Professional Documents
Culture Documents
Pedro H. M. Albuquerque
Bernardo Alves Furtado
2200
TEXTO PARA DISCUSSO
1. Os autores agradecem pelas contribuies de Vanessa Nadalin e Vicente Lima Neto, do Ipea, e pelos comentrios de
Lucas Mation e Rodrigo Orair.
2. Professor da Universidade de Braslia (UnB) e bolsista do Subprograma de Pesquisa para o Desenvolvimento Nacional
(PNPD) do Ipea.
3. Coordenador e tcnico de planejamento e pesquisa do Ipea e bolsista de produtividade do Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico (CNPq).
Governo Federal
Ministrio do Planejamento, Desenvolvimento e Gesto
Ministro Romero Juc Filho
Texto para
Discusso
Publicao cujo objetivo divulgar resultados de estudos
direta ou indiretamente desenvolvidos pelo Ipea, os quais,
por sua relevncia, levam informaes para profissionais
especializados e estabelecem um espao para sugestes.
Presidente
Manoel Carlos de Castro Pires
Diretor de Desenvolvimento Institucional
Alexandre dos Santos Cunha
Diretor de Estudos e Polticas do Estado,
das Instituies e da Democracia
Roberto Dutra Torres Junior
Diretor de Estudos e Polticas
Macroeconmicas
Mathias Jourdain de Alencastro
Diretor de Estudos e Polticas Regionais,
Urbanas e Ambientais
Marco Aurlio Costa
Diretora de Estudos e Polticas Setoriais
de Inovao, Regulao e Infraestrutura
Fernanda De Negri
SUMRIO
SINOPSE
ABSTRACT
1 INTRODUO ........................................................................................................ 7
2 NDICES DE PREO ................................................................................................ 9
3 MTODOS HEDNICOS ........................................................................................ 12
4 AVANOS EM NDICES DE PREO PARA O MERCADO IMOBILIRIO...................... 18
5 BREVSSIMA ILUSTRAO: NDICES HEDNICOS DE PREO DE IMVEIS
PARA SO PAULO ................................................................................................ 21
6 CONSIDERAES FINAIS ...................................................................................... 27
REFERNCIAS.......................................................................................................... 27
APNDICE............................................................................................................... 30
SINOPSE
Este texto faz uma reviso terica de ndices de preo ao consumidor, com nfase nas
especificidades do mercado imobilirio, apontando vantagens e limitaes de cada um.
Discute, assim, os ndices de mdias de preo, quais sejam: Laspeyres, Paasche, Fisher e
Jevons. Adicionalmente, apresenta as duas variaes de construo por mtodos hednicos: com insero de variveis dummies e por imputao. As especificidades tpicas do
mercado imobilirio, os atributos do imvel, sua longa temporalidade e insero urbana
sugerem maiores cuidados para a construo de ndices para o mercado imobilirio.
O texto apresenta alguns avanos tericos recentes para o mercado imobilirio e conclui
com uma aplicao possvel a partir de dados disponveis para So Paulo.
Palavras-chave: ndices de preo; mercado imobilirio; So Paulo.
ABSTRACT
This paper is a theoretical review of consumer price indices, with an emphasis on the
specifics of the real estate market, highlighting advantages and limitations. It discusses
the following indices of average prices: Laspeyres, Paasche, Fisher and Jevons. In addition, it presents two variations of construction by hedonic methods: with insertion of
dummy variables and imputation. Typical specificities of the real estate market, such as
property attributes, its long temporality and urban insertion, recommend greater care
when building indices for the housing market. The paper presents some recent theoretical
advances for the real estate market and concludes with a brief application for Sao Paulo.
Keywords: prices indices; real estate market; Sao Paulo.
Texto para
Discusso
2 2 0 0
1 INTRODUO
ndices de preo ao consumidor medem a evoluo do nvel de preos de cestas de bens
e servios adquiridos pelas famlias no mercado. De forma mais genrica, ndices so
estimativas estatsticas baseadas em preos amostrais de itens representativos coletados
periodicamente. Subndices e subsubndices so calculados para diferentes categorias e
subcategorias de bens e servios, sendo combinados com o intuito de produzir ndice
geral composto (Aizcorbe, 2014). Os pesos do ndice refletem seus impactos no total
das despesas de consumo em questo.
De maneira geral, so necessrios dois tipos bsicos de dados para construir um
ndice de preos: dados dos preos e informaes acerca das regras de ponderao de
cada produto na composio da cesta. Os dados sobre os preos so coletados para uma
amostra de produtos e servios a partir de uma amostra de pontos de oferta em locais
selecionados em tempos especificados. Os dados utilizados na ponderao do impacto
de diferentes tipos de despesa no total da despesa coberta pelo ndice so obtidos por
meio de um processo de estimao estatstica.
A periodicidade de um ndice de preos tambm pode variar, e geralmente calculado mensalmente ou trimestralmente em alguns pases, como a mdia ponderada dos
subndices para diferentes componentes da despesa do consumidor, tais como alimentao, habitao e vesturio; cada um dos quais, por sua vez, uma mdia ponderada
dos subsubndices.
A partir da construo do ndice, possvel comparar os preos de cada ms com
os preos no ms de referncia. Nesse sentido, as ponderaes utilizadas para combin-los
em agregados de nvel superior e, em seguida, a formulao do ndice geral referem-se aos
gastos estimados durante todo um ano passado para os consumidores abrangidos pelo
ndice sobre os produtos dentro de seu escopo na regio investigada. Assim, o ndice
considerado um ndice de peso fixo, mas raramente pode ser considerado um verdadeiro ndice de Laspeyres (veja a definio na seo seguinte), uma vez que o perodo do
peso de referncia de um ano e o perodo preo-referncia, normalmente um ms mais
recente, no coincidem, pois preciso tempo para reunir e processar as informaes
utilizadas para ponderao, que, alm de pesquisas de despesas familiares, podem incluir
dados comerciais e fiscais.
Especificamente, segundo Nadalin e Furtado (2011), a construo de ndices de
preo para o mercado imobilirio apresenta algumas particularidades, haja vista que, em
Texto para
Discusso
2 2 0 0
2 NDICES DE PREO
Um ndice de preos fornece uma medida agregada da variao do preo para um particular produto ou segmento, indstria ou at mesmo para toda a economia. A maioria das
frmulas para a construo de nmeros-ndice se baseia no monitoramento das variaes
dos preos de uma particular cesta de produtos ao longo do tempo. Essas tcnicas so
tambm aplicadas para mensurar a diferena de preos entre regies geogrficas, no tempo
ou at mesmo na dimenso tempo e espao. Numericamente, as propostas matemticas
mais utilizadas para a construo de ndices baseiam-se no cmputo de uma mdia
ponderada da variao dos preos para determinados itens.
Inicialmente, esta seo tem por objetivo apresentar as propostas tpicas na
construo de ndices de preo, quais sejam: ndice de Laspeyres, ndice de Paasche,
ndice ideal de Fisher, ndice de Trnqvist e ndice de Jevons. A formulao terica e a
justificativa ampla para a utilizao de cada um desses ndices esto bem relatadas no
texto de Diewert (2008).
Uma das primeiras propostas para a formulao de ndices de preo o ndice de
Laspeyres, o qual frequentemente escrito como:
,
(1)
em que P e Q denotam os preos e as quantidades de bens e os valores 0 e 1 referem-se a dois momentos no tempo, cujo tempo-base definido como sendo o perodo 0 e
o perodo atual (contemporneo) definido pelo perodo 1. Nessa proposta, supe-se
que M bens foram vendidos em ambos os perodos considerados, bens cuja indexao
dada pelo ndice m.
1. Este texto se insere no projeto ndices de preos de imveis, que prev ainda texto sobre ndices de vendas repetidas
e aplicao ao caso do Distrito Federal, dentre outros produtos, visando ao melhor entendimento sobre as possibilidades
tericas e empricas de construo de ndices de preo de imveis no Brasil, at o momento inexistentes ou muito restritos.
(2)
em que os pesos
representam a razo entre a despesa com o m-simo
bem em relao despesa total no perodo de referncia, isto , o perodo-base t=0;
esses pesos tambm so denominados de importncia relativa, j a razo
mensura
a variao dos preos para cada item individual.
Cabe ressaltar aqui que, na proposta de Laspeyres, os bens considerados no perodo de referncia tambm devem ter sido observados no perodo contemporneo, pois
somente assim a variao nos preos pode ser computada; ademais, o ndice de Laspeyres
mantm fixa a importncia relativa dos itens, o que pode ser inconveniente caso a
estrutura de consumo mude frequentemente entre as unidades consumidoras. Apesar
dessa desvantagem, o ndice de Laspeyres fcil de ser construdo, pois necessita somente
das quantias e preos exercidos nos perodos de interesse, o que facilita o trabalho do
analista na construo de uma proposta, mesmo que ingnua, e na estimao do ndice
de preos de consumo.
O ndice de Paasche similar ao ndice de Laspeyres no sentido de tambm manter
fixa a cesta de produtos considerada no cmputo do ndice, mas usa uma cesta de mercado diferente para mensurar a variao dos preos, pois o ndice compara o custo atual
de aquisio no perodo contemporneo (t=1), dado por
, em relao ao
custo total das mesmas quantidades adquiridas no tempo contemporneo ao preo no
tempo inicial, isto
. Matematicamente, o ndice de Paasche dado por:
.
(3)
Assim como o ndice de Laspeyres, o ndice de Paasche tambm pode ser escrito
por meio de uma mdia aritmtica ponderada. Particularmente, o inverso do ndice de
10
Texto para
Discusso
2 2 0 0
Paasche representa a mdia ponderada do inverso dos preos relativos; assim, o ndice
de Paasche uma mdia harmnica ponderada nesta forma:
,
(4)
em que os pesos
representam a razo do gasto com o m-simo bem no
perodo contemporneo em relao despesa total com todos os bens no perodo corrente, isto , t=1. Como destacado anteriormente, a variao dos preos, representada
por
, mensura a variao dos preos entre dois momentos distintos para o mesmo
bem considerado, qual seja, o m-simo bem.
Outra similaridade compartilhada entre os ndices de Laspeyres e Paasche o fato
de ambos considerarem a mesma cesta de produtos em ambos os perodos e a exigncia
do consumo dos mesmos bens no perodo de referncia e o perodo de interesse, usualmente definido como o perodo contemporneo; j a diferena existente entre essas duas
propostas est no fato de a ponderao (isto , importncia relativa do bem) ser realizada
de maneira distinta.
O ndice ideal de Fisher a unio das propostas de Laspeyres e Paasche por meio
do cmputo de uma mdia geomtrica entre esses dois ndices:
.
(5)
Por meio de operaes algbricas, pode-se mostrar que o ndice ideal de Fisher
escrito como funo de mdia ponderada, isto :
(6)
com o ndice de Laspeyres no numerador e o inverso do ndice de Paasche no denominador. Cabe ainda notar que, diferentemente do ndice de Laspeyres, o ndice timo
de Fisher utiliza as parcelas das despesas de ambos os perodos por meio dos pesos
wm,0 e wm,1, possibilitando assim uma mudana, ao longo do tempo, das contribuies
11
dos bens no cmputo do ndice. Segundo Aizcorbe (2014), uma razo intuitiva para
a superioridade do ndice de Fisher est no fato de este refletir a composio dos bens
atualmente adquiridos. O ndice de Laspeyres, por sua vez, precificar, para a variao
do preo entre 2000 a 2010, os bens adquiridos em 2000 e ignorar qualquer alterao
na composio da cesta efetiva dos consumidores em 2010 ao longo desses dez anos.
O ndice de Paasche, no entanto, possui a mesma estrutura fixa, supondo a composio de 2010 da distribuio dos bens na cesta de consumo em relao ao perodo-base
exemplificado, qual seja, o ano 2000.
O ndice de Fisher apresenta ainda outras propriedades teis. Diewert (1997)
demonstrou que, de todas as possveis mdias tomadas entre os ndices de Laspeyres e
Paasche, o ndice timo de Fisher o nico que apresenta duas propriedades desejveis,
quais sejam: homogeneidade e simetria. Alm de satisfazer o teste de reverso do tempo,
o qual determina que a variao dos preos em relao ao perodo-base e contemporneo
deveria ser o inverso da variao do preo entre o perodo atual e o perodo de referncia
(contemporneo e base respectivamente), isso significa que, no importa qual perodo
seja escolhido como perodo-base, os resultados devem se manter equivalentes.
O ltimo ndice revisado nesta seo o ndice de Jevons, dado por:
.
(7)
O ndice de Jevons utiliza o logaritmo natural da variao dos preos na construo dos ndices, por meio de uma mdia aritmtica simples, substituindo os pesos
por 1/M, gerando assim uma estrutura com pesos constantes. Observe
que esse ndice adequado quando as quantias consumidas nos perodos no so conhecidas, o que facilita o cmputo pelos analistas na ausncia de dados suficientes.
3 MTODOS HEDNICOS
Regresses hednicas foram incialmente desenvolvidas por Court (1939) e posteriormente
refinadas por Griliches (1961). Especificamente, uma regresso hednica relaciona a variao nos preos entre bens e perodos simultaneamente para diferenciar adequadamente
as caractersticas de cada bem considerado. Ressalte-se, por exemplo, que apartamentos
12
Texto para
Discusso
2 2 0 0
menores apresentam valores para o metro quadrado maiores que apartamentos maiores
e que a idade do imvel afeta de modo diferente casas e apartamentos. Essas diferenas
derivadas das caractersticas dos bens e que se refletem nos preos devem ser consideradas.
As regresses hednicas relacionam as caractersticas observadas dos bens que
compem a cesta de produtos e relacionam essas caractersticas com a variao observada
no preo ao longo do tempo com o objetivo de controlar a variao existente entre as
caractersticas dos bens observados.
De maneira prtica, as regresses hednicas so implementadas de duas formas:
por meio da insero de uma varivel dummy para considerar os perodos observados
ou por meio do mtodo de imputao.
3.1 Insero de variveis dummies
O ndice de preos hednicos tradicional tambm denominado de ndice de preos por
meio de variveis dummies e uma abordagem que utiliza o mtodo de regresso para
explicar os preos de bens individuais como funo das caractersticas desses mesmos
bens. Os dados para os bens so unidos, e o ndice de preos estimado utilizando-se
uma varivel dummy para cada perodo considerado.
O ndice de preos por meio de variveis dummies ento calculado por meio dos
coeficientes estimados das variveis dummies inseridas no modelo de regresso. Pakes
(2003) afirma que uma das vantagens dessa abordagem que o efeito das caractersticas
dos bens se mantm constante ao longo do tempo, dado o efeito fixo gerado pela insero das variveis dicotmicas para cada perodo considerado. Os outros parmetros do
modelo so permitidos variar.
Considere um conjunto de dados na forma de painel (panel data) para T perodos
e M produtos, os quais foram vendidos ao preo Pm,t no tempo t=1,...T para o produto
m, o qual pode variar dentre os M produtos que compem a cesta, isto , m=1,..., M.
J as caractersticas determinantes do preo de cada bem so representadas por Xk,m,t, no
qual h k=1,,K caractersticas disponveis. O mtodo ainda considera a insero das
variveis dummies para cada perodo temporal (Dm,t, para t=1,,T). Tradicionalmente,
com o objetivo de aproximar a distribuio dos preos observados a uma distribuio
normal, utiliza-se como varivel dependente o logaritmo natural do preo desta forma:
,
(8)
13
em que
e so os parmetros do modelo a serem estimados e
o termo de
rudo aleatrio usual nos modelos de regresso lineares multivariados. Por meio do
modelo apresentado em (8), cada produto possui K possveis caractersticas que podem
influenciar o valor do bem. O termo
responsvel por controlar a diferena
entre os atributos dos produtos e todas as demais influncias associadas variao do
preo so computadas pelos termos de efeitos fixos, representados pelos parmetros ,
isto , qualquer variao no preo de um determinado bem (consideradas as suas caractersticas fixas) devido ao tempo, o qual modelado por meio das variveis binrias.
Os coeficientes capturam, portanto, o valor mdio das influncias de cada
perodo de tempo e formam a base do ndice de preos por meio de variveis dummies.
Cabe ressaltar ainda que, como em qualquer outro modelo de regresso, necessrio
considerar as possveis patologias existentes na estimao dos parmetros, quais sejam:
heterocedasticidade, multicolinearidade, correlao serial e desvios na normalidade.
Outro ponto importante no processo de estimao dos parmetros do modelo descrito
pela equao (8) a possibilidade da existncia de variveis omitidas, principalmente
pela dificuldade prtica de listar todas as caractersticas que afetam o preo dos produtos
considerados. Nesse sentido, Bajari e Benkard (2005) e Erickson e Pakes (2011) propem
abordagens prprias para a estimao de regresses hednicas quando variveis omitidas
poderiam existir. Dentre outras solues, destaca-se a proposta de Triplett (2004), que
aconselha a utilizao de preos de transaes efetivamente realizadas em vez de uma
lista simples de preos.
Nesse sentido, no modelo de regresso com variveis binrias (dummies) o intercepto
representado pelo parmetro fornece o preo mdio para algum grupo de referncia.
Por exemplo, se todas as caractersticas consideradas no modelo forem de mensurao
contnua e as nicas variveis dummies presentes estiverem associadas com a dimenso
temporal, ento, ao se escolher um determinado ano como referncia (por exemplo,
2010) e os demais anos forem relacionados com as variveis dummies (por exemplo,
2011), o intercepto representar o preo mdio para o ano 2010 e a estimativa
representar o preo mdio em 2011 relativo a 2010, tal que
. Cabe
ressaltar que, por se tratar de uma transformao montona, a estimativa para
pode
conter algum vis, segundo desigualdade de Jensen, entretanto, Gujarati (2012) sugere
que as estimativas so, em geral, muito prximas.
14
Texto para
Discusso
2 2 0 0
De maneira mais geral, os dados podem envolver outros perodos de tempo com
variveis dummies para todos os perodos de interesse, exceto para o perodo de referncia,
seguindo a mesma interpretao apresentada anteriormente. Ademais, diferenas entre os
coeficientes das variveis dummies mensuram a variao no preo entre dois perodos por
exemplo, se o modelo de regresso possuir dados para os anos 2010, 2011 e 2012 e considerando 2010 como o ano de referncia, a variao entre os anos 2011 e 2012 pode ser medida
usando os coeficientes estimados para os respectivos anos, isto ,
.
Note que
.
Cabe notar aqui que a converso dessa media, em termos do logaritmo natural,
para o ndice de preos hednico envolve um vis de ajuste, pois, mesmo que os coeficientes sejam estimados sem vis, ao aplicar a funo exponencial no se obtm uma
estimativa no enviesada. Um procedimento popular que se pressupe normalidade
dos resduos usar o ajuste na forma
, ou seja, para o ndice de preos
, em que representam os resduos estimados.
Woolridge (2012) fornece uma alternativa quando a normalidade no considerada;
nesse caso,
.
Ao fim e ao cabo, dadas as especificidades do bem habitao, o controle das caractersticas do imvel, por meio do processo de estimao hednico, pode garantir a
comparabilidade das cestas e, portanto, a construo de ndices mais fidedignos.
3.2 Mtodo de imputao
O mtodo de imputao uma alternativa ao mtodo de insero de variveis dummies,
o qual combina elementos das tcnicas tradicionais para estimao de nmeros-ndice, e
pela abordagem hednica, particularmente, escolhe-se inicialmente alguma das propostas para a construo de ndices, como o ndice de Fisher, e ento utiliza-se a regresso
hednica para estimar o valor predito dos preos missings.
Diferentemente do mtodo das variveis dummies, essa abordagem permite uma
maior flexibilidade ao escolher a forma funcional do ndice que se deseja utilizar em
vez de restringir a estimao dos ndices de preo a uma nica forma. Especificamente, a
regresso hednica utilizada no mtodo de imputao toma a mesma forma do mtodo
com as variveis dummies, exceto pelo fato de que regresses separadas so realizadas
para cada perodo de tempo, o que permite maior flexibilidade ao modelo, pois os
15
(9)
16
Texto para
Discusso
2 2 0 0
frequentes indexados por d, em que essa variao calculada por meio do preo no perodo observado (Pd,0) e o preo no perodo no observado ( ). Nesse sentido, todas as
trs abordagens consideradas por Aizcorbe (2014) substituem os preos no observados
em (10) por uma estimativa do preo gerada por meio da regresso hednica; h ainda
algumas abordagens que substituem inclusive os preos observados.
(11)
em que o subscrito r denota o perodo associado regresso hednica e s denota o perodo de tempo correspondente aos dados. O primeiro termo uma estimativa baseada
na regresso hednica (9) e o segundo termo um fator de ajuste.
No caso mais simples do mtodo de imputao, qualquer dado relativo a preos
observados utilizado na construo do ndice e a regresso hednica utilizada somente
para se imputar os preos no observados nos dados. Em termos gerais, considerando
a expresso (10), o ndice de Laspeyres por meio da imputao simples (IS) dado por:
,
(12)
17
,
em que a imputao ocorre para o termo
(13)
.
Aizcorbe (2014) prope uma abordagem de imputao completa (IC), para a qual
todos os preos so imputados pelos valores preditos da regresso estimada. Especificamente para o ndice de Laspeyres, a imputao completa apresenta a seguinte forma:
(14)
possvel notar, pela expresso (14), que todos os preos so substitudos pelos
seus valores preditos, obtidos por meio da regresso hednica. Aizcorbe (2014) destaca
que, devido quantidade de valores estimados na composio do ndice, esse pode no
ser um mtodo adequado, pois pode apresentar rudo alm do desejado, por isso
frequentemente desencorajado o uso dessa proposta.
18
Texto para
Discusso
2 2 0 0
(15)
19
20
Texto para
Discusso
2 2 0 0
(16)
em que t = 0,1 so dois perodos de tempo considerados; Pjt e Ajt so os valores para o preo
e a avaliao do j-simo imvel no perodo t; e nt o total de observaes disponveis
no perodo t. Por meio da relao entre valor de avaliao e preo negociado, a heterogeneidade entre os bens tratada, uma vez que uma base de comparao homognea
criada ao longo do tempo.
Mais recentemente, Dorsey et al. (2010) propuseram uma regresso hednica para
a construo de ndices de preo de mercados imobilirios que considerassem tambm a
dependncia espacial. Empiricamente, os resultados encontrados por meio da proposta
desenvolvida se aproximaram das estimativas obtidas pelo mtodo de vendas repetidas,
fornecendo indcios da estabilidade do ndice de preos estimado por Dorsey et al. (2010).
21
Nmero de lanamentos
2000
558
2001
521
2002
608
2003
684
2004
659
2005
617
2006
656
2007
867
2008
874
2009
765
2010
982
2011
992
2012
758
2013
1.044
Elaborao dos autores.
22
Texto para
Discusso
2 2 0 0
Observaes
Mdia
Desvio-padro
Mediana
Mnimo
Mximo
DORM_UNID
10.038
2,71
0,88
BANH_UNID
10.038
2,02
0,88
GAR_UNID
10.038
1,93
1,16
12
ELEV
10.038
1,85
1,94
26
COB
10.038
1,1
3,17
92
BLOCOS
10.038
1,05
1,29
30
UNIDAND
10.038
4,2
3,67
60
ANDARES
10.038
13,33
8,14
14
41
AR_UT_UNI
10.038
105,91
86,66
76
12,72
1.975
PC_TT_UN
10.038
441.621
653.589
262.650
66.150
13.929.850
23
5.2 Resultados
O prximo passo a estimao do modelo via mnimos quadrados ordinrios (MQOs).
TABELA 3
Estimativa
Erro-padro
t valor
Pr(>|t|)
(Intercepto)
10,4996206
0,0804569
130,499972
0,0000000
DORM_UNID
-0,0422304
0,0067031
-6,300147
0,0000000
BANH_UNID
0,2752171
0,0081864
33,618835
0,0000000
GAR_UNID
0,2193424
0,0064675
33,914461
0,0000000
ELEV
0,0089332
0,0022302
4,005620
0,0000623
COB
0,0061409
0,0011325
5,422390
0,0000001
BLOCOS
-0,0626714
0,0030629
-20,461347
0,0000000
UNIDAND
0,0044436
0,0012224
3,635236
0,0002791
ANDARES
0,0154606
0,0005339
28,959739
0,0000000
AR_UT_UNID
0,0035208
0,0000784
44,899609
0,0000000
O modelo apresenta ajustado igual a 0,8439428. Em seguida, obtm-se as estimativas para os ndices de preo aplicando a funo exponencial para cada parmetro
estimado das variveis dummies.
Por se tratar de uma regresso hednica para estimao dos ndices de preo no
mercado imobilirio residencial em So Paulo, o interesse est na estimao dos coeficientes de regresso para os perodos de tempo (variveis binrias), pois esses referem-se
ao logaritmo natural do ndice de preos no perodo correspondente. Assim, a estimativa
adequada para ndices de preo obtida aplicando-se a funo exponencial para cada
parmetro relativo ao tempo nos valores estimados da regresso. As demais variveis,
como nmero de dormitrios, banheiros etc., so apenas controles para garantir que os
valores do logaritmo natural do preo de venda sejam relacionados somente a imveis com
caractersticas similares, isto , condicionados nas demais caractersticas estruturais do
bem, e, portanto, no so de interesse direto dos pesquisadores interessados na construo dos ndices de preo.
O modelo apresenta bom ajuste, e os resultados indicam que o mercado de lanamentos em So Paulo apresenta crescimento contnuo no perodo de 2000 a 2008,
com alterao relevante aps 2008 qual seja, aumento na variabilidade e nos preos
mdios para o perodo posterior, conforme observado no grfico 1.
24
Texto para
Discusso
ndices de Preo e o Mercado Imobilirio: Literatura e Ilustrao o caso de So Paulo
2 2 0 0
ndice Hednico: SP
IGP-M
01/05/2013
01/09/2012
01/01/2012
01/05/2011
01/09/2010
01/01/2010
01/05/2009
01/09/2008
01/01/2008
01/05/2007
01/09/2006
01/01/2006
01/05/2005
01/09/2004
01/01/2004
01/05/2003
01/09/2002
01/01/2002
01/05/2001
01/09/2000
01/01/2000
Laspeyres
No sentido de reduzir parte da variabilidade e garantir maior estabilidade aos usurios do ndice, com variaes menos bruscas de perodo a perodo, pode-se considerar
a adoo de suavizao, como por meio da abordagem de Loess (grfico 2).
25
ndice Hednico: SP
IGP-R
LOESS: SP
01/05/2013
01/09/2012
01/01/2012
01/05/2011
01/09/2010
01/01/2010
01/05/2009
01/09/2008
01/01/2008
01/05/2007
01/09/2006
01/01/2006
01/05/2005
01/09/2004
01/01/2004
01/05/2003
01/09/2002
01/01/2002
01/05/2001
01/09/2000
01/01/2000
IGP-M
A base de dados disponvel para o estudo de caso (como, ademais, para o restante
do pas) no permite, por exemplo, a aplicao do mtodo de Spar, sugerido por Bourassa,
4. O ndice FipeZap no foi includo, dado que sua disponibilidade no compreende o perodo todo e sua construo se
baseia na oferta de imveis apenas.
26
Texto para
Discusso
2 2 0 0
6 CONSIDERAES FINAIS
Este texto apresenta uma reviso dos ndices de preo mais comuns na literatura, detalhando as peculiaridades de ndices para imveis e ilustrando com o caso de So Paulo.
O texto diferencia os ndices de Laspeyres e Paasche a partir de seus distintos mtodos
de ponderao, porm, mantendo a cesta de consumo fixa para os perodos analisados.
O ndice de Fisher uma proposta de agregao dos ndices de Laspeyres e Paasche,
oferecendo a vantagem da homogeneidade e simetria.
Os ndices hednicos nos quais h nfase nas caractersticas constituintes do
bem so adequados para imveis, cujos atributos influenciam diferentemente o preo
final nico do bem indivisvel. O mtodo de variveis dummies permite o controle dessas
caractersticas tpicas de cada imvel. J o mtodo da imputao traz mais flexibilidade
na escolha da forma funcional.
Recentemente, a dependncia espacial e a utilizao de valores atribudos por
avaliadores foram consideradas na literatura de ndices de preo de imveis. Todavia,
sua aplicao restrita disponibilidade de dados. Finalmente, ilustrou-se a aplicao
da construo de um ndice de preos hednicos para o mercado de lanamentos de
imveis em So Paulo. O ndice gerado indica aumento nos preos e na variabilidade
a partir de 2008.
REFERNCIAS
AIZCORBE, A. M. A practical guide to price index and hedonic techniques. Oxford: Oxford
University Press, 2014.
ANSELIN, L. Spatial econometrics: methods and models. Springer: Springer Netherlands, 1988.
27
ARNOTT, R. Economic theory and housing. In: MILLS, E. S. (Ed.). Handbook of Regional
and Urban Economics. Amsterdam: Elsevier Science Publishers, 1987.
BAILEY, M. J.; MUTH, R. F.; NOURSE, H. O. A regression method for real estate price index
construction. Journal of the American Statistical Association, v. 58, n. 304, p. 933-942, 1963.
BOURASSA, S. C.; HOESLI, M.; SUN, J. A simple alternative house price index method.
Journal of Housing Economics, v. 15, n. 1, p. 80-97, 2006.
BOX, G. E.; COX, D. R. An analysis of transformations. Journal of the Royal Statistical
Society. Series B (Methodological), p. 211-252, 1964.
CAN, A. Specification and estimation of hedonic housing price models. Regional Science and
Urban Economics, v. 22, n. 3. p. 453-474, 1992.
CAN, A.; MEGBOLUGBE, I. Spatial dependence and house price index construction. The
Journal of Real Estate Finance and Economics, v. 14, n. 1-2, p. 203-222, 1997.
CASE, K. E.; SHILLER, R. J. Prices of single-family homes since 1970: new indexes for four
cities. New England Economic Review, p. 45-56, Sept. 1987.
COURT, A. Hedonic price indexes with automotive examples. The Dynamics of Automobile
Demands. General Motors, p. 99-119, 1939.
DIEWERT, W. E. Commentary. Federal Reserve Bank of St. Louis Review, May-Jun. 1997.
DIEWERT, W. E. Index numbers. In: DURLAUF, S. N.; BLUME, L. E. (Eds.). The new
Palgrave Dictionary of Economics, 2. ed. Basingstoke: Palgrave Macmillan. 2008.
DIEWERT, W. E.; HERAVI, S.; SILVER, M. Hedonic imputation versus time dummy hedonic
indexes. In: Price index concepts and measurement. Chicago: University of Chicago Press, 2009.
DORSEY, R. E. et al. Hedonic versus repeat-sales housing price indexes for measuring the recent
boom-bust cycle. Journal of Housing Economics, v. 19, n. 2, p. 75-93, Jun. 2010.
DUBIN, R. A. Spatial autocorrelation and neighborhood quality. Regional Science and Urban
Economics, v. 22, p. 433-452, 1992.
GOODMAN, A. C. Hedonic prices, price indices and housing markets. Journal of Urban
Economics, v. 5, n. 4, p. 471-484, 1978.
GRILICHES, Z. Hedonic price indexes for automobiles: An econometric of quality change.
In The Price Statistics of the Federal Goverment, p. 173-196, 1961, New York: National
Bureau of Economic Research.
GUJARATI, D. N. Basic econometrics. India: Tata McGraw-Hill Education, 2012.
HAAN, J. Hedonic imputation versus time dummy hedonic indexes. In: DIEWERT, E.;
28
Texto para
Discusso
2 2 0 0
GREENLEES, J.; HULTEN, C. R. Price index concepts and measurement. Chicago: University of Chicago Press, 2009.
NADALIN, V. G.; FURTADO, B. A. ndices de preos para imveis: uma reviso. Boletim Regional, Urbano e Ambiental, Braslia, n. 6, dez. 2011. Disponvel em: <http://goo.gl/sV7YwU>.
PAKES, A. A Reconsideration of hedonic price indices with an application to PCs. The American Economic Review, v. 93, n. 5, p. 1578-1596, 2003.
SILVER, M.; HERAVI, S. The difference between hedonic imputation indexes and time dummy
hedonic indexes. Journal of Business & Economic Statistics, v. 25, n. 2, p. 239-246, 2007.
SWEENEY, J. A commodity hierarchy model of rental housing market. Journal of Urban
Economics, v. 1, p. 288-323, 1974.
TRIPLETT, J. Handbook on hedonic indexes and quality adjustments in price indexes. Directorate for Science, Technology and Industry, Paris, 2004.
WHITEHEAD, C. M. E. Urban housing markets: theory and policy. In: CHESHIRE, P.;
MILLS, E. S. (Ed.). Handbook of Regional and Urban Economics. Amsterdam, NorthHolland: Elsevier, 19999. v. 3, p. 1559-1594.
WOOLDRIDGE, J. Introductory econometrics: a modern approach. Stamford: Cengage
Learning, 2012.
29
APNDICE
CDIGO DE REGRESSO HEDNICA (R)
#Faz a leitura dos shapes
require(maptools)
shape <- as.data.frame(readShapePoints(LanRes_85_13_RMSP_CEM.shp))
#Remove os valores NA
shape<-shape[!is.na(shape$PC_TT_UN),]
#Mantem somente dados posteriores a 2000
shape<-shape[which(shape$ANO_LAN>1999),]
#Tabela de frequencias
tt<-as.data.frame(table(shape$ANO_LAN))
colnames(tt)<-c(Ano,Nmero de lancamentos)
library(knitr)
kable(tt)
#Encontra os centis
centis<-quantile(shape$PC_TT_UN, probs=c(0.05,0.95))
shape<-subset(shape,PC_TT_UN>centis[1],PC_TT_UN<centis[2])
#Aplica o logaritmo natural no preco nominal de venda da unidade
lnPreco <- log(shape$PC_TT_UN)
#Define a base com as informacoes suficientes
dados<-data.frame(lnPreco)
#Cria as variaveis dummies
library(dummies)
dummy<-dummy(shape$MES_LAN)
#Remove o periodo base
ibase<-which(colnames(dummy)==MES_LAN15-JAN-2000)
dummy<-dummy[,-ibase]
#Mantem somente as variaveis de interesse
30
Texto para
Discusso
2 2 0 0
vars<-c(DORM_UNID,BANH_UNID,GAR_UNID,ELEV,
COB,BLOCOS,UNIDAND,ANDARES,
AR_UT_UNID)
#Define a base com as informacoes suficientes
shape<-shape[,vars]
#Une com as variaveis dummies e lnPreco
shape<-cbind(lnPreco,shape,dummy)
#Converet AR_UT_UNID para numeric
shape$AR_UT_UNID<-as.numeric(gsub(,,.,as.character(shape$AR_UT_UNID)))
#Remove as observacoes com preco zero
shape<-shape[shape$lnPreco>-Inf,]
#Estima modelo
mod<-lm(lnPreco~.,data=shape)
sum<-summary(mod)
tab<-sum$coef[1:10,]
library(knitr)
kable(tab)
#Linhas
sum<-as.data.frame(coef(sum))
sum<-sum[11:nrow(sum),]
linhas<-sum[,Estimate]
#Obtem as estimativas para os indices de precos
coef<-data.frame(exp(linhas))
#Cria o Mes e Ano
coef$Text<-rownames(sum)
coef$Text<-gsub(MES_LAN15-,,coef$Text)
coef$Text<-gsub(`,,coef$Text)
Text<-as.data.frame(do.call(rbind,strsplit(coef$Text,-)))
Text$V1<-as.character(Text$V1)
Text[which(Text$V1==JAN),V1]<-1
31
Text[which(Text$V1==FEB),V1]<-2
Text[which(Text$V1==MAR),V1]<-3
Text[which(Text$V1==APR),V1]<-4
Text[which(Text$V1==MAY),V1]<-5
Text[which(Text$V1==JUN),V1]<-6
Text[which(Text$V1==JUL),V1]<-7
Text[which(Text$V1==AUG),V1]<-8
Text[which(Text$V1==SEP),V1]<-9
Text[which(Text$V1==OCT),V1]<-10
Text[which(Text$V1==NOV),V1]<-11
Text[which(Text$V1==DEC),V1]<-12
coef<-cbind(exp(sum[,1]),Text)
colnames(coef )<-c(Indice Hedonico,Mes,Ano)
coef$Mes<-as.numeric(as.character(coef$Mes))
#Ordena a base
coef<-coef[ order(coef$Ano,coef$Mes), ]
#Adicona a base
base<-data.frame(`Indice Hedonico`=1.0,Mes=1,Ano=2000)
colnames(base)<-colnames(coef )
coef<-rbind(base,coef )
coef$Tipo<-Indice Hedonico
colnames(coef )[1]<-Indice
#Cria a datacoef$Data<-as.Date(paste0(15/,coef$Mes,/,coef$Ano), %d/%m/%Y)
#Faz o Grafico:
library(ggplot2)
library(ggthemes)
ggplot(coef,aes(x=Data,y=`Indice`,colour=Tipo,group=Tipo)) + geom_line(lwd=0.5)+
xlab(Data) + ylab(Indice de precos.) + ggtitle(Indice de precos para habitacao.\n
Sao Paulo.)+
theme_economist()+scale_colour_economist(name=)
32
Texto para
Discusso
2 2 0 0
coef$Time<-seq(1,nrow(coef ))
lo2 <- loess(coef[which(coef$Tipo==Indice Hedonico),1] ~ coef[which(coef$Tipo==Indice
Hedonico),Time])
coef[which(coef$Tipo==Indice Hedonico),1]<-lo2$fitted
#Faz o Grafico:
library(ggplot2)
library(ggthemes)
ggplot(coef,aes(x=Data,y=`Indice`,colour=Tipo,group=Tipo)) + geom_line(lwd=0.5)+
xlab(Data) + ylab(Indice de precos.) + ggtitle(Indice de precos para habitacao.\n
Sao Paulo.)+
theme_economist()+scale_colour_economist(name=)
33
EDITORIAL
Coordenao
Cludio Passos de Oliveira
Superviso
Everson da Silva Moura
Reginaldo da Silva Domingos
Reviso
Clcia Silveira Rodrigues
Idalina Barbara de Castro
Leonardo Moreira Vallejo
Marcelo Araujo de Sales Aguiar
Marco Aurlio Dias Pires
Olavo Mesquita de Carvalho
Regina Marta de Aguiar
Alessandra Farias da Silva (estagiria)
Paulo Ubiratan Araujo Sobrinho (estagirio)
Pedro Henrique Ximendes Arago (estagirio)
Thayles Moura dos Santos (estagiria)
Editorao
Bernar Jos Vieira
Cristiano Ferreira de Arajo
Daniella Silva Nogueira
Danilo Leite de Macedo Tavares
Jeovah Herculano Szervinsk Junior
Leonardo Hideki Higa
Raul Vinicius Fernandes Gonalves (estagirio)
Capa
Lus Cludio Cardoso da Silva
Projeto Grfico
Renato Rodrigues Bueno
Livraria Ipea
Misso do Ipea
Aprimorar as polticas pblicas essenciais ao desenvolvimento brasileiro
por meio da produo e disseminao de conhecimentos e da assessoria
ao Estado nas suas decises estratgicas.