Uma dúvida comum entre avaliadores que utilizam regressão linear na avaliação de imóveis é sobre o nível de significância estatística exigido para os coeficientes das variáveis do modelo. Precisa ser sempre menor que 1%? É obrigatório transformar variáveis para atingir esse nível?
A resposta técnica e normativa é: NÃO.
🎯 O que a NBR 14653-2 diz sobre significância?
Segundo o Anexo A da NBR 14653-2:2011, a significância estatística se refere aos coeficientes do modelo de regressão, ou seja, ao quanto podemos confiar que as variáveis de fato influenciam o valor do imóvel. Quanto menor o valor de “p” (nível de significância), maior a confiança no coeficiente.
A norma estabelece os seguintes limites:
- Até 10% (0,10): Classificado como Grau III (excelente fundamentação);
- Até 20% (0,20): Grau II (boa fundamentação);
- Até 30% (0,30): Grau I (fundamentação aceitável).
Portanto, não é necessário forçar uma significância de 1% (0,01). Essa exigência seria excessiva para avaliações imobiliárias, especialmente considerando que o mercado nem sempre oferece dados com alta precisão estatística — principalmente em municípios pequenos ou mercados com pouca liquidez.
Nesses casos, antes de simplesmente remover a variável, o mais indicado é tentar ampliar a amostra, buscando imóveis em municípios vizinhos com características socioeconômicas semelhantes. Para compensar a diferença de localização, pode-se incluir uma variável adicional que represente essa mudança regional, como o IDH, distância da sede municipal, ou uma variável dicotômica.
🔧 Transformar variáveis é obrigatório?
Não. Transformações, como logaritmos ou raízes, podem ser usadas para melhorar a performance estatística do modelo (normalidade dos resíduos, homocedasticidade, linearidade etc.), mas não são obrigatórias. A decisão deve ser técnica e justificada, nunca imposta apenas para forçar a significância.
📌 Conclusão
O avaliador deve buscar um equilíbrio entre robustez estatística e realidade mercadológica. Seguir os limites de significância estabelecidos pela norma garante que o modelo tenha validade técnica, sem exigir perfeição estatística inatingível. Avaliações bem fundamentadas são aquelas que respeitam tanto os números quanto o comportamento real do mercado.
Como Aprimorar Seus Laudos?
Quer saber como construir modelos de regressão confiáveis e alinhados com a NBR 14653? Clique aqui e conheça mais!
