O setor imobiliário de Florianópolis: Um estudo da demanda

UMA INVESTIGAÇÃO SOBRE A DEMANDA E DE FORMAÇÃO DE PREÇOS
NO SETOR IMOBILIÁRIO DE FLORIANÓPOLIS.
Daniel Augusto de Souza – UDESC/ ESAG;
[email protected]
Ludmilla Nascimento Custódio – UDESC/
ESAG; [email protected]
Maria Carolina Papst – UDESC/ ESAG;
[email protected]
Resumo
O objetivo do presente artigo é identificar as variáveis que explicam a demanda do setor imobiliário da
cidade de Florianópolis. A principal justificativa para tal é o fato de que nas últimas quatro décadas o
município passou por um período de mudanças demográficas: de moradia de servidores públicos passou a
ser pólo turístico conhecido internacionalmente. Tal fato ajudou a elevar o valor dos imóveis do local. A
hipótese levantada inicialmente infere que a formulação de demanda clássica não é capaz de explicar a
movimentação do setor. Para tanto, a metodologia desenvolvida baseia-se na utilização de regressões no
formato MQO e formato ANOVA no programa Gretl. A principio, os resultados encontrados sugerem
que os modelos de MQO e formato ANOVA são complementares, observa-se que MQO falha em não
considerar as preferências do consumidor e o modelo ANOVA falha em não identificar o que a teoria
econômica descreve sobre o assunto. O artigo apresenta a seguinte divisão: Introdução histórica do setor
imobiliário em Florianópolis; Instrumental teórico; Metodologia; Dados; Análise Econométrica;
Resultados; Conclusão e Bibliografia.
Palavras-Chave: Setor imobiliário, Preço econômico, Preço hedônico.
1 Introdução
As cidades brasileiras de portes médio e grande passaram por um processo de
expansão na década de 1990, incentivado tanto pelo deslocamento interno, como por um
crescimento natural da população. A demanda por habitação nessas áreas também
sofreu uma forte pressão, atualmente é possível identificar uma grande disparidade no
preço das habitações nessas áreas de forte urbanização comparando-as com as áreas de
regiões do interior do país. Alguns estudos mais pessimistas indicam que a bolha
especulativa imobiliária que atingiu os Estados Unidos no segundo semestre de 2008 já
atinge cidades como São Paulo, Rio de Janeiro, Recife e Brasília. (D´AGOSTINI, 2011)
No município de Florianópolis é possível identificar dois momentos de mudança
no perfil populacional (Campos, 2010): (1) Famílias descendentes dos colonizadores
(açorianos) que produziam para sua simples subsistência, além da pesca artesanal - esta
característica ainda pode ser encontrada em alguns bairros da região, como é o caso da
Barra da Lagoa.
Por ser capital administrativa do Estado, a cidade passou a ser considerada uma
espécie de "morada" de servidores públicos, e destino de jovens universitários
estudantes que buscam acesso à boa estrutura de ensino superior existente. Percebe-se,
nesse momento, uma primeira mudança na composição populacional do município, o
qual passou de colônia de açorianos comerciantes para uma cidade com habitantes
predominantemente servidores públicos e estudantes vindos das várias regiões do
Estado e também do Brasil.
(2) Com a construção da BR 101, possibilitou-se a vinda para a cidade de turistas
de todo o Brasil e Mercosul (principalmente, os argentinos). Desta maneira, a partir das
décadas de 1980 e 1990, observou-se novamente uma modificação na formação
habitacional: de uma massa intensiva de servidores públicos e estudantes a cidade
passou a ser pólo turístico reconhecido internacionalmente. A visualização
proporcionada pelo status de cidade turística foi fundamental para essa nova etapa.
Famílias de diferentes Estados brasileiros e também de outros países começaram a
habitar as regiões centrais e de balneários.
A cidade apresenta vários aspectos desejáveis para muitas famílias, os quais
podem-ser destacados:
a.
A consolidação de um conglomerado de ensino superior
formado por diversas universidades ou faculdades particulares ou
privadas, além de duas grandes Universidades
públicas (UFSC e
UDESC);
b.
As belezas naturais;
c.
A presença da sede administrativa do Estado; e,
d.
Atual configuração econômica, a qual não permite parques
industriais tradicionais na cidade,dando lugar a chamada indústria limpa
(como por exemplo: Organizações de tecnologia de ponta, eventos
internacionais e várias formas de lazer).
Estas características atrairam jovens estudantes, famílias de turistas, servidores
públicos, e, investidores nacionais e internacionais.
Observa-se então um cenário onde o crescimento demográfico é evidente, e pode
ser comprovado por dados do IBGE que revelam um salto populacional, de 187.800 mil
habitantes em 1980, para 421.203 habitantes em 2010.
Atualmente o nativo local dá lugar a uma população variada e crescente. Como
fonte de renda para estes moradores verifica-se o tradicional comércio, o turismo, e as
indústrias de tecnologia. Sendo assim, a exploração imobiliária iniciou como uma
alternativa para complementar a renda familiar e atualmente empresas de construção
civil identificam uma grande oportunidade de negócios.
A prefeitura de Florianópolis juntamente com a Fundação João Pinheiro
identificou um déficit habitacional básico de 5.650 moradias no município no ano 2000,
e as expectativas são que esse número chegue a 6.734 moradias em 2009. Esses dados
indicam uma retomada do setor depois de décadas de queda, pois mesmo com o
crescimento abrupto, o déficit habitacional ainda é uma realidade.
O atual valor dos imóveis localizados na cidade de Florianópolis corresponde aos
fatores de mercado (oferta e demanda), que podem em uma análise explanatória ser
justificados pelo avanço demográfico das últimas décadas? Ou, seriam outros fatores
que influenciam os preços do setor imobiliário? É a partir dessas perguntas que surgiu a
motivação para este estudo.
2 Instrumental teórico
Para Borges e Vasconcellos (1974) a habitação, além de bem de consumo durável,
representa também investimento fixo com algumas características de bens de capital,
dada a sua grande influência no aumento da produtividade do trabalho pela melhoria da
saúde, conforto e bem estar que propicia.
A complexidade e o número de atividades que estão ligadas ao setor é outra
característica importante. Os autores Carneiro e Valpassos (2003) demostram que o
setor não está restrito a tradicional construção civil. Ele envolve uma rede de atividades
que vai desde o uso de materiais de produção, treinamento da mão de obra,
levantamento e análise dos impactos ambiental e sócio cultural até as atividades de
compra e venda de moradias.
(...) A importancia do setor supera o aspecto de simples fornecedor de infraestrutura com o
objetivo de gerar desenvolvimento industrial através da reativação de diversos outros
setores da economia, seu segmento por si só ja é um grande gerador de renda. (...) Emprega
6% dos empregados no Brasil. (CARNEIRO e VALPASSOS 2003 p. 235)
Percebe-se, assim a importancia da atividade, que mesmo em momentos
conjunturais desfavoraveis, continua crescendo, gerando emprego e desenvolvimento
para a sociedade. (CAMPOS, 2010)
2.1 Demanda via formação de preço clássica
Froyen (1999) define a demanda clássica como uma relação entre a quantidade
demandada de bens e serviços e o nível geral de preços. Imovés são considerados bens
duráveis. Analisar o seu consumo envolve um estudo das teorias de demanda e
comportamento do consumidor.
Ferguson (1992) indica que o consumidor procura alocar sua renda monetária
limitada entre bens e serviços disponíveis de tal forma a maximizar sua satisfação. Para
Varian (1994) quando o preço de um bem variar há dois tipos de efeitos: a taxa a qual se
pode trocar um bem por outro, sendo o poder aquisitivo total da renda alterado, o
consumidor pode modificar sua demanda por um bem a partir da variação da taxa a qual
dois bens são trocados, chamado efeito-substituição, ou devido ao aumento do poder
aquisitivo, chamado efeito renda. Para Blanchard (2007), as decisões de consumo
dependem de muitos fatores, mas sem dúvida o principal deles é a renda.
Borges e Vasconcellos (1974) exploram o conceito de habitação não apenas como
um gerador de serviços ao longo do período, mas também um meio de investimento
potencial. Beni (2002) ilustra que a questão habitação é um ponto fundamental para o
setor turístico, envolvendo não apenas hotéis e pousadas, como também a questão do
chamado turismo familiar. Está análise parece encaixar-se perfeitamente às
características do município de Florianópolis.
Para completar o estudo das variáveis que podem ser utilizadas na formulação de
demanda imobiliária, em Blanchard (2007), o investimento assim como o consumo
depende das variáveis: renda e taxa de juros. Também segundo Carneiro e Valpassos
(2003) o financiamento (crédito) de moradias exerce uma influência direta na demanda
habitacional: “A ausência do crédito habitacional (...) acaba por reduzir ainda mais a
capacidade de geração de novas unidades. O resultado dessa escassez de recursos foi
uma elevação do deficit habitacional no Brasil”.
A dinâmica de formação do preço por meio da interação entre oferta e demanda
pode ser visualizada na figura abaixo, elaborada por Souza (2008, p. 25):
GRÁFICO 01: OFERTA E DEMANDA HABITACIONAL (SOUZA, 2008)
Existe um contraste ao analisar a demanda do setor imobiliario através dos
modelos tradicionais de consumo e quando há exploração de outros conceitos de
formação de preço, como é o exemplo do preço hedônico.
2.2 Demanda via formação de preço hedônico
Os imóveis possuem algumas características que dificultam a sua precificação via
formação clássica. Na análise de preços para tomada de decisão, a utilização de
metodologias usuais pode levar o indivíduo a cometer erros de sobrevalorização ou
subvalorização de um imóvel. Um exemplo clássico são as bolhas imobiliárias. Haveria
de fato uma bolha no mercado imobiliário de Florianópolis? Este trabalho não tem a
pretenção de responder tal pergunta, já que muitos estudos devem ser realizados para
tal. O objetivo aqui é demonstrar que existem outros itens que devem ser considerados
no momento de realizar o estudo dos preços e da demanda imobiliária. Sendo assim,
recorremos ao preço hedônico.
Hedonismo: [do grego hedone, “prazer”, + ismo.] S. M. 1. Et. Doutrina que considera que o
prazer individual e imediato é o único bem possível, princípio e fim da vida moral.
(FERREIRA, 1986 p.1838)
A origem do estudo dos preços hedônicos remete a Lancaster (1966). O autor iniciou seus
estudos como uma crítica ao padrão dominante da análise microeconômica da escola
neoclássica. Sua maior insatisfação era o fato de que a abordagem neoclássica omitia de seus
modelos os atributos ou características intrínsecas dos bens em questão quando se tratava do
entendimento da dinâmica de formação de preços.
Neto (2003) sugere que uma vez que as preferências individuais exercem grande
influência na estimativa de valor de um dado bem ou serviço, deve-se considerar o seu
valor corrente de mercado, separando-se o valor de uso e não uso tradicional, olhando a
opção dos valores indiretos próximos ao valor real do bem ou serviço. Soethe e
Bittencourt (2006) descrevem o preço hedônico como um modelo de compensação da
teoria do bem estar, onde os consumidores revelam preferências além do escopo da
teoria; preferências estás relenvantes para formação de preços.
A relevância do uso de modelos de preços hedônicos se faz pela compreensão da teoria do
bem-estar, de forma que os participantes do mercado acabam por revelar o valor marginal
das características específicas dos bens, não concedidos e expostos separadamente para
aquisição no mercado. (SOETHE e BITTENCOURT, 2006 p. 2)
Nas palavras de Souza (2008) o as preferências do consumidor baseiam-se na
busca de satisfação prioritariamente suas necessidades:
O ser humano apresenta um comportamento econômico baseado na busca de suas
satisfações de consumo. É comum na literatura econômica, afirmar que o homo
oeconomicus tem necessidades ilimitadas. O homem econômico consome bens que
satisfazem necessidades, consome então utilidades. (idem, 2008, p.27)
O autor prossegue afirmando que:
O cerne da teoria dos preços hedônicos é que existe um vetor de preço ligado às
características de uma classe de bens, chamadas atributos. No caso da habitação, por
exemplo, vagas de garagens, acesso aos serviços públicos, vizinhança, conservação do
imóvel, área construída, entre outras características endógenas e exógenas, definem como o
mercado vai precificar este bem. (SOUZA, 2008, p.42)
Neste caso, Souza (2008) estabelece uma relação entre os atributos dos bens
habitacionais (os quais são percebidos diferentemente pelos consumidores, de acordo
com suas prioridades ou hierarquias hedônicas) com os preços considerados “justos”
pela média dos consumidores.
3 Metodologia
Está seção inidica quais os metodos utilizados para consuzir a pesquisa e avaliar
os resultados encontrados. Utilizou-se do MQO que é um metodo que procura encontrar
o melhor ajustamento para um conjunto de dados tentando minimizar a soma dos
quadrados das diferenças entre o valor estimado e os dados observados e o modelo
ANOVA, de análise variâcia que contém somente variáveis qualitativas também
chamadas de dummies.
3.1 Mínimos quadrados ordinários
Borges e Vasconcellos (1974) indicam que os principais fatores determinantes da
demanda habitacional são:
i.
Oferta de crédito
ii.
Renda
iii.
Preço da habitação relativo à renda e aluguel principalmente,
iv.
Mudanças na população,
v.
Necessidades líquidas de reposição;
vi.
Incentivos Fiscais
vii.
Taxa de ocupação.
Considerando a habitação, como um bem de consumo durável, e também
investimento fixo com algumas características de bem de capital, pode-se generalizar a
teoria do cosumo encontrada em Froyen (1999), onde:
(1)
Onde:
H: representa a demanda habitacional;
Ph: preço da habitação.
Blanchard (2007) e Varian (1994) indicam características relevantes que ampliam
o modelo tradicional:
(2)
Onde:
Ps: preço do bem substituto (aluguel);
y: renda.
A última variável relenvante para formação do modelo de demanda habitacional é
o crédito. Os autores Carneiro e Valpassos (2003), Beni (2002), Borges e Vasconcellos
(1974) e Blanchard (2007) indicam está como necessário para o fechamento da equação.
Obtém-se assim a possibilidade de finalizar a equação de demanda habitacional:
(3)
Apartir destá utilizou-se o programa econométrico Gretl para estimar os valores
referentes às variáveis: preço habitacional, aluguel, renda e crédito. Identificou-se assim
o efeito e o movimento da demanda habitacional referente a estás variáveis.
3.2 Modelo ANOVA - Variáveis binárias
Considerando a perspectiva de preço hedônico, foram identificados os 85 bairros
da cidade de Florianópolis (IBGE), e foram atribuídos elementos que podem de alguma
maneira influenciar e atrair os consumidores na hora de adquirir um imóvel na região.
Para Haddad e Hermann (2005) a acessibilidade, localização, características
ambientais e características do imóvel são utilizadas na formulação de uma hipótese
geral. Soethe e Bittencourt (2006) utilizam variáveis como: distância da padaria,
distância de escolas, presença de garagens, condição da construção, distância do centro,
entre outros.
A metodologia de análise do preço hedônico consistiu em identificar
características capazes de agregar valor ao imóvel, sendo elas: localização,
acessibilidade, integração com o meio ambiente, poluição sonora, poluição audio visual
e infraestrutura. Tais dados foram obtidos através de registros encontrados na prefeitura
municipal de Florianópolis. Assim chegamos a:
(4)
Onde:
: Acessibilidade;
: Localização;
: Infra-Estrutura;
: Integração com o meio ambiente;
: Poluição sonora e
: Poluição audio visual.
O modelo propõe a utilização de variáveis binárias, onde as características citadas
possuem valores de zero a um. Os critérios para qualificar os atributos seguem no
quadro 01 do anexo.
4 Dados
A maior dificuldade na execução desse estudo foi a falta de dados. Os dados
utilizados para análise econométrica através do MQO foram encontrados em diferentes
fontes, uma vez que a nível regional, carece de um banco de dados suficiente para
garantir as necessidades desse artigo. Uma medida alternativa foi a utilização de proxys
capazes de demostrar da melhor maneira possivel a realidade. Está também é a
justificativa para o período adotado (1995- 2010), dados anteriores a está data são
desencontrados e de fontes duvidosas.
A maior carência que percebemos no Brasil é a de estatísticas com base na construção civil
imobiliária. De fato, o nosso mercado andou “de lado”, como dizem, por 15 anos ou mais.
Agora, com aproximadamente cinco anos de um segmento consistente, vimos necessidade
de maior quantidade de dados estatísticos, pois nada melhor do que acompanhar o mercado
enquanto apresenta saúde invejável, porém, com dados variados e suficientes capazes de
permitir prever e avaliar períodos de estabilização ou mesmo de queda. (PETRUCCI, C.
2011) 1
1
SECOVI-SP
Para preço dos imóveis locais, utilizou-se o CUB médio de Florianópolis
calculado pelo SINDUSCON de Florianópolis. Sua metodologia consiste em uma
pesquisa de prateleira, onde uma “cestá” de insumos e serviços é identificada e através
de programas desenvolvidos com base na NBR 12.721 são tratados e divulgados.
O IGP-M calculado pela FGV é utilizado para balizar os aumentos da energia
elétrica e dos contratos de aluguéis, por está característica e pela falta de estatística
semelhante a nível regional, optou-se pelo uso do índice.
A demanda habitacional será representada pelo número de novas construções,
dados disponíveis pelo CREA- SC. Para o crédito, a ABICEP juntamente com o
BACEN fornece pesquisas quanto ao número de unidades financiadas e valor total do
financiamento.
A maior dificuldade quanto ao acesso e disponibilidade foi a variável renda. O
IBGE cidades publica os dados no formato anual ao passo que a prefeitura de
Florianópolis, juntamente com a secretaria de planejamento, limitam-se a aceitar o
trabalho do IBGE cidades. Para efeito de pesquisa admite-se a idéia de que o PIB
municipal apresenta variações correlacionadas ao PIB nacional. A partir dessa hipótese
pode-se encontrar o PIB municipal no formato mensal.
Para formulação do estudo de preço hedônico novamente o problema da falta de
dados proibiu análises mais profundas. Identificaram-se oitenta e cinco bairros do
município de Florianópolis através de pesquisas no site da prefeitura e IBGE. Após a
formulação dos critérios para definição das variáveis binárias utilizou-se a ferramenta
Google Mapas, Google Earth, para complementar as informações do site da prefeitura.
Por se tratar de uma série em corte transversal, o valor da variável dependente demanda imobiliária - foi encontrado fazendo-se uma média das novas construções no
período de 1995. Heineck et al (1998) fez um estudo da oferta e demanda imobiliária
onde encontrou-se a base para formulação da tabela, onde os bairros foram agrupados
em microrregiões identificadas por: 1-proximidade, 2-características sócio culturais. A
partir destes foram feitos cálculos indicando a porcentagem apresentada na tabela
encontrada em Heineck et al (1998) referente a demanda e as novas construções na
região analisada.
A pesquisa pressupõe uma demanda homogênea, ou seja, a demanda habitacional
é igual para todas as classes, de maneira que as únicas informações referentes à
qualidade do imóvel estão listadas no quadro 01. Outros itens como quantidade de
quartos, garagem, infraestrutura do imóvel e número de cômodos são deixados para um
estudo posterior.
5 Análise Econométrica
Nestá seção será divulgado os resultados referentes a aplicação de conceitos
matemáticos e estátísticos para explicar o comportamento das variáveis desejadas. Para
tal fez-se o uso do sofware de econometria Gretl.
5.1 MQO
Os valores encontrados na regressão dos mínimos quadrados ordinários podem ser
verificados na tabela 01 do anexo.
5.1.1 As Variáveis
Evidencia-se o fato da variável preço do bem substituto não apresentar o sinal
esperado. Entrando no campo da subjetividade, podemos usar um argumento do
hedonismo para explicar este fato: imóveis possuem características de bens de
investimento, portanto quando o aluguel está ficando mais caro. Assim os investidores
percebem uma chance de lucrar com este fato: 1° vendendo imóveis (utilizando o fato
de o aluguel estar elevado como propaganda de um bom negócio), e 2° alugando
imóveis (afinal o retorno do investimento inicial acontece de forma mais rápida).
5.1.2 Testes gerais e específicos
O Preço habitação, preço do bem substituto e renda são significativos ao nível de
1%. Já o variável financiamento e a constante não são significativas ao nível de 1%. O
coeficiente de ajustamento da regressão apresentou valor de 33,25%, significativamente
baixo. Os parâmetros de normalidade são atendidos pela regressão e o teste de
significância geral da amostra nega a hipótese de nulidade dos parâmetros.
Para identificar se a série apresenta heterocedasticidade, optou-se pelo uso dos
testes de White e Breusch Pagan. O motivo é o fato da generalidade deste, além de
garantir resultados mais robustos. Para Breusch Pagan, rejeita-se a hipótese de
homocedasticidade a um nível de significância de 1%. Para White rejeita-se a hipótese
de homocedasticidade a um nível de significância de 5%. Porém, aceita-se a um nível de
9%.
Resultados do teste RESET para especificação do modelo são respectivamente:
Quadrados e Cubos: F = 16,893138; p-valor de 1,83e-007. Quadrados: F = 29,776758;
p-valor de 5,33e-008 e Cubos: F = 29,776758; p-valor de 1,53e-007. Isto indica a
inexistência de problemas quanto à especificação do modelo.
Os coeficientes de correlação podem ser verificados no quadro 02 no anexo. A
matriz de covariância dos coeficientes não indica presença desta. Teste de
autocorrelação de Dubin-Watson indica ausência de correlação positiva perfeita. Já o
teste de Breusch Godfrey indica ausência de autocorrelação, sendo que os valores
podem ser verificados na tabela 02 no anexo.
Testes de quebra estrutural: CUZUM quadrado indica o período de 1998:01 a
2001:12 como um período de quebra. No gráfico 01 do anexo fica evidente que este se
trata de uma fase de queda do setor. Para verificar este resultado foram feitas algumas
regressões auxiliares:
i. Demanda habitacional para o período da quebra (1998:01, 2001:12)
ii. Demanda habitacional antes da quebra
iii. Demanda habitacional depois da quebra
Os resultados foram: i. apresentou uma tendência de queda; ii. apresentou uma
quebra em 1997:05, o que pode evidenciar a veracidade da quebra de 1998:01 já que
indica de fato a existência de um ponto de inflexão na curva; iii. manteve uma trajetória
normal ascendente.
O teste de Chow foi realizado para confirmar os resultados, o que de fato
aconteceu. Porém deve-se alertar para a arbitrariedade do teste de Chow, onde o
pesquisador indica o ponto de quebra. Para complementar o estudo recorremos aos fatos
históricos que indicam que ao final da década de 1990 uma mudança no sistema de
câmbio brasileiro, juntamente com as mudanças no partido do presidente da república,
causou um clima de desconfiança no investidor e na população com o medo de uma
retomada do processo inflacionário.
A tabela 03 do anexo apresenta os valores para o teste de Dickey-Fuller.
Aumentado, as variáveis PIB e CUB não são estacionárias pela metodologia do teste,
considerando um grau de significância tanto de 1% como 5%, com uma e duas
defasagens, para corrigir o problema da não estacionariedade utilizou-se a primeira
diferença das variáveis citadas, os resultados obtidos através da transformação estão na
tabela 06 do anexo.
Desconsiderando-se a constante no novo modelo, apenas a variável PIB é
estatisticamente significativa. O modelo não possui problemas de especificação e
colinearidade. Possui um coeficiente de correlação na ordem de 20%, e o problema da
não estacionariedade foi solucionado para os níveis de significância entre 1% e 5%
(usando o teste de uma e duas defasagens).
5.1.3 Variável crédito
A variável crédito parece ser a mais emblemática, apesar da literatura indicá-la
como um dos fatores mais relevantes para explicar a variável dependente. Apresentou a
menor contribuição marginal para o modelo.
Na análise gráfica constatou-se um grave problema de heterocedasticidade
(juntamente com o teste de White). Os dados históricos indicam que somente a partir de
1964 o crédito imobiliário no Brasil tornou-se representativa, graças a programas como
o SFH (Sistema Financeiro da Habitação) e a criação do Banco Nacional da Habitação.
Na década de 1970 o governo militar intensificou os recursos destinados a área, e nas
décadas de 1980 e 1990 o setor (como vários outros prejudicados com a instabilidade
econômica vivida pelo país) sofreu com o esquecimento, obtendo retrações.
No período de interesse deste artigo (1995-2010) o crédito imobiliário atingiu a
maior cifra da história do Brasil. Assim de um ponto de inércia do período de 1995,
atingiu-se um salto de milhões de reais em 2002, e um novo recorde no ano de 2010.
Estes recordes coincidem com programas governamentais, que têm como objetivo
diminuir o déficit habitacional no país como as COHAB, o PAC, o programa “Minha
casa minha vida” e liberação do FGTS para compra da casa própria.
Diante de tal histórico consideraram-se compreensíveis os problemas de
heterocedasticidade. O método corretivo utilizado, diante desta indicativa, foi a divisão
das demais variáveis pela fonte do problema, o modelo testado ajustado, para tanto,
segue:
Os resultados estão apresentados na tabela 04 do anexo. Outros testes foram
realizados (divisão pela variável PIB, divisão pela variável CUB, pois ambas não
apresentam estacionariedade).
O novo modelo apresenta variáveis não significativas sendo que ainda possui
problemas com heterocedasticidade. Não apresenta autocorrelação, porém seu
coeficiente de determinação está na ordem de 52%, ligeiramente mais alto que primeiro
modelo.
Como já foi indicado, adotaram-se outras medidas que corrigem o problema da
heterocedasticidade. A que apresentou melhor resultado foi a exclusão da variável
crédito. Acredita-se na importância de tal variável, e diante de todas as problemáticas
que envolveram a pesquisa junto com a formação de um banco de dados, considera-se
que tal análise foi prejudicada pelo uso de uma proxy não eficiente. Uma alternativa foi
o uso da variação da LCI – Letra de Cambio Imobiliário, porém, para tanto, a pesquisa
deveria ter um nível de restrição ainda maior, pois este mecanismo foi criado e
disciplinado pela Lei 10.931, de 2004, ou seja, não se enquadra o período de transição e
crescimento do “boom” imobiliário de Florianópolis.
5.2 ANOVA
Os valores referentes à regressão ANOVA com uso de dummy pode ser
consultado na tabela 05 do anexo.
5.2.1 Quanto as variáveis
Acessibilidade e Infraestrutura não são estátistiticamente significativas a um nivel
de 1%, as demais apresentam significância ao mesmo nível. As variáveis infraestrutura
e poluição audio visual não apresentaram os sinais desejados. Uma possível explicação
é o fato de algumas praias do município que apresentam grande procura, mesmo com a
falta de saneamento básico, calçamento, asfalto entre outros, são requisitada pela sua
localização de fato.
Quanto ao sinal inesperado da variável integração com o meio ambiente, pode-se
indicar o fato de algumas regiões de Florianópolis estarem em aréa de reserva. Assim as
novas construções do local são reduzidas. Outra possivel explicação é o fato de algumas
aréas que possuem intregração ambiental começarem a despontar no cenário imobiliário
somente nos anos recentes. Um exemplo é o bairro Campeche, Rio Tavarez, Armação e
Pântano do Sul.
Esperava-se da variável localização um possível comportamento inesperado, pois
a mesma em alguns casos é exógena no processo de decisão do empreendedor. Isto
ocorre uma vez que é limitada a existência de terrenos com as leis de ocupação do solo,
assim como a presença de área de preservação permanente.
5.2.2 Testes gerais e específicos
O coeficiente de ajustamento da amostra está em 28% valor considerado baixo. O
teste de significância geral da amostra nega a hipótese de nulidade dos parâmetros, com
um p valor de 0,0002. A equação não atende o pressuposto de normalidade dos
parâmetros.
Como a série não apresenta normalidade foi necessário utilizar apenas o teste
White para identificar a heterocedasticidade, que obteve: T.R² = 49,57672, com p valor
de 0,000418, o que nega a hipótese de homocedasticidade. O quadro 03 do anexo indica
os valores do teste de adequação do modelo (RESET). Os dados demonstram
inexistência de problemas com a especificação do modelo. As variáveis não estão
correlacionadas, e o teste de colinearidade apresenta um VIF entre 1,2 o menor e 2,09 o
maior o que indica a inexistência de colinearidade.
6 Conclusão
O setor imobiliário de Florianópolis passou por várias mudanças no decorrer das
últimas décadas. Essas transformações no setor acabaram atraindo cada vez mais
pessoas à cidade, tanto pela sua oferta turística, quanto pelo pólo comercial e centro
administrativo do Estado. E foi a partir desse aumento de demanda por moradias na
capital que se tentou verificar esse comportamento via formação de preços clássica e
preços hedônicos. Sendo assim, foi feita a análise do que realmente é considerado na
formulação de preço de imóveis, as normas clássicas de mercado, ou fatores endógenos
oferecidos pela ilha de Santa Catarina.
Contudo, diante da inexistência de uma base de dados consolidada, parte dos
resultados encontrados nas análises parecem nebulosos e insuficientes. Diante da
situação, os problemas encontrados, como heterocedasticidade nos modelos MQO e
ANOVA e a não normalidade da amostra no modelo ANOVA, são esperados. De
maneira geral, tanto os dados encontrados no modelo MQO como as informações
obtidas no modelo ANOVA apresentam particularidades. Porém, recomenda-se a
análise de ambos, e não o seu estudo em separado, pois como observamos os modelos
se complementam. Assim sendo, nota-se que MQO falha em não considerar as
preferências do consumidor e o modelo ANOVA falha em não identificar o que a teoria
econômica revela sobre o assunto.
A economia clássica aborda o modo pela qual a sociedade emprega seus fatores de
produção escassos e como distribuí-los. Todavia, existe certa dificuldade em incluir nos
modelos da teoria clássica à maneira pelas quais os indivíduos efetuam suas escolhas e
preferências individuais. Assim, a estimativa dos valores de produtos e bens, pode ser
feita utilizando-se as definições do preço hedônico. Elucidando questões que afetam a
oscilação, subvalorização ou sobrevalorização de preço dos bens por fatores não
explicados pelos tradicionais modelos econômicos.
Em um entendimento definitivo, com o rápido crescimento e, evidente mudança
na formulação do espaço geográfico da cidade de Florianópolis, foi constatado que
trabalhos nesta área podem impulsionar a formulação de políticas públicas, assim como
atrair investidores a formularem novas estratégias de investimento. Todavia, seria
necessário estimular a formulação de mais pesquisas neste ramo, principalmente, no que
tange o aspecto da coleta de informações, objetivando a formulação de um banco de
dados com séries estatísticas suficiente, de modo a serem realizadas análises mais
robustas.
7 Bibliografia
Associação Brasileira das Entidades de Crédito Imobiliário E Poupança. Disponível em
<http://www.abecip.org.br>. Acesso em 28/05/2011, 17h01min00sec.
BENI, M. Análise Estrutural do Turismo. 7°edição. São Paulo: SENAC, 2002
BLANCHARD, O. Macroeconomia. São Paulo: Pearson, 2007.
BORGES, J. G.; e VANCONCELLOS, F. P. Habitação para o desenvolvimento Rio
de Janeiro: Bloch, 1974.
Caixa
Econômica
Federal.
Disponível
em<
brhttp://www1.caixa.gov.br/gov/gov_social>. Acesso em 03/06/2011, 13h12min00sec.
CAMPOS, E. A expansão Urbana na região Metropolitana de Florianópolis e a
dinâmica da industria da construção civil. Florianópolis: Insular, 2010.
CARNEIRO, D.; VALPASSOS, M. Financiamento á Habitação e instabilidade
econômica. Rio de Janeiro: FGV, 2003.
CREA-SC - Conselho Regional de Engenharia, Arquitetura e Agronomia de Santa
Catarina
Disponível
em<http://www.crea-sc.org.br>Acesso
em
26/05/2011,
18h21min00sec.
D´AGOSTINI, L. A bolha imobiliária no Brasil está formada.
Economia &
Tecnologia - Ano 06, Vol. 23 - Outubro/Dezembro de 2010. Disponível em<
http://www.economiaetecnologia.ufpr.br/boletim/Economia_&_Tecnologia_Ano_06_V
ol_023.pdf>Acesso em 26/05/2011, 17h30min10sec.
FERGUSON, C. Microeconomia. 16° edição. Rio de Janeiro: Forense Universitária,
1974.
FERREIRA, A. B. de H. Novo Dicionário da Língua Portuguesa. 2. ed. rev. aum. Rio
de Janeiro: Nova Fronteira, 1986.
FROYEN, R. Macroeconomia. São Paulo: Saraiva, 1999
Fundação Getulio Vargas. Disponível em<http://portalibre.fgv.br >Acesso em
26/05/2011, 15h18min45sec.
Google Mapas. Disponível em< http://maps.google.com.br>.Acesso em 05/06/2011,
16h21min00sec.
GUJARATI, D. Econometria Básica. 4°edição. Rio de Janeiro: Campus, 2006.
HEINECK, L. F. M.; FREITAS, A. A. F. de; ILHA, J. C. G. Comparativo entre dados
de oferta e demanda de habitação no mercado imobiliário de Florianópolis, SC. Artigo
Técnico,7 p, In: Encontro Nacional de Engenharia de Produção, Niterói, 1998
HERMANN, B. M.; HADAD, E. A. Mercado Imobiliário e Amenidades Urbanas: A
View Through the Window. Estudos Econômicos, São Paulo, 35(2): 237-69, abr-jun
2005.
IBGE cidades. Disponível em<http://www.ibge.gov.br>.Acesso em 02/06/2011,
14h30min21sec.
LANCASTER, K.J. A new approach to consumer theory. Journal of Political
Economy, p. 132-57, 1966.
NETO, A. Preços Hedônicos. In: Informações Econômicas. São Paulo, vol.33, n.12,
dez 2003.
Prefeitura Municipal de Florianópolis. Disponível em<http://www.pmf.sc.gov.br>
Acesso em 30/05/2011, 16h20min01sec.
Secretaria de Estado da Assistência Social, Trabalho e Habitação. Disponível
em<http://www.sst.sc.gov.br> Acesso em 02/06/2011, 12h47min09sec.
Secretaria de Habitação e Saneamento Ambiental. Habitação de Interesse Social –
Análise Estatística da Demanda em Florianópolis-SC. Florianópolis, 2006.
SINDIMÓVEIS - Sindicato dos Corretores de Imóveis do Estado de Santa Catarina.
Disponível
em<http://www.sindimóveis-sc.org.br>
Acesso
em
28/05/2011,
13h08min54sec
SOETHE, V.; BITTENCOURT, E. Estimativa de modelos de preços hedônicos para
locação residencial em Joinville. XIII SIMPEP - Bauru, 6 a 8 de Novembro de 2006
SOUZA, D. A. UNIVERSIDADE FEDERAL DE SANTA CATARINA Programa de
Pós-Graduação em Engenharia Civil. Análise da elasticidade-atributo do preço em
projetos de empreendimentos habitacionais multifamiliares. Florianópolis, 2008. 92
f. Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico.
Programa de Pós-Graduação em Engenharia Civil.
VARIAN, H. Microeconomia: Principios Básicos. 2° edição. Rio de Janeiro: Campus,
1994.
8 Anexos
Critério
Acessibilidade
Infraestrutura
Variável binária
dummy = 0 (zero)
Via sem pavimentação, escassez de
horários no transporte público,
inexistência de pontos de táxi,
entrada e saída única.
A inexistencia, ou o oferecimento
parcial dos serviços de: tratamento
de esgoto, iluminação pública e
Variável binária
dummy = 1 (um)
Via pavimentada, transporte
público acessivel, paradas de
táxi, estácionamento, entrada/
saída alternativa.
Tratamento de esgoto,
iluminação pública e
residencial, agua encanada,
Integração com
o meio ambiente
Localização
Poluição Audio
Visual
Poluição Sonora
residencial, água encanada, coleta
de lixo orgânico e reciclado,
calçadas, lixeira nas vias públicas.
Esgoto a céu aberto, aréas
desmatadas, agua de praia/rio/
lagoa impropria para banho,
aterramento clandestino.
Proximidade a lixões, aeroporto,
rodovias, presídios, casa de shows,
estádios de futebol.
Marketing intensivo como
outdoors, carros de som,
panfletagem,
Presença de casa de shows e
eventos variados, carro de som,
aeroportos, estádio de futebol,
indústrias.
coleta de lixo organico e
reciclavel, calçada, lixeira nas
vias públicas.
Canteiros nas vias centrais,
arborização, água de
praia/rio/lagoa própria para
banho.
Proximidade a escolas,
farmácias, hospitais,
supermercados, praias,
grandes centros captadores de
mão de obra.
Inexistência ou parcialidade
de autdoors, carros de som,
panfletagens.
Inexistência ou parcialidade
de qualquer meio que perturbe
o sossego sonoro
Quadro 01: Caracterização das variáveis adotadas, formulação das autoras com base em Soethe
e Bittencourt (2006) e Haddad e Hermann (2005).
PIB
1,0000
Demanda
0,5402
1,0000
Crédito
-0,0524
0,0040
1,0000
Cub
0,8499
0,5327
-0,0517
1,0000
IGP-M
-0,1830
0,0284
0,1366
-0,2087
1,0000
PIB
Demanda
Crédito
Cub
IGP-M
Quadro 02: Coeficientes de correlação, usando todas as observações 1995:01 - 2010:12
Quadrados e cubos
Estatística de teste: F = 8, 077557,
Com p-valor = 0, 000659
Apenas Cubos
Estatística de teste: F = 13, 331162,
Com p-valor = 0, 000474
Apenas Quadrados
Estatística de teste: F = 15, 957046,
Com p-valor = 0, 000147
Quadro 03: RESET – Especificação do modelo
Β
Coeficiente
61738
0,068347
0,0008350
Erro Padrão
71686
0,0243
0,00316
Razão-t
0,86
2,80
0,26
P-valor
0,390
0,005
0,792
452,57
56961
175,8
24075
2,57
2,36
0,010
0,019
Tabela 01: MQO, variável dependente: demanda habitacional. Dados: 1995 – 2010. Programa:
Gretl
Teste
Durbin- Watson = 0,844171
Breush-Godfrey = 64,139239
Estatística
p-valor = 1,23464e-016
Qui quadrado = 1,16e-015
Tabela 02: Testes de autocorrelação
Modelo
P valor
τ
Teste Aumentado de Dickey- Fuller Aumentado para uma defasagem (Demanda)
Teste com constante
-4, 51551
0, 0001
Com constante e tendência
-5, 95407
1, 5e-006
Com constante e tendência quadrática
-6, 21602
1, 704e-006
Teste Aumentado de Dickey- Fuller Aumentado para duas defasagens (Demanda)
Teste com constante
-3,6205
0,005409
Com constante e tendência
-4,79842
0,0004354
Com constante e tendência quadrática
-5,04498
0,0008212
Teste Aumentado de Dickey- Fuller Aumentado para uma defasagem (CUB)
Teste com constante
-0,1599
0,941
Com constante e tendência
-1,837
0,6891
Com constante e tendência quadrática
-1,832
0,8742
Teste Aumentado de Dickey- Fuller Aumentado para duas defasagens (CUB)
Teste com constante
-0,1746
0,939
Com constante e tendência
-1,982
0,606
Com constante e tendência quadrática
-1,982
0,823
Teste Aumentado de Dickey- Fuller Aumentado para uma defasagem (IGP-M)
Teste com constante
-5,841
2,85e-007
Com constante e tendência
-5,931
1,69e-006
Com constante e tendência quadrática
-5,947
9,9e-006
Teste Aumentado de Dickey- Fuller Aumentado para duas defasagens (IGP-M)
Teste com constante
-5,36
3,44e-006
Com constante e tendência
-5,469
1,94e-005
Com constante e tendência quadrática
-5,484
0,000118
Teste Aumentado de Dickey- Fuller Aumentado para uma defasagem (Credito)
Teste com constante
-9,74
2,13e-018
Com constante e tendência
-9,7333
8,9e-019
Com constante e tendência quadrática
-9,766
6,38e-058
Teste Aumentado de Dickey- Fuller Aumentado para duas defasagens (Credito)
Teste com constante
-7,937
7,61e-013
Com constante e tendência
-7,941
3,03e-012
Com constante e tendência quadrática
-7,972
4,33e-018
Teste Aumentado de Dickey- Fuller Aumentado para uma defasagem (PIB)
Teste com constante
-0,274
0,9263
Com constante e tendência
-1,891
0,6587
Com constante e tendência quadrática
-3,276
0,1807
Teste Aumentado de Dickey- Fuller Aumentado para duas defasagens (PIB)
Teste com constante
0,0054
0,958
Com constante e tendência
-1,671
0,7642
Com constante e tendência quadrática
-2,917
0,3367
Tabela 03: Teste Dickey- Fuller Aumentado.
Coeficiente
300,768
0,0574024
29495,6
559,477
Constante
PIB/Crédito
IGPM/Crédito
CUB/Crédito
Erro Padrão
296,975
0,0408616
19869,6
265,248
razão-t
1,0128
1,4048
1,4845
2,1093
p-valor
0,31247
0,16173
0,13936
0,03625
Tabela 04: Correção da Heterocedasticidade
Constante
Acessibilidade
Localização
Poluição sonora
Poluição áudio visual
Integração Meio ambiente
Infra Estrutura
Coeficiente
2,7924e+06
906411
1,3338e+06
-2,2206e+06
1,6170e+06
-3,1542e+06
-485846
Erro Padrão
790563
600752
734168
975485
871180
715336
623932
Razão-t
3,53
1,50
1,81
-2,27
1,85
-4,40
-0,77
p-valor
0,0007
0,1353
0,0730
0,0255
0,0672
0,0003
0,438
Tabela 05: ANOVA (variável dependente: demanda).
Coeficiente
651601
0,16363
1662,8
10643,5
-6,51126e-05
B
d_
d_
Erro Padrão
33406,4
0,0831844
2433,86
28781
0,00383357
Razão-t
19,5053
1,9671
0,6832
0,3698
-0,0170
p-valor
<0,00001
0,050
0,495
0,715
0,98
Tabela 06: MQO utilizando primeira diferença PIB e primeira diferença IGP-M
Gráfico CUSUM (quadrado) com intervalo de confiança a 95%
1,2
1
0,8
0,6
0,4
0,2
0
-0,2
1994
1996
1998
2000
2002
2004
Observação
2006
2008
2010
2012
Gráfico 01: CUZUM quadrado