Limitações dos modelos hedónicos no tratamento dos efeitos de localização.

As limitações mais importantes encontradas nos modelos tradicionais de avaliação de imóveis por regressão encontram-se no tratamento apropriado das variáveis de localização e na falta de consideração dos efeitos espaciais nos resíduos do modelo.

As variáveis de localização, por serem de difícil enumeração e delimitação, podem provocar problemas de diversa índole nos modelos de regressão. Tradicionalmente, as variáveis de localização são incorporadas nos modelos de duas formas: como variáveis de vizinhança, definindo zonas consideradas homogéneas quanto às suas características de localização ou como variáveis de acessibilidade, considerando a distância a pontos ou centros de valorização.

As duas formas de considerar estas variáveis apresentam dificuldades de consideração nos modelos de regressão: por um lado, as zonas homogéneas são difíceis de delimitar com eficiência e critérios objectivos (Gonzalez, 2000). Muitas propostas têm sido desenvolvidas para superar este obstáculo mas continuam a ser de difícil aplicação. Exemplos disto podem ser encontrados no uso de Análise Multivariada para o estudo de zonas homogéneas feito por Can (1990) e na proposta de zonamento de uma cidade realizada por Cano Guervós (1999). Silva et al. (2004) propõem um método de definição de zonas homogéneas apoiado em Sistemas de Informações Geográficas (SIG), usando informações sobre características construtivas dos imóveis, qualidade dos serviços públicos e análise de valores de mercado dos imóveis.

Muitas vezes são utilizadas como supostas regiões homogéneas as divisões geográficas provenientes de outros fins como, por exemplo, limites de bairros, distritos ou sectores. Porém, esta divisão dificilmente resulta em homogeneidade real, dificultando assim a significância estatística das variáveis construídas. Por outro lado, mesmo seguindo critérios objectivos para a definição e delimitação das zonas homogéneas, se estas regiões forem geograficamente extensas a homogeneidade não será significativa e se forem muito pequenas pode não haver dados suficientes de mercado para serem analisadas nas equações de regressão. Estas dificuldades produzem outro tipo de problemas nos modelos hedónicos: a representação inadequada dos fenómenos de localização que pode levar à autocorrelação espacial dos resíduos, afectando assim toda a análise estatística.

Por outro lado, a consideração de variáveis de distância a pólos de valorização enfrenta problemas similares. A definição do alcance efectivo de influência de cada pólo valorizador, a forma funcional da variação do valor com a distância, a existência de anisotropia no efeito de um pólo valorizador e a quantidade de dados de mercado podem afectar a significância estatística dos pólos de valorização de uma região. Estes problemas também podem produzir erros autocorrelacionados espacialmente, questionando a validade do modelo de regressão.

Segundo Dantas (2002), quando se trabalha com dados de corte transversal como no caso dos modelos hedónicos estimados para o mercado imobiliário, não tem sentido habitual testar a autocorrelação serial dos resíduos, sendo sim este cuidado indispensável nos dados de séries temporais. Mas quando se trabalha com dados distribuídos espacialmente, como é o caso dos dados imobiliários, podem surgir erros de medição em relação à localização exacta do imóvel assim como efeitos de interacção e difusão espaciais. Estes efeitos causam um factor adicional que deve ser considerado no modelo de regressão tradicionalmente utilizado na engenharia de avaliações: a autocorrelação ou dependência espacial. Não considerar estes efeitos, como rotineiramente vem ocorrendo na avaliação imobiliária, pode gerar problemas sérios no modelo, pois a presença de autocorrelação espacial nos resíduos provoca ineficiência nos parâmetros estimados e os testes de significância e intervalos de confiança não são tão válidos, podendo as decisões tomadas com base neles serem enganosas.

Desta forma, a dependência espacial dos valores observados em relação aos valores dos imóveis vizinhos provocará um erro de especificação no modelo, pela exclusão de uma variável independente importante que fará as avaliações tendenciosas e inconsistentes.

Ainda, segundo os mesmos autores, existem fortes razões para aceitar a hipótese de autocorrelação ou dependência espacial nos dados de mercado imobiliário: em primeiro lugar porque os imóveis construídos num determinado bairro de uma cidade apresentam características estruturais semelhantes (tamanho, projecto arquitectónico, entre outras) em virtude dos imóveis existentes influenciarem na construção de novas unidades; em segundo lugar, porque os imóveis que pertencem ao mesmo bairro dividem questões locais de convivência como serviços de polícia, escolas e áreas de lazer. As características estruturais são relativamente fáceis de medir e contemplar nos modelos hedónicos. A medição das características de localização é bem mais complexa. No entanto, elas são muito importantes na formação dos valores e devem ser incorporadas no modelo.

Segundo Pace (1998), as avaliações feitas com base em técnicas de estatística espacial, como, por exemplo, a metodologia de regressão espacial, apresentam melhor capacidade de previsão desde que consigam captar os efeitos locais das características omitidas no modelo tradicional. A Engenharia de Avaliações tem utilizado historicamente ferramentas desenvolvidas para observações não correlacionadas, quando na realidade muitas vezes os resíduos de regressão mostram valores semelhantes em forma de clusters quando localizados espacialmente, especialmente ao longo de ou próximos dos pólos de valorização.

Mas, não necessariamente em todos os casos, os modelos espaciais terão melhor desempenho do que os modelos de regressão tradicional. Quando a estrutura de autocorrelação espacial dos dados for fraca ou for possível de ser considerada através de variáveis de acessibilidade simples, os modelos espaciais podem não apresentar vantagens em relação aos modelos não espaciais (Gao et al., 2002).

Segundo Malpezzi (2002), uma das áreas mais promissoras para o desenvolvimento teórico e prático dos modelos hedónicos está relacionada com a modelagem da estrutura de autocorrelação espacial e o uso da tecnologia de Sistemas de Informações Geográficas, especialmente em aplicações orientadas às avaliações em massa de imóveis.