa e garagem. A variável área externa por ser dicotômica, ou seja,
só há duas respostas (sim ou não), será representada pelos números 0 (quando não houver a
presença de área externa) e 1 (quando o imóvel possuir área externa).
Em seguida, foram colocadas todas as informações em um banco de dados para que

fosse possível a execução da Análise de Regressão Linear Múltipla, através do software
Microsoft Excel 2010 e da ferramenta Análise de Dados.
Ao final, foram obtidas as tabelas com a correlação e regressão para cada cidade
estudada, as quais irão auxiliar na conclusão dos melhores locais para se investir em um
imóvel.
4. Levantamento e análise dos dados
4.1 Modelo de regressão para o Rio de Janeiro
Primeiramente, deve ser analisado o coeficiente de correlação:
Tabela 1 - Correlação de imóveis do Rio de Janeiro.
FONTE: elaborado pelo autor (2015)
Como o número de cozinhas foi o mesmo para todos os imóveis, a variável foi
desconsiderada para a análise de regressão.
6
Nesse caso, considera-se que a área do imóvel influencia em 67,19% no preço do

imóvel.
Após ser feita a correlação das variáveis, deve ser feito o teste de significância:
Tabela 2 - Tabela ANOVA. Rio de Janeiro.
O teste F nesse caso, tem valor de 10,23713. Para os graus de liberdade 8 e 22, o valor
crítico de Fc para um nível de significância de 5% é de 2,397. Como, F> F c , então o
conjunto das variáveis explicativas definidas nesse modelo são estatisticamente significativas.
Depois do teste F feito, deve-se realizar o teste t para determinar a significância dos
coeficientes da equação de regressão individualmente.
Para o Rio de Janeiro, temos os seguintes resultados:
Tabela 3 - Resumo dos resultados da regressão. Rio de Janeiro.
Assim, é possível obter o modelo final de regressão para os imóveis, sendo:
4.2 Modelo de regressão para São Paulo

7
Tabela 4 - Correlação de imóveis de São Paulo.
É possível observar que a variável que mais influencia no preço do imóvel é a área, com
influência de 86,63%.
Através da tabela ANOVA é analisado os testes de significância, por meio do teste F:
Tabela 5 - Tabela ANOVA. São Paulo.
O valor crítico de F para esse caso com graus de liberdade 8 e 22 será de 2,397e o valor
de F encontrado foi de 19,55232741, assim, F> F c .
Após, os testes F e t feito, é possível construir a equação final do modelo de regressão,

sendo nesse caso:
Resumo dos resultados encontrados:
Tabela 6 - Resumo dos resultados da regressão.
4.3 Modelo de regressão para Cidade do México

8
Tabela 7 - Correlação de imóveis da Cidade do México.
Nesse caso, considera-se que o número de suítes influencia em 65,47% no preço do

imóvel.
Tabela 8 - Tabela ANOVA. Cidade do México.
O teste F nesse caso, tem valor de 5,864894971. O valor crítico de Fc para um nível
de significância de 5% é de 2,397, então F> F c .
Ta
bela 9 - Resumo dos resultados da regressão. Cidade do México.
4.4 Modelo de regressão para Nova York
Tabela 10 - Correlação de imóveis de Nova York.

9
Percebe-se que a variável suíte é a que possui maior coeficiente de correlação, ou seja,
influencia em 62,58% no preço de um imóvel.
Em seguida, é realizado o teste F:
Tabela 11 - Tabela ANOVA. Nova York.
Para esse caso tem-se Fc = 2,397. Dessa forma, F> F c , já que através da tabela
ANOVA observa-se que F = 4,383895534.
Após o teste F, determina-se a significância de cada variável dependente através do

teste, estabelecendo o modelo de regressão.
Ta
bela 12 - Resumo dos resultados da regressão. Nova York.
4.5 Modelo de regressão para São Francisco
Tabela 13 - Correlação de imóveis de São Francisco.

10
A variável independente que mais explica a variável dependente é a área, influencia em

82,52% no preço do imóvel.
Tabela 14 - Tabela ANOVA. São Francisco.
O teste F nesse caso, tem valor de 12,10586593 e o valor crítico de Fc para um

nível de significância de 5% é de 2,397.
Ta
bela 15 - Resumo dos resultados da regressão. São Francisco.
4.6 Modelo de regressão para Los Angeles
Tabela 16 - Correlação de imóveis de Los Angeles.

11
A variável independente que mais influencia na variável dependente Y é a área, sendo

sua influência de 72,49% no preço do imóvel.
Análise do teste de significância, teste F:
Tabela 17 - Tabela ANOVA. Los Angeles.
Para esse caso Fc =¿ 2,420. Tem-se então que F> F c , sendo assim, o efeito
conjunto das variáveis que explicam a variável dependente são estatisticamente significativas.
Ta
bela 18 - Resumo dos resultados da regressão. Los Angeles.
4.7 Modelo de regressão para Miami
Tabela 19 - Correlação de imóveis de Miami.
Tabela 20 - Tabela ANOVA. Miami.

12
Pela tabela ANOVA observa-se que o valor de F encontrado foi de 13,31174853 e

Fc =2,397 , assim, F> F c .
Após, os testes F e t feito, é possível construir a equação final do modelo de regressão:
Ta
bela 21 - Resumo dos resultados da regressão. Miami.
4.8 Modelo de regressão para Londres
Tabela 22 - Correlação de imóveis de Londres.
A variável área é a que possui maior coeficiente de correlação, ou seja, influencia em

70,88% no preço de um imóvel em Londres.
Tabela 23 - Tabela ANOVA. Londres.

13
Nesse caso, para grau de liberdade 8 e 22, tem-se Fc = 2,397. Assim o efeito
conjunto das variáveis que explicam a variável dependente que foram definidas nesse modelo
são estatisticamente significativas.
Após o teste t, é estabelecido o modelo de regressão.
Ta
bela 24 - Resumo dos resultados da regressão. Londres.
4.9 Modelo de regressão para Barcelona
Tabela 25 - Correlação de imóveis de Barcelona.
A área do imóvel influencia em 82,83% em seu preço.
Tabela 26 - Tabela ANOVA. Barcelona.
O teste F nesse caso, tem valor de 13,91046898. Para os graus de liberdade 8 e 21, o
valor crítico de Fc para um nível de significância de 5% é de 2,420. Então o conjunto das
variáveis explicativas definidas nesse modelo são estatisticamente significativas.
Após o teste t é possível obter o modelo final de regressão para os imóveis:

14
Ta
bela 27 - Resumo dos resultados da regressão. Barcelona.
4.10 Modelo de regressão para Berlim
Tabela 28 - Correlação de imóveis de Berlim.
A variável independente que mais influencia na variável dependente Y é a variável área,

sendo sua influência de 64,81% no preço do imóvel.
Tabela 29 – Tabela ANOVA. Berlim.
Para esse caso de graus de liberdade 8 e 21 é Fc =¿ 2,420. Tem-se então que o efeito
conjunto das variáveis que explicam a variável dependente, que foram definidas neste modelo
são estatisticamente significativas.
Após a análise do teste t, obtêm-se a seguinte equação:

15
Ta
bela 30 - Resumo dos resultados da regressão. Berlim.
4.11 Modelo de regressão para Paris
Tabela 31 - Correlação de imóveis de Paris.
Através da tabela ANOVA é analisado os testes de significância:
Tabela 32 - Tabela ANOVA. Paris.
Para esse caso com graus de liberdade 8 e 22, Fc =¿ 2,397. Pela tabela ANOVA
observa-se que o valor de F encontrado foi de 3,494006632 e dessa forma, F> F c .
Após, os testes F e t feito, é possível construir a equação final do modelo de regressão,

sendo nesse caso:
16
Ta
bela 33: Resumo dos resultados da regressão. Paris.
4.12 Modelo de regressão para Tóquio
Tabela 34 - Correlação de imóveis de Tóquio.
A área é a que possui maior coeficiente de correlação, influencia em 83,64% no preço

de um imóvel em Tóquio.
Tabela 35 - Tabela ANOVA. Tóquio.
Nesse caso, tem-se Fc = 2,397. Dessa forma, F> F c , já que através da tabela
ANOVA observa-se que F = 25,66694434.
Após o teste F, é estabelecido o modelo de regressão.

17
Ta
bela 36 - Resumo dos resultados da regressão. Tóquio.
4.13 Modelo de regressão para Moscou
Tabela 37 - Correlação de imóveis de Moscou.
A variável área é a que possui maior coeficiente de correlação com 81,32% de

influência no preço de um imóvel em Moscou.
Tabela 38 - Tabela ANOVA. Moscou.
Encontra-se o valor crítico de F, que nesse caso, é 2,397. Dessa forma, F> F c eo
efeito conjunto das variáveis que explicam a variável dependente que foram definidas nesse
modelo são estatisticamente significativas.
Após os testes F e t, estabelece-se o modelo de regressão.

18
Ta
bela 39 - Resumo dos resultados da regressão. Moscou.
4.14 Modelo de regressão para Cidade do Cabo
Primeiramente, deve ser analisado o coeficiente de correlação:
Tabela 40 - Correlação de imóveis da Cidade do Cabo.
Nesse caso a área do imóvel influencia em 84,90% no preço do imóvel.
Faz-se então o teste de significância:
Tabela 41 - Tabela ANOVA. Cidade do Cabo.
O teste F nesse caso, tem valor de 17,4048415. O valor crítico de Fc para um nível
de significância de 5% é de 2,397. Como, F> F c , então o conjunto das variáveis
explicativas definidas nesses modelos são estatisticamente significativas.
Após o teste t, é possível obter o modelo final de regressão para os imóveis, sendo:
19
Tabela 42 - Resumo dos resultados da regressão. Cidade do Cabo.
4.15 Comparação do preço entre as cidades
Após construir o modelo de regressão para todas as cidades pesquisadas, foi montada
uma tabela com os valores de R² e dos coeficientes interseção, área, quarto, suíte, sala, cozinha,
banheiro, área externa e garagem de cada cidade.
Ao colocar os resultados obtidos de R² em ordem decrescente, observa-se que:
Tabela 43 - Valores de R² em ordem decrescente.
Nota que as cidades de Tóquio e Paris obtiveram o maior e o menos valor para R²,
respectivamente.
20
Para comparar o preço de um imóvel em cada uma das cidades fez-se necessário o uso
de um imóvel padrão. O método de obtenção desse imóvel foi a média aritmética das variáveis
independentes. Assim, o imóvel padrão utilizado possui os seguintes valores para as variáveis:
Tabela 44 - Tabela com os valores das variáveis do imóvel padrão.
Substituindo os valores da Tabela 45 nas equações do Preço (Y) de cada uma das
cidades estudadas, obtidas através da Regressão Múltipla e colocando-as em ordem crescente:
Tabela 45 - Preço do imóvel padrão para cada cidade estudada em ordem crescente.
Rio de Janeiro é a cidade que apresenta o menor preço para o imóvel padrão, seguido da
Cidade do México.
5. Conclusão
Para cada localidade foi realizado os testes de significância F e t, verificando assim, se

os modelos eram confiáveis ou não. Os modelos que conferiram maior significância foram das
cidades de Tóquio e São Paulo, tendo um valor para F de 25,66 e 19,55, respectivamente.
O coeficiente de determinação (R²) pode variar de 0 a 1 e representa o quociente entre a
variação explicada e a variação total. Para o estudo feito, a cidade que teve o maior coeficiente
21
de determinação foi Tóquio com 89,09%. Já Paris foi a cidade com o menor R², 52,64% do
valor da variável dependente preço foi explicada pelas variáveis independentes.
Através das tabelas dos coeficientes foi possível montar a equação final do modelo de
regressão. As equações foram usadas ao final da análise ao comparar o preço de um imóvel
padrão para as cidades escolhidas. Assim, observou-se que a melhor cidade para se investir em
um imóvel foi o Rio de Janeiro, pois obteve o menor preço para o imóvel padrão de
$167.222,19. E a cidade com a maior preço foi Moscou com $2.430.799,40, não sendo
indicado se investir em um imóvel na capital russa.
REFERÊNCIAS
99 Acres. Disponível em: http://www.99acres.com/. Acesso em: 17/11/2014
Banco Central do Brasil. Disponível em: http://www4.bcb.gov.br/pec/conversao/conversao.asp. Acesso em:

14/06/2015
Berlim Maegleren. Disponível em: http://www.berlinmaegleren.com/. Acesso em: 14/11/2014
Bolha imobiliária. Disponível em: http://www.precisao.eng.br/fmnresp/bolhaimobl.htm. Acesso em: 30/05/2014
BOTELHO, Adriano. O urbano em fragmentos: a produção do espaço e da moradia pelas práticas do setor
imobiliário. São Paulo: Annablume; Fapesp; 2007.
Casamona. Disponível em: http://www.casamona.com/. Acesso em: 13/11/2014

Coldwell Banker. Disponível em: http://www.coldwellbanker.com.mx/portal/?w=cbesteban. Acesso em:
02/11/2013
Como anda o mercado imobiliário no mundo? Disponível em:

http://www.revistainforochas.com.br/texto/texto.php?id=356&item=24. Acesso em: 28/05/2014
Consequências da superação das distâncias através das portas da globalização. Disponível em:
http://www.administradores.com.br/artigos/cotidiano/consequencias-da-superacao-das-distancias-atraves-das-
portas-da-globalizacao/70695/. Acesso em 27/05/2015
Douglas Elliman Real Estate. Disponível em: http://www.elliman.com/. Acesso em: 11/11/2014
Foxtons. Disponível em: http://www.foxtons.co.uk/. Acesso em: 12/11/2014
Global housing markets recovering. Disponível em: http://www.globalpropertyguide.com/investment-

analysis/Global-housing-markets-recovering. Acesso em: 02/06/2014
GONZÁLEZ, Marco Aurélio Stumpf. Metodologia de avaliação de imóveis. Editora SGE, Novo Hamburgo,
2003.
IBGE. Disponível em: http://www.ibge.gov.br. Acesso em: 27/06/2014
Ken Corporation. Disponível em: http://www.kencorp.com/. Acesso em: 11/11/2014
KUHN, Eugenia Aumond; NERBAS, Patrícia de Freitas. Avaliação de Imóveis e Perícias. IESDE Brasil S.A.,
Curitiba, 2009.
22
Lodgis. Disponível em: http://www.lodgis.com/en/. Acesso em: 14/11/2014
Pacific Union. Disponível em: http://www.pacunion.com/Search/CA/San%20Francisco. Acesso em: 03/11/2014
Prime Location. Disponível em: http://www.primelocation.com/. Acesso em: 13/11/2014
Property 24. Disponível em: http://www.property24.com/. Acesso em: 15/11/2014
Real Estate Moscow. Disponível em: http://real-estate-moscow.com/en/. Acesso em: 15/11/2014
Realtor. Disponível em: http://www.realtor.com/international/?source=web. Acesso em: 02/11/2014
Realty Hogar. Disponível em: http://www.realtyhogar.com/en/. Acesso em: 02/11/2014
Remax. Disponível em: http://www.remax.com.mx/index.php. Acesso em: 02/11/2014
Residential Search: Global House Price Index; Knight Frank. Disponível em:
http://resources.knightfrank.com/GetResearchResource.ashx?versionid=1566&type=1. Acesso em 28/05/2014
SAMOHYL, Robert Wayne. Controle Estatístico de Qualidade - Rio de Janeiro: Elsevier, 2009.
Sotheby’s International Realty. Disponível em: http://ksmarbella.com/home.html. Acesso em: 13/11/2014
The New York Times Real Estate. Disponível em: http://realestate.nytimes.com/ExpiredListing.aspx. Acesso em:
11/11/2014
Trulia. Disponível em: http://www.trulia.com/. Acesso em: 12/11/2014
Viva anúncios. Disponível em: http://www.vivanuncios.com.mx/. Acesso em: 02/11/2014
Viva Real. Disponível em: http://www.vivareal.com.br/imovel. Acesso em: 24/10/2014
Which are the largest city economies in the world and how might this change by 2025? Disponível em:
https://www.ukmediacentre.pwc.com/imagelibrary/downloadMedia.ashx?MediaDetailsID=1562. Acesso em:
25/05/2014

Artigo Mercado Imobiliário - 2015

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Artigo Mercado Imobiliário - 2015

Diunggah oleh

Hak Cipta:

Format Tersedia

1

Durante a última década, o Brasil viveu um período especulativo do seu mercado

O conceito de Bolha Imobiliária está diretamente relacionado com a Lei da Oferta e

Graças ao fenômeno da globalização, atualmente há uma interligação entre mercados do

2.1 Valores e mercados imobiliários

Para Franchi (1991) a importância de um imóvel dentro do contexto do mercado

Dessa forma, o valor de um imóvel é estabelecido pelo valor de mercado e não é, em

2.2 Preços dos imóveis

Da mesma forma que a valorização de um imóvel varia de acordo com a localização, o

2.3 Grandes cidades

As cidades escolhidas para esse estudo se encaixam no conceito de Cidade Global, ou

Algumas características das cidades globais são:

 Influência e participação ativa em eventos internacionais, como por exemplo: a ONU;

 Ter pelo menos um milhão de habitantes;

 Possuir aeroportos internacionais;

 Ter infra-estrutura avançada em comunicação e transporte;

 Apresentar influência econômica no mundo .

2.5 Regressão Múltipla

A equação geral da regressão múltipla tem o seguinte formato:

Y =a+b1 X 1 +b2 X 2 +…+ bk X k (1)

O intercepto é um valor da variável dependente quando todas as variáveis independentes

O coeficiente de inclinação mede a direção e magnitude da relação. Quando as duas

No método da regressão linear a variável dependente (Y) se relaciona com as variáveis

O coeficiente de determinação é deduzido através da equação (3) e nada mais é do que

Através da matriz de correlação é possível selecionar as variáveis que farão parte da

Após obter os resultados da regressão, deve-se fazer o teste de significância para

O teste F indica se a equação de regressão é significativa, em outras palavras, se a relação

No qual o dividendo é a variância explicada e o divisor a variância não-explicada.

Em seguida, foram colocadas todas as informações em um banco de dados para que

4. Levantamento e análise dos dados

4.1 Modelo de regressão para o Rio de Janeiro

Primeiramente, deve ser analisado o coeficiente de correlação:

Tabela 1 - Correlação de imóveis do Rio de Janeiro.

FONTE: elaborado pelo autor (2015)

Nesse caso, considera-se que a área do imóvel influencia em 67,19% no preço do

Tabela 2 - Tabela ANOVA. Rio de Janeiro.

FONTE: elaborado pelo autor (2015)

Para o Rio de Janeiro, temos os seguintes resultados:

Tabela 3 - Resumo dos resultados da regressão. Rio de Janeiro.

FONTE: elaborado pelo autor (2015)

Assim, é possível obter o modelo final de regressão para os imóveis, sendo:

4.2 Modelo de regressão para São Paulo

Tabela 4 - Correlação de imóveis de São Paulo.

FONTE: elaborado pelo autor (2015)

Através da tabela ANOVA é analisado os testes de significância, por meio do teste F:

Tabela 5 - Tabela ANOVA. São Paulo.

FONTE: elaborado pelo autor (2015)

Após, os testes F e t feito, é possível construir a equação final do modelo de regressão,

Resumo dos resultados encontrados:

Tabela 6 - Resumo dos resultados da regressão.

FONTE: elaborado pelo autor (2015)

4.3 Modelo de regressão para Cidade do México

Tabela 7 - Correlação de imóveis da Cidade do México.

FONTE: elaborado pelo autor (2015)

Nesse caso, considera-se que o número de suítes influencia em 65,47% no preço do

Tabela 8 - Tabela ANOVA. Cidade do México.

FONTE: elaborado pelo autor (2015)

Assim, é possível obter o modelo final de regressão para os imóveis, sendo:

FONTE: elaborado pelo autor (2015)

4.4 Modelo de regressão para Nova York

Tabela 10 - Correlação de imóveis de Nova York.

FONTE: elaborado pelo autor (2015)

Em seguida, é realizado o teste F:

Tabela 11 - Tabela ANOVA. Nova York.